Biblioteca Digital
de Periódicos
da Universidade Federal do Paraná

 

Open Journal Systems

Redes bayesianas para predecir el estilo de aprendizaje de estudiantes en entornos virtuales

Lissette Geoconda López-Faican, Luis Antonio Chamba-Eras

Resumo


Introdução: Descreve o uso de Redes Bayesianas - com base no modelo Felder-Silverman - para a implementação de um modelo de incerteza voltado à previsão do estilo de aprendizagem de alunos que interagem em um ambiente virtual de aprendizagem. Método: O modelo de incerteza,  projetado e desenvolvido para operar na LMS Moodle foi validado em um cenário educacional, consistindo em sua aplicação experimental em dois grupos de participantes oriundos da Universidade Nacional de Loja e da Universidade Internacional do Equador. Resultados: O bloco "Estilo de Aprendizagem" (EA) permitiu aos estudantes visualizar as probabilidades de cada dimensão de sua EA, notando que, de acordo com sua interação, essas probabilidades se modificavam. Da mesma forma, o professor pode visualizar as mudanças de probabilidade de EA obtidos pelos alunos quando estes interagiram em um curso virtual hospedadono Ambiente Virtual de Aprendizagem. Conclusão: A proposta pode servir de suporte para os professores que desejem identificar os estilos de aprendizagem predominantes dos estudantes e, com base nisso, elaborar atividades e recursos para suas disciplinas.

Palavras-chave


Inteligencia artificial; Modelo bayesiano; Modelo Felder-Silverman

Referências


Cerrillo, Q. (2004). Aprendizaje Colaborativo y Redes de Conocimiento. Actas de las Jornadas Andaluzas de Organización y Dirección de Instituciones Educativas. Granada-España. Grupo Editorial Universitario, 9.

Chía, L., Muñoz, A. (n.d.). Adaptación de las plataformas e-learning a los estilos de aprendizaje utilizando sistemas multiagentes. Universidad Libre Cali. Colombia.

Carmona, C., Castillo, G., Millán, E. (2009). Modelo Bayesiano del alumno basado en el estilo de aprendizaje y las preferencias. IEEE-RITA, 4(2), 139-146. Recuperado de http://rita.det.uvigo.es/200905/uploads/IEEE-RITA.2009.V4.N2.A8.pdf.

González, H (2009). Modelo dinámico del estudiante en cursos virtuales adaptativos utilizando técnicas de inteligencia artificial. Tesis de Maestria, Magister en Ingeniería de Sistemas. Medellín, Universidad Nacional de Colombia.

Garcia, P., Amandi, A., Schiaffino S., Campo M. (2007). Evaluating Bayesian networks precision for detecting students learning styles. Computers & Education, 49(3), 794–808. Recuperado de doi:10.1016/j.compedu.2005.11.017.

Graf, S., Kinshuk, Liu, T-C. (2009). Supporting Teachers in Identifying Students Learning Styles in Learning Management Systems. Educational Technology & Society, 12 (4), 3–14. Recuperado de http://www.ifets.info/journals/12_4/2.pdf.

Jesús, E.A. (2000). Manual de metodologías, tomo II: La Técnica Bayesiana. Naciones Unidas para el Desarrollo Industrial, Programa de Prospectiva Tecnológica para Latinoamérica y el Caribe.

Mejía, C. (2009). Proceso de adaptación para entregar contenido basado en Estilos de aprendizaje del usuario. Tesis de Máster, Máster en Informática y Automática Industrial. Girona, Universidad de Girona.

Mestre, U., Fonseca, J., Valsés, R. (2007). Entornos virtuales de enseñanza aprendizaje. Editorial Universitaria.

Sarango, M. (2012). Aplicación de técnicas de minería de datos para identificar patrones de comportamientos relacionados con las acciones del estudiante con el EVA de. Tesis de Grado, Ingeniero en Sistemas Informáticos y Computación. Loja, Universidad Técnica Particular de Loja.

Veytia, M. (2013). Cinco dimensiones para favorecer la apropiación tecnológica en estudiantes virtuales. Actas del Encuentro Internacional de Educación a Distancia. Universidad de Guadalajara, 21.

Yannibelli, V., Godoy, D., Amand, A. (2006). A genetic algorithm approach to recognize students' learning styles. Interactive Learning Environment, 14(1), 2006. Recuperado de http://dx.doi.org/10.1080/10494820600733565.

Yu, D., Chen, X. (2006). Using bayesian networks to implement adaptivity in mobile learning. Proceedings of the International Conference on Semantics, Knowledge and Grid, 2. Recuperado de http://dx.doi.org/10.1109/SKG.2006.107.

Zapata-Ros, M. (2012). Teorías y modelos sobre el aprendizaje en entornos conectados y ubicuos: bases para un nuevo modelo teórico a partir de una visión crítica del “conectivismo”. Universidad de Alcalá.




DOI: http://dx.doi.org/10.5380/atoz.v3i2.41343

Apontamentos

  • Não há apontamentos.


 

Biblioteca Digital de Periódicos da Universidade Federal do Paraná
ISSN 2764-9792
E-mail: bdp@ufpr.br

 

Colaboração:
Sistema de Bibliotecas Agência de Tecnologia da Informação e Comunicação


Universidade Federal do Paraná
 Sistema de Bibliotecas (SiBi)
Rua General Carneiro, n° 370/380.
Centro - Curitiba/PR
CEP: 80.060-150

Universidade Federal do Paraná