Aplicación de métodos de deep learning a un sistema de evaluación de estudiantes
Resumen y palabras clave también en inglés
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2020 |
| País: | España |
| Institución: | Ministerio de Educación y Formación Profesional (MEFP) |
| Repositorio: | Redined. Red de Información Educativa |
| OAI Identifier: | oai:redined.educacion.gob.es:11162/247303 |
| Acceso en línea: | https://oa.upm.es/63697/ https://hdl.handle.net/11162/247303 |
| Access Level: | acceso abierto |
| Palabra clave: | evaluación medida del rendimiento puntuación predicción inteligencia artificial enseñanza superior |
| id |
ES_a85304d9ff32ebd059ed8a44a50749fb |
|---|---|
| oai_identifier_str |
oai:redined.educacion.gob.es:11162/247303 |
| network_acronym_str |
ES |
| network_name_str |
España |
| repository_id_str |
|
| spelling |
Aplicación de métodos de deep learning a un sistema de evaluación de estudiantesFlores Martínez, Lauraevaluaciónmedida del rendimientopuntuaciónprediccióninteligencia artificialenseñanza superiorResumen y palabras clave también en inglésSe 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.ESPSerradilla García, Francisco JaimeUniversidad Politécnica de Madrid. Escuela Técnica Superior de Ingenieros Informáticos2020info:eu-repo/semantics/masterThesishttps://oa.upm.es/63697/https://hdl.handle.net/11162/247303reponame:Redined. Red de Información Educativainstname:Ministerio de Educación y Formación Profesional (MEFP)Españolinfo:eu-repo/semantics/openAccessoai:redined.educacion.gob.es:11162/2473032026-05-28T18:21:31Z |
| dc.title.none.fl_str_mv |
Aplicación de métodos de deep learning a un sistema de evaluación de estudiantes |
| title |
Aplicación de métodos de deep learning a un sistema de evaluación de estudiantes |
| spellingShingle |
Aplicación de métodos de deep learning a un sistema de evaluación de estudiantes Flores Martínez, Laura evaluación medida del rendimiento puntuación predicción inteligencia artificial enseñanza superior |
| title_short |
Aplicación de métodos de deep learning a un sistema de evaluación de estudiantes |
| title_full |
Aplicación de métodos de deep learning a un sistema de evaluación de estudiantes |
| title_fullStr |
Aplicación de métodos de deep learning a un sistema de evaluación de estudiantes |
| title_full_unstemmed |
Aplicación de métodos de deep learning a un sistema de evaluación de estudiantes |
| title_sort |
Aplicación de métodos de deep learning a un sistema de evaluación de estudiantes |
| dc.creator.none.fl_str_mv |
Flores Martínez, Laura |
| author |
Flores Martínez, Laura |
| author_facet |
Flores Martínez, Laura |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Serradilla García, Francisco Jaime Universidad Politécnica de Madrid. Escuela Técnica Superior de Ingenieros Informáticos |
| dc.subject.none.fl_str_mv |
evaluación medida del rendimiento puntuación predicción inteligencia artificial enseñanza superior |
| topic |
evaluación medida del rendimiento puntuación predicción inteligencia artificial enseñanza superior |
| description |
Resumen y palabras clave también en inglés |
| publishDate |
2020 |
| dc.date.none.fl_str_mv |
2020 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| dc.identifier.none.fl_str_mv |
https://oa.upm.es/63697/ https://hdl.handle.net/11162/247303 |
| url |
https://oa.upm.es/63697/ https://hdl.handle.net/11162/247303 |
| dc.language.none.fl_str_mv |
Español |
| language_invalid_str_mv |
Español |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.source.none.fl_str_mv |
reponame:Redined. Red de Información Educativa instname:Ministerio de Educación y Formación Profesional (MEFP) |
| instname_str |
Ministerio de Educación y Formación Profesional (MEFP) |
| reponame_str |
Redined. Red de Información Educativa |
| collection |
Redined. Red de Información Educativa |
| repository.name.fl_str_mv |
|
| repository.mail.fl_str_mv |
|
| _version_ |
1869415869844553728 |
| score |
15.811543 |