Pasar al contenido principal

SISTEMATIZACION DE LA ANALITICA INTELIGENTE INTEGRADA DE APRENDIZAJE EN JUEGOS

PID2023-149341OB-I00

•
Nombre agencia financiadora Agencia Estatal de Investigación
Acrónimo agencia financiadora AEI
Programa Programa Estatal para Impulsar la Investigación Científico-Técnica y su Transferencia
Subprograma Subprograma Estatal de Generación de Conocimiento
Convocatoria Proyectos de I+D+i (Generación de Conocimiento y Retos Investigación)
Año convocatoria 2023
Plan Estatal 2021-2023 Plan Estatal de Investigación Científica y Técnica y de Innovación
Centro beneficiario UNIVERSIDAD COMPLUTENSE DE MADRID

Resultados relacionados

Resultados totales (Incluyendo duplicados): 5
Encontrada(s) 1 página(s)

RUA. Repositorio Institucional de la Universidad de Alicante
Publicación Otros (Other)

Experiencia gamificando asignaturas orientadas a proyectos mediante mecánicas de deckbuilding

  • Rodríguez-Núñez, Clara
  • Caro-Martínez, Marta
  • Gutiérrez-Sánchez, Pablo
  • Calvo-Morata, Antonio
En el contexto universitario, las asignaturas basadas en proyectos suelen enfrentarse a desafíos recurrentes, como la falta de motivación, la implicación limitada del estudiantado, la desigualdad en el reparto de tareas o la tendencia, a pesar de tener libertad, a proponer soluciones poco innovadoras y repetitivas. Para mitigar estas dificultades, la gamificación surge como estrategia pedagógica eficaz para aumentar la motivación, el compromiso y la participación del estudiantado en entornos educativos. Este trabajo describe la experiencia aplicando técnicas de gamificación, basadas en cartas, en dos asignaturas universitarias orientadas a proyectos de naturaleza muy diferente: Desarrollo de Sistemas Interactivos y Procesadores del Lenguaje. La experiencia parte de una simplificación de uno de los trabajos presentados en JENUI 2025, reduciendo y adaptando sus mecánicas para facilitar su transferencia a otras asignaturas y contextos docentes centrados en proyectos. En ambas asignaturas se observa una mejora respecto a cursos anteriores, tanto en la implicación de los estudiantes como en la originalidad de los proyectos desarrollados.
RUA. Repositorio Institucional de la Universidad de Alicante
Publicación Otros (Other)

Gamificación mediante retos semanales para la motivación y el aprendizaje universitario

  • Villar Rubio, Alejandro
  • Oprescu, Andreea M.
  • Calvo-Morata, Antonio
En los últimos años, se ha observado un cambio en las necesidades y los procesos de aprendizaje del estudiantado. La gamificación se presenta como una técnica capaz de motivar al estudiantado y aumentar su participación activa durante el aprendizaje. En este trabajo, se describe la experiencia de aplicar técnicas de gamificación en el aula, con el objetivo de fomentar el interés del estudiantado a la vez que se busca romper la barrera existente entre estudiante y profesor. La metodología presentada consiste en el planteamiento de retos semanales dentro del marco teórico de la asignatura o en la experiencia universitaria, pero evitando ser tareas académicas o ejercicios didácticos. La superación de estos retos semanales permite el acceso a material que facilita el seguimiento de la asignatura, compuesto por un resumen semanal, recomendaciones para avanzar en los ejercicios prácticos planteados, una imagen de carácter humorístico y el reto a superar para la siguiente semana. Esta metodología ha sido aplicada en dos asignaturas que se imparten en centros de informática, evaluando su eficacia mediante cuestionarios que muestran un efecto positivo en el aula, permitiendo así que esta metodología sea aplicable en cualquier asignatura.
RUA. Repositorio Institucional de la Universidad de Alicante
Publicación Otros (Other)

Experiencia gamificando una asignatura mediante mecánicas de juegos deckbuilding

  • Gutiérrez-Sánchez, Pablo
  • Calvo-Morata, Antonio
El trabajo describe la experiencia y resultados de gamificar una asignatura de programación con tecnologías web mediante mecánicas presentes en juegos del género deckbuilding. La asignatura se caracteriza por ser evaluada mediante un proyecto que se realiza a lo largo del cuatrimestre en grupos de 4 estudiantes y un examen final. El sistema diseñado y las mecánicas de gamificación aplicadas durante la asignatura tienen el objetivo de: 1) fomentar la participación en el foro y en clase; 2) fomentar la entrega de ejercicios opcionales no evaluables; 3) motivar que los estudiantes hablen y pregunten a los profesores de la asignatura y los vean accesibles y cercanos; 4) y agilizar la formación de equipos de trabajo y conceptualización de los proyectos. Al compararse con cursos académicos anteriores, se ha observado un incremento en la cantidad de alumnos que han realizado entregas opcionales y un incremento en la participación en el foro de la asignatura. También se ha observado una reducción en el tiempo inicial necesario por los grupos de estudiantes para definir los requisitos de sus proyectos. El sistema de gamificación es, además, aplicable en cualquier asignatura donde los estudiantes deban desarrollar proyectos en grupo.
Zaguán. Repositorio Digital de la Universidad de Zaragoza
Publicación Artículo científico (JournalArticle)

Cybersecure XAI Algorithm for Generating Recommendations Based on Financial Fundamentals Using DeepSeek

  • García-Magariño, Iván
  • Bravo-Agapito, Javier
  • Lacuesta, Raquel
Background: Investment decisions in stocks are one of the most complex tasks due to the uncertainty of which stocks will increase or decrease in their values. A diversified portfolio statistically reduces the risk; however, stock choice still substantially influences the profitability. Methods: This work proposes a methodology to automate investment decision recommendations with clear explanations. It utilizes generative AI, guided by prompt engineering, to interpret price predictions derived from neural networks. The methodology also includes the Artificial Intelligence Trust, Risk, and Security Management (AI TRiSM) model to provide robust security recommendations for the system. The proposed system provides long-term investment recommendations based on the financial fundamentals of companies, such as the price-to-earnings ratio (PER) and the net margin of profits over the total revenue. The proposed explainable artificial intelligence (XAI) system uses DeepSeek for describing recommendations and suggested companies, as well as several charts based on Shapley additive explanation (SHAP) values and local-interpretable model-agnostic explanations (LIMEs) for showing feature importance. Results: In the experiments, we compared the profitability of the proposed portfolios, ranging from 8 to 28 stock values, with the maximum expected price increases for 4 years in the NASDAQ-100 and S&P-500, where both bull and bear markets were, respectively, considered before and after the custom duties increases in international trade by the USA in April 2025. The proposed system achieved an average profitability of 56.62% while considering 120 different portfolio recommendations. Conclusions: A t-Student test confirmed that the difference in profitability compared to the index was statistically significant. A user study revealed that the participants agreed that the portfolio explanations were useful for trusting the system, with an average score of 6.14 in a 7-point Likert scale.
Docta Complutense
Publicación Artículo científico (JournalArticle)

Cybersecure XAI Algorithm for Generating Recommendations Based on Financial Fundamentals Using DeepSeek

  • García-Magariño García, Iván
  • Bravo Agapito, Javier
  • Lacuesta, Raquel
Background: Investment decisions in stocks are one of the most complex tasks due to the uncertainty of which stocks will increase or decrease in their values. A diversified portfolio statistically reduces the risk; however, stock choice still substantially influences the profitability. Methods: This work proposes a methodology to automate investment decision recommendations with clear explanations. It utilizes generative AI, guided by prompt engineering, to interpret price predictions derived from neural networks. The methodology also includes the Artificial Intelligence Trust, Risk, and Security Management (AI TRiSM) model to provide robust security recommendations for the system. The proposed system provides long-term investment recommendations based on the financial fundamentals of companies, such as the price-to-earnings ratio (PER) and the net margin of profits over the total revenue. The proposed explainable artificial intelligence (XAI) system uses DeepSeek for describing recommendations and suggested companies, as well as several charts based on Shapley additive explanation (SHAP) values and local-interpretable model-agnostic explanations (LIMEs) for showing feature importance. Results: In the experiments, we compared the profitability of the proposed portfolios, ranging from 8 to 28 stock values, with the maximum expected price increases for 4 years in the NASDAQ-100 and S&P-500, where both bull and bear markets were, respectively, considered before and after the custom duties increases in international trade by the USA in April 2025. The proposed system achieved an average profitability of 56.62% while considering 120 different portfolio recommendations. Conclusions: A t-Student test confirmed that the difference in profitability compared to the index was statistically significant. A user study revealed that the participants agreed that the portfolio explanations were useful for trusting the system, with an average score of 6.14 in a 7-point Likert scale.