Interventions recommendation: professionals' observations analysis in special needs education
Professor Advisor
dc.contributor.advisor
Bravo Márquez, Felipe
Author
dc.contributor.author
Muñoz Carvajal, Javier Luciano
Associate professor
dc.contributor.other
Abeliuk Kimelman, Andrés
Associate professor
dc.contributor.other
Dunstan Escudero, Jocelyn
Associate professor
dc.contributor.other
Scheihing García, Eliana Isabel
Admission date
dc.date.accessioned
2022-05-30T23:09:02Z
Available date
dc.date.available
2022-05-30T23:09:02Z
Publication date
dc.date.issued
2022
Identifier
dc.identifier.other
10.58011/6zb3-1j19
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/185791
Abstract
dc.description.abstract
El desarrollo de nuevas herramientas en los campos del Procesamiento del Lenguaje Natural y Deep Learning han permitido construir diferentes herramientas para ayudar a los estudiantes y profesores de la educación tradicional como parte de la Minería de Datos en la Educación. Sin embargo, existen problemas particulares presentes únicamente en la Educación Diferencial, como es el decidir las intervenciones más adecuadas para mejorar la calidad de vida y el rendimiento escolar de cada alumno.
En este problema los profesionales deciden estas intervenciones basándose en el diagnóstico de cada estudiante y distintas observaciones que dan médicos, fonoaudiólogos, psicológos y educadores diferenciales. Cada estudiante puede tener más de una intervención elegida y no todos los tipos de profesionales trabajan con cada estudiante, por lo que no siempre están presente sus observaciones. En esta tesis utilizamos diferentes enfoques y herramientas computacionales para resolver este problema para poder asistir a los profesionales en esta delicada tarea.
Comenzamos presentando un nuevo conjunto de datos, que contiene registros de estudiantes chilenos pertenecientes a la Educación Diferencial, el corpus SNEC. Mostramos la fuente de estos datos, junto con el proceso de su limpieza y anonimización. También presentamos un análisis exploratorio de las características de los datos y su distribución en determinados escenarios.
A continuación, presentamos el foco de esta investigación, experimentos diseñados y ejecutados con diferentes enfoques, uno de los cuales es, por ejemplo, el uso de transformers preentrenados de Deep Learning como parte de nuevas arquitecturas que utilizan un enfoque de aprendizaje multietiqueta multiinstancia para generar recomendaciones de intervenciones que ayuden a los profesionales de la Educación Especial a decidir las intervenciones más adecuadas para cada alumno.
Finalmente presentamos los resultados de estos experimentos y las conclusiones y reflexiones de este estudio. Junto con esto presentamos el marco de estudio para futuras investigaciones sobre el mismo problema.
es_ES
Lenguage
dc.language.iso
en
es_ES
Publisher
dc.publisher
Universidad de Chile
es_ES
Type of license
dc.rights
Attribution-NonCommercial-NoDerivs 3.0 United States