SoftLearn: Soft computing para minaría de procesos en e-learning
O obxectivo de SoftLearn é a aplicación de técnicas de soft computing, concretamente, algoritmos evolutivos e regras borrosas, así como a hibridación destas técnicas coas tradicionais de minaría de procesos, para extraer fluxos de traballo completos, precisos, adaptativos e xerárquicos que modelen as unidades docentes en e-learning. Propóñense algoritmos para a análise e avaliación de ditos fluxos de traballo, así como para a recomendacón de usuarios ás actividades educativas.
Este proxecto enmárcase no reto da orquestación da aprendizaxe docente e quere avanzar no estado da arte nas ferramentas que permiten aos profesores entender e avaliar o fluxo de actividades que se realizan nun curso.
Considerando o rexistro das actividades acometidas polos estudantes a través dunha plataforma de e-learning, SoftLearn céntrase en determinar automaticamente a coordinación de actividades do curso (fluxo), quen e en que condicións as executaron (roles) e que recursos docentes se usaron en cada unha delas.
Obxectivos
- Xerar automaticamente un fluxo de traballo dunha unidade docente: hibrídanse técnicas básicas de minería de procesos con algoritmos evolutivos para extraer as redes de Petri que modelan as unidades docentes.
- Crear fluxos de traballo asociados a unidades docentes IMS LD: partindo de redes de Petri planas obteranse redes de Petri xerárquicas que modelen formalmente o fluxo de actividades educativas de acordo con IMS LD.
- Análise e avaliación de fluxos de traballo jerárquicos: usaranse algoritmos de clasificación de soft computing (algoritmos evolutivos e lóxica borrosa) para analizar e evaliar os fluxos de traballo xerárquicos.
- Recomendar usuarios relevantes para a realización de actividades educativas: a través do desenvolvemento de algoritmos de recomendación basados na hibridación de técnicas de soft computing e de intelixencia colectiva.
Proxecto
/research/projects/soft-computing-para-minaria-de-procesos-en-e-learning
<p>O obxectivo de SoftLearn é a aplicación de técnicas de soft computing, concretamente, algoritmos evolutivos e regras borrosas, así como a hibridación destas técnicas coas tradicionais de minaría de procesos, para extraer fluxos de traballo completos, precisos, adaptativos e xerárquicos que modelen as unidades docentes en e-learning. Propóñense algoritmos para a análise e avaliación de ditos fluxos de traballo, así como para a recomendacón de usuarios ás actividades educativas.</p><p>Este proxecto enmárcase no reto da orquestación da aprendizaxe docente e quere avanzar no estado da arte nas ferramentas que permiten aos profesores entender e avaliar o fluxo de actividades que se realizan nun curso.</p><p>Considerando o rexistro das actividades acometidas polos estudantes a través dunha plataforma de e-learning, SoftLearn céntrase en determinar automaticamente a coordinación de actividades do curso (fluxo), quen e en que condicións as executaron (roles) e que recursos docentes se usaron en cada unha delas.</p><ul><li>Xerar automaticamente un fluxo de traballo dunha unidade docente: hibrídanse técnicas básicas de minería de procesos con algoritmos evolutivos para extraer as redes de Petri que modelan as unidades docentes.</li><li>Crear fluxos de traballo asociados a unidades docentes IMS LD: partindo de redes de Petri planas obteranse redes de Petri xerárquicas que modelen formalmente o fluxo de actividades educativas de acordo con IMS LD.</li><li>Análise e avaliación de fluxos de traballo jerárquicos: usaranse algoritmos de clasificación de soft computing (algoritmos evolutivos e lóxica borrosa) para analizar e evaliar os fluxos de traballo xerárquicos.</li><li>Recomendar usuarios relevantes para a realización de actividades educativas: a través do desenvolvemento de algoritmos de recomendación basados na hibridación de técnicas de soft computing e de intelixencia colectiva.</li></ul> - Manuel Mucientes Molina - Juan Carlos Vidal Aguiar, Manuel Fernández Delgado, Manuel Lama Penín
projects_gl