Mètodes de classificació aplicats a problemes verbals amb errors d'inversió en dades de neuroimatge
Visualitza/
Metadades
Mostra el registre complet de l'elementcomunitat-uji-handle:10234/158176
comunitat-uji-handle2:10234/71324
comunitat-uji-handle3:10234/97526
comunitat-uji-handle4:
TFG-TFMAquest recurs és restringit
Metadades
Títol
Mètodes de classificació aplicats a problemes verbals amb errors d'inversió en dades de neuroimatgeAutoria
Tutor/Supervisor; Universitat.Departament
Epifanio López, Irene; Universitat Jaume I. Departament de Matemàtiques; Ventura Campos, Noelia; Universitat Jaume I. Departament d'Educació i Didàctiques EspecífiquesData de publicació
2018-05Editor
Universitat Jaume IResum
Segons els informes PISA hi ha un baix rendiment en la resolució de problemes aritmètics i
algebraics. La resolució de problemes és, per tant, un dels elements centrals de l’ensenyament
de les matemàtiques. Una línia ... [+]
Segons els informes PISA hi ha un baix rendiment en la resolució de problemes aritmètics i
algebraics. La resolució de problemes és, per tant, un dels elements centrals de l’ensenyament
de les matemàtiques. Una línia de recerca important en la resolució de problemes verbals és
l’estudi dels processos cognitius quan els subjectes tradueixen els problemes al llenguatge de
l’àlgebra. Un cas en què els estudiants reconeixen típicament la informació de l’enunciat, però
no són capaços de construir una equació correcta, seria el conegut com a error d’inversió.
L’objectiu que perseguim amb esta investigació és determinar les bases neuronals lligades
a este error, i poder fer una classificació en grups, aquells que fan error vs els que no. Per
això farem ús de programari matemàtic com MatLab i R, a través dels quals es farà l’anàlisi de
les imatges de ressonància magnètica i la posterior classificació, respectivament. Els principals
resultats que s’han obtés han sigut que aquells qui cometen error d’inversió requereixen d’una
major demanda de recursos cognitius, com són els processos atencionals i memòria de treball,
a més cal destacar l’èxit del classificador d’anàlisi discriminant flexible per a obtindre els dos
grups classificats. [-]
Paraules clau / Matèries
Grau en Matemàtica Computacional | Grado en Matemática Computacional | Bachelor's Degree in Computational Mathematics | error d’inversió | neurociència | ressonància magnètica funcional | neuroeducació | classificació estadística | aprenentatge supervisat | reversal error | neuroscience | functional magnetic resonance | neuroeducation | statistical classification | supervised learning
Descripció
Treball final de Grau en Matemàtica Computacional. Codi: MT1030. Curs acadèmic 2017/2018
Tipus de document
info:eu-repo/semantics/bachelorThesisDrets d'accés
http://rightsstatements.org/vocab/CNE/1.0/
info:eu-repo/semantics/restrictedAccess
info:eu-repo/semantics/restrictedAccess