Diseño de un modelo de clasificación automática de la complejidad de ejercicios de autocorrección en un curso masivo de programación

Abstract

La Universidad Técnica Federico Santa María imparte un curso de programación introductoria a gran parte de sus carreras, donde utilizan una plataforma evaluativa de ejercicios de autocorrección. Los problemas disponibles carecen de una etiqueta asociada a su nivel de complejidad, lo que ha implicado en que una porción de los estudiantes sufran desmotivación y frustración, relacionada a que los ejercicios no se ajustan a su grado de conocimiento de los contenidos. El presente trabajo de memoria se enfoca en categorizar a los ejercicios disponibles en base a su complejidad, analizando los códigos de los estudiantes enviados a la plataforma, mediante la aplicación de técnicas de aprendizaje automático. El propósito principal busca aumentar las instancias de evaluación y ejercitación de la asignatura. Universidad Técnica Federico Santa María offers an introductory programming course to the vast majority of its careers, where they use a self-correcting exercise evaluation platform. The available exercises lack a label associated with their grade of complexity, leading to a portion of students experiencing discouragement and frustration, because the exercises do not match their knowledge level of the contents. This thesis work focus on categorizing the available exercises based on their complexity, analyzing the codes submitted by the students to the platform, using machine learning techniques. The main purpose is to increase the evaluation and exercise activities in the subject.