Conceptual clustering: a new approach to student modeling in Intelligent Tutoring Systems

Yunia Reyes-González, Natalia Martínez-Sánchez, Adolfo Díaz-Sardiñas, Marisol de la Caridad Patterson-Peña

Abstract


Student modeling is a central problem in Intelligent Tutoring Systems design and development. In this way, the characteristic that distinguishes this type of system is the ability to determine as accurately and quickly as possible the student’s cognitive and affective-motivational state in order to personalize the educational process. Therefore, the fundamental problem is to select data structure to represent all relative information to student and to choose the procedure to make the diagnosis. This paper describes a model for knowledge engineering inherent to all intelligent tutoring system, using the LC-Conceptual clustering algorithm, from logical combinatorial pattern recognition. This algorithm builds the objects clusters based on their similarity, using a grouping criterion, and it also builds the property (or concept) that meets each group of objects.


Keywords


Student modeling, intelligent tutoring systems, logical combinatorial pattern recognition, artificial intelligence.

Full Text:

PDF

References


D. Ovalle y J. A. Jiménez, «Entorno Integrado de Enseñanza / Aprendizaje basado en Sistemas Tutoriales Inteligentes & Ambientes Colaborativos», Sist. CIBERNÉTICA E INFORMÁTICA, vol. 1, n.o 1, pp. 23-27, 2004.

N. M. Sánchez, M. M. G. Lorenzo, y Z. Z. G. Valdivia, «Modelo para diseñar sistemas de enseñanza-aprendizaje inteligentes utilizando el razonamiento basado en casos», Av. En Sist. E Informática, vol. 6, n.o 3, pp. 67-78, 2009.

T. J. M. Bench-Capon, Knowledge Representation: An Approach to Artificial Intelligence. Elsevier, 2014.

C. Li y J. Yoo, «Modeling Student Online Learning Using Clustering», en Proceedings of the 44th Annual Southeast Regional Conference, New York, NY, USA, 2006, pp. 186–191.

K. Chrysafiadi y M. Virvou, «Student modeling approaches: A literature review for the last decade», Expert Syst. Appl., vol. 40, n.o 11, pp. 4715-4729, sep. 2013.

D. Medina, N. Martínez, Z. Z. García, M. del C. Chávez, y M. M. G. Lorenzo, «Putting Artificial Intelligence Techniques into a Concept Map to Build Educational Tools», en Nature Inspired Problem-Solving Methods in Knowledge Engineering, 2007, pp. 617-627.

J. R. Shulcloper, «Reconocimiento lógico combinatorio de patrones: teoría y aplicaciones», Tesis en opción al grado científico de Doctor en Ciencias. Universidad Central de Las Villas (UCLV). Santa Clara. Cuba. 2009.

N. Martínez, M. M. García, y J. E. Hurtado, «Model for designing Intelligent Tutorials Systems using Conceptual Maps and knowledge-based Systems», IEEE Lat. Am. Trans., vol. 10, n.o 6, pp. 2301-2308, dic. 2012.

Y. Reyes González y D. N. Martínez Sánchez, «La toma de decisiones en los Sistemas Tutoriales Inteligentes utilizando el agrupamiento conceptual», Rev. Cuba. Cienc. Informáticas, vol. 8, pp. 104-116, 2014.

D. Ovalle, «Análisis funcional de la estrategia de aprendizaje individualizado adaptativo», Proy. Investig.-DIME-Vicerrectoría Investig. Modelo Sist. Multiagente Cursos Adapt. Integrados Con Ambient. Colab. Sn, 2007.

F. Martinez-Trinidad, «Herramientas para la Estructuración Conceptual de Espacios», Comput. Sist., vol. 4, n.o 003, 2001.

R. S. Michalski, «Conceptual Clustering: A Theoretical Foundation and a Method for Partitioning Data into Conjunctive Concepts.», presentado en In Textes des exposes du Seminaire organise par l’Institute de Recherche d’Informatique et d’Automatique (IRIA), France, 1979, pp. 254-294.

A. Lias-Rodríguez y G. Sánchez-Díaz, «An Algorithm for Computing Typical Testors Based on Elimination of Gaps and Reduction of columns. », IJPRAI, vol. 27, n.o 8, 2013.

J. F. Martı́nez-Trinidad y A. Guzmán-Arenas, «The logical combinatorial approach to pattern recognition, an overview through selected works», Pattern Recognit., vol. 34, n.o 4, pp. 741-751, Abril 2001.

J. A. Plasencia-Soler, F. Marrero-Delgado, M. Nicado-García, y Y. Aguilera-Sánchez, «Procedimiento para la priorización de Factores Críticos de Éxito», DYNA, vol. 84, n.o 202, pp. 26-34, jul. 2017.

R. Likert, «A technique for the measurement of attitudes. », Arch. Psychol., 1932.

Y. R. González, N. M. Sánchez, y M. M. G. Lorenzo, «El agrupamiento conceptual en el contexto de la Teoría de los Conjuntos Aproximados», DYNA New Technol., vol. 2, n.o 1, pp. 1-12, ene. 2015.




DOI: https://doi.org/10.17533/udea.redin.n87a09 Abstract : 2361 PDF : 229

Article Metrics

Metrics Loading ...

Metrics powered by PLOS ALM


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Esta publicación hace parte del Sistema de Revistas de la Universidad de Antioquia
¿Quieres aprender a usar el Open Journal system? Ingresa al Curso virtual
Este sistema es administrado por el Programa Integración de Tecnologías a la Docencia
Universidad de Antioquia
Powered by Public Knowledge Project