Descubrimiento de Reglas de Predicción en Sistemas de e-learning utilizando Programación Genética Cristóbal Romero, Sebastián Ventura, Cesar Hervás Universidad de Córdoba, Campus Universitario de Rabanales, 14071, Córdoba, España {cromero,sventura,cdecastro}@uco.es Resumen. Este artículo describe la utilización de técnicas de minería de datos en sistemas de e-learning para proporcionar retroalimentación a los desarrolladores de courseware. La información descubierta se muestra en forma de reglas de predicción debido a que son altamente comprensibles y se pueden utilizar directamente en procesos de toma de decisiones. El objetivo es utilizar las reglas para descubrir posibles mejoras en cualquier tipo de curso basado en web y en especial en cursos hipermedia adaptativos basados en web. El método de descubrimiento de reglas que proponemos son los Algoritmos Evolutivos y en concreto la Programación Genética Basada en Gramática (PGBG) con técnicas de optimización multiobjetivo, y se va a comparar con otros algoritmos clásicos de descubrimiento de reglas de asociación, construcción de árboles de decisión y inducción de reglas adaptados para el descubrimiento de reglas de predicción. Para facilitar la realización de todo el proceso de descubrimiento de conocimiento se ha desarrollado una herramienta específica denominada EPRules (Education Prediction Rules) orientada para ser utilizada por el propio autor del curso. 1 Introducción La aplicación de técnicas de descubrimiento de conocimiento y minería de datos en sistemas educacionales basados en web es un área de investigación muy novedosa y prometedora [20]. Esta misma idea ya lleva tiempo utilizándose con gran éxito en los sistemas de comercio electrónico [15]. But while e-commerce objective is to guide clients in purchasing, e-learning objective is to guide students in learning. En la actualidad existen multitud de herramientas tanto comerciales como de libre distribución para la realización de diferentes tareas de minería de datos, principalmente el descubrimiento de reglas. De entre todas ellas se pueden destacar DBMiner [21] y Weka [19] por ser sistemas de dominio público muy populares, tener un entorno gráfico integrado y permitir realizar casi todas las tareas de minería de datos. El principal inconveniente que presentan estas herramientas es que son complejas de manejar para una persona no experta en minería de datos, además de que al ser de propósito general no se puede realizar un tratamiento específico del conocimiento de dominio en particular como el de los Adaptive Systems for Web- based Education (ASWEs) [2]. Debido a estos problemas, se ha desarrollado una herramienta específica que se ha denominado EPRules (Education Prediction Rules)