Please enable JavaScript.
Coggle requires JavaScript to display documents.
MODELOS PREDICTIVOS EN LA EDUCACI�N - Coggle Diagram
MODELOS PREDICTIVOS EN LA EDUCACI�N
Khan Academy
Analiza desempe�o del estudiante para recomendarle actividades y lecciones a sus necesidades de aprendizaje.
Desaf�os: requiere algoritmos y sistemas sofisticados para responder a las necesidades individuales, espec�fico de matem�ticas y ciencias.
Beneficios: Vers�til, accesible, econ�mico
Tutoria Virtual
Asigna autom�ticamente tutores o recursos en base a las necesidades del alumno
Desaf�os: Calidad y experiencia del tutor, accesibilidad de horarios, adaptaci�n a estilos de aprendizaje, conectividad con la tecnolog�a.
Beneficios: Atenci�n personalizada con clarificaci�n de dudas,retroalimentaci�n instant�nea con mayor confianza, flexibilidad de horarios.
Sistemas de alerta temprana
Identifica estudiantes en riesgo de abandono de estudios; con variables de rendimiento acad�mico y asistencia.
Desaf�os: Tener datos acad�micos precisos y actualizados, identificar factores de riesgo, privacidad y �tica.
Beneficios: Detecci�n temprana de problemas, estrategias de retenci�n de estudiantes
Recomendaci�n de cursos en l�nea
Considera el perfil, inter�s y progreso del estudiante.
Desaf�os: Diferencia en antecedentes educativos, actualizaci�n de cursos, sesgos algor�tmicos, �tica en la recolecci�n de datos.
Beneficios: Aprendizaje personalizado, ahorro de tiempo, diversificaci�n de la oferta educativa
Algoritmos de predicci�n
Regresi�n lineal para an�lisis de datos lineales, valores num�ricos cont�nuos.
Regresi�n log�stica para modelar la probabilidad de que ocurra un evento con probabilidad entre 0 y 1
Arboles de decisi�n para aprendizaje supervisado.
Redes neuronales para procesar datos secuenciales.