Sistema de recomendación basado en modelos híbridos de filtrado colaborativo para jueces de programación en línea

Descripción del Articulo

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 ret...

Descripción completa

Detalles Bibliográficos
Autor: Julca Mejía, Wilson
Formato: tesis de maestría
Fecha de Publicación:2024
Institución:Universidad Nacional Mayor de San Marcos
Repositorio:UNMSM-Tesis
Lenguaje:español
OAI Identifier:oai:cybertesis.unmsm.edu.pe:20.500.12672/23291
Enlace del recurso:https://hdl.handle.net/20.500.12672/23291
Nivel de acceso:acceso abierto
Materia:Jueces de Programación Online
Sistemas de Recomendación
Filtrado Colaborativo
Ensamblado
RandomForest
Optimización Bayesiana
https://purl.org/pe-repo/ocde/ford#2.02.04
id UNMS_643b6bef22927df17d21388f428771da
oai_identifier_str oai:cybertesis.unmsm.edu.pe:20.500.12672/23291
network_acronym_str UNMS
network_name_str UNMSM-Tesis
repository_id_str 410
dc.title.none.fl_str_mv Sistema de recomendación basado en modelos híbridos de filtrado colaborativo para jueces de programación en línea
title Sistema de recomendación basado en modelos híbridos de filtrado colaborativo para jueces de programación en línea
spellingShingle Sistema de recomendación basado en modelos híbridos de filtrado colaborativo para jueces de programación en línea
Julca Mejía, Wilson
Jueces de Programación Online
Sistemas de Recomendación
Filtrado Colaborativo
Ensamblado
RandomForest
Optimización Bayesiana
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Sistema de recomendación basado en modelos híbridos de filtrado colaborativo para jueces de programación en línea
title_full Sistema de recomendación basado en modelos híbridos de filtrado colaborativo para jueces de programación en línea
title_fullStr Sistema de recomendación basado en modelos híbridos de filtrado colaborativo para jueces de programación en línea
title_full_unstemmed Sistema de recomendación basado en modelos híbridos de filtrado colaborativo para jueces de programación en línea
title_sort Sistema de recomendación basado en modelos híbridos de filtrado colaborativo para jueces de programación en línea
author Julca Mejía, Wilson
author_facet Julca Mejía, Wilson
author_role author
dc.contributor.advisor.fl_str_mv Paucar Curasma, Herminio
dc.contributor.author.fl_str_mv Julca Mejía, Wilson
dc.subject.none.fl_str_mv Jueces de Programación Online
Sistemas de Recomendación
Filtrado Colaborativo
Ensamblado
RandomForest
Optimización Bayesiana
topic Jueces de Programación Online
Sistemas de Recomendación
Filtrado Colaborativo
Ensamblado
RandomForest
Optimización Bayesiana
https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description 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.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-09-04T21:03:18Z
dc.date.available.none.fl_str_mv 2024-09-04T21:03:18Z
dc.date.issued.fl_str_mv 2024
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.citation.none.fl_str_mv 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.
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12672/23291
identifier_str_mv 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.
url https://hdl.handle.net/20.500.12672/23291
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.source.none.fl_str_mv reponame:UNMSM-Tesis
instname:Universidad Nacional Mayor de San Marcos
instacron:UNMSM
instname_str Universidad Nacional Mayor de San Marcos
instacron_str UNMSM
institution UNMSM
reponame_str UNMSM-Tesis
collection UNMSM-Tesis
bitstream.url.fl_str_mv https://cybertesis.unmsm.edu.pe/bitstreams/786b1f3a-76eb-4560-b54b-dc31e1a6058f/download
https://cybertesis.unmsm.edu.pe/bitstreams/2b7d959d-c464-400c-b336-fc3fa52ebd9e/download
https://cybertesis.unmsm.edu.pe/bitstreams/92d96dd9-cd90-4ef1-bc96-3a2488465945/download
https://cybertesis.unmsm.edu.pe/bitstreams/1e1392b5-9b66-47f6-963b-5306cef8c02d/download
https://cybertesis.unmsm.edu.pe/bitstreams/efe1525a-ab05-4f16-aee7-877f4323facb/download
bitstream.checksum.fl_str_mv 5109f6ed99102958a26c2242c12c4bc0
75d38f6c5763d45635762a3dfbb33f97
c90fe056832cc813c9a0a6ca71c0fff6
1f14487299a8a795dc379bc1df9968a0
bb9bdc0b3349e4284e09149f943790b4
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Cybertesis UNMSM
repository.mail.fl_str_mv cybertesis@unmsm.edu.pe
_version_ 1845983607418519552
spelling Paucar Curasma, HerminioJulca Mejía, Wilson2024-09-04T21:03:18Z2024-09-04T21:03:18Z2024Julca, 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/20.500.12672/23291Hoy 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/pdfspaUniversidad Nacional Mayor de San MarcosPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/Jueces de Programación OnlineSistemas de RecomendaciónFiltrado ColaborativoEnsambladoRandomForestOptimización Bayesianahttps://purl.org/pe-repo/ocde/ford#2.02.04Sistema de recomendación basado en modelos híbridos de filtrado colaborativo para jueces de programación en líneainfo:eu-repo/semantics/masterThesisreponame:UNMSM-Tesisinstname:Universidad Nacional Mayor de San Marcosinstacron:UNMSMSUNEDUMagíster en Ingeniería de Sistemas e Informática con mención en Ingeniería de SoftwareUniversidad Nacional Mayor de San Marcos. Facultad de Ingeniería de Sistemas e Informática. Unidad de PosgradoIngeniería de sistemas e informática con mención en ingeniería de software46219937https://orcid.org/0000-0001-9565-375746158306612357Gamarra Moreno, JuanTapia Carbajal, Juan RicardoGuerra Guerra, Guerra Guerrahttps://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#tesis200398570945424508473333ORIGINALJulca_mw.pdfJulca_mw.pdfapplication/pdf6907193https://cybertesis.unmsm.edu.pe/bitstreams/786b1f3a-76eb-4560-b54b-dc31e1a6058f/download5109f6ed99102958a26c2242c12c4bc0MD51C2239_2024_Julca_mw_AUTORIZACION.pdfC2239_2024_Julca_mw_AUTORIZACION.pdfapplication/pdf325623https://cybertesis.unmsm.edu.pe/bitstreams/2b7d959d-c464-400c-b336-fc3fa52ebd9e/download75d38f6c5763d45635762a3dfbb33f97MD52C2239_2024_Julca_mw_REPORTE.pdfC2239_2024_Julca_mw_REPORTE.pdfapplication/pdf9245635https://cybertesis.unmsm.edu.pe/bitstreams/92d96dd9-cd90-4ef1-bc96-3a2488465945/downloadc90fe056832cc813c9a0a6ca71c0fff6MD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8905https://cybertesis.unmsm.edu.pe/bitstreams/1e1392b5-9b66-47f6-963b-5306cef8c02d/download1f14487299a8a795dc379bc1df9968a0MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://cybertesis.unmsm.edu.pe/bitstreams/efe1525a-ab05-4f16-aee7-877f4323facb/downloadbb9bdc0b3349e4284e09149f943790b4MD5520.500.12672/23291oai:cybertesis.unmsm.edu.pe:20.500.12672/232912024-09-05 09:08:33.562http://creativecommons.org/licenses/by-nc-nd/2.5/pe/info:eu-repo/semantics/openAccessopen.accesshttps://cybertesis.unmsm.edu.peCybertesis UNMSMcybertesis@unmsm.edu.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
score 13.031798
Sistema de recomendación basado en modelos híbridos de filtrado colaborativo para jueces de programación en línea
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares