Por favor, use este identificador para citar o enlazar este ítem:
http://www.dspace.espol.edu.ec/handle/123456789/66018| Título : | Desarrollo de un módulo de retroalimentación automática para el aula virtual utilizando inteligencia artificial |
| Autor : | Gómez Urrego, Freddy Alexander Torres Vera, Danilo Adrián Criollo Bonilla, Ronald Raúl, Director |
| Palabras clave : | Aprendizaje Automático Sistemas Educativos Evaluación Automatizada |
| Fecha de publicación : | 20-may-2025 |
| Editorial : | ESPOL.FIEC |
| Citación : | Gómez Urrego F.A. y Torres Vera D.A. (2024). Desarrollo de un módulo de retroalimentación automática para el aula virtual utilizando inteligencia artificial [Proyecto Integrador] Escuela Superior Politécnica del Litoral |
| Resumen : | The project develops an automatic feedback module using artificial intelligence for ESPOL's Aula Virtual educational platform. Its primary goal is to enhance the evaluation of Python programming assignments in the Data Science and Artificial Intelligence program. The initiative addresses the increasing need for personalized and timely feedback, optimizing teaching resources through AI integration. The development utilized LTI standards for Canvas integration, machine learning techniques to analyze code syntax, logic, and efficiency, and natural language processing to generate understandable feedback. Tests with faculty and students ensured the precision and effectiveness of the feedback. Results showed a significant reduction in evaluation time, with 87% of users satisfied with feedback clarity and 100% of students reporting meaningful learning improvements. The system enhances the educational experience by providing detailed, personalized, and real-time feedback. It is concluded that the solution not only reduces teaching workloads but also fosters deep and effective learning, positioning ESPOL as a leader in AI integration in education. Keywords: Machine Learning, Educational Systems, Automated Assessment. |
| Descripción : | El proyecto desarrolla un módulo de retroalimentación automática basado en inteligencia artificial para la plataforma educativa Aula Virtual de ESPOL, con el objetivo de mejorar la evaluación de tareas de programación en Python en la carrera de Ciencias de Datos e Inteligencia Artificial. La iniciativa responde a la creciente demanda de retroalimentación personalizada y oportuna, optimizando los recursos docentes mediante la integración de IA. Para su desarrollo, se utilizaron estándares LTI para la integración con Canvas, aprendizaje automático para analizar sintaxis, lógica y eficiencia del código, y procesamiento de lenguaje natural para generar retroalimentación comprensible. Se realizaron pruebas con docentes y estudiantes para garantizar la precisión y utilidad de las retroalimentaciones. Los resultados demuestran una reducción significativa en el tiempo de evaluación, con un 87% de usuarios satisfechos con la claridad de las retroalimentaciones y una aceptación del 100% en términos de aprendizaje de nuevos conceptos. El sistema mejora la experiencia educativa al proporcionar retroalimentación detallada, personalizada y en tiempo real. Se concluye que la solución no solo optimiza la carga docente, sino que también promueve un aprendizaje profundo y eficaz, posicionando a ESPOL como pionera en la integración de IA en la educación. |
| URI : | http://www.dspace.espol.edu.ec/handle/123456789/66018 |
| metadata.dc.identifier.codigoproyectointegrador: | TECH-385 |
| Aparece en las colecciones: | Tesis de Computación |
Ficheros en este ítem:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| T-115292 TECH-385 GOMEZ -TORRES.pdf | 2.29 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.