Resumen de Data Mining for Exploring E-learning in a Computer Science Course Using Online Judging

José Luis Fernández Alemán, David Gil, Ginés García Mateos, Juan Carlos Trujillo, José Ambrosio Toval Álvarez

• español

  En el Espacio Europeo de Enseñanza Superior emergen nuevas metodologías de enseñanza basadas en el proceso de aprendizaje de los estudiantes, que promueven el interés de los estudiantes y ofrecen retroalimentación personalizada. Los sistemas de enjuiciamiento en red son métodos prometedores para estimular la participación de los estudiantes en el proceso de aprendizaje. La enorme cantidad de datos disponible en un sistema de enjuiciamiento en red ofrece la posibilidad de explorar qué parámetros son relevantes para el aprendizaje de la programación de computadores. En este artículo, se identifican los factores que afectan a la corrección de los programas a partir de las actividades de programación en un curso de algoritmos y estructuras de datos. Se utilizan tecnologías de minería de datos como los árboles de decisión, que han demostrado ser muy efectivos como predictores en algunos dominios de aprendizaje electrónico. Los resultados muestran que los parámetros Lenguaje de programación, Número de problema y Titulación pueden ser utilizados como predictores de la corrección de un programa, con una precisión del 60,1%. Como trabajo futuro, pretendemos estudiar los factores que afectan al rendimiento de los trabajadores en un entorno de desarrollo global del software, aplicando la minería de datos a actividades de programación colaborativa

• English

  New teaching methods based on the students' learning process are being developed in the European Higher Education Area. Most of them are oriented to promote students' interest in the study and offer personalized feedback. On-line judging is a promising method for encouraging students’ participation in the elearning process. The great amount of data available in an on-line judging tool provides the possibility of exploring some of the most indicative attributes for learning programming concepts and techniques. In this paper, the results of programming activities carried out in a course on “Algorithms and Data Structures” has been used to identify the factors that affect the program correction, by using powerful data mining technologies taken from artificial intelligence domain. Concretely, our study uses a decision tree because it has been identified as the best predictor in some elearning domains. An overall accuracy of 60.1% in the prediction of the program correction was achieved with three input parameters (Programming language, Number of problem and Degree). In future work, we aim to analyze collaborative activities in order to identify the factors or predictor variables that affect workers’ performance in a global software development context