Tutoría Inteligente en el campo de la programación : Estableciendo bases para las analíticas de aprendizaje

• Autores: Mac Gaul, Marcia; Fernández, Eduardo Francisco; López, Marcela F.
• Año de publicación: 2020
• Idioma: español castellano
• Tipo de recurso: artículo
• Materia: Ciencias Informáticas; Programación; Tutoría inteligente; Trayectos educativos; Analíticas de aprendizaje; Programming; Intelligent Tutoring; Educational Paths; Learning Analytics
• Institución: Universidad Nacional de La Plata

El presente trabajo se enmarca en el Proyecto de Investigación N° 2497 del Consejo de Investigación de la Universidad Nacional de Salta, Argentina, denominado “Tecnologías de Inteligencia Artificial aplicadas a la construcción de un Motor de Aprendizaje en el campo de la Programación”. Entre los objetivos específicos formulados en el Proyecto, este trabajo se concentra en el de desarrollar y sostener metodologías propias de Tutoría Inteligente. Se definen los recursos que, desde los espacios presenciales y virtuales, den cuenta de la actividad de los estudiantes y permitan recomendar los trayectos educativos más adecuados para cada alumno. Se examinan estadísticamente dos tipos de datos, las calificaciones obtenidas en la primera evaluación de la asignatura inicial de Programación y las opiniones personales relevadas a través de una encuesta, en la que valoran dificultad y confianza para la solución de cada problema planteado. Se muestra la estratificación derivada de los resultados y su correspondiente estrategia de tutoría.
This work is part of Research Project N ° 2497 of the Research Council of the National University of Salta, Argentina, by the name of “Artificial Intelligence Technologies applied to the construction of a Learning Engine in the Programming field”. Among the specific objectives formulated in the Project, this work focuses on developing and supporting Smart Tutoring methodologies. We use face-to-face and virtual spaces to define students' activity and allow us to recommend the most appropriate educational paths for each student. We will apply statistical methods on two types of data: qualifications obtained in the first evaluation of the initial Programming subject, and students’ opinions gathered through a survey, in which they assess the difficulty of each problem they are presented with and the level of confidence for the solution they offer. We present the stratification derived from the results and its corresponding mentoring strategy is.
Sociedad Argentina de Informática e Investigación Operativa