Un modelo basado en el Clasificador Naïve Bayes para la evaluación del desempeño docente

• Gutiérrez Esparza, Guadalupe ^[1] ; Margain Fuentes, Lourdes ^[1] ; Canul Reich, Juana ^[2] ; Ramírez del Real, Tania Aglaé ^[1]
  1. [1] Universidad Politécnica de Aguascalientes

     Universidad Politécnica de Aguascalientes

     México

     
  2. [2] Universidad Juárez Autónoma de Tabasco

     Universidad Juárez Autónoma de Tabasco

     México

     
• Localización: RIED: revista iberoamericana de educación a distancia, ISSN 1138-2783, Vol. 20, Nº 2, 2017 (Ejemplar dedicado a: La integración efectiva del dispositivo móvil en la educación y en el aprendizaje), págs. 293-313
• Idioma: español
• Títulos paralelos:
  • A model based on the Naïve Bayes Classifier for teacher performance assessment
• Enlaces
  • Texto completo
• Resumen
  • español

    La evaluación del desempeño docente es un proceso de medición importante en las instituciones de educación superior en México y en el mundo, ya que retroalimenta el desempeño de los docentes con el fin de mejorar las clases y estrategias para beneficio de la educación de los estudiantes. En este trabajo se describe el desarrollo y evaluación de un Modelo Computacional denominado SocialMining, basado en el algoritmo Naïve Bayes, para apoyar el análisis de las opiniones de los estudiantes en el proceso de la evaluación del desempeño docente, llevada a cabo mediante dispositivos móviles. Esta propuesta considera el uso de dispositivos móviles para la recopilación de datos aprovechando su aceptación por parte de los estudiantes en el proceso de educación y aprendizaje. Asimismo, se describe el desarrollo de corpus de subjetividad, el cual consta de un conjunto de términos afectivos relevantes de la evaluación docente para apoyar al algoritmo Naïve Bayes en la clasificación de las opiniones de los estudiantes dentro de las clases: positivo, negativo y neutral. Para medir el desempeño del proceso de la clasificación del Modelo Computacional SocialMining, se utilizan métricas como la matriz de confusión, precisión y la curva de ROC. Se presenta además un caso de estudio, en el cual se recolectan nuevas opiniones de estudiantes de la Universidad Politécnica de Aguascalientes (México) con el fin de probar el desempeño del modelo propuesto en la clasificación. Los resultados obtenidos consideran factible el Modelo Computacional SocialMining para implementarse en instituciones de educación superior. 

  • English

    The evaluation of teacher performance is an important measurement process in Mexico's higher education institutions and around the world, because it allows feedback on the teacher’s performance to detect improvements in classes and propose strategies for the benefit of students' education. This paper describes the development and evaluation of a proposed computational model called SocialMining, which is based on the classifier algorithm Naïve Bayes to support the analysis of students' opinions from the process of teachers' performance evaluation, which is carried out through mobile devices. The mobile device revolutionizes processes in education; the proposal considers the use of this technology for the collection of data, taking advantage of processing capacity and acceptance by students in the process of education and learning. It also describes the development of a set of relevant affective terms of the teacher evaluation called corpus of subjectivity, which supports the Naïve Bayes algorithm to classify students' comments within the classes: positive, negative and neutral. To measure the comments classification performance of the SocialMining Computational Model, metrics such as the confusion matrix, precision, sensitivity, specificity and the ROC curve are used. Likewise, a study case is presented, which gathers new comments from students of the Polytechnic University of Aguascalientes (Mexico), in order to test the classification process performance of the proposed model. The results show that SocialMining Computational Model is feasible to be implemented in institutions to support Teacher Performance Assessment. Besides, our results show that Naïve Bayes can obtain a classification percentage very similar to those reported in recent works with related algorithms.