| Título | Modelos de IA y Machine Learning para predecir y disminuir el abandono temprano en combinación con la acción tutorial y la mejora de la autorregulación del aprendizaje (IA3T4DOR) |
|---|---|
| Abreviado | ACMIA3R4DOR |
| Área de gestión | Proyecto |
| Comienzo | 01/09/2024 |
| Abstract | La solicitud sería el 6º proyecto conjunto de los equipos que lo conforman: Re-Crea (ACM18), Cotramo (ACM20), Aspa4Dor (ACM22), y ACM2023_27 y ACM2023_28 (ACM23), incluyendo Loyola por 1ª vez. Los 3 últimos proyectos han mejorado sustancialmente el CV del equipo (eje principal), permitiendo la obtención de tesis, plazas, acreditaciones y sexenios en sus centros gracias a la publicación conjunta en conferencias internacionales y revistas indexadas. La investigación sobre: causas, metodologías didácticas, acción tutorial, junto al análisis de estos datos académicos con machine learning, es vital para entender y reducir el riesgo de abandono. Este tema es de una notable importancia tanto para la comunidad ACM como para la sociedad en general. Así lo demuestra la aceptación de los artículos publicados por parte del equipo en previas ACM, siendo esto también, el primer paso para optar a una convocatoria competitiva (eje secundario). |
| Entidad financiadora | |
| Importe | 9900 € |
| Unidad |
AACSB Departamento de Métodos Cuantitativos Métodos de Investigación Cuantitativa y aplicaciones (MICA) Programa de Doctorado en Ciencia de los Datos |
| Investigador Principal |