XXIII. ÉVALUATION DES APPRENTISSAGES AVEC INTELLIGENCE ARTIFICIELLE
##plugins.themes.bootstrap3.article.sidebar##
views: 67 |
downloads: 377
##plugins.themes.bootstrap3.article.main##
Résumé
Dans le présent travail, les résultats obtenus à partir du logiciel système sont comparés.
expert publié par Sánchez et al. (2021) par rapport aux résultats produits par le Système
Expert en évaluation intelligente (SEEI). Ce dernier est la mise à jour du premier, donc
Ce document décrit les similitudes et les différences entre le logiciel précédent
et le successeur.
Les deux logiciels utilisent l'intelligence artificielle (IA) pour calculer sur une échelle de
zéro à dix, la qualification résultant d'un processus d'évaluation des apprentissages de
élèves du secondaire dans le contexte mexicain.
L'objectif de cette recherche est de trouver la validité de l'instrument SEEI, puisqu'il
il a évolué à partir de son prédécesseur avec l'intention qu'il puisse être utilisé par n'importe quel
enseignant, pour évaluer n'importe quelle compétence, dans n'importe quel sujet, dans n'importe quel
établissement d'enseignement situé n'importe où dans le monde simplement en ayant accès à Internet.
Les résultats montrent clairement que la ligne de recherche est sur la bonne voie.
et qu'il vaut la peine de continuer à tester et à ajuster SEEI et à trouver à l'avenir,
validité dans plus de contextes.
De cette façon, la puissance de calcul de l'IA sur les modèles serait réaffirmée.
mathématiques basées sur des rubriques avec lesquelles l'apprentissage actuel est évalué
en compétition et une ère nouvelle et prometteuse émergerait dans laquelle les enseignants auront enfin
des outils d'évaluation de pointe.
Download Statistics
##plugins.themes.bootstrap3.article.details##
Logique floue, Système expert, Évaluation, Compétition, Rubrique.
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.