Identificación de factores determinantes en el aprendizaje aplicables en contextos virtuales y medibles con técnicas no invasivas
DOI:
https://doi.org/10.26507/paper.4692Palabras clave:
Técnicas no invasivas, Educación Virtual, AprendizajeResumen
Siendo la educación de calidad un pilar del desarrollo de una sociedad y dado que las TIC han permeado las diferentes actividades humanas incluida la educación, es necesario evaluar cómo alcanzar una educación de calidad en ambientes mediados por TIC, reduciendo los problemas identificados de la educación virtual, entre ellos el acompañamiento, retroalimentación y adaptación a la forma de aprendizaje del estudiante. Diferentes disciplinas que van desde la pedagogía hasta la neurociencia han estudiado el aprendizaje humano. En este artículo se presenta una etapa temprana en el desarrollo del proyecto de mayor envergadura denominado «modelo de la medición del rendimiento académico a partir de técnicas no invasivas de los factores determinante del aprendizaje.» y se enfoca en mostrar de forma general el modelo, cuales técnicas no invasivas son aplicables para determinar el comportamiento del estudiante frente a un ambiente virtual de aprendizaje y los posibles beneficios a todos los involucrados en el proceso de enseñanza/aprendizaje.
Citas
Anderson, J. R., & Crawford, J. (2007). Cognitive psychology and its implications. (7th ed.).
Anderson, T. (2008). The theory and practice of online learning. athabasca university press. https://doi.org/10.15215/aupress/9781897425084.01
Azcoaga, J. E. (1987). Aprendizaje fisiológico. Psicología. Lenguaje. Aprendizaje (Actas de las Primeras Jornadas Nacionales de APINEP, Rosario, 1986). Buenos Aires, Ediciones Pedagógicas, 17-32.
Ba, S., & Hu, X. (2023). Measuring emotions in education using wearable devices: A systematic review. Computers & Education, 200, 104797. https://doi.org/10.1016/j.compedu.2023.104797
Baker, R. S., Martin, T., & Rossi, L. M. (2016). Educational data mining and learning analytics. The Wiley handbook of cognition and assessment: Frameworks, methodologies, and applications, 379--396. https://doi.org/10.1002/9781118956588.ch16
Beatty, J., & Lucero-Wagoner, B. (2000). The pupillary system.
Black, P., & Wiliam, D. (2010). Inside the black box: Raising standards through classroom assessment. Phi delta kappan, 92(1), 81-90. https://doi.org/10.1177/003172171009200119
Bransford, J. D., Brown, A. L., & Cocking, R. R. (2000). How people learn (Vol. 11). Washington, DC: National academy press.
Byrnes, J. P., & Fox, N. A. (1998). The educational relevance of research in cognitive neuroscience. Educational Psychology Review, 10, 297-342. https://doi.org/10.1023/A:1022145812276
Campos, A. L. (2010). Neuroeducación: uniendo las neurociencias y la educación en la búsqueda del desarrollo humano.
D'mello, S., & Graesser, A. (2013). AutoTutor and affective AutoTutor: Learning by talking with cognitively and emotionally intelligent computers that talk back. ACM Transactions on Interactive Intelligent Systems (TiiS), 2(4), 1-39. https://doi.org/10.1145/2395123.2395128
Deci, E. L., & Ryan, R. M. (2013). Intrinsic motivation and self-determination in human behavior. Springer Science & Business Media.
Diamond, A. (2013). Executive functions. Annual review of psychology, 64(1), 135-168. https://doi.org/10.1146/annurev-psych-113011-143750
Duchowski, A., & Duchowski, A. (2007). Eye tracking techniques. Eye tracking methodology: Theory and practice, 51--59. https://doi.org/10.1007/978-1-84628-609-4_5
Etchepareborda, M. C., & Abad-Mas, L. (2005). Memoria de trabajo en los procesos básicos del aprendizaje. Revista de neurología, 40(1), 79-83. https://doi.org/10.33588/rn.40S01.2005078
Fernández, P., Domínguez, R., & Armas, R. (2012). Herramienta COdA de Evaluación de la Calidad de Objetos de Aprendizaje, desarrollada en el marco de los Proyectos de Innovación y Mejora de la Calidad de la Docencia.
Gardner, H. (2000). La educación de la mente y el conocimiento de las disciplinas: lo que todos los estudiantes deberían comprender (Vol. 21). Grupo Planeta (GBS).
Gašević, D., Dawson, S., & Siemens, G. (2015). Let's not forget: Learning analytics are about learning. TechTrends, 59, 64-71. https://doi.org/10.1007/s11528-014-0822-x
Gould, E., Beylin, A., Tanapat, P., Reeves, A., & Shors, T. J. (1999). Learning enhances adult neurogenesis in the hippocampal formation. Nature neuroscience, 2(3), 260-265. https://doi.org/10.1038/6365
Greenough, W. T., Black, J. E., & Wallace, C. S. (1987). Experience and brain development. Child development, 539-559. https://doi.org/10.2307/1130197
Herbert, D. M., & Burt, J. S. (2003). The effects of different review opportunities on schematisation of knowledge. Learning and Instruction, 13(1), 73-92. https://doi.org/10.1016/S0959-4752(01)00038-X
Hilton III, J. (2016). Open educational resources and college textbook choices: A review of research on efficacy and perceptions. Educational technology research and development, 64(4), 573-590. https://doi.org/10.1007/s11423-016-9434-9
Holmqvist, K., Nyström, M., Andersson, R., Dewhurst, R., Jarodzka, H., & Van de Weijer, J. (2011). Eye tracking: A comprehensive guide to methods and measures. oup Oxford.
Illeris, K. (2018). A comprehensive understanding of human learning. In Contemporary theories of learning (pp. 1-14). Routledge. https://doi.org/10.4324/9781315147277-1
Immordino‐Yang, M. H., & Damasio, A. (2007). We feel, therefore we learn: The relevance of affective and social neuroscience to education. Mind, brain, and education, 1(1), 3-10. https://doi.org/10.1111/j.1751-228X.2007.00004.x
LeFrançois, G. (2012). Theories of Human Learning: What the Professor Said.: Wadsworth. Belmont, CA.
Marzano, R. J. (2007). The art and science of teaching: A comprehensive framework for effective instruction. Ascd.
Mathôt, S. (2018). Pupillometry: Psychology, physiology, and function. Journal of cognition, 1(1). https://doi.org/10.5334/joc.18
Merzenich, M. M. (2001). Cortical plasticity contributing to child development. In Mechanisms of cognitive development (pp. 79-108). Psychology Press.
Michalski, R. S., Carbonell, J. G., & Mitchell, T. M. (2013). Machine learning: An artificial intelligence approach. Springer Science & Business Media.
Nguyen-Xuan, A. (2020). Cognitive Mechanisms of Learning. John Wiley & Sons. https://doi.org/10.1002/9781119750482
Nulty, D. D. (2008). The adequacy of response rates to online and paper surveys: what can be done? Assessment & evaluation in higher education, 33(3), 301--314. https://doi.org/10.1080/02602930701293231
Ormrod, J. E., Sanz, A. J. E., Soria, M. O., & Carnicero, J. A. C. (2005). Aprendizaje humano (Vol. 4). Pearson Educación Madrid, Spain.
Papamitsiou, Z., & Economides, A. A. (2014). Learning analytics and educational data mining in practice: A systematic literature review of empirical evidence. Journal of Educational Technology & Society, 17(4), 49-64.
Pennebaker, J. W., & Chung, C. K. (2007). Expressive writing, emotional upheavals, and health. Foundations of health psychology, 263--284. https://doi.org/10.1093/oso/9780195139594.003.0011
Pintrich, P. R., & De Groot, E. V. (1990). Motivational and self-regulated learning components of classroom academic performance. Journal of educational psychology, 82(1), 33. https://doi.org/10.1037/0022-0663.82.1.33
Rosenzweig, M. R. (1986). Multiple models of memory. The brain, cognition, and education, 347-371. https://doi.org/10.1016/B978-0-12-268330-5.50019-6
Ruiz González, R., Muñoz Arteaga, J., & Álvarez Rodríguez, F. (2006). Formato para la Determinación de la Calidad en los Objetos de Aprendizaje. Primera Conferencia Latinoamericana de Objetos de Aprendizaje, LACLO. Coordinan: Repositorio de Conocimiento Europeo (ARIADNE), Corporación Latinoamericana de Redes Avanzadas (CLARA). Guayaquil, Ecuador,
Salinas, J. (2004). Innovación docente y uso de las TIC en la enseñanza universitaria. Rev. U. Soc. Conocimiento, 1, 1.
Siemens, G., & Long, P. (2011). Penetrating the fog: Analytics in learning and education. EDUCAUSE review, 46(5), 30.
Sousa, D. A. (2016). How the brain learns. Corwin Press.
Swan, M. (2012). Sensor mania! the internet of things, wearable computing, objective metrics, and the quantified self 2.0. Journal of Sensor and Actuator networks, 1(3), 217--253. https://doi.org/10.3390/jsan1030217
Tokuhama-Espinosa, T. (2010). Mind, brain, and education science: A comprehensive guide to the new brain-based teaching. WW Norton & Company.
UNESCO. (2016). Educación 2030: Declaración de Incheon y Marco de Acción para la realización del Objetivo de Desarrollo Sostenible 4: Garantizar une aducación inclusiva y equitativa de calidad y promover oportunidades de aprendizaje permanente para todos. https://unesdoc.unesco.org/ark:/48223/pf0000245656_spa
Vargo, J., Nesbit, J. C., Belfer, K., & Archambault, A. (2003). Learning object evaluation: computer-mediated collaboration and inter-rater reliability. International Journal of Computers and Applications, 25(3), 198-205. https://doi.org/10.1080/1206212X.2003.11441703
Woolfolk, A. (2006). Psicologia Educativa 9/e. Pearson educación.
Zeng, Z., Pantic, M., Roisman, G. I., & Huang, T. S. (2007). A survey of affect recognition methods: audio, visual and spontaneous expressions Proceedings of the 9th international conference on Multimodal interfaces. https://doi.org/10.1145/1322192.1322216
Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory into practice, 41(2), 64-70. https://doi.org/10.1207/s15430421tip4102_2
Cómo citar
Descargas
Descargas
Publicado
Evento
Sección
Licencia
Derechos de autor 2025 Asociación Colombiana de Facultades de Ingeniería - ACOFI
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |
