Primera practica Calificada
Programación aplicada I
1. Viabilidad el proyecto Grupal considerando los siguientes puntos
a) Sustentar dentro de la investigación la funcionalidad de la Inteligencia artificial
(Machine Learning )
ARGUMENTO 1
La Inteligencia Artificial (IA) desempeña un papel fundamental en la mejora de la
plataforma web de notas al proporcionar una serie de funciones avanzadas que optimizan la
experiencia del usuario. Estas características incluyen la capacidad de autocompletar
palabras, corregir errores ortográficos y ofrecer sugerencias de sinónimos y antónimos, lo
que facilita la redacción y mejora la calidad de los contenidos. Además, la IA permite la
organización eficiente de bibliotecas virtuales mediante etiquetas, lo que beneficia a las
instituciones educativas que administran la plataforma. También posibilita búsquedas más
inteligentes, lo que permite a los usuarios encontrar conceptos y contenidos específicos de
manera más rápida y efectiva.
ARGUMENTO 2
Uno de los aspectos más destacados del Machine Learning es su capacidad para
personalizar la evaluación. Este sistema web que utiliza algoritmos de aprendizaje
automático podrá adaptar las preguntas y tareas de evaluación según el nivel de
competencia y las preferencias de aprendizaje de cada estudiante. Esto permitirá una
evaluación más justa y precisa de las habilidades individuales, en lugar de aplicar un
enfoque de talla única que no tiene en cuenta las diferencias en el ritmo de aprendizaje de
los estudiantes.
ARGUMENTO 3
La integración de la Inteligencia Artificial (IA), mediante Machine Learning, en una
aplicación web de evaluaciones va más allá de mejorar la experiencia del usuario. Se
destaca por adaptarse dinámicamente a estilos de aprendizaje individuales, identificar
patrones de desempeño y evolucionar continuamente. A diferencia de funciones mejoradas
de autocompletado, se personaliza la evaluación según el progreso y preferencias de cada
estudiante. Este enfoque no solo ajusta preguntas, sino que también identifica áreas de
fortaleza y debilidad, proporcionando retroalimentación específica y recomendaciones
instantáneas. La aplicación con Machine Learning ofrece una experiencia educativa en
constante mejora al aprender de datos a gran escala y ajustar la plataforma en consecuencia.
La distinción clave radica en su capacidad para transformar la evaluación, garantizando
precisión y relevancia a través de la adaptabilidad y la mejora continua.
b) Determinar cómo implementaras las librerías en JavaScript de aprendizaje
autonómico
Paso 1: Configuración del Proyecto
2. Creación del Proyecto:
Crear una estructura de carpetas para tu proyecto web.
Incluyendo un archivo HTML principal, archivos JavaScript y CSS según sea
necesario.
3. Inclusión de [Link]:
Agregar el script de [Link] a tu archivo HTML para incluir la librería:
html
<script src="[Link]
Paso 2: Desarrollo del Modelo de Aprendizaje Automático
4. Entrenamiento del Modelo:
Entrenar el modelo de aprendizaje automático utilizando un conjunto de datos
relevante para la evaluación universitaria. Usando Python y TensorFlow en el lado
del servidor.
Convierte el modelo entrenado al formato [Link] o utiliza un modelo
preentrenado compatible con [Link].
5. Exportación del Modelo:
Exportar el modelo en un formato compatible con [Link]. Puedes usar
herramientas como [Link] Converter para convertir modelos TensorFlow al
formato [Link].
6. Inclusión del Modelo en el Proyecto:
Agregar el modelo al directorio de tu proyecto.
Paso 3: Integración del Modelo en la Aplicación Web
7. Carga del Modelo:
Cargar el modelo en tu aplicación web utilizando [Link]:
javascript
const model = await [Link]('path/to/model/[Link]');
8. Preprocesamiento de Datos:
Realizar el preprocesamiento necesario para los datos de entrada antes de
alimentarlos al modelo.
9. Inferencia del Modelo:
Utilizar el modelo para realizar inferencias en tiempo real:
javascript
const result = [Link](inputData);
Paso 4: Interfaz de Usuario y Retroalimentación
10. Diseño de la Interfaz de Usuario:
Diseña una interfaz de usuario amigable para la evaluación universitaria.
11. Interacción con el Modelo:
Implementa la lógica de interacción con el modelo en respuesta a las acciones del
usuario.
12. Visualización de Resultados:
Muestra los resultados de la evaluación de manera comprensible para los usuarios.
c) Elaborar un título considerando el aporte de IA
“Optimización Universitaria: Aplicación Web con Machine Learning para Evaluaciones”
d) Realizar una búsqueda de 5 artículos científicos relacionados con el tema o la
problemática planteada
- UTILIZACIÓN DE TÉCNICAS DE MACHINE LEARNING PARA MEJORAR
EL APRENDIZAJE COLABORATIVO BASADO EN PROYECTOS.
[Link]
019_23.pdf?sequence=1&isAllowed=y
- Implementation of a Web System to Improvethe Evaluation System of an Institute
in Lima.
[Link]
SerialNo=101
- Teaching Evaluation System by use of Machine Learning and Artificial Intelligence
Methods [Link]
- Machine Learning Algorithms Implementation into Embedded Systems with Web
Application User Interface doi: [Link]
- Web Application Implementation with Machine Learning
[Link]
1.-Elaborar una maqueta en HTML + JavaScript +PHP de la aplicación propuesta como
parte de la solución propuesta en la primera pregunta.
PICTURE 1: Propuesta para el login del proyecto.
PICTURE 2: Propuesta para el interfaz de escritorio.
PICTURE 3: Avance del código.
[Link] un artículo científico preliminar del tema, pero en borrador
Subir la evidencia desarrollada durante todo el tiempo del examen
Luego subir todo terminado la próxima semana
Criterios Excelente Bueno Regular Pésimo
Pregunta 1 y 2 12 11 5 1
Sustentación 8 6 3 1
vía zoom
Total 20 17 8 2
