PLATAFORMA ADAPTATIVA PARA REFUERZO DE SUMAS UTILIZANDO REDES NEURONALES Y SISTEMAS DE REPUTACIÓN BAYESIANO

El presente proyecto consiste en la creación de una plataforma para practicar sumas, destinada a que estudiantes de primer grado de primaria practiquen sumas, con la finalidad de que refuercen sus conocimientos. Las aplicaciones existentes en el mercado cuentan con una dificultad estática que no se ajusta al desempeño ni necesidades del jugador, sino que tienen un conjunto de ejercicios predefinido que se presentan de forma aleatoria. La propuesta consiste en generar una plataforma adaptativa basada en el desempeño del jugador, cuyos ejercicios y dificultad vayan acorde a sus habilidades. Para lograrlo, se implementaron cinco niveles de dificultad tomando como referencia los Derechos Básicos del Aprendizaje V.2 del 2016 (DBA) enfocados en niños de primer grado, donde se crea una suma de la forma a+b=c y la dificultad reside en la cantidad de cifras que tienen los operandos y la respuesta. Se diseñó una Red Neuronal Artificial (ANN) que estima un porcentaje de ejercicios por dificultad para presentar a un jugador cuando se une al juego por primera vez. Esta cantidad de ejercicios pasa por un algoritmo de Generación de Contenidos Procedimental (PCG) que crea sumas a partir de ello. Finalmente, el desempeño del niño al realizar los ejercicios pasa por un Sistema de Reputación Bayesiano (BRS) que calcula el nuevo porcentaje de ejercicios para cada dificultad.

• Autores: Iglesias Martinez, Steven; Ilias del Rio, Jonathan David
• Fecha de publicación: 2019
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/8474
• Acceso en línea: http://hdl.handle.net/10584/8474
• Palabra clave: Redes Neuronales; Sistema de Reputación Bayesiano; Sumas; Adaptativo; Neural Network; Bayesian Reputation System; Addition; Adaptive
• License: Universidad del Norte