Arquitectura de un sistema tutor inteligente para la recomendación personalizada de objetos de aprendizaje considerando la teoría de mapas del conocimiento estructurados
DOI:
https://doi.org/10.33448/rsd-v10i16.23831Palabras clave:
Sistemas de tutoría inteligente; Computación Afectiva; Planificación adaptativa del curso; Informática en la educación.Resumen
Este trabajo propone una arquitectura de un Sistema Tutor Inteligente basado en la Teoría de Mapas Estructurados del Conocimiento y el Método de Memorización Exponencial y Efectiva en Base Binaria para personalizar los objetos de aprendizaje ofrecidos al alumno. Para ello, se pretende que la interfaz del profesor se inserte en la arquitectura del sistema. La secuencia adaptativa del curso se lleva a cabo a través de la teoría de Mapas Estructurados de Conocimiento, en la que el docente se encargará de concretar los conceptos y conocimientos mínimos necesarios para comprender cada ítem del plan de estudios. En la interfaz del alumno, para evitar la sobrecarga cognitiva, el sistema mapeará las dudas prerrequisito de conceptos y conocimientos y luego presentará los objetos de aprendizaje, en diferentes formatos, de acuerdo con las necesidades de aprendizaje del alumno. Así, a través de la información contenida en el Modelo de Alumno y el Modelo de Dominio, al detectar que el alumno se encuentra en un ciclo de aprendizaje improductivo, así como una necesidad de aprendizaje, el Módulo Pedagógico ejecutará instrucciones personalizadas basadas en conocimientos previos y perfil afectivo del alumno.
Citas
Aquino, B. et al. (2020). Geração de sequências curriculares adaptativas baseada no perfil dos alunos e materiais didáticos utilizando o algoritmo nsga-iii. In: SBC. Anais do XXXI Simpósio Brasileiro de Informática na Educação. 902–911.
Brusilovsky, P. (1998). Methods and techniques of adaptive hypermedia. In: Adaptive hypertext and hypermedia. Springer,p. 1–43.
Chabot, D. et al. (2005). Pedagogia Emocional: sentir para aprender. Sá Editora.
Costa, N. S. et al. (2016). Teaching and learning with structured knowledge maps: An analysis about the new approach. Creative Education, Scientific Research Publishing, 7(15), 2212.
Cowan, N. (2001). The magical number 4 in short-term memory: A reconsideration of mental storage capacity. Behavioral and brain sciences, Cambridge University Press, 24(1), 87–114.
Dermeval, D. et al. (2018). Authoring tools for designing intelligent tutoring systems: a systematic review of the literature. International Journal of Artificial Intelligence in Education, Springer, 28(3), 336–384.
Dwivedi, P., Kant, V., Bharadwaj, K. K. (2018). Learning path recommendation based on modified variable length genetic algorithm. Education and information technologies, Springer, 23(2), 819–836.
Ebbinghaus, H. (1964). Memory: Acontribution to experimental psychology. Dover.
Eilenberg, S., Maclane, S. (1945). General theory of natural equivalences. Transactions of the American Mathematical Society, American Mathematical Society, 58(2), 231–294.
Ferreira, D. C. M. et al. (2014). Mapas de conhecimento estruturado: proposta de uma nova abordagem metodológica de ensino e aprendizagem. Educare, 9.
Filho, R. B. (2013). Uma abordagem para ensino baseada na teoria da aprendizagem significativa utilizando a teoria das categorias. Tese (Doutorado) — Universidade Federal de Uberlândia - Departamento de Engenharia Elétrica.
Karampiperis, P., Sampson, D. (2005). Adaptive learning resources sequencing in educational hypermedia systems. Journal of Educational Technology & Society, JSTOR, 8(4), 128–147.
Melo, S. L. et al. (2017). Modelo do estudante baseado em emoções e perfis de personalidade para recomendação de estratégias pedagógicas personalizadas. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE) 28(1), 967.
Miller, G. A. (1956). The magical number seven, plus or minus two: Some limits on our capacity for processing information. Psychological review, American Psychological Association, 63(2), 81, 1956.
Narciss, S. et al. (2014). Exploring feedback and student characteristics relevant for personalizing feedback strategies. Computers & Education, Elsevier, 71, 56–76.
Rodrigues, L. M. L., & Carvalho, M. (2005). Sti-i: Sistemas tutoriais inteligentes que integram cognição, emoção e motivação. Revista Brasileira de Informática na Educação, 13(1), 20–34.
Sani, S., aris, T. N. (2014) Computational intelligence approaches for student/tutor modelling: A review. In: IEEE. 2014 5th International Conference on Intelligent Systems, Modelling and Simulation. 72–76.
Truong, H. M. (2016). Integrating learning styles and adaptive e-learning system: Current developments, problems and opportunities. Computers in human behavior, Elsevier, 55, 1185–1193.
Venugopalan, S., Srinath, M., Rodrigues, P. (2016). Recommender system for e-learning through content and profile based approach. In: Proceedings of the Second International Conference on Information and Communication Technology for Competitive Strategies. 1–5.
Woolf, B. (2010). Building intelligent interactive tutors: Student-centered strategies for revolutionizing e-learning. Morgan Kaufmann.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Sara Luzia de Melo; Régis Michel dos Santos Sousa; Luciano Vieira Lima
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
