Aprendizaje automático para clasificación de actos de habla ilocutivos en mensajes de foros para educación a distancia

Director: Marcos Javier Gómez

Link de Google Meet: https://meet.google.com/trq-bzpf-xmb

Resumen: En este trabajo se investiga una tarea propuesta por la empresa Ikumi, desarrolladora del sistema Mumuki: un sistema online para aprender a programar. Mumuki cuenta con un foro donde los estudiantes consultan dudas sobre ejercicios de programación. En cursos multitudinarios, donde realizar un seguimiento personalizado es complejo, un foro de consultas puede sumar más trabajo de seguimiento al docente. Ikumi planteó la necesidad de ayudar al docente a clasificar los mensajes del foro. El objetivo de este trabajo es comparar modelos de aprendizaje automático que predicen si un mensaje escrito por un estudiante en el foro es un forward looking act o un backward looking act de acuerdo a la teoría lingüística de actos de habla. En esta teoría, un forward looking act es un mensaje que requiere una respuesta u otro tipo de reacción del interlocutor (por ejemplo, una pregunta, una orden, etc). Un forward looking act impone una obligación en el interlocutor que, si no se cumple disminuye la sensación de colaboración en la conversación. Un backward looking act es un mensaje que satisface una obligación conversacional y que no genera otra obligación (por ejemplo, una respuesta a una pregunta como “sí”, un agradecimiento, un saludo de despedida). Para lograr el objetivo del trabajo, se realizó un análisis y anotación del conjunto de datos, luego se propusieron y entrenaron diversos modelos de aprendizaje automático midiendo el desempeño de la tarea propuesta, incluyendo una red neuronal recurrente en esta misma tarea. Como resultado de esta tesis se obtienen modelos construidos en base a datos generados por Mumuki con valores F1 por encima de 0.9 que son capaces de clasificar cada mensaje en tiempos de respuesta bajos, lo que permitirá que la integración al sistema Mumuki sea posible en tiempo real.