• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Navegar

    Todo o repositórioComunidadesPor data do documentoAutoresAssuntosTítulos

    Minha conta

    Entrar

    Estatística

    Ver as estatísticas de uso

    Compartir

    Ver item 
    •   Página inicial
    • TRABALHO DE CONCLUSÃO DE ESTUDO
    • Trabajos Fin de Grado UVa
    • Ver item
    •   Página inicial
    • TRABALHO DE CONCLUSÃO DE ESTUDO
    • Trabajos Fin de Grado UVa
    • Ver item
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/78486

    Título
    Desarrollo de un sistema para la autoevaluación de modelos conceptuales de datos utilizando inteligencia artificial generativa.
    Autor
    De Castro Heras, Inés
    Director o Tutor
    Martínez Prieto, Miguel AngelAutoridad UVA
    Gándara González, Clara
    Editor
    Universidad de Valladolid. Escuela de Ingeniería Informática de SegoviaAutoridad UVA
    Año del Documento
    2025
    Titulación
    Grado en Ingeniería Informática de Servicios y Aplicaciones
    Resumo
    El objetivo de este proyecto es el desarrollo de LearnER, una aplicación basada en inteligencia artificial generativa dirigida al aprendizaje y evaluación de diagramas Entidad-Relación (E-R), fundamentales en el diseño conceptual de bases de datos. LearnER permite a los estudiantes cargar sus propios diagramas, reconoce automáticamente todos sus componentes y genera un feedback personalizado que ayuda al alumno a identificar sus errores y mejorar su comprensión de manera autónoma. La aplicación ha demostrado una alta capacidad para identificar correcta mente los elementos de los modelos E-R manuscritos, con una precisión media superior al 90 %. Además, reproduce la calificación humana con un error medio de apenas 0,14 sobre 1, lo que demuestra una fiabilidad bastante alta en la corrección automática.
    Materias Unesco
    5701.04 Lingüística Informatizada
    3325 Tecnología de las Telecomunicaciones
    1203.04 Inteligencia Artificial
    Palabras Clave
    bases de datos
    Inteligencia artificial generativa
    Diagramas entidad-relación
    Feedback automático
    Aprendizaje persona
    Departamento
    Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos)
    Idioma
    spa
    URI
    https://uvadoc.uva.es/handle/10324/78486
    Derechos
    openAccess
    Aparece en las colecciones
    • Trabajos Fin de Grado UVa [32344]
    Mostrar registro completo
    Arquivos deste item
    Nombre:
    TFG-B. 2481.pdf
    Tamaño:
    15.32Mb
    Formato:
    Adobe PDF
    Thumbnail
    Visualizar/Abrir
    Attribution-NonCommercial-NoDerivatives 4.0 InternacionalExceto quando indicado o contrário, a licença deste item é descrito como Attribution-NonCommercial-NoDerivatives 4.0 Internacional

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10