Data Mining for Exploring E-learning in a Computer Science Course Using Online Judging

  1. José Luis Fernández-Alemán 1
  2. David Gil 2
  3. Ginés García Mateos 1
  4. Juan Carlos Trujillo 2
  5. Ambrosio Toval 1
  1. 1 Universidad de Murcia
    info

    Universidad de Murcia

    Murcia, España

    ROR https://ror.org/03p3aeb86

  2. 2 Universitat d'Alacant
    info

    Universitat d'Alacant

    Alicante, España

    ROR https://ror.org/05t8bcz72

Libro:
II Congreso Internacional de Innovación Docente. CIID: Murcia, 20 y 21 de febrero de 2014

Editorial: Universidad de Murcia

ISBN: 978-84-695-9705-7

Año de publicación: 2014

Páginas: 1345-1354

Tipo: Capítulo de Libro

Resumen

En el Espacio Europeo de Enseñanza Superior emergen nuevas metodologías de enseñanza basadas en el proceso de aprendizaje de los estudiantes, que promueven el interés de los estudiantes y ofrecen retroalimentación personalizada. Los sistemas de enjuiciamiento en red son métodos prometedores para estimular la participación de los estudiantes en el proceso de aprendizaje. La enorme cantidad de datos disponible en un sistema de enjuiciamiento en red ofrece la posibilidad de explorar qué parámetros son relevantes para el aprendizaje de la programación de computadores. En este artículo, se identifican los factores que afectan a la corrección de los programas a partir de las actividades de programación en un curso de algoritmos y estructuras de datos. Se utilizan tecnologías de minería de datos como los árboles de decisión, que han demostrado ser muy efectivos como predictores en algunos dominios de aprendizaje electrónico. Los resultados muestran que los parámetros Lenguaje de programación, Número de problema y Titulación pueden ser utilizados como predictores de la corrección de un programa, con una precisión del 60,1%. Como trabajo futuro, pretendemos estudiar los factores que afectan al rendimiento de los trabajadores en un entorno de desarrollo global del software, aplicando la minería de datos a actividades de programación colaborativa