Recolección de datos de interacción de alumnos en una plataforma

Introduccion

Existen numerosas disciplinas científicas que parten de una hipótesis que explica algunos fenómenos naturales, y luego se realizan experimentos para contrastar la hipótesis. El análisis de dichos experimentos no siempre es fácil de realizar sin herramientas adecuadas. Las técnicas de aprendizaje automático permiten realizar análisis de grandes cantidades de datos para poder extraer reglas o leyes generales, regularidades patrones, etc. Una de las herramientas para el análisis de información es la Minería de Datos , la cual consiste en la búsqueda de patrones interesantes en grandes bases datos. El objetivo de la presente investigación es obtener indicadores de interés que permitan la toma de decisiones oportunas para el mejoramiento de las herramientas de la plataforma E-learning de la UTPL a través de la aplicación de la minería de datos en conjunto con las técnicas de aprendizaje automático.

CONCLUSIONES

• La aplicación de las técnicas de minería de datos y los algoritmos de aprendizaje automático, son las herramientas utilizadas para construir el modelo del usuario, ya que el modelo clasifica al estudiante de acuerdo a su nivel de interacción dentro del campus virtual y en base a esta clasificación, se presentan las recomendaciones para el mejoramiento de la utilización de estas herramientas.

• Se optó por tomar las técnicas de aprendizaje supervisado como herramienta para la construcción del modelo de usuario, ya que estas técnicas utilizan algoritmos que permiten clasificar la información de acuerdo al criterio que el analista requiera, para este caso, clasificar a los estudiantes de acuerdo al nivel de interacción en las herramientas de la plataforma.

• La arquitectura de la solución se fundamenta en el diseño de Sistemas Hipermedia Adaptativos, esto quiere decir, que el contenido que se presenta al usuario es de acuerdo al comportamiento o frecuencia de interacción que el usuario ha tenido con el sistema.

• La utilización de un modelo híbrido, se adapta a la estructura de la base de datos de trabajo ya que esta contiene datos que no son directamente observables, por lo que se creó nuevos atributos para relacionarlos de alguna manera.

• Los resultados del análisis de la base de datos de la plataforma, reflejan que las herramientas más utilizadas por los estudiantes son: los foros, recursos y las tareas, y en base a estos resultados se plantearon los objetivos para el análisis de minería de datos.

• Los algoritmos utilizados para la clasificación de los datos son los árboles de decisión, entre ellos se destaca el algoritmo J48 (C4.5), el cual presentó resultados favorables en la clasificación de los datos.

• La implementación del bloque de recomendaciones, nos permite probar la eficiencia del modelo del usuario ya que al ingresar nuevos usuarios, el agente presenta las recomendaciones correspondientes a su nivel de interacción con las herramientas de la plataforma.

• Con todo este análisis realizado, se tiene que los indicadores de interés obtenidos, reflejan el comportamiento del estudiante de acuerdo a su nivel de interacción, más no se tomaron en cuenta otros factores como: localidad, sexo, calificaciones, etc. ya que estos indicadores no presentan resultados que sean útiles al momento de implementar el agente inteligente; asimismo, las recomendaciones se orientan exclusivamente a mejorar la experiencia del usuario en la utilización de las herramientas de la plataforma

Link

~ por greyson en Abril 8, 2008.