XXIII. EVALUACIÓN DE LOS APRENDIZAJES CON INTELIGENCIA ARTIFICIAL
##plugins.themes.bootstrap3.article.sidebar##
views: 91 |
downloads: 385
##plugins.themes.bootstrap3.article.main##
Resumen
En el presente trabajo se comparan resultados obtenidos del software de sistema
experto publicado por Sánchez et al. (2021) contra los resultados arrojados por el Sistema
Experto de Evaluación Inteligente (SEEI). Este último es la actualización del primero, por lo
que en este documento se exponen las similitudes y diferencias entre el software predecesor
y el sucesor.
Ambos softwares utilizan Inteligencia Artificial (IA) para calcular en una escala de
cero a diez, la calificación resultante de un proceso de evaluación de los aprendizajes de
estudiantes de bachillerato, en el contexto mexicano.
El objetivo de esta investigación es encontrar validez en el instrumento SEEI, ya que
este evolucionó de su predecesor con intenciones de que pueda ser utilizado por cualquier
docente, para evaluar cualquier competencia, en cualquier asignatura, en cualquier
institución educativa situada en cualquier parte del mundo con sólo tener acceso a internet.
Los resultados dan evidencia firme que la línea de investigación va por buen camino
y que merece la pena continuar realizando pruebas y ajustes a SEEI y encontrar en un futuro,
validez en más contextos.
De esta manera se reafirmaría el poder de cómputo de la IA sobre los modelos
matemáticos basados en rúbrica con los que actualmente se evalúan los aprendizajes basados
en competencia y surgiría una nueva y prometedora era en las que los docentes por fin tendrán
herramientas de evaluación de vanguardia.
Download Statistics
##plugins.themes.bootstrap3.article.details##
Lógica Difusa, Sistema Experto, Evaluación, Competencia, Rúbrica.
COMPETENCIAS EN EDUCACIÓN SUPERIOR: ¿USO O ABUSO?. Profesorado.
Revista de Currículum y Formación de Profesorado, 19(2),265-280.[fecha de
Consulta 5 de Septiembre de 2022]. ISSN: 1138-414X. Disponible en:
https://www.redalyc.org/articulo.oa?id=56741181017.
Del Canto, Ero, y Silva Silva, Alicia (2013). Metodología cuantitativa: abordaje desde la
complementariedad en ciencias sociales. Revista de Ciencias Sociales (Cr), III (141),
pp. 25-34.
Gutiérrez, A. & Ferreira, W. (2020). Un modelo de regresión lineal aplicando lógica difusa.
Revista Sextante, 23, pp. 48 - 54, 2020.
Hernández, R., Fernández, C., y Baptista, M. (2010). Metodología de la investigación (5th
ed.). México D.F.: McGRAW-HILL.
Jamsandekar, S., y Mudholkar, R. (2013). Performance Evaluation by Fuzzy Inference
Technique. International Journal Of Soft Computing And Engineering, 3(2), pp. 158-
164.
Martínez, J. (2008). Las rúbricas en la evaluación escolar: su construcción y uso. Avances en
Medición, 6, 129-138.
Monje, C. (2011). Metodología de la investigación cuantitativa y cualitativa. Guía didáctica.
Neiva: Universidad sur colombiana.
Picón Jácome, Édgar (2013). La rúbrica y la justicia en la evaluación. Íkala, revista de
lenguaje y cultura, 18(3),79-94.[fecha de Consulta 5 de Septiembre de 2022]. ISSN:
0123-3432. Disponible en: https://www.redalyc.org/articulo.oa?id=255030038006.
Sánchez García, J. E. ., Valdez Sandoval, A. ., Soto Vega, J. E. ., & Gutiérrez Herrera, B. E.
. (2021). Comparación del nivel de desempeño de una competencia usando tres
instrumentos, dos basados en rúbrica y otro basado en lógica difusa: A comparison of
the level of competency using three instruments; two rubric based instruments and a
fussy logic-based instrument. Revista Relep - Educación Y Pedagogía En
Latinoamérica, 2(4), 123–145. https://doi.org/10.46990/relep.2020.2.4.245.
