Diseño y evaluación de un sistema tutor inteligente desarrollado con técnica de clasificación bayesiana para estudiantes del Instituto Politécnico Nacional (PN).

  • Nora Diana Gaytán Ramírez Instituto Politécnico Nacional
  • Andrés Rico Páez Instituto Politécnico Nacional
  • José Guzmán Mendoza Instituto Politécnico Nacional
  • Daniel Sánchez Guzmán Instituto Politécnico Nacional
Palabras clave: sistema tutor inteligente, técnica de Bayes Ingenuo, desempeño académico

Resumen

En este trabajo se presenta el diseño de un sistema tutor inteligente desarrollado con la técnica de Bayes Ingenuo con el propósito de evaluarlo en estudiantes de bachillerato del Instituto Politécnico Nacional (IPN). La muestra de la investigación consistió en 180 estudiantes, de los cuales 90 estudiantes formaron el grupo de clase tradicional y los otros 90 estudiantes formaron el grupo al que se le aplicó el sistema tutor inteligente. Los resultados muestran una mejora en el desempeño académico del grupo al que se le aplico el sistema con respecto al grupo de clase tradicional. Este tipo de sistemas permite incrementar el rendimiento académico de los estudiantes por medio de la personalización del aprendizaje.

Citas

Ahuja, N. J. y Sille, R. (2013). A Critical Review of Development of Intelligent Tutoring Systems: Retrospect, Present and Prospect. International Journal of Computer Science Issues, 10(4), 39-48.Recuperado de: http://www.ijcsi.org/papers/IJCSI-10-4-2-39-48.pdf

Anderson J. R., Corbett A. T., Koedinger K. R. y Pelletier R. (1995). The cognitive tutors: lessons learned. Journal of the Learning Sciences, 4(2), 167-207.doi: 10.1207/s15327809jls0402_2

Bhutani, I., Chaniyara, K. y Meshram, P. (2017). Naive Bayes Classification for Intelligent Tutoring System for the Subject of Mathematics. International Research Journal of Engineering and Technology, 4(4), 2098-2101. Recuperado de: https://www.academia.edu/33501656/Naive_Bayes_Classification_for_Intelligent_Tutoring_System_for_the_Subject_of_Mathematics

Bloom, B. S. (1984). The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring. Educational Researcher, 13(6), 4–16.doi:10.2307/1175554

Carbonell, J. R. (1970). AI in CAI: An artificial intelligence approach to computer assisted instruction. IEEE transaction on Man Machine System, 11(4), 190- 202.doi:10.1109/TMMS.1970.299942

Folsom, J. T., Sukthankar, G. y Schatz, S. (2013). Tractable POMDP representations for intelligent tutoring systems. ACM Transactions on Intelligent Systems and Technology, 4(2), 29- 50.Recuperado de:http://www.ial.eecs.ucf.edu/pdf/Sukthankar-ACMTISTTutor2012.pdf

Hernández, J., Ramírez M. y Ferri, C. (2004). Introducción a la minería de datos. Madrid, España: Pearson.

Jiménez, R., Salazar, E., Béliz, N., Samaniego, M., Samaniego, E. y Samaniego, N. (2015). Integración de los estilos de aprendizaje a los sistemas tutoriales inteligentes. Revista de Iniciación científica, 1(2), 19-35. Recuperado de: https://revistas.utp.ac.pa/index.php/ric/article/view/446/pdf

Jugo, I., Kovačić, B. y Slavuj, V. (2016). Increasing the Adaptivity of an Intelligent Tutoring System with Educational Data Mining: A System Overview. International Journal of Emerging Technologies in Learning, 11(3), 67-70.Recuperado de: https://online-journals.org/index.php/i-jet/article/view/5103/3845

Kotsiantis, S. B., Pierrakeas, C. J. y Pintelas, P. E. (2003). Preventing student dropout in distance learning using machine learning techniques. En V. Palade, R. J. Howlett y L. Jain (Eds.), Lecture Notes in Computer Science: Vol. 2774. Knowledge-Based Intelligent Information and Engineering Systems (pp. 267–274). Heidelberg, Alemania: Springer-Verlag. Recuperado de: https://link.springer.com/chapter/10.1007/978-3-540-45226-3_37

Millán, E. (2000). Sistema Bayesiano para Modelado del Alumno (Tesis doctoral). Universidad de Málaga, España.Recuperado de: http://www.lcc.uma.es/~eva/investigacion/SBMA.pdf

Mitrovic, A. (2003). An Intelligent SQL Tutor on the Web. Journal. International Journal of Artificial Intelligence in Education.

Mueen, A., Zafar, B. y Manzoor U. (2016). Modeling and Predicting Students’ Academic Performance Using Data Mining Techniques. International Journal of Modern Education and Computer Science, 11, 36-42.Recuperado de: https://www.researchgate.net/profile/Umar_Manzoor/publication/311068715_Modeling_and_Predicting_Students'_Academic_Performance_Using_Data_Mining_Techniques/links/583d22bf08ae502a85e53560/Modeling-and-Predicting-Students-Academic-Performance-Using-Data-Mining-Techniques.pdf

Osmanbegović, E. y Suljić, M. (2012). Data mining approach for predicting student performance. Journal of Economics and Business, 10(1), 3-12.Recuperado de: https://www.econstor.eu/bitstream/10419/193806/1/econ-review-v10-i1-p003-012.pdf

Rico, A. y Sánchez, D. (2018). Análisis de datos de estudiantes de ingeniería para la predicción del rendimiento académico mediante técnica de clasificación bayesiana. Revista Dilemas Contemporáneos: Educación, Política y Valores, 5(3). Recuperado de: http://files.dilemascontemporaneoseducacionpoliticayvalores.com/200003801-b870cb96e6/18.5.13%20An%C3%A1lisis%20de%20datos%20de%20estudiantes%20de%20ingenier%C3%ADa%20para%20la%20predicci%C3%B3n.....pdf

Shahiri, A. M., Husain, W. y Rashid, N. (2015). A Review on Predicting Student’s Performance using Data Mining Techniques. ProcediaComputerScience, 72, 414-422. Recuperado de: https://www.researchgate.net/publication/289991570_A_Review_on_Predicting_Student's_Performance_Using_Data_Mining_Techniques

Sivarasan, R. y Rameshkumar, G. P. (2017). Intelligent Tutoring System for Teaching Java. International Journal of Advanced Research in Computer and Communication Engineering.

Victorio H., Mejía M., Martínez A., Pichardo O. y Sidorov G. (2016). Aplicación de procesos Markovianos para recomendar acciones pedagógicas óptimas en tutores inteligentes. Research in Computing Science, 111, 33-45.doi: 10.13053/rcs-111-1-3

Wen, H. (2017). The Desing of Intelligent English Teaching System Based on Machine Learning. Boletín Técnico, 55(10), 621-627. Recuperado de: https://www.researchgate.net/publication/321158247_The_design_of_intelligent_english_teaching_system_based_on_machine_learning

Witten, I., Frank, E. y Hall, M. (2005). Data Mining: Practical Machine Learning Tools and Techniques. Massachusetts, EUA: Morgan Kaufmann Publishers.

Wolf, B. (1984). Context Dependent Planning in a Machine Tutor (Tesis doctoral). University of Massachusetts, EUA.doi: https://dl.acm.org/doi/book/10.5555/911357

Yang, T. C., Hwang, G. J., & Yang, S. J.-H. (2013). Development of an adaptive learning system with multiple perspectives based on students' learning styles and cognitive styles. Educational Technology & Society.

Publicado
2020-09-01