Ricardo Conejo, Eva Millán, José Luis Pérez de la Cruz y Mónica Trella
ETSI Informática, Universidad de Málaga. Apdo 4114, Málaga 29071
{conejo,eva,perez,trella}@lcc.uma.es
Propósito
En este trabajo se propone el uso de la teoría de la probabilidad como marco teórico para el diagnóstico del alumno. Además, se conecta este problema con la teoría de los test adaptativos informatizados.
Contexto
El modelado del alumno es un problema central en el diseño y desarrollo de un sistema tutor inteligente (STI). En efecto, si la característica que distingue a los STIs de los sistemas de Enseñanza Asistida por ordenador tradicionales es su capacidad de adaptación al alumno [Shute, 95], el sistema debe ser capaz de determinar con la mayor precisión y rapidez posible cuál es su estado cognitivo, es decir, qué partes del dominio que pretendemos enseñarle son las que ya domina y cuáles son las que aún desconoce. Sólo de esta forma será posible adaptar el proceso instructor: saber qué estrategia instructora es más conveniente, qué acción recomendarle (estudio, resolución de ejercicio, juego), qué ejercicio se adecua más a su nivel de conocimiento,
etc.
Pregunta de Investigación
¿Cómo las redes bayesianas pueden ser utilizadas en el problema de diagnóstico del alumno?
Método y Validez
Para utilizar redes bayesianas en el problema de diagnóstico, lo primero que se realizó fue definir los elementos básicos: variables, enlaces entre ellas y parámetros. Se consideró dos tipos básicos de variables: variables para medir el grado de conocimiento alcanzado por el alumno, y variables para recolectar evidencia. A su vez, y para una evaluación más detallada, las variables de conocimiento se definieron a diferentes niveles de dificultad.
Para evaluar el funcionamiento del modelo propuesto, se utilizó alumnos simulados. Se generaron 30 alumnos de seis tipos distintos, A cada alumno simulado se le realizó un test de sesenta preguntas, escogidas aleatoriamente entre las 100 preguntas disponibles, que se diagnostican
correcta / incorrectamente y que se dejan sin evaluar. Teniendo en cuenta que el test constó de solamente sesenta preguntas, y que los conceptos diagnosticados fueron catorce, se puede calificar los resultados obtenidos como muy buenos(respaldado por el análisis de los resultados que en esta ficha no se presentan). Sin duda ello se debe a la consistencia teórica del modelo utilizado.
Referencias
Birnbaum, A. (1968). Some latent trait models and their use in inferring an examinee's mental ability. In F. M. Lord, & M. R. Novick (eds), Statistical theories of mental test scores. Reading, MA: Addison-Wesley.
Conejo, R., Millán, E., Pérez-de-la-Cruz, J. L., & Trella, M. (2000). An Empirical Approach to On-Line Learning in SIETTE. In Proceedings of 3rd International Conference on Intelligent Tutoring
Shute, V. J. (1995). Intelligent Tutoring Systems: Past, Present and Future. In D. Jonassen (ed), Handbook of Research on Educational Communications and Technology. Scholastic
Publications.
ETSI Informática, Universidad de Málaga. Apdo 4114, Málaga 29071
{conejo,eva,perez,trella}@lcc.uma.es
Propósito
En este trabajo se propone el uso de la teoría de la probabilidad como marco teórico para el diagnóstico del alumno. Además, se conecta este problema con la teoría de los test adaptativos informatizados.
Contexto
El modelado del alumno es un problema central en el diseño y desarrollo de un sistema tutor inteligente (STI). En efecto, si la característica que distingue a los STIs de los sistemas de Enseñanza Asistida por ordenador tradicionales es su capacidad de adaptación al alumno [Shute, 95], el sistema debe ser capaz de determinar con la mayor precisión y rapidez posible cuál es su estado cognitivo, es decir, qué partes del dominio que pretendemos enseñarle son las que ya domina y cuáles son las que aún desconoce. Sólo de esta forma será posible adaptar el proceso instructor: saber qué estrategia instructora es más conveniente, qué acción recomendarle (estudio, resolución de ejercicio, juego), qué ejercicio se adecua más a su nivel de conocimiento,
etc.
Pregunta de Investigación
¿Cómo las redes bayesianas pueden ser utilizadas en el problema de diagnóstico del alumno?
Método y Validez
Para utilizar redes bayesianas en el problema de diagnóstico, lo primero que se realizó fue definir los elementos básicos: variables, enlaces entre ellas y parámetros. Se consideró dos tipos básicos de variables: variables para medir el grado de conocimiento alcanzado por el alumno, y variables para recolectar evidencia. A su vez, y para una evaluación más detallada, las variables de conocimiento se definieron a diferentes niveles de dificultad.
Para evaluar el funcionamiento del modelo propuesto, se utilizó alumnos simulados. Se generaron 30 alumnos de seis tipos distintos, A cada alumno simulado se le realizó un test de sesenta preguntas, escogidas aleatoriamente entre las 100 preguntas disponibles, que se diagnostican
correcta / incorrectamente y que se dejan sin evaluar. Teniendo en cuenta que el test constó de solamente sesenta preguntas, y que los conceptos diagnosticados fueron catorce, se puede calificar los resultados obtenidos como muy buenos(respaldado por el análisis de los resultados que en esta ficha no se presentan). Sin duda ello se debe a la consistencia teórica del modelo utilizado.
Referencias
Birnbaum, A. (1968). Some latent trait models and their use in inferring an examinee's mental ability. In F. M. Lord, & M. R. Novick (eds), Statistical theories of mental test scores. Reading, MA: Addison-Wesley.
Conejo, R., Millán, E., Pérez-de-la-Cruz, J. L., & Trella, M. (2000). An Empirical Approach to On-Line Learning in SIETTE. In Proceedings of 3rd International Conference on Intelligent Tutoring
Shute, V. J. (1995). Intelligent Tutoring Systems: Past, Present and Future. In D. Jonassen (ed), Handbook of Research on Educational Communications and Technology. Scholastic
Publications.
No hay comentarios:
Publicar un comentario