Búsqueda de la calidad del aprendizaje mediante herramientas de inteligencia artificial

Abstract

• • Resumen Este trabajo expone, mediante el uso de técnicas de minería de datos e inteligencia artificial, una alternativa para determinar posibles factores ajenos a los académicos que puedan interferir de manera positiva o negativa en la calidad del aprendizaje de estudiantes universitarios del área de Matemática. Para tal fin se relevó una serie de datos socioeconómicos considerados relevantes por especialistas, sociólogos y pedagogos, incorporando adicionalmente una serie de evaluaciones prediseñadas con aspectos conceptuales, algebraicos y de modelización. Se emplea el método de clasificación bietápico el cual es una herramienta de exploración diseñada para descubrir las agrupaciones naturales (o conglomerados) de un conjunto de datos que, de otra manera, no sería posible detectar. A partir de este agrupamiento se establecerá la base para la elaboración de reglas que alimentarán al sistema experto para la formulación de conclusiones y recomendaciones para los estudiantes y docentes. Palabras clave: Algoritmos de agrupamiento, arquitectura, problemas en el aprendizaje, minería de datos, sistemas expertos. Fecha de Recepción: agosto 2012 | Fecha de aceptación: octubre 2012 • Investigadores del AIGroup, Universidad de Palermo, Argentina • • Directora del AIGroup, Universidad de Palermo, Argentina • • • Este trabajo fue aprobado y presentado en el Congreso TRIC V organizado por IEEE CIS (Computational Intelligence Society) Argentina que se desarrolló en el marco del IEEE Argencon 2012 del 13 al 15 de junio de 2012 en la UNC.