Predicción del rendimiento académico de un Estudiante Universitario mediante el uso de una Red Neuronal Artificial
Descripción
Universidad Tecnológica Metropolitana Facultad de ingeniería Escuela de Informática
Motor de inferencia
Predecir el rendimiento académico de un estudiante universitario mediante el uso de una red neuronal artificial
Trabajo para la asignatura de Inteligencia Artificial
Axel Rodríguez Espinoza Claudio Piña Novia Nicolás Oyarzún Hernández Pedro Salas Vergara Sebastián Cerón Luna
02 de Enero de 2014
Universidad Tecnológica Metropolitana Facultad de ingeniería Escuela de Informática
Índice Introducción
3
Rendimiento académico del estudiante
4
Variables del fenómeno
5
Estructura del sistema
7
El perceptrón multicapa
7
Interpretación de resultados
8
Conclusión
9
Motor de inferencia | Trabajo de Inteligencia Artificial Enero de 2014
-‐ 2 -‐
Universidad Tecnológica Metropolitana Facultad de ingeniería Escuela de Informática
Introducción En la actualidad, y gracias a la distribución de labores en los sistemas productivos hegemónicos es que se puede distinguir claramente trabajos repetitivos, que son los generalmente automatizados, gracias al desarrollo tecnológico. Sobre esta base es que nace como solución y optimización en cuanto a tiempo los “sistemas expertos”, que simulan diagnósticos de expertos en temas particulares, pudiendo replicar el mismo análisis en paralelo, demorando mucho menos. Los diagnósticos se basan en métodos cuantitativos y cualitativos. Los primeros son los fenómenos que se nos presentan de la misma forma que son, vale decir que su forma aparente es su mejor representación, por lo que existe una exactitud en cuanto a lo que se mide con lo que provoca, de tal modo que en la representación y sus interpretaciones lógicas mediante los sistemas expertos es a través de fórmulas establecidas por los expertos que han realizado estudios previos y conocen en gran medida sus impactos. Los segundos, cualitativos, son los fenómenos que se presentan no por su esencia, generalmente se presentan como la negación de su mismo ser, por lo que se necesita una dialéctica y heurística para determinar sus causas y consecuencias reales. Esta es la parte más compleja para la estructura lógica del sistema, donde entra en juego parte fundamental del motor de inferencia. El motor de inferencia, que tiene como función seleccionar las reglas posibles para concluir a partir de los datos de entrada, y experiencia almacenada dentro de su base de conocimiento, es la base del sistema experto ya que tiene el conocimiento y las tácticas para determinar los diagnósticos que haría un experto en el tema. En relación a lo anterior, en el presente informe se realizará el estudio del fenómeno en cuestión con el fin de evidenciar las variables que afectan el proceso de aprendizaje de la herramienta de inteligencia artificial, como también los futuros comportamientos del individuo en estudio.
Motor de inferencia | Trabajo de Inteligencia Artificial Enero de 2014
-‐ 3 -‐
Universidad Tecnológica Metropolitana Facultad de ingeniería Escuela de Informática
Rendimiento académico del estudiante De acuerdo al comportamiento del estudiante en sus experiencias académicas y los resultados de esta, se puede detectar la efectividad de sus condiciones, comportamiento y hábitos de estudio. Lo que está ligado directamente con el éxito en su formación profesional. De acuerdo a esto, existen variables que determinan el comportamiento de este fenómeno, lo que puede contribuir a un beneficio del individuo para determinar el comportamiento de estas con el fin de lograr un mayor desempeño académico. Con respecto a lo anterior, se determina lo siguiente de acuerdo al objetivo del estudio: Predecir el rendimiento académico de un estudiante universitario con respecto a su comportamiento cotidiano (académico y no académico) y sus cargas académicas. Mediante una red neuronal artificial. Respecto de un análisis enfrentado por los diseñadores de la problemática y sus potenciales soluciones es que las variables del fenómeno que se detallan más adelante son las encontradas pertinentes como datos de entrada al sistema, para su posterior procesamiento e interpretación. Se consideró dentro de las mismas, hábitos del estudiante como parte importante de sus resultados académicos, ya que basándose en la conducta es posible proyectar al sujeto en su desarrollo. Así como también se contemplan las condiciones actuales del estudiante (teniendo en cuenta que su cambio en el tiempo es mucho más rápido que los hábitos) principalmente como limitaciones de su desarrollo, que en conjunto pueden hasta suprimir ciertas características de un “estudiante ideal”.
Motor de inferencia | Trabajo de Inteligencia Artificial Enero de 2014
-‐ 4 -‐
Universidad Tecnológica Metropolitana Facultad de ingeniería Escuela de Informática
Variables del fenómeno Las variables que pueden influir en el desempeño académico de un estudiante universitario -entendiendo la realidad del contexto en el que se vive- son las siguientes: Tabla Nº 1
#
Variable
Abreviación
1
Promedio de créditos de los ramos inscritos
PCR
2
Cantidad de horas de clase (cátedras, talleres, laboratorios, ayudantías, entre otras)
CHC
3
Grado de asistencia a clases
GAC
4
Promedio de horas de estudio académico
HEA
5
Promedio de horas de trabajo externo a lo académico
HTE
6
Promedio de horas de descanso
HD
7
Promedio de horas de dedicación a distensión
HDD
8
Grado de situación social (familiar, emocional, entre otros)
GSC
9
Grado de situación económica
GSE
10
Grado de situación de salud
GSS
11
Grado de retención de información
GRI
12
Grado de apoyo académico
GAA
Definición de variables del fenómeno de estudio. Las variables definidas se clasifican según el tiempo de referencia, según esto esta compuesta por dos categorías: •
Comportamiento pasado (no mas de 1 semestre de referencia): #’ = {3, 4, 6, 7, 11}
•
Comportamiento y condiciones presentes (del semestre comenzando a cursar): #’ = {1, 2, 5, 8, 9, 10, 12}
Motor de inferencia | Trabajo de Inteligencia Artificial Enero de 2014
-‐ 5 -‐
Universidad Tecnológica Metropolitana Facultad de ingeniería Escuela de Informática
Las variables se relacionan -para lograr el objetivo- de la siguiente forma: Figura Nº 1
Relaciones entre las variables.
La función matemática correspondiente al modelo de relaciones de variables de la red neuronal artificial es la siguiente: IRA = ((GSS*GAC)*CHC) +(((HD*GRI)*GSC)*GAA) + (((HD*GRI)/PCR)*HEA) + (HTE*GSE) - HDD IRA = (GSS*GAC)*CHC + (HD*GRI)*(GSC*GAA + HEA/PCR) + HTE*GSE - HDD
Motor de inferencia | Trabajo de Inteligencia Artificial Enero de 2014
-‐ 6 -‐
Universidad Tecnológica Metropolitana Facultad de ingeniería Escuela de Informática
Estructura del sistema En el caso particular de la predicción del “rendimiento académico” de un estudiante, se utiliza un sistema experto que puede realizar esta acción, a través de una red neuronal que será entrenada con datos de los estudiantes que participan en la creación del sistema mismo. Ya que el sistema cuenta con más de 10 variables, se hacen necesarias varias capas de redes dentro de su transmisión de datos. Para esto es necesario la implementación de un perceptrón multicapa.
El perceptrón multicapa Para representar el comportamiento del presente fenómeno se utilizará una Red neuronal artificial, donde se hará uso de un perceptrón multicapa. Este es uno de los tipos de redes más comunes. Se basa en otra red más simple llamada perceptrón simple solo que el número de capas ocultas puede ser mayor o igual que una. Es una red unidireccional (feedforward). La arquitectura típica de esta red es la siguiente:
Figura Nº 2
Arquitectura típica de un perceptrón multicapa.
Motor de inferencia | Trabajo de Inteligencia Artificial Enero de 2014
-‐ 7 -‐
Universidad Tecnológica Metropolitana Facultad de ingeniería Escuela de Informática
En el contexto de las redes neuronales artificiales, un perceptrón es similar a una neurona lineal excepto que lo hace clasificación en lugar de regresión. Es decir, cuando un perceptrón ajusta sus pesos para separar los ejemplos de entrenamiento en sus respectivas clases, una neurona lineal ajusta sus pesos para reducir un error de predicción de valor real. Este proceso se va realizando a través de la interpretación de los datos obtenidos, según un criterio que permita al sistema determinar y anunciar un resultado coherente.
Interpretación de resultados En función de las variables señaladas anteriormente, sus pesos y el aprendizaje que logra a través de estos, se llega a un resultado (índice de rendimiento académico IRA) el cual debe ser interpretado según el tipo de resultado que se quiere obtener. Para eso, se determinan resultado según un rango que se aproxima a los siguientes resultados:
Tabla Nº 2 Rango
Rendimiento
IRA < X
Malo
X < IRA < Y
Regular
Y < IRA
Bueno
Tabla de interpretación de resultados, donde X < Y.
Con respecto a los resultados “Malo” y “Regular”, el sistema permite realizar sugerencias con respecto a las variables que pueden mejorarse en el futuro para incrementar el desempeño académico del estudiante en estudio.
Motor de inferencia | Trabajo de Inteligencia Artificial Enero de 2014
-‐ 8 -‐
Universidad Tecnológica Metropolitana Facultad de ingeniería Escuela de Informática
Conclusión Obteniendo redes con la experiencia de poder predecir en gran medida el rendimiento académico de estudiantes que estén cursando o ingresando a la universidad, se puede aplicar a los peores resultados en tales predicciones para crear alguna especie de nivelación o plan especial de estudio con el objetivo -por ejemplo- de disminuir la tasa de reprobación de los cursos inferiores de la carrera. El desarrollo de nuevas herramientas como solución a problemas determinados es cada vez más recurrente en los últimos tiempos, y ésta no se escapa de la misma lógica. El sistema en cuestión es una potente herramienta que puede ser utilizada para mejorar los indicadores de nuestra casa de estudio, mejorando y estimulando a los estudiantes que más lo requieran en sus distintos hábitos y aconsejando para la mejora de sus condiciones. Las proyecciones son volátiles ya que no se tiene en cuenta la estructura y cultura organizacional de la universidad. No se contemplan para obtener un sistema genérico con la opción de moldearlo a las necesidades de cada organización. No quedando libre de mejoras ni ajustes para utilizarlo en cualquier institución, de mejor manera y con mejor precisión (gracias a su flexibilidad), de manera tal que a medida que se requieran ingresar nuevas variables la herramienta aprenda y entregue respuestas cada vez más cercana a la situación real trabajada.
Motor de inferencia | Trabajo de Inteligencia Artificial Enero de 2014
-‐ 9 -‐
Lihat lebih banyak...
Comentarios
