Predicción de dificultades estudiantiles mediante técnicas de minería de textos

Abstract

Uno de los problemas a los que se enfrenta el docente universitario, se relaciona con la falta de retroalimentación por parte de los estudiantes, que le permita conocer las dificultades que ellos enfrentan a la hora de adquirir conocimientos nuevos en clase. Algunos esfuerzos de investigación se han realizado para identificar y clasificar los problemas de los estudiantes, con datos provenientes de las redes sociales, pero limitando los criterios de búsqueda y recuperación de los datos. El presente artículo pretende cubrir la brecha dejada por los trabajos anteriores, mediante la creación de una metodología para predecir las dificultades de los estudiantes universitarios, que utiliza técnicas de extracción de datos provenientes de la red social Twitter y que ha sido plasmada en un flujo de trabajo, que integra técnicas de Minería de Textos, Procesamiento de Lenguaje Natural y Aprendizaje Profundo, usando Algoritmos Supervisados y Redes Neuronales Recurrentes. Para probar la metodología propuesta, se construyó un modelo de clasificación, cuya evaluación es prometedora, pues se alcanzó una precisión y exactitud del 80%. Los resultados obtenidos garantizan la predicción de las dificultades estudiantiles, dotando al docente de una herramienta efectiva para identificar las áreas que demanden mayor atención y poder así brindar ayuda oportuna a los estudiantes que tienen dificultades en el aula.