EcoAprendemos.org     red-social-1     logo iva 150     logo-blogs-suricata-150     logo-catunesco-150

Utilizamos cookies propias y de terceros para mejorar la experiencia del usuario a través de su navegación. Si continúa navegando acepta su uso. Para saber más sobre las Cookies visite nuestra Política de Cookies.

Acepto las Cookies de este sitio.
EU Cookie Directive plugin by www.channeldigital.co.uk

Crear PDF Recomendar Imprimir

Modelo Bayesiano para la Optimización y Personalización del Proceso de Aprendizaje en Línea: Estudio Casuístico

Autor(es)
Francisco Tapia Moreno
Fecha de lectura
10-Oct-2007

Título: Modelo Bayesiano para la Optimización y Personalización del Proceso de Aprendizaje en Línea: Estudio Casuístico.

Autor: Francisco Tapia Moreno

Directores: Enrique Rubio Royo y Manuel Galán Moreno

Departamento:  Matemáticas

Fecha de lectura: 10 de octubre de 2007

Calificación: Sobresaliente "Cum Laude"

Tribunal evaluador:

Presidente: Rosario Berriel Martínez

Secretario: Juan Rocha Martín

Vocal: Raquel Martínez Fernández

Vocal: Francisco Javier Elorza Tenreiro

Vocal: Luis Álvarez Álvarez

Resumen:

En esta tesis presentamos un modelo probabilista basado en Redes Bayesianas (RBs), que puede determinar el tipo de personalización (TP) de acuerdo a las necesidades realesdel alumno, con el propósito de ofrecer a éste una alternativa o un plan que optimice su proceso global de aprendizaje (PGA) en línea. Para lograr esto, hemos considerado los objetos de personalización (ops) y los objetivos de personalización (OPs) y realizado relaciones de causa y efecto entre éstos, y las fases de personalización del aprendizaje que tienen un efecto directo en el aprendizaje del alumno, y en la adecuación del sistema electrónico usado para gestionar el proceso de enseñanza-aprendizaje en línea del alumno. Cada op u OP, es considerado como una causa que tiene un efecto directo en alguna de las fases de personalización del aprendizaje que, a su vez, es una causa que tiene un efecto directo en la capacitación del alumno y en la adecuación del sistema electrónico usado por éste. Este tipo de relaciones recopiladas en una RB determinan,mediante cálculos probabilistas, un perfil de personalización deseable del alumno y en base a éste, se puede elaborar el modelo individual que optimice el proceso global de aprendizaje. El alcance del modelo que proponemos en esta tesis, contempla cuatro fasesfundamentales de la personalización del aprendizaje en línea:

1) Fase de personalización para los conocimientos previos,

2) Fase de personalización para el progreso del conocimiento,

3) Fase de personalización para objetivos y metas del profesor/alumno y

4) Fase de personalización para las preferencias y experiencia de navegación.

La evaluación del modelo se realiza usando la primera fase y con datos obtenidos en un curso en línea con 45 alumnos simulados de diferentes áreas del conocimiento. Además,con los datos generados en la simulación del curso, hemos obtenido las probabilidades previas de cada una de las variables del modelo propuesto, las tablas de distribución de probabilidades previas para cada uno de los nodos padres, las tablas de distribución de probabilidades condicionales y un conjunto de funciones de distribución de probabilidad (fdps) locales. Las fdps locales se usan para generar las métricas de aprendizaje y diagnosticar los estados de las variables en las cuatro fases de nuestro modelo. Dicha evaluación demuestra empíricamente la eficacia de las redes Bayesianas en la modelación del alumno, específicamente en la realización de inferencia Bayesiana en casos de incertidumbre sobre los objetos y objetivos de personalización del alumno o bien en caso de pérdida de datos.La investigación realizada se llevó a cabo dentro del contexto del Proyecto Suricata en su segunda fase. El Proyecto Suricata (PS) (Rubio, et al., 2004), es un modelo en red de innovación organizacional, basado en el trabajo en las comunidades virtuales y en el uso de tecnologías de la información, como una respuesta de adecuación al creciente proceso de virtualización social y de las organizaciones, que contribuye al desarrollo competitivo y socialmente sostenible.

Palabras clave:

Aprendizaje en línea personalizado, métricas de aprendizaje, redes Bayesianas.

Utilizamos cookies propias y de terceros para mejorar la experiencia del usuario a través de su navegación. Si continúa navegando acepta su uso. Para saber más sobre las Cookies visite nuestra Política de Cookies.

Acepto las Cookies de este sitio.
EU Cookie Directive plugin by www.channeldigital.co.uk

Utilizamos cookies propias y de terceros para mejorar la experiencia del usuario a través de su navegación. Si continúa navegando acepta su uso. Para saber más sobre las Cookies visite nuestra Política de Cookies.

Acepto las Cookies de este sitio.
EU Cookie Directive plugin by www.channeldigital.co.uk