Comparativo entre modelos de knowledge tracing aplicados a los ejercicios de la plataforma SENECODE

Abstract

Knowledge Tracing (KT) es un área de investigación en la inteligencia artificial cuyo objetivo es modelar el conocimiento de un estudiante a través del análisis de sus interacciones en el tiempo durante su participación en un curso académico. En este trabajo se propone realizar un comparativo de diferentes modelos de KT, encontrados en la literatura del estado del arte, entrenados y evaluados con los ejercicios que los estudiantes del curso Introducción a la Programación suben a la plataforma conocida como SENECODE. Dicha plataforma recopila y califica el código fuente de los ejercicios de programación resueltos por estudiantes novatos de la Universidad de Los Andes. Seleccionando y aplicando varios modelos de KT a los datos de esta plataforma, se propone construir un modelo KT con variaciones en los datos de entrada, teniendo principalmente en cuenta el código fuente de los ejercicios realizados por los estudiantes junto a los datos tradicionales de KT para medir y predecir el nivel de maestría y conocimiento que cada estudiante tiene sobre los diferentes módulos del curso. Finalmente, se realiza una prueba de concepto para utilizar el modelo de KT para dar retroalimentación a los estudiantes en aquellos temas o módulos en el que posiblemente requieran un refuerzo.