Aprendizaje computacional de mapas conceptuales en términos de modelos gráficos probabilistas. Aplicación al diseño de un sistema recomendador para la asignatura de Teoría de Autómatas I

Alfonso Gaspar, David. (2013). Aprendizaje computacional de mapas conceptuales en términos de modelos gráficos probabilistas. Aplicación al diseño de un sistema recomendador para la asignatura de Teoría de Autómatas I Master Thesis, Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial.

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
Alfonso_Gaspar_David_TFM.pdf Alfonso_Gaspar_David_TFM.pdf application/pdf 2.99MB

Título Aprendizaje computacional de mapas conceptuales en términos de modelos gráficos probabilistas. Aplicación al diseño de un sistema recomendador para la asignatura de Teoría de Autómatas I
Autor(es) Alfonso Gaspar, David
Resumen Las redes bayesianas permiten modelar la relación incierta entre diferentes variables aleatorias, con la ventaja sobre otros métodos de tener una representación gráfica y de permitir el uso de información de expertos. Por otra parte, los mapas conceptuales representan, también gráficamente, relaciones entre conceptos de un mismo dominio, sin apenas imponer restricciones sobre su estructura, lo que las ha llevado a ser una herramienta muy utilizada en entornos educativos. Este trabajo propone un método semi-automático de generación de mapas conceptuales o competenciales a partir de redes bayesianas aprendidas automáticamente de respuestas de exámenes tipo test de una materia determinada. Nuestra hipótesis es que estas respuestas contienen conocimiento del dominio, el cual puede representarse de forma visual, teniendo una doble utilidad: en primer lugar, estos mapas pueden enriquecer a los creados manualmente por un experto, sugiriendo nuevas conexiones o subrayando la importancia de las ya identificadas; y, en segundo lugar, se propone la utilización de los mapas obtenidos como núcleo de un sistema recomendador que proporcione al alumno una representación gráfica de su conocimiento de la materia, ayudándole a localizar sus fortalezas y debilidades, así como planteándole actividades pedagógicas adecuadas a su nivel de conocimiento. Para conseguir los objetivos anteriores, se han diseñado diversos experimentos y algoritmos que trabajan con los datos de resultados de exámenes tipo test de la asignatura de “Teoría de Autómatas I” impartida en la UNED, aplicando diversas técnicas de Inteligencia Artificial y Minería de Datos. También se ha diseñado un prototipo web de sistema recomendador, basado en los mapas conceptuales generados en la primera fase del trabajo, con el fin de poder valorar su utilidad en un contexto de educación a distancia.
Notas adicionales Trabajo de Fin de Máster. Máster Universitario en I.A. Avanzada: Fundamentos, Métodos y Aplicaciones. UNED
Materia(s) Ingeniería Informática
Editor(es) Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial.
Director/Tutor Manjarres Riesco, Ángeles
Fecha 2013-09-01
Formato application/pdf
Identificador bibliuned:master-ETSInformatica-IAA-Dalfonso
http://e-spacio.uned.es/fez/view/bibliuned:master-ETSInformatica-IAA-Dalfonso
Idioma spa
Versión de la publicación acceptedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso master Thesis
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 285 Visitas, 152 Descargas  -  Estadísticas en detalle
Creado: Tue, 13 Jul 2021, 19:39:29 CET