Uso de técnicas de minería de datos en la enseñanza del algebra lineal
Tipo de documento
Autores
Lista de autores
Coello, Lenniet, Pérez, Olga Lidia y Martín, Ángela
Resumen
La presente investigación surge de la necesidad de dar solución a la baja promoción de los estudiantes de primer año de las carreras de ciencias técnicas de la Universidad de Camagüey, en la asignatura de algebra lineal. En esta materia el estudiante requiere de altos niveles de abstracción y un buen razonamiento lógico-matemático. Se decidió, entonces desarrollar un Sistema Tutorial Inteligente (STI) usando técnicas de minería de datos que apoye al educando durante su estudio independiente, interviniendo como un tutor particular que actúe de acuerdo a las necesidades del alumno. Como resultado se pretende obtener un sistema para ser utilizado por estudiantes y profesores cuyo objetivo principal es proporcionar al educando la ayuda pedagógica adecuada en apoyo al proceso de enseñanza aprendizaje de la asignatura del algebra lineal.
Fecha
2016
Tipo de fecha
Estado publicación
Términos clave
Enfoque
Idioma
Revisado por pares
Formato del archivo
Editores (capítulo)
Lista de editores (capitulo)
Mariscal, Elizabeth
Título del libro
Acta Latinoamericana de Matemática Educativa
Editorial (capítulo)
Lugar (capítulo)
Rango páginas (capítulo)
1420-1427
ISBN (capítulo)
Referencias
Caballero, Y. (2007). Acerca del Aprendizaje Automatizado, la Selección de Características y la Edición de conjuntos de Entrenamient. (Tesis de Doctorado), Universidad de Camagüey, Camagüey. Coello, L., Casas, L., Pérez, O. L., & Caballero, Y. (2015). Redes neuronales artificiales en la producción de tecnología educativa para la enseñanza de la diagonalización. Revista Academia y Virtualidad, 8(1), 12-20. Chávez, M. (2008). Modelo de redes bayesianas en el estudio de secuencias genómicas y otros problemas biomédicas. (Tesis de Doctorado), Universidad Central "Marta Abreu" de las Villas, Villa Clara. Durán, E., & Costaguta, R. (2007). Minería de datos para descubrir estilos de aprendizaje. Revista Iberoamericana de Educación, 2(42). Felder, R. M., & Silverman, L. K. (1988). Learning Styles and Teaching Styles in Engineering Education. Engr. Ed, 78(7), 674-681. Linoff, B. (2000). Mastering Data Mining Wiley (Ed.) Martin, P. P. G. (2007). Modelo de enseñanza basada en casos: de los tutores inteligentes a los videojuegos. (Tesis de Grado de Doctor), Universidad Complutense de Madrid, Madrid. Mitchell, T. (1997). Machine Learning: McGraw-Hill Science. Puga, J. L., & García, J. G. (2008). Sistemas de Tutorización Inteligente Basados en Redes Bayesianas. Revista Electrónica de Metodología Aplicada, 13(1), 13-25. Rodríguez, L. I. M., & Fernández, Y. d. A. (2000). Sistema Tutorial Inteligente de apoyo al proceso de enseñanza-aprendizaje de la asignatura de Sistemas Operativos. (Tesis de Grado), Universidad de las Ciencias Informáticas, Habana. Ruiz, R. (2006). Heurísticas de selección de atributos para datos de gran dimensionalidad. (Tesis Doctoral para optar al grado de Doctor en Informática), Universidad de Sevilla, Sevilla. Salgueiro, F. (2005). Sistemas Inteligentes para el Modelado del Tutor (Tesis de Grado en Ingenieria Informática), Universidad de Buenos Aires, Buenos Aires. Simon, H. A. (1983). Why should machines learn? In R. S. Michalski, J. G. Carbonell & T. M. Mitchel (Eds.), Machine Learning, An Artificial Intelligence approach. Palo Alto, CA. VanLehn, K. (1988). Student Modelling. . In H. N. J. L. E. Associates (Ed.), Foundations of Intelligent Tutoring systems (pp. 55-78).
Proyectos
Cantidad de páginas
8