Indicadores de síntomas ADHD en el contexto de aprendizaje virtual, utilizando técnicas de aprendizaje automático
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Rev.esc.adm.negEste artículo presenta un proceso de modelado de usuario, específicamente un modelado de estudiante, en un ambiente virtual de aprendizaje, que permite inferir la presencia o no de síntomas del Déficit de Atención e Hiperactividad (TDAH). El modelo de usuario es construido teniendo en cuenta tres características del estudiante: Conducta de comportamiento (BC), Rendimiento de funciones ejecutivas (EFP), y estado emocional (ES). Para inferir si un estudiante puede tener un perfil asintomático de TDAH, se usa un grupo de reglas de clasificación que usan los resultados obtenidos en cada característica como datos de entrada para su funcionamiento. Basados en las pruebas del modelo propuesto, se obtiene un grupo de entrenamiento que es usado para preparar un algoritmo de aprendizaje automático, el cual podrá realizar y mejorar la tarea de crear el perfil para cada estudiante de acuerdo a si presenta o no síntomas del TDAH o problemas de atención. Esto, puede ser el primer paso para ofrecer recursos de aprendizajesadaptados a las necesidades educativas de estudiantes que presenten este trastorno.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle