Modelo predictivo en Procesos STEAM

Permanent URI for this collection

Browse

Recent Submissions

Now showing 1 - 2 of 2
  • Item
    Diseño de métricas para la medición del nivel de aprendizaje
    (Sociedad Argentina de Informática, SADIO, 2020-10) Duvergel Chapman, Félix Vanni ; López De Luise, María Daniela
    LosTrastorno del Espectro Autista (TEA) son una afección neurológica y de desarrollo que comienza en la niñez, pero dura toda la vida. Afecta el comportamiento, la interacción con otros, la comunicación y el aprendizaje. Existen numerosas aplicaciones cuyo objetivo es enseñar destrezas a estas personas y ayudarles en el proceso de integración a la sociedad. En este trabajo se presenta un modelo que aplica métricas a la enseñanza de emociones a través de un prototipo ludificado. Constituye una introducción a emociones, asistida por un software para niños con TEA. Permite supervisar la evolución de actividades relacionadas con el proceso de aprendizaje. A partir de la aplicación de estadísticas y minería de datos sobre parámetros objetivos del dispositivo, se obtienen parámetros de control de rasgos relativos al desempeño en condiciones del autismo.
  • Item
    Factores relevantes en la educación STEAM : desarrollo de métricas y modelos automatizados
    (IEEE, 2020-12) López De Luise, María Daniela ; Ruiz Tabarez, Erica Andrea
    Este artículo tiene como objetivo mostrar una experiencia concreta y un modelo en progreso para la evaluación sistemática de la educación denominada STEAM, acrónimo de ciencia, tecnología, ingeniería, arte y matemáticas (del inglés: Science, Technology, Engineering, Art y Mathematics). Los talleres y experiencias STEAM generan un aparente impacto positivo en los jóvenes, quienes desarrollan aptitudes diversas y hasta logran percibir la educación como una forma de potenciar sus habilidades. Tanto docentes como alumnos sienten que mejora la experiencia académica y se abre una posibilidad para la prevención temprana de la deserción estudiantil. El trabajo presente aporta los primeros hallazgos fehacientes que se han obtenido aplicando Inteligencia Computacional para modelar el comportamiento de los estudiantes en situación STEAM, y de esta manera predecir posibles deserciones. Asimismo, se controla la calidad y progreso por medio de métricas en los procesos pedagógicos subyacentes. Se trabaja con dos formularios para la protocolización de los datos a analizar. El primero se enfoca en la información general de las instituciones y el segundo captura información de los estudiantes en sí. Adicionalmente se trabaja con encuestas específicas de cada evento, que recogen post mortem peculiaridades que permiten mejorar el modelo inicial y evaluar ciertos aspectos que los formularios no pueden capturar en ocasiones donde la información a priori no está presente. Este trabajo comprende la introducción a actividades STEAM desarrolladas en las instituciones colaboradoras, describe los mecanismos de integración y coordinación, y parte de los resultados protocolizados.