Please use this identifier to cite or link to this item: http://hdl.handle.net/10553/134365
DC FieldValueLanguage
dc.contributor.authorCabrera Santana, Pedro Jesúsen_US
dc.date.accessioned2024-10-08T11:41:07Z-
dc.date.available2024-10-08T11:41:07Z-
dc.date.issued2024en_US
dc.identifier.issn3045-4093en_US
dc.identifier.otherDialnet-
dc.identifier.urihttp://hdl.handle.net/10553/134365-
dc.description.abstractLa evaluación del aprendizaje en ingeniería requiere de múltiples recursos y actividades formativas prácticas que fomenten el desarrollo de habilidades. Las prácticas de laboratorio y computacionales son esenciales, pero evaluar su efectividad supone un desafío debido a la carga de trabajo y la subjetividad del proceso. Este estudio propone un método de evaluación mediante el uso de Machine Learning, aplicado a informes de prácticas en la asignatura de Diseño de Máquinas de la ULPGC. El método propuesto incluye la recopilación y evaluación manual de informes, seguido de la extracción de indicadores como la puntuación Flesch Reading Ease, el análisis de sentimiento y el análisis de las palabras frecuentemente utilizadas por el estudiante. Se desarrolla un algoritmo para estructurar estos parámetros y se implementan distintas técnicas para modelar las calificaciones. Los resultados muestran que las Redes Neuronales logran estimaciones precisas, con métricas MAE = 0,72 puntos y MAPE = 8,94%.en_US
dc.description.abstractEvaluating learning in engineering requires multiple resources and practical training activities that foster the development of skills. Laboratory and computer-based practices are essential, but evaluating their effectiveness poses a challenge due to the workload and subjectivity of the process. This study proposes an evaluation method using Machine Learning, applied to practice reports in the Machine Design course at ULPGC. The proposed method includes the collection and manual evaluation of reports, followed by the extraction of indicators such as the Flesch Reading Ease score, sentiment analysis, and the analysis of the words frequently used by the student. A Python algorithm is developed to digitally structure these parameters, and Machine Learning techniques, particularly Artificial Neural Networks, are implemented to model the grades. The results show that the model achieves precise estimates, with evaluation metrics MAE = 0.72 points and MAPE = 8.94%. This approach provides a useful tool for evaluation, capable of improving the objectivity of the faculty.en_US
dc.languagespaen_US
dc.relation.ispartofJornadas de Automáticaen_US
dc.sourceJornadas de Automática [ISSN-e 3045-4093], n. 45en_US
dc.subject3313 Tecnología e ingeniería mecánicasen_US
dc.subject331324 Maquinaria de impresión y reproducciónen_US
dc.subject.otherMachine Learningen_US
dc.subject.otherEducaciónen_US
dc.subject.otherIngenieríaen_US
dc.subject.otherPrácticasen_US
dc.title¿Puede un algoritmo de Machine Learning ayudarnos en la evaluación de informes de prácticas?en_US
dc.title.alternativeCan a Machine Learning algorithm assist in the evaluation of practices reports?en_US
dc.typeinfo:eu-repo/semantics/Articleen_US
dc.typeArticleen_US
dc.identifier.doi10.17979/ja-cea.2024.45.10902en_US
dc.identifier.urlhttp://dialnet.unirioja.es/servlet/articulo?codigo=9724079-
dc.description.lastpage0en_US
dc.identifier.issue45-
dc.description.firstpage59en_US
dc.investigacionIngeniería y Arquitecturaen_US
dc.type2Artículoen_US
dc.contributor.authordialnetid4867177-
dc.identifier.dialnet9724079ARTREV-
dc.utils.revisionen_US
dc.date.coverdateJulio 2024en_US
dc.identifier.ulpgcen_US
dc.contributor.buulpgcBU-INGen_US
item.grantfulltextopen-
item.fulltextCon texto completo-
crisitem.author.deptGIR Group for the Research on Renewable Energy Systems-
crisitem.author.deptDepartamento de Ingeniería Mecánica-
crisitem.author.orcid0000-0001-9707-6375-
crisitem.author.parentorgDepartamento de Ingeniería Mecánica-
crisitem.author.fullNameCabrera Santana, Pedro Jesús-
Appears in Collections:Artículos
Adobe PDF (641,89 kB)
Show simple item record

Google ScholarTM

Check

Altmetric


Share



Export metadata



Items in accedaCRIS are protected by copyright, with all rights reserved, unless otherwise indicated.