Page 59 - Sistemas de aprendizaje e-learning: técnicas de inteligencia artificial para las inteligencias múltiples

58 Sistemas de aprendizaje e-learning: técnicas de
inteligencia artificial para las inteligencias múltiples

La tabla 4.1 muestra uno de los resultados obtenidos con estadística clásica con el primer atri-
buto de las preferencias (Picture). Aquí la regresión para este atributo es 0.137 (13.7 %).

Tabla 4.1. Resultados con EC del primer atributo (Picture).
DESCRIPCIÓN R (EC)
Picture 0.137

La tabla 4.2 muestra los resultados de los cinco mayores atributos de estas preferencias
obtenidas con EC.

Tabla 4.2. Resultados de los cinco mayores atributos de las preferencias obtenidas con EC.
NO. DESCRIPCIÓN R (EC)
1 BooksJournals 0.193
2 AskingExperts 0.197
3 PartnerTeachMe 0.209
4 ReadBookInstruction 0.242
5 HelpTutorial 0.284

4.2.2. RESULTADOS DE LA REGRESIÓN UTILIZANDO ANN
Para extraer la regresión de la ANN, se seleccionaron cada uno de los atributos de las prefe-
rencias del usuario, como la variable de salida (y) y para la variable de entrada (x) los resultados
del cuestionario VARK; el código para realizarlo es el siguiente:
Input: 4
Hidden Layer: 20
Output Layer: 1
Output: 1
Data Division: Random (dividerand)
Training: Levenberg - Marquardt (trainlm)
Performance: Mean Squared Error (mse)
Derivative: Default (defaultderiv)
Epoch: 1000

Se utilizó la Neural Network Training tool: (nntraintool) para obtener la regresión con ANN.

Para la variable de salida (T), en T=TGDatosEAIMOctubre2013(:,1:1)’/100, se cambió el paráme-
tro (:,1:1) a (:,2:2), (:,3:3) y así sucesivamente para los 40 atributos por cada instancia. Con esta
configuración se obtuvieron los resultados, que se ven en la tabla 4.3.