Adaptación del algoritmo Teoría de Respuesta al Ítem para la estimación del conocimiento latente sobre Datos Educacionales Masivos

Abstract

La constante interacción tecnológica de las personas, los dispositivos móviles y estaciones de trabajo conectadas a la red genera un gran cúmulo datos, de los cuales se puede extraer conocimiento. El sector educacional no está ajeno a este fenómeno y se puede observar cómo el uso creciente de las Tecnologías de la Información y las Comunicaciones influyen en sus procesos sustanciales. El área de la Minería de Datos Educativos permite aplicar métodos computarizados para la realización de tareas predictivas que posibilitan detectar patrones sobre datos educativos y clasificar grupos de individuos a partir de la medición de su conocimiento latente. Entre los métodos predictivos, existe Teoría de Respuesta al Ítem, el cual es un modelo matemático de medición que permite conocer, a partir de respuestas observadas de individuos sobre ítems evaluativos, la habilidad o conocimiento latente. Este modelo no es viable aplicarlo en su estado actual sobre cantidades masivas de datos, debido a que su costo computacional depende de la cantidad de estudiantes y la cantidad de ítems. Para dar respuesta a este problema se realiza una adaptación de dicho modelo mediante el uso de técnicas de procesamiento en paralelo usando la herramienta Apache Spark. Se valida la propuesta de solución mediante pruebas de rendimiento calculándose a su vez las métricas Speedup y eficiencia. Finalmente como aporte práctico de la solución se obtiene un algoritmo de estimación de conocimiento disponible a través de una API REST de servicios, con un mejor rendimiento que el algoritmo original.

The constant technological interaction of people, mobile devices and work stations connected to the network generates a large amount of data, from which knowledge can be extracted. The educational sector is not exempts to this phenomenon and it can be see how the growing use of Information and Communication Technologies influence their substantial processes. The area of Educational Data Mining allows applying computerized methods to perform predictive tasks that make it possible to detect patterns on educational data and classify groups of individuals based on the measurement of their latent knowledge. Among the predictive methods, there is Item Response Theory, which is a mathematical measurement model that allows knowing, from the observed responses of individuals on evaluative items, the skill or latent knowledge. This model is not viable to apply in its current state on massive amounts of data, because its computational cost depends on the number of students and the number of items. In order to respond to this problem, an adaptation of said model is made through the use of parallel processing techniques using the Apache Spark tool. The solution proposal is validated through performance tests, calculating in turn the Speedup and efficiency metrics. Finally, as a practical contribution of the solution, is obtained an algorithm for estimating knowledge available through a service REST API, with a better performance than the original algorithm.