Resumen de Predicción de la aceptación o rechazo de las calificaciones finales propuestas por el alumnado usando técnicas de Minería de Datos

Javier Fuentes Alventosa, Cristóbal Romero Morales, Carlos García-Martínez, Sebastián Ventura Soto

• español

  Una posible alternativa o complemento a las técnicas clásicas de evaluación es la utilización de técnicas de autoevaluación (self-grading o self-assessment) que es un proceso en el que es el propio estudiante el que juzga los logros conseguidos respecto a una tarea o actividad determinada. Sin embargo, antes de poder incluirla en un programa educativo, es necesario evaluar la fiabilidad del proceso y compararlo con los métodos tradicionales que actualmente utiliza el profesorado. Siguiendo esta idea, el presente trabajo propone una metodología basada en la minería de datos y la autoevaluación con el fin de validar la auto-calificación de los estudiantes. Nuestro objetivo es predecir si el instructor podría aceptar o no las calificaciones propuestas por los estudiantes en un curso. Nuestra experiencia empírica sobre 53 estudiantes universitarios de informática sugiere que son necesarios 1) una distinción en el tipo errores que puede cometer el clasificador, pues no es lo mismo no aceptar la nota propuesta de un estudiante que realmente puede sacar dicha nota, que aceptar la de otro que no estaría capacitado para obtenerla; 2) una vigilancia sobre dichos errores; y 3) considerar medidas de rendimiento del estudiante durante el curso, sobre las cuales las predicciones parecen tener una gran dependencia.

• English

  An alternative or complement to classic assessment methodologies is the use of self-grading or selfassessment, which is a process where the own student judges and evaluates his/her achievements with regards to particular tasks or activities. However, it is necessary to evaluate the reliability of the process before considering it in a learning program, and to compare it with traditional methods that teachers apply at the moment.

  According to this idea, this work proposes a methodology based on data-mining and self-assessment with the aim of validating the mark that students propose.

  Our objective is to predict whether the teacher might or might not accept these marks. Our empirical experience on 53 university students suggests that it is needed 1) a distinction between the type of errors of the possible built classifier, given that it is usually preferable not to accept the mark proposed by a student that can get it, than to accept the mark proposed by a student that can not get it; 2) an inspection on particular cases where students might deceive the system; and 3) to consider student performance measures along the course, by which predictions have shown to be strongly determined.