Detección Automática de Estilos de Aprendizaje Usando Internet de las Cosas
Resumen
La incorporación de la tecnología como una herramienta de gestión del conocimiento y apoyo a las prácticas pedagógicas en el aula, en conjunción con estándares de calidad, tiene el potencial de crear experiencias de aprendizaje ubicuas de gran impacto en la formación académica. Además, el avance de tecnologías abre nuevas posibilidades para la innovación mediante el monitoreo en tiempo real del comportamiento y la interacción de los estudiantes en su entorno educativo, lo que facilita la adaptación de las estrategias didácticas a las necesidades individuales de cada estudiante. El propósito de esta investigación es evaluar el diagnóstico de estilos de aprendizaje utilizando el modelo de Felder-Silverman en combinación con tecnologías de detección automática y el internet de las cosas. Para llevar a cabo esta investigación, se seleccionó una muestra de 24 estudiantes de educación media. El enfoque de la investigación es cuantitativo, y se adoptó un diseño no experimental transaccional. Los resultados indican que el uso de tecnología para la detección de estilos de aprendizaje ofrece ventajas significativas en comparación con el método tradicional.
Descargas
Citas
Dung, P.Q., & Florea, A.M. (2012). A Literature-Based Method To Automatically Detect Learning Styles In Learning Management Systems. Paper presented at the In Proceedings Of The 2nd International Conference On Web Intelligence, Mining And Semantics.
Essa, S. G., Celik, T., y Human-Hendricks, N. E. (2023). Personalized Adaptive Learning Technologies Based on Machine Learning Techniques to Identify Learning Styles: A Systematic Literature Review. En IEEE Access. 11. pp. 48392-48409.
https://doi.org/10.1109/ACCESS.2023.3276439.
Felder, R. M., y Silverman, L. K. (1988). Learning styles and teaching styles in engineering education. Engineering Education, 78(7), 674– 681.
Felder, R.M. and Spurlin, J. (2005) Applications, reliability and validity of the index of learning styles. International Journal of Engineering Education, 21 (1) (2005), pp. 103-112
Feldman, J., Monteserin, A. y Amandi, A. (2015). Automatic detection of learning styles: state of the art. Artif Intell Rev 44, 157–186. https://doi.org/10.1007/s10462-014-9422-6
Guzmán-Camacho, J., y Mendoza González, B. (2023). Perfil de estudiantes de preparatoria en función de su estilo de aprendizaje y descripción a partir del estilo de enseñanza de sus profesores. Revista RedCA. 5. 10. http://dx.doi.org/10.36677/redca.v5i15.20742.
Mayer, R. E. (2017). Using multimedia for e-learning. Journal of Computer Assisted Learning, 33(5), 403–423. https://doi.org/10.1111/jcal.12197
Özpolat E., y Akar, G.B. (2009). Automatic detection of learning styles for an e-learning system. Computers and Education 53(2), 355–367. https://doi.org/10.1016/j.compedu.2009.02.018
Tocci, A. (2015). Caracterización de perfiles de estilos de aprendizaje en alumnos de Ingeniería según el modelo de Felder y Silverman. Revista de Estilos de Aprendizaje. 8. http://dx.doi.org/10.55777/rea.v8i16.1019.
Unesco. (2013). Enfoques estratégicos sobre las TIC en educación en América Latina y el Caribe. https://unesdoc.unesco.org/ark:/48223/pf0000223251
Ventura, A. C. (2016). ¿Enseño como aprendí?: el rol del estilo de aprendizaje en la enseñanza del profesorado universitario. Aula Abierta, Vol. 44. https://doi.org/10.1016/j.aula.2016.05.001.
Wibirama S., Sidhawara A. P., Lukhayu Pritalia G. and Adji T. B. (2020), A Survey of Learning Style Detection Method using Eye-Tracking and Machine Learning in Multimedia Learning. 2020 International Symposium on Community-centric Systems (CcS), 1-6,
https://doi.org/10.1109/CcS49175.2020.9231447
Wooldridge, B. (1995). Increasing the effectiveness of university/college instruction: Integrating the results of learning style research into course design and delivery. En R. R. Sims y S. Sims (Eds.), The importance of learning styles: Understanding the implications for learning course design and education (pp. 49-67) Editorial Greenwood Press.
Derechos de autor 2024 Efrain Toledo Cubillos
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.jpg)
