Show simple item record

Professor Advisordc.contributor.advisorBravo Márquez, Felipe
Authordc.contributor.authorMuñoz Carvajal, Javier Luciano
Associate professordc.contributor.otherAbeliuk Kimelman, Andrés
Associate professordc.contributor.otherDunstan Escudero, Jocelyn
Associate professordc.contributor.otherScheihing García, Eliana Isabel
Admission datedc.date.accessioned2022-05-30T23:09:02Z
Available datedc.date.available2022-05-30T23:09:02Z
Publication datedc.date.issued2022
Identifierdc.identifier.urihttps://repositorio.uchile.cl/handle/2250/185791
Abstractdc.description.abstractEl 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
Lenguagedc.language.isoenes_ES
Publisherdc.publisherUniversidad de Chilees_ES
Type of licensedc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
Link to Licensedc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
Keywordsdc.subjectEducación especial
Keywordsdc.subjectMinería de datos
Keywordsdc.subjectAprendizaje de máquina
Keywordsdc.subjectMulti-Instance Multi-Label Learning
Keywordsdc.subjectSpecial Needs Education
Títulodc.titleInterventions recommendation: professionals' observations analysis in special needs educationes_ES
Document typedc.typeTesises_ES
dc.description.versiondc.description.versionVersión original del autores_ES
dcterms.accessRightsdcterms.accessRightsAcceso abiertoes_ES
Catalogueruchile.catalogadorgmmes_ES
Departmentuchile.departamentoDepartamento de Ciencias de la Computaciónes_ES
Facultyuchile.facultadFacultad de Ciencias Físicas y Matemáticases_ES
uchile.titulacionuchile.titulacionDoble Titulaciónes_ES
uchile.carrerauchile.carreraIngeniería Civil en Computaciónes_ES
uchile.gradoacademicouchile.gradoacademicoMagisteres_ES
uchile.notadetesisuchile.notadetesisTesis para optar al grado de Magíster en Ciencias, Mención Computaciónes_ES
uchile.notadetesisuchile.notadetesisMemoria para optar al título de Ingeniero Civil en Computación


Files in this item

Icon
Icon

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 United States
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States