SoftLearn: Soft computing para minaría de procesos en e-learning

SoftLearn: Soft computing para minaría de procesos en e-learning

Descrición

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.

Investigadores