ir a la navegación

Boosting the Learning Process with Progressive Performance Prediction 16 septiembre 2015

Publicado por faraon en Actividades, Innovación educativa, Inteligencia artificial , añadir un comentario

Boosting the Learning Process with Progressive Performance Prediction
Carlos Villagrá-Arnedo, Francisco J. Gallego-Durán, Rafael Molina-Carmona and Faraón Llorens-Largo
Departamento de Ciencia de la Computación e Inteligencia Artificial
Universidad de Alicante

10th European Conference on Technology Enhanced Learning (EC-TEL 2015)
Toledo, Spain, September 15-18, 2015
http://www.ec-tel.eu

Actas:
Design for Teaching and Learning in a Networked World
Lecture Notes in Computer Science 9307 (LNCS 9307)
http://www.springer.com/gp/book/9783319242576

Acceso al artículo

Abstract.
A prediction system to early detect learning problems is presented. The starting point is a gamified learning system from which a massive set of usage and learning data is collected. They are analyzed using Machine Learning techniques and a prediction of each student’s performance is obtained. The information is weekly presented as a progression chart, with valuable information about students’ progression. The system has a high degree of automation, is progressive, uses learning outcomes as well as usage data, allows the evaluation and prediction of the acquired skills, and contributes to a truly formative assessment.

Keywords:
Performance prediction · Machine learning · Gamified systems · Automatic assessment · Learning process

Póster:
poster

Sistema de Predicción para la Asistencia en el Seguimiento del Aprendizaje 8 julio 2015

Publicado por faraon en Actividades, Innovación educativa, Inteligencia artificial , añadir un comentario

Sistema de Predicción para la Asistencia en el Seguimiento del Aprendizaje
Carlos J. Villagrá-Arnedo, Francisco J. Gallego-Durán, Rafael Molina-Carmona y Faraón Llorens-Largo
Departamento de Ciencia de la Computación e Inteligencia Artificial
Universidad de Alicante

XXI Jornadas sobre la Enseñanza Universitaria de la Informática (JENUI 2015)
Andorra La Vella, 8, 9 y 10 de Julio de 2015
La Salle Open University
http://jenui2015.uols.org
Acceso a las Actas

Acceso al documento en RUA

Acceso a través de UPCommons

Resumen
El objetivo final de cualquier modelo docente es maximizar los resultados de aprendizaje de cada estudiante. A este objetivo, poco contribuye un proceso de enseñanza-aprendizaje de talla única, basado en una evaluación únicamente informativa, limitada a unos pocos aspectos y que se realiza al final del proceso, cuando ya no hay tiempo de reacción. Frente a esta situación, proponemos un modelo basado en una formación adaptativa, sustentado por un sistema de evaluación formativa, progresiva y predictiva, que permita detectar las carencias a tiempo y atenderlas de inmediato.
Nuestra aportación en este sentido es una herramienta automática y predictiva de apoyo a la evaluación, que permite a los profesores seguir el desarrollo formativo de los estudiantes y, al mismo tiempo, proporciona una autoevaluación que sirve para mejorar la percepción de progresión de los propios estudiantes. La herramienta parte de un sistema instruccional gamificado utilizado desde hace 6 años (PLMan), recolecta un conjunto de datos de uso de este sistema y realiza un análisis de los mismos mediante técnicas de Machine Learning. A partir de los resultados parciales de este análisis, obtenidos durante el período académico, es capaz de realizar una predicción del rendimiento del estudiante y una proyección de su progreso futuro, presentando los resultados a través de unas interfaces muy simples.
El sistema nos permite alcanzar un doble objetivo: por un lado, facilita al profesor una herramienta para realizar un seguimiento muy exhaustivo de la progresión de sus estudiantes sin que esto suponga un incremento importante de su carga de trabajo y, por otro lado, los estudiantes obtienen una retroalimentación inmediata de su progresión, lo que contribuye a su motivación y a la posibilidad de enmendar sus errores.

¿Puede un videojuego ayudarnos a predecir los resultados de aprendizaje? 24 junio 2014

Publicado por faraon en Actividades, Innovación educativa, Videojuegos , añadir un comentario

¿Puede un videojuego ayudarnos a predecir los resultados de aprendizaje?
Ana Illanas, Faraón Llorens, Rafael Molina, Francisco Gallego, Patricia Compañ, Rosana Satorre, Carlos Villagrá
Grupo Informática Industrial e Inteligencia Artificial
Equipo ByteRealms
Universidad de Alicante

I Congreso de la Sociedad Española para las Ciencias del Videojuego (CoSECiVi2014)
Barcelona, 24 de junio de 2014

Acceso al documento en RUA

Acceso al documento completo (pdf)

RESUMEN
Los videojuegos educativos tienen características (inmediatez, motivación, diversión, interacción…), que permiten mejorar el aprendizaje. Además, la acción del juego genera una gran cantidad de datos que pueden ayudarnos a
conocer el progreso en el aprendizaje y a predecir sus resultados. Presentamos CoIn, un videojuego educativo en el que el jugador se convierte en un intérprete que debe completar las traducciones al español de varios discursos en inglés. CoIn, además, recoge multitud de datos durante el desarrollo del juego, que luego se utilizan en un sistema de predicción basado en técnicas de data mining. En particular, se propone una red neuronal cuya entrada es este conjunto de datos y cuya salida es un rango de notas finales en las actividades docentes de la asignatura. A pesar de la limitada cantidad de datos disponible, los resultados son prometedores y nos permiten aventurar que es posible medir el progreso y predecir el aprendizaje.

Palabras clave. Videojuegos educativos, educational data mining, aprendizaje