Modelo Inteligente para la Gestión de Aprendizaje aplicando Case Based Reasoning (CBR) y Reinforcement Learning (RL)

• Autores: Anibal Fernando Flores Garcia
• Directores de la Tesis: Luis Alfaro Casas (dir. tes.)
• Lectura: En la Universidad Nacional de San Agustín ( Perú ) en 2019
• Idioma: español
• Enlaces
  • Tesis en acceso abierto en: repositorio.unsa.edu.pe
• Resumen

  • El presente trabajo de investigación presenta un nuevo modelo para la implementación de e-learning personalizado. El modelo propuesto considera el nivel de habilidades o conocimiento que un estudiante tiene en un tema en particular; esto se determina a través de una prueba de entrada (pretest); este aspecto es muy importante para evitar problemas conocidos como la ansiedad o el aburrimiento de acuerdo a la teoría de flujo. Adicionalmente, para determinar la secuencia óptima de recursos de aprendizaje para un estudiante, se trabajó de manera complementaria con dos técnicas de inteligencia artificial: El Razonamiento Basado en Casos (CBR) y el Aprendizaje por Refuerzo (Q-Learning). El Razonamiento Basado en Casos, permitió en base a casos de éxito del pasado, determinar la secuencia de recursos de aprendizaje más apropiada para el estudiante; y en caso de no haber casos muy similares, se eligió una secuencia de recursos de aprendizaje del conjunto de secuencias óptimas propuestas por el Aprendizaje con Refuerzo (Q-Learning).