Adaptación de contenido en cursos virtuales usando un sistema de inferencia difuso a partir de características cognitivas de los estudiantes

• Autores: Francisco Arias Sánchez, Julián Moreno Cadavid , Demetrio Arturo Ovalle Carranza
• Localización: Avances: Investigacion en Ingeniería, ISSN-e 2619-6581, ISSN 1794-4953, Vol. 9, Nº. 1, 2012, págs. 59-65
• Idioma: español
• Títulos paralelos:
  • Educational content adaptation in virtual courses using a fuzzy inference system with emphasis on student’s cognitive characteristics
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    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).

  • English

    One of the main desirable characteristics ofvirtual courses is to allow students for havingacustomized teaching/learning experience basedon adaptive mechanisms. This article specificallyfocus on the adaptation of educational contentand more specifically in the selection of learningobjects with emphasis on the followingstudents’cognitive characteristics: their learning stylesand their dominant brain hemispheres. In orderto carryout such a process we propose a fuzzyinference system based on FSLSM (Felder andSilverman Learning Style Model) and TQDT(Triadic Quotient Detector Test) tests that areused as mechanisms for measuring the students’cognitive characteristics.

• Referencias bibliográficas
  • Chaparro, X. (2005). Análisis sistemático de lasinteracciones en el curso virtual de cálculo II y adaptaciónde la propuesta CERT para evaluación...
  • Brusilovsky, P. & Peylo, C. (2003). Adaptiveand Intelligent Web-based Educational Systems.International Journal of Artificial Intelligence...
  • Peña, C. (2004) Intelligent agents to improve adaptivityin a Web-based learning environment. PhD dissertation,Universitat de Girona, Girona,...
  • IEEE (2002). Draft Standard for Learning ObjectMetadata. En http://ltsc.ieee.org/wg12/files,Consultado en julio 9 del 2011.
  • Arias, F., Moreno, J, Ovalle, D. (2009). Modelo deinferencia difusa para la selección de objetos de aprendizaje encursos virtuales. Reunión...
  • Keefe, J. (1979). Learning style: An overview.In: NASSP’s Student learning styles: Diagnosing andproscribing programs, Reston, USA, pp. 1-17,...
  • Stash, N. (2007). Incorporating Cognitive/LearningStyles in a General-Purpose Adaptive HypermediaSystem. PhD dissertation, Technische UniversiteitEindhoven,...
  • Chen, S. & Macredie, R. (2002). Cognitive Stylesand Hypermedia Navigation: Development of aLearning Model. Journal of the American Society...
  • De Gregori, W. (1999). En busca de una nuevanoología. Estudios Pedagógicos, No 25, pp. 71-82.
  • Felder, R. & Silverman, L. (1988). Learning andteaching styles in engineering education. EngineeringEducation, 78(7), pp. 674-681.
  • Zadeh, L. Fuzzy sets. (1965). Information andControl, 8 (3), pp. 338-353.
  • Kosko, B. (1995). Pensamiento Borroso, la cuevaciencia de la lógica borrosa. Crítica, Barcelona, 1995.13. Bojadziev, G. & Bojadziev, M....
  • Moreno, J., Arias F. & Ovalle D. (2009). CIA:Framework for the creation and management of AdaptiveIntelligent Courses. WCCE - World Conference...
  • Duque, N. (2009) Modelo adaptativo multiagentepara la planificación y ejecución de cursos virtualespersonalizados. Tesis de Doctorado, Medellín:Universidad...