Adaptación de contenido en cursos virtuales usando un sistema de inferencia difuso a partir de características cognitivas de los estudiantes
Palabras clave:
Sistemas de inferencia difusos, cursos virtuales adaptativos, características cognitivas, tests FSLSM y RCMTResumen
Una de las características deseables de los cursosvirtuales es que estén dotados con mecanismosadaptativos que les permitan brindar una experienciade enseñanza/aprendizaje individualizada. Esteartículo se concentra particularmente en laadaptación de contenido y más específicamente enla selección de Objetos de Aprendizaje a partir dedos características cognitivas de los estudiantes: susestilos de aprendizaje y sus hemisferios cerebralesdominantes. Para llevar a cabo tal proceso se proponeun sistema de inferencia difuso y se emplean comomecanismos de medición para las característicasconsideradas los test FSLSM (por sus siglas en inglésde Felder and Silverman Learning Style Model) yRCMT (Revelador del Cociente Mental Tríadico).
Descargas
Los datos de descarga aún no están disponibles.
Referencias
1. Chaparro, X. (2005). Análisis sistemático de lasinteracciones en el curso virtual de cálculo II y adaptaciónde la propuesta CERT para evaluación en línea basada enniveles de confianza. Trabajo de grado, UniversidadNacional de Colombia, Sede Bogotá.
2. Brusilovsky, P. & Peylo, C. (2003). Adaptiveand Intelligent Web-based Educational Systems.International Journal of Artificial Intelligence in Education,Vol. 13, pp. 156-169.
3. Peña, C. (2004) Intelligent agents to improve adaptivityin a Web-based learning environment. PhD dissertation,Universitat de Girona, Girona, España.
4. IEEE (2002). Draft Standard for Learning ObjectMetadata. En http://ltsc.ieee.org/wg12/files,Consultado en julio 9 del 2011.
5. Arias, F., Moreno, J, Ovalle, D. (2009). Modelo deinferencia difusa para la selección de objetos de aprendizaje encursos virtuales. Reunión Nacional y ExpoingenieríaACOFI 2009. Santa Marta, Colombia.
6. Keefe, J. (1979). Learning style: An overview.In: NASSP’s Student learning styles: Diagnosing andproscribing programs, Reston, USA, pp. 1-17, 1979.
7. Stash, N. (2007). Incorporating Cognitive/LearningStyles in a General-Purpose Adaptive HypermediaSystem. PhD dissertation, Technische UniversiteitEindhoven, Eindhoven, 2007.
8. Chen, S. & Macredie, R. (2002). Cognitive Stylesand Hypermedia Navigation: Development of aLearning Model. Journal of the American Society forInformation Science and Technology, 53(1), pp. 3-15.
9. De Gregori, W. (1999). En busca de una nuevanoología. Estudios Pedagógicos, No 25, pp. 71-82.
10. Felder, R. & Silverman, L. (1988). Learning andteaching styles in engineering education. EngineeringEducation, 78(7), pp. 674-681.
11. Zadeh, L. Fuzzy sets. (1965). Information andControl, 8 (3), pp. 338-353.
12. Kosko, B. (1995). Pensamiento Borroso, la cuevaciencia de la lógica borrosa. Crítica, Barcelona, 1995.13. Bojadziev, G. & Bojadziev, M. (1997). Fuzzylogic for business, finance, and management. WorldScientific Publishing Co.
14. Moreno, J., Arias F. & Ovalle D. (2009). CIA:Framework for the creation and management of AdaptiveIntelligent Courses. WCCE - World Conference onComputer in Education, Brasil.
15. Duque, N. (2009) Modelo adaptativo multiagentepara la planificación y ejecución de cursos virtualespersonalizados. Tesis de Doctorado, Medellín:Universidad Nacional de Colombia - Sede Medellín.
2. Brusilovsky, P. & Peylo, C. (2003). Adaptiveand Intelligent Web-based Educational Systems.International Journal of Artificial Intelligence in Education,Vol. 13, pp. 156-169.
3. Peña, C. (2004) Intelligent agents to improve adaptivityin a Web-based learning environment. PhD dissertation,Universitat de Girona, Girona, España.
4. IEEE (2002). Draft Standard for Learning ObjectMetadata. En http://ltsc.ieee.org/wg12/files,Consultado en julio 9 del 2011.
5. Arias, F., Moreno, J, Ovalle, D. (2009). Modelo deinferencia difusa para la selección de objetos de aprendizaje encursos virtuales. Reunión Nacional y ExpoingenieríaACOFI 2009. Santa Marta, Colombia.
6. Keefe, J. (1979). Learning style: An overview.In: NASSP’s Student learning styles: Diagnosing andproscribing programs, Reston, USA, pp. 1-17, 1979.
7. Stash, N. (2007). Incorporating Cognitive/LearningStyles in a General-Purpose Adaptive HypermediaSystem. PhD dissertation, Technische UniversiteitEindhoven, Eindhoven, 2007.
8. Chen, S. & Macredie, R. (2002). Cognitive Stylesand Hypermedia Navigation: Development of aLearning Model. Journal of the American Society forInformation Science and Technology, 53(1), pp. 3-15.
9. De Gregori, W. (1999). En busca de una nuevanoología. Estudios Pedagógicos, No 25, pp. 71-82.
10. Felder, R. & Silverman, L. (1988). Learning andteaching styles in engineering education. EngineeringEducation, 78(7), pp. 674-681.
11. Zadeh, L. Fuzzy sets. (1965). Information andControl, 8 (3), pp. 338-353.
12. Kosko, B. (1995). Pensamiento Borroso, la cuevaciencia de la lógica borrosa. Crítica, Barcelona, 1995.13. Bojadziev, G. & Bojadziev, M. (1997). Fuzzylogic for business, finance, and management. WorldScientific Publishing Co.
14. Moreno, J., Arias F. & Ovalle D. (2009). CIA:Framework for the creation and management of AdaptiveIntelligent Courses. WCCE - World Conference onComputer in Education, Brasil.
15. Duque, N. (2009) Modelo adaptativo multiagentepara la planificación y ejecución de cursos virtualespersonalizados. Tesis de Doctorado, Medellín:Universidad Nacional de Colombia - Sede Medellín.
Descargas
Publicado
2013-06-01
Número
Sección
Artículos
Cómo citar
Adaptación de contenido en cursos virtuales usando un sistema de inferencia difuso a partir de características cognitivas de los estudiantes. (2013). Avances Investigación En Ingeniería, 9(1), 59-65. https://revistas.unilibre.edu.co/index.php/avances/article/view/2735
