Redes bayesianas para predecir el estilo de aprendizaje de estudiantes en entornos virtuales
Resumo
Palavras-chave
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.