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

  • Yunia Reyes-González Universidad de las Ciencias Informáticas https://orcid.org/0000-0001-7143-7080
  • Natalia Martínez-Sánchez Universidad de las Ciencias Informáticas
  • Adolfo Díaz-Sardiñas Universidad de las Ciencias Informáticas
  • Marisol de la Caridad Patterson-Peña Universidad de las Ciencias Informáticas.
Keywords: Student modeling, intelligent tutoring systems, logical combinatorial pattern recognition, artificial intelligence

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.

|Abstract
= 2566 veces | PDF
= 432 veces|

Downloads

Download data is not yet available.

Author Biographies

Yunia Reyes-González, Universidad de las Ciencias Informáticas

MSc. y Profesora Asistente del Departamento de Programación, Facultad 2

Vicedecana de Investigación y Postgrado Facultad 2

Natalia Martínez-Sánchez, Universidad de las Ciencias Informáticas

Dra. en Ciencias Técnicas y Profesora Titular

Departamento de Programación

Vicerrectora Docente

Adolfo Díaz-Sardiñas, Universidad de las Ciencias Informáticas

Dr. en Ciencias Pedagógicas y Profesor Titular del Departamento de Programación, Facultad 2.

Marisol de la Caridad Patterson-Peña, Universidad de las Ciencias Informáticas.

Máster en Estudios de la Lengua Inglesa y Profesora Auxiliar del Centro de Idiomas

Metodóloga de la Vicerrectoría Docente 

References

D. A. Ovalle and J. A. Jiménez, “Entorno Integrado de Enseñanza / Aprendizaje basado en Sistemas Tutoriales Inteligentes Ambientes Colaborativos,” Sistemas, Cibernética e Informática, vol. 1, no. 1, pp. 23–27, 2004.

N. Martínez, M. M. García, and Z. Z. García, “Modelo para diseñar sistemas de enseñanza-aprendizaje inteligentes utilizando el razonamiento basado en casos,” Revista Avances en Sistemas e Informática, vol. 6, no. 3, pp. 67–78, Dec. 2009.

T. J. M. Bench, Knowledge Representation: An Approach to Artificial Intelligence, 1st ed. San Diego,USA: Academic Press, 1990.

C. Li and J. Yoo, “Modeling Student Online Learning Using Clustering,” in 44th annual Southeast regional conference, Melbourne, Florida, 2006, pp. 186–191.

K. Chrysafiadi and M. Virvou, “Student modeling approaches: A literature review for the last decade,” Expert Syst. Appl., vol. 40, no. 11, pp. 4715–4729, Sep. 2013.

D. Medina, N. Martínez, Z. Z. García, M. Chávez, and M. M. García, “Putting Artificial Intelligence Techniques into a Concept Map to Build Educational Tools,” in Nature Inspired Problem-Solving Methods in Knowledge Engineering. Berlin, Heidelberg: Springer Berlin Heidelberg, 2007, pp. 617–627.

J. Shulcloper, “Reconocimiento lógico combinatorio de patrones: teoría y aplicaciones,” M.S. thesis, Universidad Central de Las Villas, Santa Clara, Cuba, 2009.

N. Martinez, M. M. Garcia, and J. E. Hurtado, “Model for designing Intelligent Tutorials Systems using Conceptual Maps and knowledge-based Systems,” IEEE Latin America Transactions, vol. 10, no. 6, pp. 2301–2308, Dec. 2012.

Y. Reyes and N. Martínez, “La toma de decisiones en los Sistemas Tutoriales Inteligentes utilizando el agrupamiento conceptual,” Rev. Cuba. Cienc. Informáticas, vol. 8, pp. 104–116„ Dec. 2014.

D. Ovalle, “Análisis funcional de la estrategia de aprendizaje individualizado adaptativo,” Proy. Investig., Universidad Nacional de Colombia, Medellín, 2007.

J. F. Martínez, “Herramientas para la Estructuración Conceptual de Espacios,” M.S. thesis, CIC, IPN, México, 2000.

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

A. Rodriguez and G. Sánchez, “An Algorithm for Computing Typical Testors Based on Elimination of Gaps and Reduction of columns,” Aerosp. and Electron. Syst., vol. 27, no. 8, p. 18, Dec. 2013.

J. Martínez and A. Guzmán, “The logical combinatorial approach to pattern recognition, an overview through selected works,” Pattern Recognit., vol. 34, no. 4, pp. 741–751, Apr. 2001.

J. Plasencia, F. Marrero, M. Nicado, and Y. Aguilera, “Procedimiento para la priorización de Factores Críticos de Éxito,” DYNA, vol. 84, no. 202, pp. 26–34, Jul. 2017.

R. Likert, “A technique for the measurement of attitudes,” Arch. Psychol., vol. 22, no. 140, pp. 5–55.

Y. Reyes, N. Martínez, and M. M. García, “El agrupamiento conceptual en el contexto de la teoría de los conjuntos Aproximados,” DYNA New Technol., vol. 2, no. 1, p. 12, Jan. 2015.

Published
2018-06-19