Aplicación de métodos de deep learning a un sistema de evaluación de estudiantes
Full text:
https://oa.upm.es/63697/Education Level:
Document type:
Trabajo fin de másterEstadísticas:
View Usage StatisticsMetadata:
Show full item recordAuthor:
Date:
2020Abstract:
Se plantea el diseño de una herramienta de predicción de calificaciones mediante la tecnología deep learning, basada en inteligencia artificial, que se aplica a la asignatura de Informática del Grado de Matemáticas en la Universidad de Málaga. La finalidad es conocer qué partes de la asignatura deben reforzarse para alcanzar un mayor rendimiento de los alumnos. Para ello se emplea el uso de técnicas de Deep Learning, para predecir la calificación que obtendrán los estudiantes en el primer examen parcial de dicha asignatura. Como lenguajes de programación para impartir la asignatura se utiliza el Haskell para el paradigma funcional, y Scala para el paradigma imperativo y orientado a objetos. En la fase inicial, se procesan las calificaciones obtenidas de 442 alumnos durante 5 años entre los cursos 2015 al 2019. Los resultados muestran múltiples modelos a utilizar para alcanzar el objetivo. Se concluye que el modelo más notable es el Modelo Encoder +FC, con una sola red y aplicando validación K-Fold.
Se plantea el diseño de una herramienta de predicción de calificaciones mediante la tecnología deep learning, basada en inteligencia artificial, que se aplica a la asignatura de Informática del Grado de Matemáticas en la Universidad de Málaga. La finalidad es conocer qué partes de la asignatura deben reforzarse para alcanzar un mayor rendimiento de los alumnos. Para ello se emplea el uso de técnicas de Deep Learning, para predecir la calificación que obtendrán los estudiantes en el primer examen parcial de dicha asignatura. Como lenguajes de programación para impartir la asignatura se utiliza el Haskell para el paradigma funcional, y Scala para el paradigma imperativo y orientado a objetos. En la fase inicial, se procesan las calificaciones obtenidas de 442 alumnos durante 5 años entre los cursos 2015 al 2019. Los resultados muestran múltiples modelos a utilizar para alcanzar el objetivo. Se concluye que el modelo más notable es el Modelo Encoder +FC, con una sola red y aplicando validación K-Fold.
Leer menos