Aplicación de Algoritmos de Clasificación de Minería de Textos para el Reconocimiento de Habilidades de E-tutores Colaborativos

Autores
Santana Mansilla, Pablo Fernando; Costaguta, Rosanna Nieves; Missio, Daniela
Año de publicación
2014
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Los sistemas de Aprendizaje Colaborativo Soportado por Computadora (ACSC) permiten el aprendizaje grupal con independencia del tiempo y espacio donde estén localizados los estudiantes y los docentes. Sin embargo, las interacciones que conducen a la creación colaborativa de conocimiento no surgen de manera espontánea y la tecnología puede inhibirlas u obstaculizarlas. Para colaborar efectivamente los estudiantes necesitan (entre otras cosas) de un e-tutor (docente) que coordine la interacción grupal. La selección de e-tutores capacitados es clave para el éxito del ACSC pero el análisis manual de las interacciones registradas en estos entornos para conocer el desempeño de los docentes requiere mucho tiempo y esfuerzo. En este artículo se describe un trabajo de investigación que aplica técnicas de minería de textos para crear clasificadores que permitan identificar automáticamente las habilidades manifestadas por e-tutores. Los resultados obtenidos mediante diferentes algoritmos de clasificación son presentados, analizados y comparados.
Computer Supported Collaborative Learning (CSCL) systems enable group learning regardless of the time and space where students and teachers are located. However, interactions that conduct to collaborative creation of knowledge do not occur spontaneously and technology can inhibit or hinder them. Students need (among other things) of an e-tutor (teacher) that coordinates group interaction in order to effectively collaborate. Selection of qualified e-tutors is key for the success of CSCL, but manual analysis of interactions recorded in these environments to know the performance of teachers requires a lot of time and effort. This paper describes a research that applies text mining techniques to build classifiers that allow automatic identification of manifested skills by e-tutors. Results obtained by different classification algorithms are presented, analyzed and compared.
Fil: Santana Mansilla, Pablo Fernando. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Exactas y Tecnologías; Argentina
Fil: Costaguta, Rosanna Nieves. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Exactas y Tecnologías; Argentina
Fil: Missio, Daniela. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Exactas y Tecnologías; Argentina
Materia
APRENDIZAJE COLABORATIVO SOPORTADO POR COMPUTADORA
HABILIDADES DE E-TUTOR
MINERÍA DE TEXTOS
IDENTIFICACIÓN AUTOMÁTICA DE HABILIDADES
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/33541

id CONICETDig_1c14a585a7df78874443c307133558f9
oai_identifier_str oai:ri.conicet.gov.ar:11336/33541
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Aplicación de Algoritmos de Clasificación de Minería de Textos para el Reconocimiento de Habilidades de E-tutores ColaborativosSantana Mansilla, Pablo FernandoCostaguta, Rosanna NievesMissio, DanielaAPRENDIZAJE COLABORATIVO SOPORTADO POR COMPUTADORAHABILIDADES DE E-TUTORMINERÍA DE TEXTOSIDENTIFICACIÓN AUTOMÁTICA DE HABILIDADEShttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1Los sistemas de Aprendizaje Colaborativo Soportado por Computadora (ACSC) permiten el aprendizaje grupal con independencia del tiempo y espacio donde estén localizados los estudiantes y los docentes. Sin embargo, las interacciones que conducen a la creación colaborativa de conocimiento no surgen de manera espontánea y la tecnología puede inhibirlas u obstaculizarlas. Para colaborar efectivamente los estudiantes necesitan (entre otras cosas) de un e-tutor (docente) que coordine la interacción grupal. La selección de e-tutores capacitados es clave para el éxito del ACSC pero el análisis manual de las interacciones registradas en estos entornos para conocer el desempeño de los docentes requiere mucho tiempo y esfuerzo. En este artículo se describe un trabajo de investigación que aplica técnicas de minería de textos para crear clasificadores que permitan identificar automáticamente las habilidades manifestadas por e-tutores. Los resultados obtenidos mediante diferentes algoritmos de clasificación son presentados, analizados y comparados.Computer Supported Collaborative Learning (CSCL) systems enable group learning regardless of the time and space where students and teachers are located. However, interactions that conduct to collaborative creation of knowledge do not occur spontaneously and technology can inhibit or hinder them. Students need (among other things) of an e-tutor (teacher) that coordinates group interaction in order to effectively collaborate. Selection of qualified e-tutors is key for the success of CSCL, but manual analysis of interactions recorded in these environments to know the performance of teachers requires a lot of time and effort. This paper describes a research that applies text mining techniques to build classifiers that allow automatic identification of manifested skills by e-tutors. Results obtained by different classification algorithms are presented, analyzed and compared.Fil: Santana Mansilla, Pablo Fernando. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Exactas y Tecnologías; ArgentinaFil: Costaguta, Rosanna Nieves. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Exactas y Tecnologías; ArgentinaFil: Missio, Daniela. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Exactas y Tecnologías; ArgentinaSociedad Iberoamericana de Inteligencia Artificial2014-04info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/33541Santana Mansilla, Pablo Fernando; Missio, Daniela; Costaguta, Rosanna Nieves; Aplicación de Algoritmos de Clasificación de Minería de Textos para el Reconocimiento de Habilidades de E-tutores Colaborativos; Sociedad Iberoamericana de Inteligencia Artificial; Inteligencia Artificial; 17; 53; 4-2014; 57-671137-36011988-3064CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://journal.iberamia.orginfo:eu-repo/semantics/altIdentifier/url/https://dialnet.unirioja.es/servlet/articulo?codigo=5239356info:eu-repo/semantics/altIdentifier/url/http://www.redalyc.org/articulo.oa?id=92530455007info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-03T09:58:12Zoai:ri.conicet.gov.ar:11336/33541instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-03 09:58:12.32CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Aplicación de Algoritmos de Clasificación de Minería de Textos para el Reconocimiento de Habilidades de E-tutores Colaborativos
title Aplicación de Algoritmos de Clasificación de Minería de Textos para el Reconocimiento de Habilidades de E-tutores Colaborativos
spellingShingle Aplicación de Algoritmos de Clasificación de Minería de Textos para el Reconocimiento de Habilidades de E-tutores Colaborativos
Santana Mansilla, Pablo Fernando
APRENDIZAJE COLABORATIVO SOPORTADO POR COMPUTADORA
HABILIDADES DE E-TUTOR
MINERÍA DE TEXTOS
IDENTIFICACIÓN AUTOMÁTICA DE HABILIDADES
title_short Aplicación de Algoritmos de Clasificación de Minería de Textos para el Reconocimiento de Habilidades de E-tutores Colaborativos
title_full Aplicación de Algoritmos de Clasificación de Minería de Textos para el Reconocimiento de Habilidades de E-tutores Colaborativos
title_fullStr Aplicación de Algoritmos de Clasificación de Minería de Textos para el Reconocimiento de Habilidades de E-tutores Colaborativos
title_full_unstemmed Aplicación de Algoritmos de Clasificación de Minería de Textos para el Reconocimiento de Habilidades de E-tutores Colaborativos
title_sort Aplicación de Algoritmos de Clasificación de Minería de Textos para el Reconocimiento de Habilidades de E-tutores Colaborativos
dc.creator.none.fl_str_mv Santana Mansilla, Pablo Fernando
Costaguta, Rosanna Nieves
Missio, Daniela
author Santana Mansilla, Pablo Fernando
author_facet Santana Mansilla, Pablo Fernando
Costaguta, Rosanna Nieves
Missio, Daniela
author_role author
author2 Costaguta, Rosanna Nieves
Missio, Daniela
author2_role author
author
dc.subject.none.fl_str_mv APRENDIZAJE COLABORATIVO SOPORTADO POR COMPUTADORA
HABILIDADES DE E-TUTOR
MINERÍA DE TEXTOS
IDENTIFICACIÓN AUTOMÁTICA DE HABILIDADES
topic APRENDIZAJE COLABORATIVO SOPORTADO POR COMPUTADORA
HABILIDADES DE E-TUTOR
MINERÍA DE TEXTOS
IDENTIFICACIÓN AUTOMÁTICA DE HABILIDADES
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv Los sistemas de Aprendizaje Colaborativo Soportado por Computadora (ACSC) permiten el aprendizaje grupal con independencia del tiempo y espacio donde estén localizados los estudiantes y los docentes. Sin embargo, las interacciones que conducen a la creación colaborativa de conocimiento no surgen de manera espontánea y la tecnología puede inhibirlas u obstaculizarlas. Para colaborar efectivamente los estudiantes necesitan (entre otras cosas) de un e-tutor (docente) que coordine la interacción grupal. La selección de e-tutores capacitados es clave para el éxito del ACSC pero el análisis manual de las interacciones registradas en estos entornos para conocer el desempeño de los docentes requiere mucho tiempo y esfuerzo. En este artículo se describe un trabajo de investigación que aplica técnicas de minería de textos para crear clasificadores que permitan identificar automáticamente las habilidades manifestadas por e-tutores. Los resultados obtenidos mediante diferentes algoritmos de clasificación son presentados, analizados y comparados.
Computer Supported Collaborative Learning (CSCL) systems enable group learning regardless of the time and space where students and teachers are located. However, interactions that conduct to collaborative creation of knowledge do not occur spontaneously and technology can inhibit or hinder them. Students need (among other things) of an e-tutor (teacher) that coordinates group interaction in order to effectively collaborate. Selection of qualified e-tutors is key for the success of CSCL, but manual analysis of interactions recorded in these environments to know the performance of teachers requires a lot of time and effort. This paper describes a research that applies text mining techniques to build classifiers that allow automatic identification of manifested skills by e-tutors. Results obtained by different classification algorithms are presented, analyzed and compared.
Fil: Santana Mansilla, Pablo Fernando. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Exactas y Tecnologías; Argentina
Fil: Costaguta, Rosanna Nieves. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Exactas y Tecnologías; Argentina
Fil: Missio, Daniela. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Exactas y Tecnologías; Argentina
description Los sistemas de Aprendizaje Colaborativo Soportado por Computadora (ACSC) permiten el aprendizaje grupal con independencia del tiempo y espacio donde estén localizados los estudiantes y los docentes. Sin embargo, las interacciones que conducen a la creación colaborativa de conocimiento no surgen de manera espontánea y la tecnología puede inhibirlas u obstaculizarlas. Para colaborar efectivamente los estudiantes necesitan (entre otras cosas) de un e-tutor (docente) que coordine la interacción grupal. La selección de e-tutores capacitados es clave para el éxito del ACSC pero el análisis manual de las interacciones registradas en estos entornos para conocer el desempeño de los docentes requiere mucho tiempo y esfuerzo. En este artículo se describe un trabajo de investigación que aplica técnicas de minería de textos para crear clasificadores que permitan identificar automáticamente las habilidades manifestadas por e-tutores. Los resultados obtenidos mediante diferentes algoritmos de clasificación son presentados, analizados y comparados.
publishDate 2014
dc.date.none.fl_str_mv 2014-04
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/33541
Santana Mansilla, Pablo Fernando; Missio, Daniela; Costaguta, Rosanna Nieves; Aplicación de Algoritmos de Clasificación de Minería de Textos para el Reconocimiento de Habilidades de E-tutores Colaborativos; Sociedad Iberoamericana de Inteligencia Artificial; Inteligencia Artificial; 17; 53; 4-2014; 57-67
1137-3601
1988-3064
CONICET Digital
CONICET
url http://hdl.handle.net/11336/33541
identifier_str_mv Santana Mansilla, Pablo Fernando; Missio, Daniela; Costaguta, Rosanna Nieves; Aplicación de Algoritmos de Clasificación de Minería de Textos para el Reconocimiento de Habilidades de E-tutores Colaborativos; Sociedad Iberoamericana de Inteligencia Artificial; Inteligencia Artificial; 17; 53; 4-2014; 57-67
1137-3601
1988-3064
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://journal.iberamia.org
info:eu-repo/semantics/altIdentifier/url/https://dialnet.unirioja.es/servlet/articulo?codigo=5239356
info:eu-repo/semantics/altIdentifier/url/http://www.redalyc.org/articulo.oa?id=92530455007
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Sociedad Iberoamericana de Inteligencia Artificial
publisher.none.fl_str_mv Sociedad Iberoamericana de Inteligencia Artificial
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1842269506856026112
score 13.13397