Aprendizaje automático para predecir deserción en estudiantes de programación | Trabajo Especial Lic. en Ciencias de la Computación

Director: Ing. Franco Leonardo BULGARELLI

Profesora representante: Dra. Luciana BENOTTI

Resumen: Entender la trayectoria educativa que realiza un estudiante, al utilizar un sistema de enseñanza online, permite mejorar su experiencia en la misma y reducir la probabilidad de que abandone un ejercicio. Sin embargo, realizar manualmente esta tarea en cursos multitudinarios resulta inviable para los docentes. Al mismo tiempo, es posible construir modelos de inteligencia artificial que permitan generar un mejor entendimiento del comportamiento y el aprendizaje de los estudiantes de forma automática. En este trabajo se utiliza un conjunto de datos provistos por Mumuki, un sistema de enseñanza online, para el desarrollo de tales modelos. Se parte del trabajo previo relacionado a la detección del abandono de los estudiantes en ejercicios de programación para un lenguaje funcional y se extienden los resultados obtenidos a un lenguaje imperativo. Para esto, se extrajo información del conjunto de datos y se entrenaron diversos modelos de inteligencia artificial, para luego comparar su desempeño en la tarea. Finalmente, a partir de entrenar modelos individuales para cada ejercicio se encontró que existen características que permiten determinar cuales de ellos actúan como mejores predictores. Esta tesis arroja dos resultados principales: por un lado es posible obtener resultados similares al entrenar modelos de inteligencia artificial sobre ejercicios de programación, independientemente del lenguaje y paradigma en los que se hayan codificado, y por otro lado, existen características en los ejercicios que permiten identificar cuales contribuyen en mayor medida a los modelos.