Sistema de Recomendación basado en Contenido para Jueces de Programación utilizando Procesamiento de Lenguaje Natural y Aprendizaje Profundo

En el ámbito de la educación y las compañías tecnológicas, los jueces en línea juegan un papel importante en el desarrollo de habilidades de programación debido a que en estas plataformas los estudiantes deben resolver desafíos utilizando lenguajes de programación específicos. Sin embargo, la gran cantidad de desafíos de programación disponibles puede ser abrumadora para los estudiantes generando frustración y pérdida de interés. Para resolver esta situación, los sistemas de recomendación pueden ser una solución eficaz. Sin embargo, los jueces de programación no han profundizado lo suficiente en esta área. Por lo tanto, esta investigación se enfocó en evaluar seis técnicas de inteligencia artificial mediante una arquitectura basada en la nube para la predicción del nivel de dificultad a partir de los planteamientos de los problemas para ser acoplado a un sistema de recomendación. Para validar los experimentos, se utilizó un juez real de programación CodeChef y los experimentos se evaluaron a través de pruebas estadísticas. Los resultados indicaron que el modelo BERT es el mejor prediciendo el nivel de dificultad de los problemas lo que ayuda al sistema de recomendación a mejorar la experiencia de aprendizaje de los estudiantes en los jueces de programación en línea.