ADAPTACIÓN DEL ALGORITMO BAYESIAN KNOWLEDGE TRACING PARA LA ESTIMACIÓN DEL CONOCIMIENTO LATENTE SOBRE DATOS EDUCACIONALES MASIVOS
Ante la masividad de los datos que se generan en la educación, se han tenido que cambiar los métodos tradicionales para el descubrimiento de conocimientos. Uno de los algoritmos es el Bayesian Knowledge Tracing (BKT) que permite Estimar Conocimiento Latente (ECL). La ECL no es más que la forma de m...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universidad de Holguín
2019-12-01
|
| Series: | Tecnología Educativa |
| Subjects: | |
| Online Access: | https://tecedu.uho.edu.cu/index.php/tecedu/article/view/189 |
| _version_ | 1797807293143711744 |
|---|---|
| author | Angel Alberto Vazquez Sánchez Lisset Salazar Gómez Roxana Cañizares González |
| author_facet | Angel Alberto Vazquez Sánchez Lisset Salazar Gómez Roxana Cañizares González |
| author_sort | Angel Alberto Vazquez Sánchez |
| collection | DOAJ |
| description |
Ante la masividad de los datos que se generan en la educación, se han tenido que cambiar los métodos tradicionales para el descubrimiento de conocimientos. Uno de los algoritmos es el Bayesian Knowledge Tracing (BKT) que permite Estimar Conocimiento Latente (ECL). La ECL no es más que la forma de medir el conocimiento de un estudiante sobre habilidades y conceptos específicos, que es evaluada por sus patrones de corrección sobre esas habilidades. Dicho algoritmo está diseñado para ser utilizado en volúmenes de datos pequeños, afectándose su rendimiento ante la presencia de grandes volúmenes de datos. Para dar solución al problema se presentará como resultado la transformación del algoritmo BKT teniendo en cuenta la programación paralela y distribuida; además, se utilizaron herramientas de procesamiento en paralelo como el marco de trabajo Apache Spark en un entorno de minado. Se valida la propuesta de solución mediante pruebas para medir rendimiento y eficacia, usando métricas como speedup, eficiencia, error medio cuadrático del diferencial de probabilidades y error medio cuadrático del diferencial del área bajo la curva ROC; para las pruebas fueron empleadas bases de datos educacionales.
|
| first_indexed | 2024-03-13T06:20:23Z |
| format | Article |
| id | doaj.art-1d14f6d914c74b239a886e7334916a67 |
| institution | Directory Open Access Journal |
| issn | 2519-9463 |
| language | Spanish |
| last_indexed | 2024-03-13T06:20:23Z |
| publishDate | 2019-12-01 |
| publisher | Universidad de Holguín |
| record_format | Article |
| series | Tecnología Educativa |
| spelling | doaj.art-1d14f6d914c74b239a886e7334916a672023-06-09T19:54:01ZspaUniversidad de HolguínTecnología Educativa2519-94632019-12-0142ADAPTACIÓN DEL ALGORITMO BAYESIAN KNOWLEDGE TRACING PARA LA ESTIMACIÓN DEL CONOCIMIENTO LATENTE SOBRE DATOS EDUCACIONALES MASIVOSAngel Alberto Vazquez Sánchez0Lisset Salazar Gómez1Roxana Cañizares González2Universidad de las Ciencias Informáticas, CubaUniversidad de las Ciencias Informáticas, CubaUniversidad de las Ciencias Informáticas, Cuba Ante la masividad de los datos que se generan en la educación, se han tenido que cambiar los métodos tradicionales para el descubrimiento de conocimientos. Uno de los algoritmos es el Bayesian Knowledge Tracing (BKT) que permite Estimar Conocimiento Latente (ECL). La ECL no es más que la forma de medir el conocimiento de un estudiante sobre habilidades y conceptos específicos, que es evaluada por sus patrones de corrección sobre esas habilidades. Dicho algoritmo está diseñado para ser utilizado en volúmenes de datos pequeños, afectándose su rendimiento ante la presencia de grandes volúmenes de datos. Para dar solución al problema se presentará como resultado la transformación del algoritmo BKT teniendo en cuenta la programación paralela y distribuida; además, se utilizaron herramientas de procesamiento en paralelo como el marco de trabajo Apache Spark en un entorno de minado. Se valida la propuesta de solución mediante pruebas para medir rendimiento y eficacia, usando métricas como speedup, eficiencia, error medio cuadrático del diferencial de probabilidades y error medio cuadrático del diferencial del área bajo la curva ROC; para las pruebas fueron empleadas bases de datos educacionales. https://tecedu.uho.edu.cu/index.php/tecedu/article/view/189Rastreo del Conocimiento Bayesiano;Minería de Datos Educacionales;Estimación del Conocimiento Latente |
| spellingShingle | Angel Alberto Vazquez Sánchez Lisset Salazar Gómez Roxana Cañizares González ADAPTACIÓN DEL ALGORITMO BAYESIAN KNOWLEDGE TRACING PARA LA ESTIMACIÓN DEL CONOCIMIENTO LATENTE SOBRE DATOS EDUCACIONALES MASIVOS Tecnología Educativa Rastreo del Conocimiento Bayesiano; Minería de Datos Educacionales; Estimación del Conocimiento Latente |
| title | ADAPTACIÓN DEL ALGORITMO BAYESIAN KNOWLEDGE TRACING PARA LA ESTIMACIÓN DEL CONOCIMIENTO LATENTE SOBRE DATOS EDUCACIONALES MASIVOS |
| title_full | ADAPTACIÓN DEL ALGORITMO BAYESIAN KNOWLEDGE TRACING PARA LA ESTIMACIÓN DEL CONOCIMIENTO LATENTE SOBRE DATOS EDUCACIONALES MASIVOS |
| title_fullStr | ADAPTACIÓN DEL ALGORITMO BAYESIAN KNOWLEDGE TRACING PARA LA ESTIMACIÓN DEL CONOCIMIENTO LATENTE SOBRE DATOS EDUCACIONALES MASIVOS |
| title_full_unstemmed | ADAPTACIÓN DEL ALGORITMO BAYESIAN KNOWLEDGE TRACING PARA LA ESTIMACIÓN DEL CONOCIMIENTO LATENTE SOBRE DATOS EDUCACIONALES MASIVOS |
| title_short | ADAPTACIÓN DEL ALGORITMO BAYESIAN KNOWLEDGE TRACING PARA LA ESTIMACIÓN DEL CONOCIMIENTO LATENTE SOBRE DATOS EDUCACIONALES MASIVOS |
| title_sort | adaptacion del algoritmo bayesian knowledge tracing para la estimacion del conocimiento latente sobre datos educacionales masivos |
| topic | Rastreo del Conocimiento Bayesiano; Minería de Datos Educacionales; Estimación del Conocimiento Latente |
| url | https://tecedu.uho.edu.cu/index.php/tecedu/article/view/189 |
| work_keys_str_mv | AT angelalbertovazquezsanchez adaptaciondelalgoritmobayesianknowledgetracingparalaestimaciondelconocimientolatentesobredatoseducacionalesmasivos AT lissetsalazargomez adaptaciondelalgoritmobayesianknowledgetracingparalaestimaciondelconocimientolatentesobredatoseducacionalesmasivos AT roxanacanizaresgonzalez adaptaciondelalgoritmobayesianknowledgetracingparalaestimaciondelconocimientolatentesobredatoseducacionalesmasivos |