Look-up in Google Scholar
Full metadata record
Paucar Curasma, Herminio
Julca Mejía, Wilson
2024-09-04T21:03:18Z
2024-09-04T21:03:18Z
2024
Julca, W. (2024). Sistema de recomendación basado en modelos híbridos de filtrado colaborativo para jueces de programación en línea. [Tesis de maestría, Universidad Nacional Mayor de San Marcos, Facultad de Ingeniería de Sistemas e Informática, Unidad de Posgrado]. Repositorio institucional Cybertesis UNMSM.
https://hdl.handle.net/20.500.12672/23291
Hoy en día, los jueces en línea de programación desempeñan un papel fundamental en ayudar a los estudiantes a desarrollar habilidades de programación que les son útiles tanto en empresas tecnológicas como en la educación. Debido a esto, muchos jueces en línea ofrecen una cantidad considerable de retos de programación; sin embargo, esta sobrecarga de retos puede frustrar a los estudiantes y hacer que pierdan interés en resolverlos, especialmente debido a su inexperiencia a la hora de seleccionar el próximo desafío de programación. Los sistemas de recomendación surgen para abordar esta situación, aunque en el contexto de los jueces de programación no han sido estudiados exhaustivamente. Por lo tanto, el objetivo de este estudio es mejorar los sistemas de recomendación de jueces de programación mediante modelos híbridos de filtrado colaborativo, utilizando ensamblado vía stacking con el modelo meta de RandomForest y Optimización Bayesiana. Para validar nuestros experimentos, utilizamos los jueces de programación en línea NinjaCoding y CodeChef. Los resultados se evaluaron mediante las pruebas estadísticas de Friedman y Wilcoxon, las cuales indican mejoras entre el 26,08 % y 58,13 % en la predicción de retos en los jueces CodeChef y NinjaCoding, respectivamente.
application/pdf
spa
Universidad Nacional Mayor de San Marcos
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
Jueces de Programación Online
Sistemas de Recomendación
Filtrado Colaborativo
Ensamblado
RandomForest
Optimización Bayesiana
Sistema de recomendación basado en modelos híbridos de filtrado colaborativo para jueces de programación en línea
info:eu-repo/semantics/masterThesis
Universidad Nacional Mayor de San Marcos. Facultad de Ingeniería de Sistemas e Informática. Unidad de Posgrado
Ingeniería de sistemas e informática con mención en ingeniería de software
Magíster en Ingeniería de Sistemas e Informática con mención en Ingeniería de Software
PE
https://purl.org/pe-repo/ocde/ford#2.02.04
https://purl.org/pe-repo/renati/level#maestro
46219937
https://orcid.org/0000-0001-9565-3757
46158306
612357
Gamarra Moreno, Juan
Tapia Carbajal, Juan Ricardo
Guerra Guerra, Guerra Guerra
https://purl.org/pe-repo/renati/type#tesis
Pública



This item is licensed under a Creative Commons License Creative Commons