Aprendizaje no supervisado para cómputo de similitud en programas con errores

• Autores: Doffo, José Arnaldo
• Año de publicación: 2023
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Areces, Carlos Eduardo; Bulgarelli, Franco
• Materia: Metodologías informáticas; Inteligencia artificial; Procesamiento del lenguaje natural; Extracción de información; Análisis estático de código; Emparejamiento semántico; Code embeddings; Deep learning; Computing methodologies; Artificial intelligence; Natural language processing; Information extraction
• Institución: Universidad Nacional de Córdoba

Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2023.
Fil: Doffo, José Arnaldo. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
En este trabajo se proponen estrategias de extracción de información que se utilizaron para automatizar el proceso de respuesta a dudas planteadas por estudiantes de la plataforma Mumuki. Nuestro enfoque implica entrenar un modelo de aprendizaje profundo sobre el código escrito por los estudiantes de la plataforma, con el objetivo de poder ofrecer automáticamente el foro donde otro estudiante, que escribió código con los mismos errores, resolvió sus dudas.
This work proposes information extraction strategies that were used to automate the process of answering questions raised by students of the Mumuki platform. Our approach involves training a deep learning model on the code written by the students of the platform, with the aim of being able to automatically offer the forum where another student, who wrote code with the same errors, resolved their doubts.
Fil: Doffo, José Arnaldo. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.