Computer adaptive testing for an intelligent E-learning platform

Autor: Mahecha D´Maria, Julián Ricardo
Přispěvatelé: Gómez Perdomo, Jonatan
Jazyk: Spanish; Castilian
Rok vydání: 2014
Předmět:
Zdroj: Repositorio UN
Universidad Nacional de Colombia
instacron:Universidad Nacional de Colombia
Popis: This Thesis proposes a Computer Adaptive Test model based on Item Response Theory for an E-Learning platform. The Computer Programming course of Universidad Nacional de Colombia is used to proof the concept of this platform. In order to integrate the model, two modules that allow the creation and administration of tests are developed: test management module and test taking module. Every Computer Adaptive Test, uses an item bank to select items according to one of the Item Response Theory models available in the platform (One, Two and Three Parametric Logistic models). Each item bank is created using the experts approach, with the collaboration of professors of the course. The development of the Computer Adaptive Test model is described, including, its versions, trials, and how it is improved using feedback from students and professors. In addition to this, two data mining techniques are used in order to establish users prfoiles and question associations. These processes uses data that is generated after each trials and uses the behavior of students (their answers) in order to generate useful information for the course. The first data mining process, generates three cluster of students per test using the k-means algorithm, these clusters are analyzed in order to generate a proper description. The resulting descriptions shows that students are group according to its ability level. In the second data mining process the associations rules process generates relation between questions using the Apriori algorithm. There relations are analyzed and reveals relations between topics of the course. This information can be used to review the structure of the course content based on students performance. Resumen. Esta Tesis propone un modelo de Pruebas Adaptativas por Computador basado en la Teoría de Respuesta al ítem para una Plataforma Inteligente de Aprendizaje Virtual. El curso de Programación de Computadores de la Universidad Nacional de Colombia se utiliza para probar el concepto de esta plataforma. Con el fin de integrar el modelo, dos módulos que permiten la creación y administración de las pruebas se desarrollan en la plataforma: el módulo de gestión de pruebas y el modulo de presentación de prueba. Cada prueba adaptativa, utiliza un banco de ítems para seleccionar llas preguntas de acuerdo a uno de los modelos de Teoría de Respuesta al ítem que están disponibles en la plataforma (One, Two or Three Parametric Logistic models). Cada banco de ítems se crea utilizando el enfoque basado en expertos, con la colaboración de los profesores del curso. El desarrollo del modelo de Pruebas Adaptativas por Computador es descrito, incluyendo las versiones del modelo, las pruebas realizadas y las mejoras propuestas que utilizan la retroalimentación de los estudiantes y profesores. Además de esto, dos técnicas de minería de datos se utilizan para establecer perfiles de los usuarios y las asociaciones de las preguntas. Estos procesos utilizan datos que se generan después de cada prueba y utilizan el comportamiento de los estudiantes (sus respuestas) con el fin de generar información útil para el curso. El primer proceso de minería de datos, genera tres grupos de estudiantes por cada prueba, utilizando el algoritmo de k-medias, estas agrupaciones son analizados con el fin de generar una descripción apropiada. Las descripciones resultantes muestran que los estudiantes son agrupados de acuerdo a su nivel de habilidad. En el segundo proceso de minería de datos, el proceso de reglas de asociación genera relaciones entre las preguntas utilizando el algoritmo Apriori. Se analizan estas relaciones y esto revela relaciones entre los temas del curso. Esta información puede ser usada para revisar la estructura de los contenidos del curso con base en el desempeño de los estudiantes. Maestría
Databáze: OpenAIRE
Externí odkaz: