Identificación de estilos de aprendizaje en plataformas tecnológica (LMS) mediante árboles de decisión
DOI:
https://doi.org/10.55777/rea.v12i23.1213Palabras clave:
estilos de aprendizaje, minería de datos educacional, sistemas de gestión del conocimientoResumen
En el presente estudio se identifican patrones de comportamiento de los estudiantes que permiten clasificarlos de manera automática mientras interactúan con recursos educativos en una plataforma tecnológica de aprendizaje (Learning Management System, LMS, por sus siglas en inglés); dicha clasificación es con base en los estilos de aprendizaje del modelo Felder-Silverman, a partir de la técnica de minería de datos de árboles de decisión. En el estudio participaron 130 alumnos de la carrera de Ingeniería en Software de una universidad del sur de Sonora y se utilizó la metodología descubrimiento del conocimiento en bases de datos (KDD). Se encontró que los estilos visual, sensorial y equilibrado pueden predecirse correctamente en el 75% de los casos. La evidencia sugiere que los estilos propuestos en la teoría seleccionada no se cumplen al cien por ciento de acuerdo con su conceptualización inicial. Lo anterior puede deberse a que la teoría de estilos de aprendizaje no fue diseñada para identificar estilos en estudiantes a distancia con las dimensiones propuestas por sus autores. En un desglose de los materiales disponibles para los estudiantes, se pudo evidenciar que todos los estilos de aprendizaje muestran una preferencia a los de tipo texto, incluso los alumnos visuales.
Descargas
Referencias
Alonso, C.M., Gallego, D.J. y Honey, P. (2012) (8ª. Ed.). Los estilos de aprendizaje: Procedimientos de diagnóstico y mejora. Bilbao, España: Mensajero.
Area, M., y Adell, J. (2009). eLearning: Enseñar y aprender en espacios virtuales. En J. De Pablos (Coord). 391-424. Tecnología Educativa. La formación del profesorado en la era de Internet. Málaga: Aljibe.
Dunn, R. y Dunn, K. (1978). Teaching students through their individual learning styles. Reston, VA: Reston Publishing.
Felder, R. M. y Silverman, L.K. (1988). Learning and teaching styles in the engineering education. Engineering Education, 78 (7), 674-681.
Feldman, J., Monteserin, A. y Amandi, A. (2014). Automatic detection of learning styles: state of the art. Artificial Intelligence Review. 44 (157) 1573-7462. doi: https://doi.org/10.1007/s10462-014-9422-6
Galindo, Á. J., y García, H. Á. (2010). Minería de datos en la educación. Madrid, España: Universidad Carlos III de Madrid.
García-Cué, J.L., Santizo-Rincón, J.A. y Alonso-García, C.A. (2009). Instrumentos de medición de estilos de aprendizaje. Revista de Estilos de Aprendizaje, 2 (4), 1-19.
Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., y Witten, I. H. (2009). The WEKA Data Mining Software: An Update. SIGKDD Explorations. Recuperado de WEKA: Data Mining Software in Java: http://www.cs.waikato.ac.nz/ml/weka/
Han, J., y Kamber, M. (2001). Data Mining: Concepts and Techniques. USA: Academic Press.
Igado, M. F. (2007). La Telemática en los Procesos Educativos. Huelva, España: Universidad de Huelva.
LACE, P. (26 de Junio de 2016). LACE. Recuperado de What are learning analytics?: http://www.laceproject.eu/faqs/learning-analytics/
León, O.A., Schilardi, A.R., Segura, S.M. y Polenta, C. (2016). Estilos de aprendizaje y objetos virtuales para enseñanza. Revista de Estilos de Aprendizaje, 9(18), 96-116.
Lozano-Rodríguez, A. (2015). Estilos de aprendizaje y enseñanza: un panorama de la estilística educativa. Ciudad de México, México: Trillas.
Lozano-Rodríguez, A., Tijerina-Salas, A., y García-Cué, J. L. (2016). Implementación del instrumento Quirontest para medir estilos de aprendizaje en estudiantes de pregrado en línea. Revista de Estilos de Aprendizaje, 9(17), 240-267.
Oracle Corporation. (01 de Agosto de 2016). MySql Workbench. Recuperado de MySql Workbench: https://www.mysql.com/products/workbench/
Paredes-Barragán, P. (2008). Una propuesta de incorporación de los estilos de aprendizaje a los modelos de usuario en sistemas de enseñanza adaptativos. Madrid: Universidad Autónoma de Madrid.
Pérez Marqués, M. (2014). Minería de datos a través de ejemplos. Madrid, España: RC Libros.
Soloman, B. A., y Felder, R. M. (s.f.). Index of Learning Styles Questionnaire. Disponible en: http://www.engr.ncsu.edu/learningstyles/ilsweb.html
Descargas
Publicado
Número
Sección
Licencia
Con el envío del original, el/los autor/es declaran que conocen y aceptan, en su totalidad, la política de privacidad así como los derechos de autor de la Revista de Estilos de Aprendizaje.
La Revista Estilos de Aprendizaje ofrece acceso libre y abierto a su contenido de forma totalmente gratuita con el fin de hacer llegar la investigación científica a sus lectores y sociedad en general. Todos los contenidos digitales son de acceso libre y gratuito y se publican bajo licencia de Creative Commons:
La cesión de derechos se realiza bajo la licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (CC-BY-NC-ND 4.0)
Bajo esta licencia, está permitida la reproducción y difusión de los contenidos de la revista con fines educativos, sociales y de transmisión de conocimiento, sin ánimo de lucro y siempre que no se modifiquen, se cite la procedencia y la autoría.
La licencia a la que se acoge la Revista de Estilos de Aprendizaje permite copiar y distribuir los contenidos de la revista, siempre que se reconozca la autoría de la obra, especificando correctamente el autor y la entidad editora. No se puede utilizar la obra para fines comerciales y tampoco se puede alterar, transformar o generar una obra derivada a partir de esta obra.
La Revista de Estilos de Aprendizaje es una revista de acceso abierto. La publicación de artículos o reseñas en la Revista no da derecho a remuneración alguna. Así mismo, tanto para los autores como los lectores, la revista es gratuita Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (CC-BY-NC-ND 4.0).
Desde la Revista de Estilos de Aprendizaje se invita al/los autor/autores a ampliar la visibilidad y el alcance de sus artículos publicados mediante la redifusión de los mismos en:
- Espacios web y redes personales, así como en encuentros y foros científicos.
- Archivos abiertos institucionales en Universidades, repositorios educativos y Centros de Investigación.
- Redes académicas y científicas (Researchgate, Academia.edu, Plubons, etc.).
Se requiere que en todos estos espacios y publicaciones se incluyan todos los datos bibliográficos de la publicación.
