Resumen

Mientras que los MOOCs ofrecen datos educativos a una nueva escala, muchos educadores encuentran un gran potencial en los big data que incluyen registros detallados de la actividad de cada alumno. Se puede predecir el comportamiento de un alumno, por ejemplo, si abandonará el curso. Cómo proporcionar un método eficaz, económico y escalable para detectar las trampas en los exámenes, como un examinador sustituto, es un problema difícil. En este trabajo, presentamos un método de predicción de calificaciones que utiliza las características de la actividad de los estudiantes para predecir si un alumno puede obtener una certificación si realiza un examen. El método consta de dos clasificaciones: la clasificación de la motivación (MC) y la clasificación de la nota (GC). La MC divide a todos los alumnos en tres grupos que incluyen la obtención de la certificación, el visionado de vídeos y el muestreo del curso. La CG predice entonces que un alumno que obtiene una certificación puede o no obtenerla. Nuestro experimento muestra que el método propuesto puede ajustarse al modelo de clasificación a una escala fina y que es posible encontrar un examinador sustituto.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:alumnos, examen sustitutivo, certificación, características de las actividades de los alumnos, registro detallado de las actividades, métodos de predicción de las calificaciones, clasificación por pasos, visionado de vídeos, gc, muchos educadores
• Keywords:learners, surrogate exam, certification, students activities features, detailed activities record, grade predicting methods, step classification, video watching, gc, many educators