| Revue: | Revista ingeniería solidaria |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000432954 |
| ISSN: | 2357-6014 |
| Autores: | Rodríguez Molano, José Ignacio1 Forero Zea, Leidy Daniela1 Piñeros Reina, Yudy Fernanda1 |
| Instituciones: | 1Universidad Distrital "Francisco José de Caldas", Facultad de Ingeniería, Bogotá. Colombia |
| Año: | 2019 |
| Periodo: | Sep |
| Volumen: | 15 |
| Número: | 3 |
| País: | Colombia |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en español | El Machine Learning, surge como una de las técnicas de la inteligencia artificial, en la cual, a través de algoritmos, accede a los datos y los utiliza para aprender y predecir resultados. En cuanto su aplicación en la educación permite la caracterización de dificultades en el aprendizaje a través del análisis de su rendimiento. Objetivo: Identificación de aplicaciones del Machine Learning aplicado al ámbito educativo que permitan la dis-minución de los niveles de deserción académica, a través de una propuesta de arquitectura para su aplicación en un entorno de educación personalizada. Metodología: Se inicia con la revisión de la literatura sobre las características del aprendizaje automático, la deserción académica, con énfasis en el caso colombiano, la hiperpersonalización y su aplicabilidad a las metodologías de aprendizaje; generando a continuación una propuesta de arquitectura en un entorno de Aprendizaje Automático, con el fin de mitigar la deserción académica provocada por factores académicos. Finalmente, se proponen mecanismos de evaluación de la arquitectura propuesta, con una posterior síntesis y discusión de los resultados. Conclusiones: La construcción de una arquitectura del Moodle de Hiperpersonalización del aprendizaje, es una perspectiva global de los factores representativos propuestos para el desarrollo de aplicaciones a través del Machine Learning, lo cual podría llevar a la disminución de los niveles de deserción académica universitaria, en el sentido en que se facilita la gestión del conocimiento, la información y la adaptación a través del análisis de escenarios. Originalidad: La arquitectura propuesta se muestra como una aplicación del Machine Learning en casos de tipo social como la deserción académica, permitiendo la inclusión del modelado de aprendizaje automático con los requerimientos de un entorno educativo. Limitación: El caso de las aplicaciones |
| Resumen en inglés | Machine Learning arises as one of the techniques of artificial intelligence, with the development of computer programs that, through algorithms, access data and use them to learn and predict results. Their application in education allows for the characterization of problems or difficulties in learning through the analy-sis of student performance. Objective: Identification of applications of Machine Learning that can be applied to the educational field ac-companied by a proposal of architecture for the application in an environment of personalized education.Methodology: This article begins with the review of the literature on the characteristics of Machine Learning and academic desertion, with an emphasis on the Colombian case, the Hyper-personalization and its applicability to learning methodologies. Then, a proposal of architecture in a Machine Learning environment is generated in order to mitigate the academic desertion caused by academic factors. Finally, we propose mechanisms for evaluating the proposed architecture, with a subsequent synthesis and discussion of the results.Conclusions: The construction of a Moodle architecture for the hyper-personalization of learning, is a glo-bal perspective of the representative factors proposed for the development of applications through Machine Learning. This could lead to a decrease in levels of university academic desertion because it facilitates the management of knowledge, information and adaptation through the analysis of scenarios.Originality: The proposed architecture is shown as an application of machine learning in social cases such as academic desertion, allowing the inclusion of automatic learning models with the requirements of an educa-tional environment.Restrictions: The case for the application for the Hyper-personalization of learning uses an academic approach which can generate invalid results regarding desertion levels |
| Disciplinas: | Ciencias de la computación, Educación |
| Palabras clave: | Educación superior, Procesamiento de datos, Investigación educativa, Deserción escolar, Factores académicos, Aprendizaje de máquinas |
| Keyword: | Higher education, Data processing, Educational research, School dropout, Academic factors, Machine learning |
| Texte intégral: | https://revistas.ucc.edu.co/index.php/in/article/view/2946/2729 |
