He desarrollado varios enfoques novedosos basados en Machine Learning para analizar el comportamiento de los estudiantes en un curso. He usado modelos supervisados -\u00e1rboles de decisi\u00f3n y deep learning- y modelos no supervisados- an\u00e1lisis mediante cluster.<\/p>\n
Estos modelos son capaces de predecir si un estudiante completar\u00e1 con \u00e9xito un curso o si lo abandonar\u00e1 y de analizar el perfil de aprendizaje de una clase y detectar grupos de estudiantes que est\u00e1n teniendo problemas con la materia .<\/p>\n
Algunos resultados que he obtenido en este proyecto:<\/p>\n
Rubio, M. A. (2020). Automated Prediction of Novice Programmer Performance Using Programming Trajectories. In International Conference on Artificial Intelligence in Education<\/i> (pp. 268-272). Springer.<\/p>\n
Rubio, M. A., Romero-Zaliz, R., Ma\u00f1oso, C., & Angel, P. (2015). Closing the gender gap in an introductory programming course.\u00a0Computers & Education<\/i>,\u00a082<\/i>, 409-420.<\/p>\n En esta l\u00ednea -abierta en la actualidad- intento aplicar distintas algoritmos y t\u00e9cnicas de inteligencia artificial en la resoluci\u00f3n y simulaci\u00f3n de modelos de inter\u00e9s biol\u00f3gico.<\/p>\n Un ejemplo del tipo de trabajo que estoy realizando se puede encontrar en:<\/p>\n Rom\u00e1n-Rom\u00e1n, Patricia, D. Romero, M. A. Rubio, and Francisco Torres-Ruiz. \u00abEstimating the parameters of a Gompertz-type diffusion process by means of Simulated Annealing.\u00bb Applied Mathematics and Computation<\/i> 218, no. 9 (2012): 5121-5131.<\/p>\n Dentro del proyecto de la Agencia Espacial Europea Grid Processing on Demand for Earth Observation Applications (G-POD) desarroll\u00e9 un sistema que permit\u00eda monitorizar en tiempo real (Near Real Time) una localizaci\u00f3n espec\u00edfica de manera continuada. El objetivo era crear una especie de \u201cwebcam desde el espacio\u201d para cualquier localidad que se quisiese observar.<\/p>\n La primera aplicaci\u00f3n del proyecto fue la monitorizaci\u00f3n de la placa de hielo Wilkins que corr\u00eda un riesgo serio de fracturarse debido al calentamiento global. Sufri\u00f3 una ruptura total en Abril de 2009.<\/p>\n Esta l\u00ednea de investigaci\u00f3n la desarroll\u00e9 durante los tres a\u00f1os que estuve trabajando en el European Space Research Institute<\/a> de la Agencia Espacial Europea<\/a>. En este tiempo me dediqu\u00e9 a desarrollar aplicaciones GRID para el procesamiento de im\u00e1genes por sat\u00e9lite con el objetivo de monitorizar fen\u00f3menos a nivel planetario.<\/p>\n Alguno de los proyectos m\u00e1s relevantes que desarroll\u00e9 son:<\/p>\n Vomir:<\/em> Este proyecto consist\u00eda en monitorizar un conjunto de 300 volcanes repartidos por todo el globo. El sistema era capaz de detectar las erupciones gracias al sensor de infrarrojos del sat\u00e9lite Envisat.<\/p>\n Colin, O., M. Rubio, P. Landart, and E. Mathot. \u00abVoMIR: over 300 volcanoes monitored in near real-time by AATSR.\u00bb In Proceedings of Envisat Symposium 2007<\/i>, pp. 23-27. 2007<\/p>\n AeroMeris<\/em>: Esta herramienta permit\u00eda generar series de datos temporales de larga duraci\u00f3n a partir del archivo del sat\u00e9lite Envisat. Este sistema fue utilizado en el proceso de selecci\u00f3n del emplazamiento del nuevo European Extremely Large Telescope (E-ELT) perteneciente al European Space Observatory.<\/p>\n Rubio, M. A., O. Colin, and E. Mathot. \u00abGeneration of long-term time series of remote sensing data using ESA’s GPOD system.\u00bb In EGU General Assembly Conference Abstracts<\/i>, vol. 11, p. 12571. 2009.<\/p>\n Mi trabajo en este campo -ya concluido- consist\u00eda en la utilizaci\u00f3n de modelos estad\u00edsticos y de inteligencia artificial, redes neuronales principalmente, para la estimaci\u00f3n de distintos par\u00e1metros biof\u00edsicos: radiaci\u00f3n fotosint\u00e9tica, contenido en agua de la vegetaci\u00f3n…<\/p>\n Trombetti, M., D. Ria\u00f1o, M. A. Rubio, Y. B. Cheng, and S. L. Ustin. \u00abMulti-temporal vegetation canopy water content retrieval and interpretation using artificial neural networks for the continental USA.\u00bb Remote Sensing of Environment<\/i> 112, no. 1 (2008): 203-215.<\/p>\n Rubio, M. A., G. Lopez, J. Tovar, D. Pozo, and F. J. Batlles. \u00abThe use of satellite measurements to estimate photosynthetically active radiation.\u00bb Physics and Chemistry of the Earth, Parts A\/B\/C<\/i> 30, no. 1 (2005): 159-164.<\/p>\n <\/p>\n","protected":false},"excerpt":{"rendered":" En esta secci\u00f3n voy a proceder a describir las principales l\u00edneas de investigaci\u00f3n que he seguido. Son variadas pero todas tienen en n\u00facleo com\u00fan: el uso de de t\u00e9cnicas computacionales y de inteligencia artificial en la modelizaci\u00f3n de par\u00e1metros f\u00edsicos y biol\u00f3gicos. MACHINE LEARNING PARA MODELIZAR EL APRENDIZAJE DE LOS ESTUDIANTES He desarrollado varios enfoques … <\/p>\nMetodos avanzados de computaci\u00f3n aplicados en biolog\u00eda<\/strong><\/h5>\n
![\"\"](\"http:\/\/wpd.ugr.es\/~marubio\/wp-content\/uploads\/2012\/03\/graphical_abstract-1024x487.png\")
ESA’s ‘Webcam from Space’
\n<\/strong><\/h5>\n![\"\"](\"http:\/\/wpd.ugr.es\/~marubio\/wp-content\/uploads\/2019\/01\/Wilkins_Ice_Shelf_from_26_November_to_11_December_small.gif\")
Uso de computaci\u00f3n Grid y datos de sat\u00e9lite para el desarrollo de un sistema de vigilancia medioambiental global
\n<\/strong><\/h5>\n![\"\"](\"http:\/\/wpd.ugr.es\/~marubio\/wp-content\/uploads\/2017\/09\/erebus.png\")
Utilizaci\u00f3n de t\u00e9cnicas de inteligencia artificial para la estimaci\u00f3n de par\u00e1metros biof\u00edsicos a partir de medidas de sat\u00e9lite.<\/strong><\/h5>\n