Creación automática de equipos de estudiantes universitarios: una experiencia desde la asignatura Inglés / Automatic Building of University Student Teams: an experience from English subject

Autores/as

  • Marcelo Haro Gavidia Facultad de Ciencias Empresariales de la Universidad Técnica Estatal de Quevedo
  • Guisella Chabla Galarza Unidad de Estudios a Distancias de la Universidad Técnica Estatal de Quevedo, Ecuador.
  • Miguel Montalvo Robalino Facultad de Ciencias Empresariales de la Universidad Técnica Estatal de Quevedo
  • David Coello Chabla
  • Pavel Novoa-Hernández Universidad Técnica Estatal de Quevedo http://orcid.org/0000-0003-3267-6753

DOI:

https://doi.org/10.29076/issn.2528-7737vol9iss21.2016pp58-67p

Palabras clave:

Optimización multi-objetivo, Creación de equipos, Educación Superior, Idioma Inglés

Resumen

Uno de los principales objetivos en la educación es lograr que los estudiantes desarrollen la capacidad de trabajo en equipo. Esta capacidad potencia la socialización entre los estudiantes y la resolución de problemas complejos. Comúnmente, la creación de estos equipos es realizada por el docente de la asignatura, quien debe tener en cuenta múltiples criterios como la presencia de un estudiante líder y equipos heterogéneos. Cuando la asignatura tiene poco estudiantes, esta tarea suele ser fácil. Sin embargo, cuando se debe tener en cuenta a numerosos estudiantes, la tarea se torna compleja y por lo general no existe garantía de que los equipos creados cumplan con los criterios deseados. En este sentido, con el objetivo de favorecer el desarrollo óptimo de esta tarea docente, la presente investigación propone una solución computacional que automatiza la creación de equipos de trabajo de estudiantes. Específicamente, la tarea de la creación de los equipos se modeló matemáticamente como un problema de optimización de tipo combinatorio y multi-objetivo, que fue resuelto a su vez por un algoritmo evolutivo basado en los conceptos de Dominancia de Pareto. Para validar las propuestas, se realizaron varios experimentos computacionales que involucran escenarios reales, relacionados con la Unidad de Aprendizaje Inglés en varias carreras de la Universidad Técnica Estatal de Quevedo.

 

ABSTRACT

One of the main goals for Higher Education is to educate students to work in teams. Such a skill not only improves their social behavior in the community, but also the ability for solving complex problems. Usually, the process of making teams is carried out by professor of the subject, who has to take into account several criteria (e.g. the presence of leader, heterogeneity of the team according the level of knowledge, sex, among others). When the subject has just few students, this task becomes easy. However, in the case of classes with a large number of students, this task becomes complex and there is no warranty about the accomplishment of the considered criteria. In that sense, the present work proposes a computational solution that automatizes the task of student teams building. Specifically, it was approached as a multi-objective combinatorial optimization problem, which was solved using a Pareto Dominance-based algorithm. In order to validate the proposal we performed several computational experiments involving real case studies from the English subject of three careers at the Technical State University of Quevedo. Results show that the proposed approach is able to build balanced teams according to the considered criteria.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Marcelo Haro Gavidia, Facultad de Ciencias Empresariales de la Universidad Técnica Estatal de Quevedo
    Magister en Investigación para el desarrollo educativo. Especialista superior en Educación Universitaria. Licenciado en Ciencias de la Educación, profesor de enseñanza secundaria en la especialización de idiomas: Inglés y Francés. Docente de Inglés en la Facultad de Ciencias Empresariales de la Universidad Técnica Estatal de Quevedo, Ecuador.
  • Guisella Chabla Galarza, Unidad de Estudios a Distancias de la Universidad Técnica Estatal de Quevedo, Ecuador.

    Magister en Educación a distancia y abierta. Especialista en Diseño Curricular y Material Educativo para la Educación a Distancia. Licenciada en Ciencias de la Educación en la Especialidad de Ingles. Docente de Inglés en la Unidad de Estudios a Distancias de la Universidad Técnica Estatal de Quevedo, Ecuador.

  • Miguel Montalvo Robalino, Facultad de Ciencias Empresariales de la Universidad Técnica Estatal de Quevedo

    Magister en Investigación para el desarrollo educativo. Especialista en educación superior. Licenciado en Ciencias de la Educación especialización Inglés. Docente de Inglés en la Facultad de Ciencias Empresariales de la Universidad Técnica Estatal de Quevedo, Ecuador.

  • David Coello Chabla

    Estudiante de quinto año de Ingeniería en Sistema de la Universidad Técnica Estatal de Quevedo, Ecuador.

  • Pavel Novoa-Hernández, Universidad Técnica Estatal de Quevedo
    Doctor en Informática por la Universidad de Granada (España, 2013), Máster en Ciencias de la Computación e Inteligencia Artificial (Cuba, 2011), e Ingeniero en Informática por la Universidad de Holguín (Cuba, 2007). Docente contratado en la Facultad de Ciencias de la Ingeniería de la Universidad Técnica Estatal de Quevedo, Ecuador.

Referencias

UNESCO. (1997). La educación encierra un tesoro: informe a la UNESCO de la Comisión Internacional sobre la Educación para el siglo XXI, presidida por Jacques Delors (p. 301). Correo de la UNESCO.

Pozo, J. I., Echeverría, M. P., & (coord.). (2009). Psicología del aprendizaje universitario: la formación en competencias (p. 232). Ediciones Morata.

Glinz, P. E. (2005). Un acercamiento al trabajo colaborativo. Revista Iberoamericana de Educación, 35(2), 1–13.

Hughes, R. L., & Jones, S. K. (2011). Developing and assessing college student teamwork skills. New Directions for Institutional Research, 2011(149), 53–64. doi:10.1002/ir.380

Novoa-Hernández, P., Novoa-Hernández, M. A., & Rivero-Peña, Y. (2013). Propuesta de técnicas evolutivas para la confección automática de tribunales de trabajos de diploma. Revista Cubana de Ciencias Informáticas, 7(4), 90–99.

Novoa-Hernández, P. (2015). Optimización evolutiva multi-objetivo en la planificación de controles a clase en la educación superior cubana. Computación y Sistemas, 19(2), 321–335.

Escalera Fariñas, K., Infante Abreu, A. L., André Ampuero, M., & Rosete Suárez, A. (2014). Uso de estrategias de paralelización en algoritmos metaheurísticos para la conformación de equipos de software. Revista Cubana de Ciencias Informáticas, 8(3), 90–99.

Rivero Peña, Y., Novoa-Hernández, P., & Fernández Ochoa, Y. (2015). La optimización evolutiva multi objetivo en la confección de equipos de desarrollo de software: una forma de lograr la calidad en el producto final. Enfoque UTE, 6(1), pp–35.

Ahmed, F., Jindal, A., & Deb, K. (2011). Cricket Team Selection Using Evolutionary Multi-objective Optimization. In Proceedings of the Second International Conference on Swarm, Evolutionary, and Memetic Computing - Volume Part II (pp. 71–78). Berlin, Heidelberg: Springer-Verlag. doi:10.1007/978-3-642-27242-4_9

Wegener, I. (2005). Complexity Theory: Exploring the Limits of Efficient Algorithms (p. 308). Springer Berlin Heidelberg.

Teachman, J. D. (1980). Analysis of Population Diversity: Measures of Qualitative Variation. Sociological Methods & Research, 8(3), 341–362. doi:10.1177/004912418000800305

Mueller, J. H., Schuessler, K. F., & Costner, H. L. (1977). Statistical Reasoning in Sociology. Houghton Mifflin.

Zhou, A., Qu, B.-Y., Li, H., Zhao, S.-Z., Suganthan, P. N., & Zhang, Q. (2011). Multiobjective evolutionary algorithms: A survey of the state of the art. Swarm and Evolutionary Computation, 1(1), 32–49. doi:http://dx.doi.org/10.1016/j.swevo.2011.03.001

Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. Evolutionary Computation, IEEE Transactions on, 6(2), 182–197. doi:10.1109/4235.996017

MATLAB. (2015). version 8.5.0 (R2015b). Natick, Massachusetts: The MathWorks Inc.

Boussaïd, I., Lepagnot, J., & Siarry, P. (2013). A survey on optimization metaheuristics. Information Sciences, 237, 82–117. doi:http://dx.doi.org/10.1016/j.ins.2013.02.041

Villacorta, P. J., Masegosa, A. D., Castellanos, D., Novoa, P., & Pelta, D. A. (2011). Sensitivity analysis in the scenario method: A multi-objective approach. In Intelligent Systems Design and Applications (ISDA), 2011 11th International Conference on (pp. 867–872). doi:10.1109/ISDA.2011.6121766

Saravanan, R., Ramabalan, S., Ebenezer, N. G. R., & Dharmaraja, C. (2009). Evolutionary multi criteria design optimization of robot grippers. Applied Soft Computing, 9(1), 159–172. doi:http://dx.doi.org/10.1016/j.asoc.2008.04.001

Saadatseresht, M., Mansourian, A., & Taleai, M. (2009). Evacuation planning using multiobjective evolutionary optimization approach. European Journal of Operational Research, 198(1), 305–314. doi:http://dx.doi.org/10.1016/j.ejor.2008.07.032

Shin, S.-Y., Lee, I.-H., Kim, D., & Zhang, B.-T. (2005). Multiobjective evolutionary optimization of DNA sequences for reliable DNA computing. Evolutionary Computation, IEEE Transactions on, 9(2), 143–158. doi:10.1109/TEVC.2005.844166

Woźniak, P. (2011). Preferences in multi-objective evolutionary optimisation of electric motor speed control with hardware in the loop. Applied Soft Computing, 11(1), 49–55. doi:http://dx.doi.org/10.1016/j.asoc.2009.10.015

Talbi, E. G. (2009). Metaheuristics: From Design to Implementation (p. 500). John Wiley & Sons.

Jiang, S., Ong, Y.-S., Zhang, J., & Feng, L. (2014). Consistencies and Contradictions of Performance Metrics in Multiobjective Optimization. Cybernetics, IEEE Transactions on, 44(12), 2391–2404. doi:10.1109/TCYB.2014.2307319

Descargas

Publicado

2017-05-10

Número

Sección

Artículos Científicos

Cómo citar

Creación automática de equipos de estudiantes universitarios: una experiencia desde la asignatura Inglés / Automatic Building of University Student Teams: an experience from English subject. (2017). CIENCIA UNEMI, 9(21), 58-67. https://doi.org/10.29076/issn.2528-7737vol9iss21.2016pp58-67p