Hacia un modelo de evaluación adaptativa personalizada basado en ontologías, contexto y filtrado colaborativo

Abstract

La fase de evaluación desempeña un rol muy importante durante el proceso de enseñanza-aprendizaje de los estudiantes ya que a partir de esta se validan los conocimientos adquiridos por ellos y se descubren falencias y/o fortalezas. Sin embargo, la selección de preguntas por parte del profesor o de la plataforma de aprendizaje no responde a las necesidades, limitaciones y/o características de los estudiantes. En este contexto, la incorporación de mecanismos que permita abstraer de mejor manera las características del usuario para su posterior uso durante el proceso de selección de preguntas trae consigo beneficios como una mejor medición de los conocimientos, un incremento en el interés de los estudiantes, una mejor detección de falencias para la recomendación de nuevos recursos, entre otros. Con el objetivo de realizar una selección de preguntas que responda de mejor manera a las necesidades de los estudiantes, este artículo realiza una caracterización de las técnicas y modelos más relevantes para la selección de preguntas. De igual manera, se propone un modelo ontológico de evaluación adaptativa personalizado apoyado en técnicas de Inteligencia Artificial que incorpora información cognitiva y contextual relevante del estudiante para realizar una mejor selección y clasificación de preguntas durante el proceso de evaluación virtual.