| Revista: | Latin-American Journal of Computing (LAJC) |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000456698 |
| ISSN: | 1390-9134 |
| Autors: | Mariduena Arroyave, Milton1 Cevallos Torres, Lorenzo1 Botto Tobar, Miguel1 |
| Institucions: | 1Universidad de Guayaquil, Facultad de Ciencias Matemáticas y Físicas, Guayaquil, Guayas. Ecuador |
| Any: | 2020 |
| Període: | Ene-Jun |
| Volum: | 7 |
| Número: | 1 |
| Paginació: | 22-47 |
| País: | Ecuador |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en español | Actualmente, los sistemas derecomendación son ampliamente utilizados paraanalizar preferencias de usuarios y sugerirlesítems afines. En el ámbito universitario, elmomento en el cual una asignatura es elegidapor un estudiante para su siguiente etapaeducativa, es monitoreado por un ConsejeroAcadémico, quien de acuerdo con el récordestudiantil, y comparando perfiles similaresa lo largo de su carrera, debe recomendarcuáles asignaturas, podrían contribuir alrendimiento y aprendizaje del estudiante. Elpresente trabajo representó un esfuerzo pordiseñar un recomendador que se apoya en elmodelado de las relaciones causales existentesentre las asignaturas del pénsum curricular deuna carrera universitaria, empleando mapascognitivos difusos y operadores de agregaciónOWA. Se aplicó el flujo de trabajo del modelopropuesto y su implementación, a través de laherramienta informática (FCM-Decision). Sedesarrolló un estudio de caso con los récordsestudiantiles de una universidad en Guayaquil,y además, se realizó un experimento paraprobar los resultados de interpretabilidad conotros modelos existentes. Entre los principalesresultados están la fiabilidad de las métricaspara el análisis estático de mapas difusos, lasimilitud respecto a un estudiante objetivo, y laimportancia que cada asignatura representa enun nuevo registro |
| Resumen en inglés | Currently, recommendation systems are widely used to analyze user preferences and suggest related items. At the university level, the moment in which a subject is chosen by a student for his next educational stage, is monitored by an Academic Counselor, who according to the student record, and comparing similar profiles throughout his career, must recommend which subjects could contribute to student performance and learning. The present work represented an effort to design a recommender that is based on the modeling of the causal relationships existing between the subjects of the curricular curriculum of a university career, using fuzzy cognitive maps and OWA aggregation operators. The workflow of the proposed model and its implementation were applied through the computer tool (FCMDecision). A case study with the student records of a university in Guayaquil was developed, and an experiment was also carried out to test interpretability results with other existing models. Among the main results are the reliability of the metrics for the static analysis of fuzzy maps, the similarity with respect to a target student, and the importance that each subject represents in a new record |
| Disciplines | Ciencias de la computación |
| Paraules clau: | Programación, Procesamiento de datos, Sistemas de recomendación, Asignaturas, Records, Estudiantes universitarios, Mapas cognitivos difusos |
| Keyword: | Programming, Data processing, Recommender systems, Subjects, University students, Fuzzy cognitive maps |
| Text complet: | Texto completo (Ver PDF) |
