Glosario de Termos e expresións relacionados coa IA

A minería de datos educativos é o proceso de aplicación de técnicas de minería de datos e modelos estatísticos
 a grandes cantidades de datos educativos co propósito de tomar decisións fundamentadas baseadas
no coñecemento da aprendizaxe dos estudantes e da eficacia do profesorado.

As técnicas de minería de datos están deseñadas para descubrir ideas ocultas, identificar relacións e facer predicións
 baseadas nos datos.

 Algunhas técnicas de minería de datos son:

• Árbores de decisión: creación de modelos similares a árbores para predicir resultados,
  como prever o éxito dos estudantes en función do rendemento pasado. 
•  Detección de anomalías: identifica puntos de datos pouco habituais ou anormais, como detectar trampas nos exames en liña.
•  Agrupación: agrupación de datos similares en clusters, como agrupar estudantes en función do seu interese
  académico para recomendar cursos.

Os modelos de difusión son sistemas xeradores de IA que xeran datos similares aos datos nos que foron adestrados.

Non obstante, durante este proceso engaden ruído aleatorio (ou variacións aleatorias) a cada paso do proceso para engadir
diversidade, aleatoriedade e imprevisibilidade á saída xerada.

 O ruído no modelo de difusión pódese considerar como interferencia ou perturbación do produto final para engadir máis variabilidade.

 Os modelos de difusión utilízanse para a xeración de imaxe, texto, vídeo e outros tipos de contido xerativo.

 No ensino, os modelos de difusión pódense utilizar para xerar ilustracións e axudas visuais de alta calidade,
así como imaxes realistas de personaxes históricos ou fenómenos científicos.
Tamén se poden usar para xerar indicacións de conversa ou de escritura nunha lingua estranxeira.