Aplicación de métodos de Deep Learning a un sistema de evaluación de estudiantes

Flores Martínez, Laura (2020). Aplicación de métodos de Deep Learning a un sistema de evaluación de estudiantes. Thesis (Master thesis), E.T.S. de Ingenieros Informáticos (UPM).

Description

Title: Aplicación de métodos de Deep Learning a un sistema de evaluación de estudiantes
Author/s:
  • Flores Martínez, Laura
Contributor/s:
  • Serradilla García, Francisco J.
Item Type: Thesis (Master thesis)
Masters title: Inteligencia Artificial
Date: July 2020
Subjects:
Freetext Keywords: Educación; Deep Learning; Predicción; Calificaciones; Education; Prediction; Grades
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Inteligencia Artificial
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (4MB) | Preview

Abstract

Tener una buena educación afecta en la vida de una persona y su sociedad, concediéndole conocimientos, cultura, y valores, entre otros muchos factores. Cuando un estudiante accede a la universidad, los docentes de la institución tienen un papel importante, ya que promueven el aprendizaje centrado en la práctica profesional. La labor del profesor es costosa ya que, no sólo se encarga de transmitir conocimientos, sino que debe utilizar recursos de calidad, promover la autonomía, o conseguir que haya una buena inserción profesional. La situación ideal sería que un docente pudiese centrarse en cada alumno para darle una atención más personalizada a sus requisitos, pero esto es algo utópico ya que, generalmente, el número de alumnos por clase es muy elevado. En este contexto, se plantea este Trabajo de Fin de Máster: gracias al uso de técnicas de Deep Learning, se plantea una herramienta donde a partir de las calificaciones prácticas de la asignatura de Informática del grado de Matemáticas de la Universidad de Málaga, puede predecirse la calificación que se obtendrá en el primer examen parcial de dicha asignatura. Esta propuesta será útil tanto para el profesor, que puede conocer qué partes de la asignatura deben reforzarse para obtener un mayor rendimiento de sus alumnos, y para los estudiantes, que podrán conocer qué nota se estima que pueden obtener en el parcial y si es necesario que se preparen más el examen para obtener la calificación que desean.---ABSTRACT---Having a good education affects a person’s life and society, giving them knowledge, culture, and values, among many other factors. When a student enters university, the institution’s teachers have an important role, as they promote learning that is focused on professional practice. Teacher’s duty is challenging, since he or she is not only in charge of transmitting knowledge, but must also use quality resources, promote autonomy, or ensure that there is a good professional insertion. The ideal situation would be for a teacher to be able to focus on each student in order to give them more personalized attention to their requirements, but this is somewhat utopian since, generally, the number of students per class is very high. In this context, this Master’s Thesis is proposed: thanks to the use of Deep Learning techniques, a tool is proposed where from the practical qualifications of the Computer Science subject of the Mathematics degree of the University of Málaga, the qualification that will be obtained in the first partial exam of that subject can be predicted. This proposal will be useful both for the teacher, who can know which parts of the subject need to be reinforced in order to obtain a better performance from his or her students, and for the students, who will be able to know what grade they are expected to obtain in the partial examination and whether they need to prepare further for the exam in order to obtain the grade they want.

More information

Item ID: 63697
DC Identifier: http://oa.upm.es/63697/
OAI Identifier: oai:oa.upm.es:63697
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 10 Sep 2020 06:44
Last Modified: 10 Sep 2020 06:44
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM