In this work, we propose the extension of a methodology for the multi-label classification of feedback according to the Hattie and Timperley feedback model, incorporating a hyperparameter tuning stage. It is analyzed whether the incorporation of the hyperparameter tuning stage prior to the execution of the algorithms support vector machines, random forest and multi-label k-nearest neighbors, improves the performance metrics of multi-label classifiers that automatically locate the feedback generated by a teacher to the activities sent by students in online courses on the Blackboard platform at the task, process, regulation, praise and other levels proposed in the feedback model by Hattie and Timperley. The grid search strategy is used to refine the hyperparameters of each algorithm. The results show that the adjustment of the hyperparameters improves the performance metrics for the data set used.

JavaScript es uno de los lenguajes de programación de uso cotidiano para la construcción de sitios Web. Para ello, existen diferentes tipos de documentos digitales que ayudan a aprender el lenguaje, los cuales no toman en cuenta el estilo de aprendizaje de los estudiantes, así como tampoco utilizan algún modelo de diseño tecnoinstruccional. En este trabajo se propone un Objeto de Aprendizaje de apoyo para aprender el lenguaje de programación JavaScript. Dada la importancia de desarrollar herramientas de aprendizaje acordes al estilo de aprendizaje de los discentes, se realizó una encuesta, basada en la teoría de David Kolb, a estudiantes de la Facultad de Ciencias de la Computación de la Benemérita Universidad Autónoma de Puebla para obtener los estilos de aprendizaje predominantes y junto con la metodología ADDIE se desarrolla el Objeto de Aprendizaje propuesto. JavaScript is one of the programming languages of daily use for the construction of Web sites. For this, there are different types of digital documents that help to learn the language, which do not take into account the learning style of the students, nor do they use a techno-instructional design model. In this work we propose a Learning Object of support to learn the JavaScript programming language. Given the importance of developing learning tools according to the learning style of the students, a survey was conducted, based on David Kolb's theory, to students of the Faculty of Computer Science of the Benemérita Universidad Autónoma de Puebla to obtain the predominant learning styles and together with the ADDIE methodology, the proposed Learning Object is developed.

This work deals with educational text mining, a field of natural language processing applied to education. The objective is to classify the feedback generated by teachers in online courses to the activities sent by students according to the model of Hattie and Timperley (2007), considering that feedback may be at the levels task, process, regulation, praise and other. Four multi-label classification methods of the data transformation approach - binary relevance, classification chains, power labelset and rakel-d - are compared with the base algorithms SVM, Random Forest, Logistic Regression and Naive Bayes. The methodology was applied to a case study in which 11013 feedbacks written in Spanish language from 121 online courses of the Law degree from a public university in Mexico were collected from the Blackboard learning manager system. The results show that the random forests algorithms and vector support machines will have the best performance when using the binary relevance transformation and classifier chains methods.

Resumen. Las aplicaciones de realidad aumentada en móviles están enfocadas al uso de marcadores artificiales que consisten en un método invasivo en exteriores para que el usuario los enfoque y despliegue la información que dichos marcadores contengan. Se usa localización espacial por geoposicionamiento para mostrar realidad aumentada sobre determinadas áreas de la ciudad de Puebla, así como tecnologías de reconocimiento espacial usando visión artificial sin marcadores para mostrar objetos en 3 dimensiones sobre la fachada de la Catedral de Puebla Palabras Clave: Realidad aumentada, geolocalización, marcadores

Resumen. El Minimum Bin Slack es una heurística propuesta por Gupta y Ho [6]. Dicho algoritmo es definido por sus autores como un algoritmo orientado al contenedor. El MBS parte de la idea de que minimizar el número de contendores a utilizar es equivalente a reducir el espacio sobrante de los mismos: es decir, a menor cantidad de contenedores, menor espacio sobrante. Considerando la idea anterior, este algoritmo utiliza el concepto de búsqueda lexicográfica para ir llenando cada contenedor buscando optimizar el espacio del mismo y una vez lleno, proceder a llenar el siguiente contenedor, sin perder nunca el objetivo de reducir el espacio sobrante en los mismos. En este trabajo, se presenta una propuesta para la implementación de este algoritmo y se realiza una comparación de los resultados obtenidos con él contra los resultados generados por el algoritmo FFD. Finalmente se dan a conocer los resultados encontrados.