Aplicaciones de Sistemas Inteligentes

Para efectuar la predicción del rendimiento académico, se puede usar una red
neuronal de tipo backpropagation tomando como datos de entrada los resultados de las
evaluaciones parciales desagregados en dos formas. a) tomando el caso de resolución por
ejercicios y b) tomando ejercicios en función de los logros cognitivos, usando datos provenientes
de las evaluaciones parciales de los estudiantes a fin de pode predecir futuros rendimientos.
Las redes bayesianas son herramientas estadísticas orientadas a la inferencia probabilística y en el
ámbito de la tutorización electrónica se pueden utilizar para modelar la incertidumbre asociada al
estudiante y su nivel de conocimientos. Los algoritmos genéticos, se fundamentan en el concepto
biológico de la evolución natural y son utilizados en procesos de optimización (Davis, 1991;
Falkenauer, 1999). Se fundamentan en los mecanismos de la selección natural, por los que sólo
sobreviven los individuos mas aptos, luego de la interacción entre los mismos, pertenecientes a
una población de posibles soluciones.
La minería de datos se centra en la búsqueda de patrones sugerentes y regularidades importantes
en grandes bases de datos, denominado conocimiento cualitativo. La minería se puede aplicar con
métodos de sistemas inteligentes y otros métodos asociados, para descubrir y detallar patrones
presentes en los datos. Se pueden obtener agrupaciones en un conjunto de datos, sin tener
relaciones o clases predefinidas, basándose en la similitud de los valores de los atributos de los
distintos datos. La minería de datos se puede aplicar incluyendo algoritmos de inducción,
algoritmos genéticos, redes neuronales y redes bayesianas; de acuerdo al problema a resolver.