Revista: | Latin-American Journal of Computing (LAJC) |
Base de datos: | |
Número de sistema: | 000565156 |
ISSN: | 1390-9134 |
Autores: | Segarra-Faggioni, Veronica1 Romero-Pelaez, Audrey1 Morocho-Yunga, Juan Carlos1 Ludeña, René1 |
Instituciones: | 1Universidad Técnica Particular de Loja, |
Año: | 2024 |
Volumen: | 11 |
Número: | 1 |
Paginación: | 106-115 |
País: | Ecuador |
Idioma: | Español |
Resumen en inglés | This paper explores the application of machine learning and text mining techniques to discover OER issues in the context of Engineering Education. Applying the LDA (Latent Dirichlet Allocation) algorithm, themes are extracted from OER, it is possible to consider them as additional metadata. This augmentation serves to enhance the description and categorization of OER. Furthermore, this study introduces a methodology to automatically identify topics in open educational resources. In this research, a dataset of 80 OER was obtained from the Skills Commons repository. The highest coherence value achieved at 0.42, emerged when the number of topics was 9 in the LDA model. These nine topics are closely associated with Information Technology Education. |
Resumen en español | Este artículo aplica el algoritmo Latent Dirichlet Allocation, LDA, como una técnica de aprendizaje de máquina y minería de texto para descubrir temas en OER en el contexto de la educación en ingeniería. El algoritmo LDA permite extraer temas, en este estudio los temas que se extraen de OER pueden ser considerados como metadatos adicionales que enriquecerán la descripción y clasificación de los mismos. Además, se define una metodología para la identificación automática de temas en los recursos educativos abiertos. En esta investigación, se utiliza un dataset de 80 OER extraído del repositorio Skills Commons. El valor más alto de coherencia es 0.42, cuando el número de temas en el modelo LDA es 9. Estos nueve temas están relacionados con Educación en Tecnologías de la Información. |
Palabras clave: | modelado de temas, metadata, LDA, minería de texto, OER |
Keyword: | LDA, text mining, topic modeling, metadata, OER |
Texto completo: | Texto completo (Ver PDF) Texto completo (Ver HTML) |