CARACTERIZACIÓN DE PROBLEMAS DE APRENDIZAJE BASADA EN EXPLOTACIÓN DE INFORMACIÓN Elizabeth Jiménez Rey, Darío Rodriguez, Paola Britos, Ramón García-Martínez Programa de Maestría en Tecnología Informática Aplicada a la Educación. Facultad de Informática. UNLP Laboratorio de Sistemas Operativos y Base de Datos. Facultad de Ingeniería. UBA Centro de Ingeniería de Software Ingeniería del Conocimiento. Escuela de Postgrado. ITBA Laboratorio de Sistemas Inteligentes. Facultad de Ingeniería. UBA Área Ingeniería del Software. Licenciatura Sistemas. UNLa Área Ingeniería del Software. Unidad Académica Río Gallegos. UNPA ejimenezrey@yahoo.com.ar, {drodrigu,pbritos}@itba.edu.ar, rgarciamar@fi.uba.ar CONTEXTO La propuesta articula líneas de trabajo del Proyecto “Aplicaciones de Explotación de Información basada en Sistemas Inteligentes”, con financiamiento de la Secretaria de Ciencia y Técnica de la Universidad de Buenos Aires (UBACYT 2008- 2010 código I012) y acreditado por Resolución Rector-UBA N° 576/08 con radicación en el Laboratorio de Sistemas Inteligentes de la Facultad de Ingeniería de la Universidad de Buenos Aires RESUMEN Se presenta una línea de investigación que se focaliza en la aplicación de herramientas de Minería de Datos basada en Sistemas Inteligentes para la identificación y predicción de problemas de aprendizaje de los estudiantes (y sus causas). El interés principal radica en la exploración de la posibilidad de construir un proceso que permita al Docente, por una parte, revisar la precedencia de los aprendizajes significativos considerados en el diseño del currículo y, por otra, reflexionar sobre las estrategias de su práctica docente para promover su mejoramiento. Se aborda el estudio de los diversos métodos de la Minería de Datos: algoritmos de inducción, algoritmos genéticos, redes neuronales y redes bayesianas, para establecer el método que resultará más confiable para resolver el problema. Actualmente, el trabajo de investigación está centrado en el estudio de los conceptos no comprendidos por los estudiantes de dos cursos de la asignatura Computación de carreras no informáticas de la Facultad de Ingeniería de la Universidad de Buenos Aires. Palabras clave: Explotación de Información aplicada en Educación, Problemas de Aprendizaje en Educación. 1. INTRODUCCIÓN En esta línea de investigación, el interés se centra en permitir a los Docentes la revisión de sus estrategias de enseñanza para favorecer en los estudiantes el desarrollo de la cognición, en su más amplio sentido: la comprensión y la capacidad para pensar y conocer cada vez mejor [Litwin, 2008]. En este escenario, se explorará la posibilidad de construir un proceso que permita al Docente revisar la precedencia de los aprendizajes significativos [Joyce y Weil, 2002] de los estudiantes considerados en el diseño del currículo. La solución propuesta es una segmentación de los procesos intuitivos del Docente (de construcción artesanal y fuertemente ligados a su experiencia) que se estructura en un proceso de varias etapas: 1) Construcción del Mapa de Aprendizajes Significativos, que se articulará en concepto-atributo-valor [García Martínez y Britos, 2004] a determinar su existencia en los instrumentos de evaluación. 2) Explotación de Información sobre la base de evaluación. 3) Ratificación o Rectificación del Mapa de Aprendizajes Significativos. Se estudia actualmente los casos correspondientes a dos cursos de la asignatura Computación de carreras no informáticas de la Facultad de Ingeniería de la Universidad de Buenos Aires. La asignatura Computación es formativa, básica y obligatoria para alumnos de todas las carreras de Ingeniería, excepto para aquellos que cursan Ingeniería Electrónica e Ingeniería en Informática. Es cuatrimestral y tiene una carga horaria de cuatro horas por semana (sesenta y cuatro horas por cuatrimestre). La única asignatura correlativa posterior es Análisis Numérico. Los alumnos pueden cursar la asignatura Computación en distintas etapas de avance en sus planes de estudio pero casi todos los alumnos la cursan en los primeros años de su carrera y tienen una edad comprendida entre 18 y 20 años. Algunos pocos alumnos provienen de escuelas técnicas y tienen conocimiento y experiencia previa en programación pero la mayoría de los alumnos nunca programó. La algoritmia representa para los alumnos un nuevo paradigma para resolver problemas y les produce un fuerte impacto en su predisposición al aprendizaje que, en muchos casos, se traduce en falta de motivación o en rechazo.