Sistema para la detección temprana de anomalías en la evaluación usando técnicas de aprendizaje automático

• Juan Ramón Rico-Juan ^[1] ; Francisco J. Castellanos ^[1] ; Antonio-Javier Gallego ^[1] ; Jorge Calvo-Zaragoza ^[1]
  1. [1] Universitat d'Alacant

     Universitat d'Alacant

     Alicante, España

     
• Localización: Actas de las Jornadas sobre la Enseñanza Universitaria de la Informática (JENUI), ISSN 2531-0607, Nº. 4, 2019
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Uno de procesos más importantes en casi todos los modelos de enseñanza universitaria es la evaluación.

    Los criterios que se establecen en una asignatura orien- tan la forma en la que se obtiene la calificación final del alumno. Por este motivo es importante realizar un seguimiento continuado del aprendizaje del estudian- te y de sus calificaciones, permitiendo de este modo la detección de anomalías para proceder con una in- tervención inmediata que permita corregir la situación.

    Normalmente, en los primeros cursos universitarios el número de alumnos es elevado, lo que redunda en el detrimento del seguimiento que se le puede realizar a los estudiantes por parte del profesor. En este traba- jo se propone un sistema para predecir la calificación de un estudiante en una determinada actividad, de for- ma que se notifique al profesor cuando la calificación real se aleje suficientemente del valor predicho. Para esto se ha realizado un estudio de 24 algoritmos de in- teligencia artificial, seleccionando finalmente los más adecuados para el caso de estudio realizado. Los resul- tados experimentales muestran la utilidad del método propuesto y cómo los algoritmos basados en máquinas de vectores soporte o los de aumentado de gradiente extremo son los que mejores resultados obtienen.

  • English

    One of the most important processes in almost all uni- versity education models is evaluation. The criteria es- tablished in a subject guide how the student’s final grade is obtained. Therefore, it is important to con- tinuously monitor the student’s learning process and grades, thus allowing the detection of anomalies to pro- ceed with an immediate intervention to correct the si- tuation. Typically, the first university courses have a high number of students, which is detrimental to the tracking that can be done by the teacher. In this paper, we propose an approach to predict the next grade of a student in a certain activity, so that the teacher is no- tified in case the actual grade is different enough from the predicted one. To this end, an experimental study of 24 artificial intelligence algorithms, selecting the most suitable ones for our case of study. The experimental results show the goodness of the proposed approach, and that the algorithms based on support vector machi- nes or those of extreme gradient augmentation are the ones that best fit the considered data.