Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Facultad de Ingeniería
Integrantes:
pág. 1
Objetivo
pág. 2
Introducción
pág. 3
Marco teórico
● Enfoque de problemática
Herramienta Problemática
pág. 4
A través de las publicaciones de DGPPyEE y el INEGI logramos obtener los
siguientes datos estadísticos con respecto a la educación media superior.
Comparativa
Adicional a ésto, puede acceder a los siguientes links que contienen los reportes de
los últimos 5 años donde se detalla, entre otros aspectos, cuántos alumnos
pág. 5
pertenecen a escuelas privadas, cuántos a públicas y cuántos alumnos no son
“absorbidos” del nivel medio al nivel medio superior por entidad.
● Tecnologías de la información
Plataformas educativas
● Google Classroom
pág. 6
Luca, es una Plataforma Educativa de Microlearning para niños que favorece el
aprendizaje significativo porque ayuda a los alumnos a conectar los conocimientos
con su entorno. Su propósito inicial es democratizar la educación en Latinoamérica,
haciéndola accesible a todos los estudiantes de educación primaria y bachillerato o
secundaria.
● Schoology
pág. 7
(NLP), a partir del cual se puedan analizar y estudiar dichos textos de manera
individual y conjunta, sacando el máximo partido posible de la información.
Redes neuronales
Estos sistemas de algoritmia que nos ayudan a resolver problemas tienen múltiples
aplicaciones que podemos englobar en:
Reconocimiento de patrones
pág. 8
El reconocimiento de patrones consiste en el reconocimiento de patrones de
señales. Los patrones se obtienen a partir de los procesos de segmentación,
extracción de características y descripción donde cada objeto queda representado
por una colección de descriptores. El sistema de reconocimiento debe asignar a
cada objeto su categoría o clase (conjunto de entidades que comparten alguna
característica que las diferencia del resto). Para poder reconocer los patrones se
siguen los siguientes procesos:
● Adquisición de datos
● Extracción de características
● Toma de decisiones
● Photomath
Para poder resolver cualquier problema, Photomath primero tiene que leerlo. A lo
largo de los años, Photomath cambió el enfoque del dispositivo a la computación
en la nube. Cada imagen con un problema matemático ahora se envía a servidores
en la nube y está siendo analizada por una red neuronal muy avanzada. Esta red
pág. 9
determina la fórmula del problema escaneado. En el siguiente paso, se aplica un
algoritmo de resolución de problemas a la fórmula para proporcionar la solución y
los pasos de resolución.
● Symbolab
● Mathpix
Desarrollo
● Temario escolar
Para el desarrollo de este proyecto, comenzamos buscando cuál es el temario que
manejan las instituciones educativas (públicas y privadas) de este nivel con
respecto al área de matemáticas. Logramos encontrar la siguiente información, la
cuál organizamos en unidades y, que consideramos, son las que tienen mayor
compatibilidad entre instituciones.
pág. 10
1) Operaciones con números reales, complejos y expresiones algebraicas.
2) Productos notables y factorización.
3) Ecuaciones.
4) Desigualdades.
5) Sistemas de ecuaciones.
6) Funciones algebraicas.
7) Trigonometría.
8) Funciones exponenciales y logarítmicas.
9) Recta.
10) Circunferencia.
11) Parábola.
12) Elipse.
13) Hipérbola.
14) Ecuación general de segundo grado.
15) Límites.
16) La derivada.
17) La integral.
● Encuestas
Como parte fundamental para lograr los resultados deseados, fue necesario
contactar a profesores y alumnos del nivel medio superior para realizar una
encuesta y así determinar sus necesidades con respecto a la automatización de
evaluaciones por medio de la inteligencia artificial.
Se realizaron dos encuestas, una para profesores y una para alumnos cuyas
preguntas se muestran a continuación:
pág. 11
Alumnos
Profesores
pág. 12
a) Si
b) No
c) Depende (Respuesta)
● Resultados
pág. 13
pág. 14
● Metodología
Enunciado:
−b ± √ ❑
x=
❑
−11+ 19 8 2
x 1= = =
12 12 3
−11−19 −30 −5
x 2= = =
12 12 2
pág. 15
La solución que entrega el profesor va a ser estática y podría utilizarse como
referencia para compararlo con la que entreguen los alumnos pero, resulta
imposible asegurar que los alumnos entreguen una tarea idéntica ya que se puede
omitir pasos o símbolos que no perjudican el resultado final, por ejemplo:
−b ± √ ❑
x=
❑
−11+ 19 2 −11−19 −5
x 1= = ; x 2= =
12 3 12 2
Otro ejemplo:
−b ± √ ❑
x=
❑
A pesar de que cada ejemplo es diferente, todos tienen una solución correcta y el
método para resolver la ecuación es el mismo (en este caso es resolver ecuaciones
de segundo grado por medio de la fórmula general de segundo grado). Por ellos
decidimos que la mejor opción es utilizar IA para calificar estás actividades.
Apoyados de una red neuronal entrenada por los trabajos previamente calificados
(actividades de semestres anteriores), y mediante la aplicación de reconocimiento
de patrones, el labor del sistema consistirá en realizar las siguientes tareas:
pág. 16
● Mostrar al alumno cómo se verá su tarea ante el sistema, esto con el fin de
valide que la transcripción de su letra manuscrita sea correcta para brindarle
así la oportunidad de corregir su letra, tal y como se muestra en el siguiente
ejemplo:
Python y Pytesseract
Código
import pytesseract
import cv2
imagen = cv2.imread('img.jpg')
texto = pytesseract.run_and_get_output(imagen)
print(texto)
pág. 17
Foto tomada por el alumno
pág. 18
● Aplicación de las redes neuronales
pág. 19
Para que Mathex pueda calificar una tarea lo primero que tiene que hacer es leer la
tarea. Cada imagen es la solución a un problema propuesto por el profesor, estas
imágenes se envían a servidores en la nube para posteriormente ser analizadas
por una red neuronal muy avanzada. Esta red determinará si la resolución del
ejercicio es la correcta tanto en resultados como en procesos.
Las redes neuronales están compuestas por capas de nodos, que contienen una
capa de entrada, una o más capas ocultas, y una capa de salida. Cada nodo se
conecta a otro y tiene un peso y un umbral asociados. Si la salida de cualquier
nodo individual está por encima del valor de umbral especificado, dicho nodo se
activa, enviando datos a la siguiente capa de la red. De lo contrario, no se pasan
datos a la siguiente capa de la red.
pág. 20
Las redes neuronales dependen de los datos de entrenamiento para aprender y
mejorar su precisión con el tiempo. Sin embargo, una vez que estos algoritmos de
aprendizaje se ajustan a la precisión, son potentes herramientas en la ciencia de
computación e inteligencia artificial, lo que nos permite clasificar y agrupar los datos
a una alta velocidad. Las tareas en reconocimiento de voz o reconocimiento de
imagen pueden tardar minutos frente a horas en comparación con la identificación
manual de expertos humanos.
Actividad Multidisciplinaria
Descripción
Somos una empresa que diseña e implementa soluciones por medio de tecnologías
de la información para mejorar el negocio de nuestros clientes, empresas
dedicadas a la educación. Nuestro trabajo consiste en analizar sus necesidades, y
de manera conjunta, crear arquitecturas de solución basadas en productos de
vanguardia que el negocio demanda. La experiencia, especialización,
reconocimiento del mercado de nuestros servicios profesionales, así como las
alianzas con los fabricantes líderes, nos dan la confianza y respaldo para garantizar
proyectos exitosos que generen valor a nuestros clientes.
pág. 21
Para la versión beta, estamos trabajando con aplicaciones de uso gratuito que
cubren distintos aspectos necesarios para lograr el éxito del proyecto, aunado a
esto anterior, trabajamos con tecnologías para el reconocimiento de patrones
basadas en la inteligencia artificial cuyo porcentaje de confiabilidad supera el 90%.
Este proyecto pertenece a un nuevo ámbito que nosotros, como empresa, nunca
habíamos trabajado. Es por ello que acudimos a ustedes en su calidad de
despacho legal con el objeto de despejar las siguientes dudas:
pág. 22
● Por último, ¿Hay algún otro rubro importante que estemos ignorando y
requiera atención?
Teléfono: 55-5555-5555
Email: contact@nexxusitsolutions.com
● Limitaciones
Conclusiones
pág. 23
problemas ya que necesitamos entrenar las redes neuronales con la información de
ejercicios realizados por los profesores y desarrollar nuestra propia aplicación para
que el alumno pueda ver el transcrito sus ejercicios y así asegurar que se está
recibiendo la misma información que se envía. Aunado a todo lo anterior, si
queremos escalar el proyecto a futuro y proporcionar retroalimentación
personalizada a los usuarios, será necesario realizar un traductor de lenguaje
LaTex para tener un mayor control en las operaciones de los alumnos. Por último,
podemos asegurar que, una vez descubriendo la fórmula para calificar tareas de
matemáticas, podemos saltar a otras asignaturas como física, química, historia, etc.
Referencias
- ¿Cómo usar Photomath? (s. f.). photomath. Recuperado 23 de mayo de 2022,
de https://photomath.es/uso-de-photomath
- Mathpix Snip. (s. f.). Https://Mathpix.Com/. Recuperado 23 de mayo de 2022,
de https://mathpix.com/
- Figueiras, S., & Figueiras, S. (2022, 4 marzo). ¿Cómo funcionan las Redes
Neuronales? https://www.ceupe.mx/. Recuperado 23 de mayo de 2022, de
https://www.ceupe.mx/blog/como-funcionan-las-redes-neuronales.html#:
%7E:text=Una%20red%20neuronal%20es%20un,las%20neuronas%20en
%20un%20organismo.
- Meneses, N. (2020, 23 septiembre). âAppsâ educativas para rediseñar la
educaciÃ3n del futuro. El PaÃs. Recuperado 23 de mayo de 2022, de
https://elpais.com/economia/2020/09/23/actualidad/1600864548_666566.htm
l
- Reconocimiento de texto: ¿qué es y cómo funciona? (2022, 20 abril). Decide.
Recuperado 23 de mayo de 2022, de
https://decidesoluciones.es/reconocimiento-de-texto/#:%7E:text=El
%20reconocimiento%20de%20texto%20es%20una%20t%C3%A9cnica
%20anal%C3%ADtica%20que%20consigue,el%20que%20est
%C3%A9%20el%20mismo.
pág. 24
- CienciaClip Challenge - ¿Qué son las redes neuronales? (2017, 10 abril).
[Vídeo]. YouTube. https://www.youtube.com/watch?v=rTpr6DuY4LU
pág. 25