Apertura. Revista de innovación educativa‏
Apertura 17

Personalización adaptativa de recursos educativos basados en estilos de aprendizaje

Gerardo Alberto Varela Navarro

Universidad de Guadalajara

RESUMEN

INTRODUCCIÓN

LOS ESTILOS DE APRENDIZAJE

LOS SISTEMAS HIPERMEDIA ADAPTATIVOS

CONSTRUYENDO UN ESTADO DEL ARTE

CONCLUSIONES

REFERENCIAS BIBLIOGRÁFICAS

 

RESUMEN

Dentro de la búsqueda de técnicas que provean de personalización y adaptabilidad a las necesidades de los estudiantes en ambientes virtuales de aprendizaje, se han desarrollado campos como los sistemas hipermedia adaptativos educativos. Así también, en su afán de ofrecer solución a los requerimientos de los estudiantes, se han adoptado los estilos de aprendizaje para modelar a los usuarios de esos sistemas. El presente trabajo busca explorar dichas posibilidades para definir el rumbo de futuras investigaciones que doten de personalización, adaptabilidad y autonomía a los presentes y futuros ambientes virtuales de aprendizaje. 

Palabras clave:

Estilos de aprendizaje, sistemas hipermedia adaptativos.

 

INTRODUCCIÓN

Los seres humanos aprendemos de formas distintas; las diferencias se hacen palpables en las preferencias individuales hacia distintos ambientes, métodos y medios con que interactuamos en nuestro aprendizaje. Sumado a ello, la sociedad de la información ha transformado las prácticas en diversos ámbitos, como el educativo, laboral, social y de consumo. En esas circunstancias, se ha marcado una gran división en cuanto a la percepción y las habilidades propias de cada generación. Las nuevas generaciones de estudiantes (NGE), como la Net1 y la Next,2 representan retos a los sistemas de educación masificados, que, por lo general, tienen un modelo de "aprendizaje unitalla y de transferencia unidireccional" (Tapscott, 2009).

Los recursos educativos disponibles en internet son muy numerosos y variados, por lo que podrían responder a las necesidades, preferencias y estilos de aprendizaje de los estudiantes. Desde el auge de internet, existen proyectos cuyo objetivo es obtener de forma personalizada los recursos de aprendizaje disponibles en la Red; algunas de esas propuestas apuestan a los estilos de aprendizaje como eje para el éxito de los procesos de aprendizaje mediados por las tecnologías de la información y la comunicación (TIC). Existen muchas tecnologías aplicadas a la educación que avanzan desde distintas perspectivas, pero aún no hemos logrado otorgar a los estudiantes entornos personalizados que les doten de mayor autonomía en sus procesos de aprendizaje.

Por lo anterior, el presente trabajo busca explorar los esfuerzos forjados para determinar líneas de investigación que orienten proyectos de personalización de recursos de aprendizaje que se adapten al perfil de aprendizaje de las NGE.

LOS ESTILOS DE APRENDIZAJE

Aunque nuestro contexto nos caracteriza con ciertos rasgos que pueden llevar a identificar esquemas generalizados, existen variaciones que intervienen en nuestra formación como sujetos. Desde nuestros primeros acercamientos con el aprendizaje se presentan preferencias que influyen en nuestro proceso de adquisición de nuevas habilidades y conocimientos. Lozano (2001, p. 14) menciona que las diferencias pueden darse en tres categorías: la psicológica, la sociológica y la intelectual.3

Ante tales diferencias que determinan el estilo en el que el individuo aprende, podemos definir entonces el estilo, término que, según Alonso, Gallego y Honey (1995), se utiliza en el argot pedagógico para señalar un comportamiento para su análisis y clasificación. Para Lozano (2001), un estilo implica preferencias, tendencias, patrones conductuales y fortalezas, y también refiere la existencia de supuestos4 y principios.5

En 1971, Kolb (Fontalvo, Iriarte, Domínguez et al., 2007), con la formulación de su modelo de aprendizaje experiencial, sienta las bases para los diferentes modelos de estilos de aprendizaje. Existen muchas nociones y definiciones de las cuales haremos un análisis según los autores citados en la tabla 1.

Tabla 1. Diferentes definiciones de estilos de aprendizaje.

De acuerdo con los elementos en común que se presentan en la tabla 1, podemos determinar que la idea central es el modo o los rasgos que mejoran las condiciones de aprendizaje en el contexto o ambiente específico del discente. Una de las definiciones que Alonso, Gallego y Honey consideran más adecuadas es la de Keefe, quien, al igual que Gregorc, concibe la funcionalidad de los estilos como indicadores de respuesta y acción hacia el ambiente.

Si bien, como en la mayoría de las teorías controvertidas, no hay una definición universal, existen diversos modelos de estilos de aprendizaje con distintas perspectivas. En estos modelos predomina la división entre el enfoque cognitivo6 y el psicológico;7 a continuación, referimos los más significativos y divergentes:

Kolb: en este modelo, el aprendizaje (citado en Fontalvo et al., 2007a y b) es visto como un proceso circular fruto de las experiencias con factores cognitivos que, al agruparse en cuadrantes, generó los estilos de aprendizaje del tipo: divergentes (en los que predomina observar, desde distintos puntos de vista, la creatividad y la comprensión del aprendizaje), asimiladores (reflexivos, con capacidades de abstracción, hábiles en lo teórico y en la planeación), convergentes (pragmáticos y lógicos, con facilidad para la resolución de problemas y la toma de decisiones) y acomodadores (quienes aprenden de experiencias vivas y reales, toman riesgos y buscan "el hacer").

Honey y Mumford: extendieron la teoría de Kolb con una perspectiva más psicológica y brindan una clasificación a los estilos de: activo, reflexivo, teórico y pragmático. Los activos son los que aprenden realizando nuevas tareas o experiencias que les permitan obtener nueva información del ambiente; los reflexivos analizan las experiencias circundantes; los teóricos buscan, a través de los conceptos, entender los fenómenos que los rodean; y los pragmáticos aprenden experimentando de primera mano y resolviendo problemas.

Bandler y Grinder: propusieron un modelo de programación neurolingüística basado en los estilos visual, auditivo y kinestésico; este último difiere sólo en la clasificación de lectura/escritura de modalidad sensorial de Fliming y Mills en el inventario VARK.

Hermann: desarrolló un modelo basado en cuatro cuadrantes cerebrales: el cortical izquierdo, personas lógicas y analíticas, se basan en hechos y en datos cuantitativos, prefieren modelos y teorías; el cortical derecho, son personas con habilidades para conceptualizar, sintetizar, globalizar, visualizar e intuir; el límbico izquierdo, personas con atributos de organizar, secuenciar, detallar, formalizar, planificar y estructurar; y por último, el límbico derecho, que tienen facilidades para las relaciones interpersonales, el manejo de sentimientos y con un agudo sentido de lo estético y las emociones.

Felder y Silverman: formularon un modelo de estilo muy conocido y usado (Fontalvo, Iriarte, Domínguez et al., 2007), ya que se basa en cinco categorías bipolares: sensitivo/intuitivo, según el nivel de percepción de la información; visual/verbal, como entra la información; inductivo/ deductivo, como organiza la información; activo/reflexivo, por la forma de procesar la información; y, por último, secuencial/global, como entiende la información. Es necesario comentar que Felder y Silverman cruzaron e involucraron los atributos de las clasificaciones de modelos anteriores.

La variedad de modelos, así como de instrumentos de diagnóstico para su medición, que en su mayoría resultan tediosos y propensos a errores, hace compleja la identificación de los estilos de aprendizaje, pero no deja de ser una estrategia de personalización que puede mejorar el desempeño de los aprendizajes de los sujetos.

 

LOS SISTEMAS HIPERMEDIA ADAPTATIVOS

Los sistemas hipermedia presentan contenido a los usuarios en forma de hipertexto, y navegan a través de hipervínculos. Un sistema hipermedia adaptativo (adaptive hypermedia systems, AHS) se define (Bruselovsky, 1996) como un sistema ya sea hipertexto o hipermedia que refleje algunas características del usuario (modelado) y aplique dicho modelo para adaptar los aspectos del sistema visibles al usuario. Brusilovsky (1996) comenta que los AHS pueden ser útiles: "En cualquier área de aplicación donde se espere que el sistema sea utilizado por personas con distintos conocimientos y objetivos y donde el hiperespacio sea razonablemente grande. Los usuarios pueden interesarse en diferentes fragmentos de la información presentada en una página hipermedia y pueden usar distintas ligas de la para su navegación".

Hauger y Köck (2007), que citan a Brusilovsky, mencionan que los AHS pueden tomar especial importancia en el e-learning por dos principales razones: la primera, porque pueden ser usados por estudiantes con distintos objetivos, perfiles de aprendizaje, preferencias y conocimiento. El perfil del estudiante cambia en la medida en que sus conocimientos se incrementan. La segunda, el estudiante puede recibir ayuda del sistema para navegar a través del curso, y recibir trayectorias personalizadas a través de él. 

Los AHS proveen de acceso e interacción al contenido y lo adecuan a las necesidades del alumno, además de tomar decisiones de qué presentar con base en el perfil del usuario.

Ante tales características podríamos preguntar de qué forma puede la adaptabilidad aportar al e-learning, a lo cual Hauger y Köck, de acuerdo con Beaumont y Brusilovsky (1995), distinguen que la adaptación puede darse en el nivel de contenido (adaptive presentation support) y en el de navegación (adaptive navigation support).

Berlanga (2006) menciona que los AHS contienen tres componentes:

  • El modelo de dominio se encarga de almacenar y estructurar el conocimiento o tema de estudio propio del sistema (en general, en forma de páginas o nodos de información).
  • El modelo del usuario provee información acerca de las características, preferencias, objetivos, intereses e interacciones que el usuario realiza en el sistema.
  • El modelo de adaptación es el encargado de tomar el modelo del usuario para adecuar y modificar los contenidos y trayectorias con base en la información del sujeto que interactúa con el sistema.

Desde hace varios años, se ha trabajado en la integración de los AHS con los estilos de aprendizaje, tarea que ha sido muy compleja por la gran cantidad de modelos y su dificultad para su representación y adaptabilidad en los sistemas computacionales. Debido a los grandes cambios que la era de la información ha venido moldeando, sumado a que los estudiantes necesitan cada vez entornos de aprendizaje más atractivos, personalizados y que doten de autonomía a sus procesos de aprendizaje, es necesario explorar las posibilidades de la convergencia de ambos campos (el de los estilos de aprendizaje y los AHS) a fin de generar soluciones a los retos para la creación de ambientes de aprendizaje efectivos.

 

CONSTRUYENDO UN ESTADO DEL ARTE

De la articulación entre los campos de los estilos de aprendizaje e inteligencia artificial (adaptativo y agentes inteligentes) se identificaron palabras clave que orientaron la búsqueda para la exploración de este estado del arte. Las indagaciones se construyeron en tesis de doctorado y artículos de divulgación científica. Por lo que se refiere al sondeo de tesis de doctorado, se revisaron repositorios de los que destacan las producciones de Reino Unido y España. La tabla 2 resume las tesis doctorales encontradas en la exploración inicial para la construcción parcial del estado del arte.

Tabla 2. Resultado de las búsquedas de tesis de doctorado.

 

En general, los trabajos referidos buscan la formulación de un modelo de adaptación con propósitos educativos junto con la implementación de prototipos para la evaluación de dicho modelo. Los trabajos entran en el campo de los sistemas hipermedia adaptativos educativos (SHAE); se trata de un tema relativamente nuevo (en comparación con el campo educativo), surgido en la segunda mitad de los años noventa, y que tuvo un auge importante entre 1999 y 2003 (en la figura 1 se muestra un mapa de su evolución planteado por Berlanga [2006]). Sus principales impulsores y autores seminales identificados en la catalogación de las referencias son: Peter Brusilovsky, profesor e investigador de la Universidad de Carnegie Mellon, en Pittsburgh, Penssilvania, Estados Unidos; Alfred Kobsa, de la Universidad de Irvine, California; y Alexandra I. Cristea, del Reino Unido. En el caso de España, existe gran interés en el tema, en especial en la Universidad de Salamanca, con su línea de investigación en el campo: el GRIAL (GRupo de investigación en InterAcción y eLearning).

Figura 1. Evolución de los sistemas hipermedia adaptativos (Berlanga, 2006).

 

Otro de los hallazgos destacables es la gran cantidad de estilos de aprendizaje referidos; en ese sentido, múltiples modelos aparecen como referencia en la mayoría de los trabajos, algunos de ellos son: Kolb, Honey y Alonso, Honey y Mumford, Dunn y Dunn, Myers y Briggs, Felder y Silverman, Witkin y Goodenough (predominan los modelos de Felder-Silverman, Kolb, cuyas clasificaciones de los estilos son muy variadas; esta diversidad implicaría un análisis posterior para determinar los avances específicos en los diversos modelos y la pertinencia de su adaptabilidad, punto de discusión que abordan varios de los trabajos).

Como una particularidad reconocida en la implementación de tales modelos, hay que resaltar que existe evidencia, la intención de integrar estándares tecnoeducativos para el desarrollo de los SHAE, entre los que se destaca la especificación IMS LD.8

En la búsqueda, identificamos diversos prototipos cuyos principales objetivos son la personalización de la experiencia de aprendizaje basada en el perfil de estilos de aprendizaje del alumno; los principales son: CS-383, ARTHUR, MANIAC, IDEAL, MASPLANG, LSAS, INSPIRE, MOT, AHA!, TANGOW y CoMoLE (ver tabla 3). Los mencionamos como otro aspecto a indagar y profundizar para luego identificar los diferentes aportes en el desarrollo de los trabajos mencionados.

Tabla 3. Sistemas hipermedia adaptativos educativos identificados.

 

Fuente: con base en la exploración de Cristea, Flores, Stash et al., 2003; Prieto, 2006; Brown, 2007; Martín, 2008; y Paredes, 2008. Prieto (2006) presenta una metodología titulada METHADIS, la cual tiene como objetivo diseñar estrategias instruccionales adaptativas (diseño instruccional adaptativo) para SHA basadas en estilos de aprendizaje y estilos cognitivos. La metodología citada puede ser un referente importante para el desarrollo de estrategias y su implementación en SHAE. Para la exploración de artículos, procedimos a recuperar referencias desde Google Académico, RedaLyC, Dialnet9 y varias herramientas de tipo metabuscador. Las palabras clave fueron las mismas aplicadas para la recuperación de tesis. En la tabla 4 presentamos un resumen de la exploración.

Tabla 4. Artículos resultantes de la búsqueda.

 

En los artículos se observa un interés en el área en Estados Unidos, Colombia y México, principalmente. También son visibles distintas posturas en torno a los estilos de aprendizaje; incluso, en el campo de la psicología, existe mucha controversia sobre la validez de algunos estudios. Pashler, McDaniel, Rohrer et al. (2008) critican los modelos y cómo éstos han sido explotados por empresas en la venta de instrumentos y sus respectivas evaluaciones, por lo cual hacen una revisión de dichos instrumentos. Este aporte es muy importante para la evaluación del modelo de estilos de aprendizaje a considerar en cualquier implementación de SHAE.

En la búsqueda de autores seminales existen las mismas coincidencias tanto en estilos de aprendizaje como en sistemas adaptativos. En los primeros, predominan de nuevo los modelos de Felder-Silverman, Kolb y Honey, y en el caso de sistemas adaptativos hipermedia, el de Brusilovsky.

Diversos estudios buscan la aplicación y evaluación de modelos de estilos de aprendizaje en educación virtual; los sistemas de recomendación y recuperación de objetos de aprendizaje; los sistemas multiagentes para dotar adaptabilidad en los SHAE; la implementación de adaptabilidad en sistemas comerciales web como de venta de libros; modelos para proveer de adaptabilidad a los SHAE utilizando el estándar SCORM; y las más recientes y notables técnicas de adaptabilidad, como redes neuronales Kohonen y la incorporación de ontologías de web semántica.

Hay que mencionar que el informe Horizon 201111 del New Media Consortium (NMC) provee una serie de tecnologías emergentes cuyos principales objetivos son contribuir a la educación. En él se aprecia que, entre las tendencias observadas con un periodo de implementación de cuatro a cinco años, figura el análisis del aprendizaje:

El análisis del aprendizaje se refiere a la interpretación de una amplia gama de datos reunidos y producidos por los estudiantes con el fin de evaluar el progreso académico, predecir el rendimiento futuro, y detectar problemas potenciales. Los datos se recogen a partir de interacciones explícitas de los estudiantes, como: completar las tareas y aplicar exámenes, y de las acciones tácitas, como interacciones sociales en línea, actividades extracurriculares, mensajes en foros de discusión y otras actividades que no son directamente evaluadas como parte del progreso educativo del estudiante. Modelos que analizan ese proceso y muestran los datos para ayudar a su interpretación. El objetivo del análisis es el aprendizaje, para que los profesores y las escuelas adapten las oportunidades de educación al nivel de necesidad y capacidad de cada estudiante (Johnson, Smith, Willis et al., 2011, p. 28).

El informe menciona que una de las aplicaciones del análisis del aprendizaje es la tecnología instruccional, que puede aprovecharse en la generación de sistemas que mejoren la trayectoria académica de los estudiantes.

 

CONCLUSIONES

Haciendo un corte en esta exploración del estado del arte, se pueden concluir las siguientes proposiciones:

  • Es prudente comentar que, en materia de estilos de aprendizaje, son claras las múltiples controversias en cuanto a la crítica de la validez de algunos modelos (Pashler, Mc- Daniel, Rohrer et al., 2008) y de la representatividad estadística de la mayoría de las pruebas de los modelos y sus prototipos, ya que, en general, son probadas en grupos pequeños.
  • En el caso de los desarrollos que integran los SHAE y los estilos de aprendizaje, la mayoría de aplicaciones de los experimentos de evaluación se llevan a cabo en contextos muy homogéneos, debido a que la mayoría sólo realizan las pruebas en estudiantes de una misma materia y un mismo programa educativo.
  • Existe una base de proyectos de investigación en nuevos modelos y desarrollo de prototipos que servirán para construir análisis más detallados de la evolución de los SHAE que consideran los estilos de aprendizaje para el modelamiento del usuario, ya que existen diferencias en las características y cantidad de SHAE que refieren los autores (principalmente de tesis), por lo cual es conveniente ir a las fuentes originales.
  • En los SHAE se han aplicado diversos modelos de estilos de aprendizaje (para modelar el usuario), y los predominantes son el de Felder-Silverman y el de Kolb. Hay que mencionar que las implementaciones, en su mayoría, no llegan a cubrir la totalidad de clasificaciones de estilos de aprendizaje consideradas por modelo adoptado, debido a la complejidad que esto representa (tanto en su diagnóstico como aplicabilidad en sistemas computacionales).
  • La mayoría de las implementaciones de los prototipos son sistemas que no se aplican en los contextos educativos de manera continua y se quedan como prototipos.
  • Son pocos los prototipos que consideran el uso de estándares educativos como IMS o SCORM, y es una tendencia que se observa en los últimos años.
  • Las implementaciones de SHAE que se integren a LMS comerciales o de código abierto son casi nulas, pues en la exploración realizada sólo identificamos un proyecto muy reciente con dicha integración (con Sakai12). Los puntos comentados representan una oportunidad de desarrollo de nuevos modelos y prototipos que aporten para otorgar mayor personalización, adaptabilidad y autonomía a los usuarios de plataformas virtuales educativas y, así, incrementar el impacto del aprendizaje en ambientes virtuales.

 

REFERENCIAS BIBLIOGRÁFICAS

Alonso, M., Gallego, J. y Honey, P. (1995). Los estilos de aprendizaje: procedimientos de diagnóstico y mejora (7a ed.). España: Mensajero.

Berlanga, A. (2006, marzo). Diseños instructivos adaptativos formación personalizada y reutilizable en entornos educativos. Tesis doctoral. Salamanca, España. Recuperado de http://gredos.usal.es/jspui/bitstream/10366/21858/1/TD_Disenos%20instructivos.pdf

Betancur, D., Moreno, J. y Ovalle, D. (2009). Modelo para la recomendación y recuperación de objetos de aprendizaje en entornos virtuales de enseñanza/aprendizaje. Revista Avances en Sistemas e Infomática, vol. 6, núm. 1, pp. 45-56.

Brown, E. (2007, octubre). The use of learning styles in adaptive hypermedia. Tesis doctoral. Nottingham, Inglaterra. Recuperado de http://etheses.nottingham.ac.uk/577/

Brusilovsky, P. (1996). Methods and techniques of adaptive hypermedia. User modeling and user-adapted interaction, vol. 6, núm. 2, pp. 87-129.

Caro, M., Hernández, J., y Jiménez, J. (2011). Diseño de un sistema de recomendación en repositorios de objetos de aprendizaje basado en la percepción del usuario: caso RODA. Ciencia e Ingeniería Neogranadina, vol. 21, núm. 1, pp. 51-72.

Cassidy, S. (2004). Learning styles: an overview of theories, models, and measures. Educational Psychology, vol. 24, núm. 4, pp. 419-444.

Cristea, A., Flores, D., Stash, N. et al. (2003). MOT Meets AHA! (p. 7). Presentado en 12th International PEG Conference, San Petersburgo, Rusia. Recuperado de http://eprints.dcs.warwick.ac.uk/207/1/PEG03-cristea-floes-stash-debra-final.pdf

Fontalvo, H., Iriarte, F., Domínguez, E. et al. (2007a). Diseño de ambientes virtuales de enseñanza-aprendizaje y sistemas hipermedia adaptativos basados en modelos de estilos de aprendizaje. Zona Próxima: revista del Instituto de Estudios Superiores en Educación, núm. 8, pp. 42-61.

_____(2007b). Diseño de ambientes virtuales de enseñanza aprendizaje y sistemas hipermedia adaptativos basados en modelos de estilos de aprendizaje. Zona Próxima, núm. 8, pp. 42-61.

Gallego, A. y Martínez, E. (2003, febrero). Estilos de aprendizaje y e-learning. Hacia un mayor rendimiento académico. RED. Revista de Educación a Distancia, núm. 7. Recuperado de http://www.um.es/ead/red/7/estilos.pdf

Giugni, M., Vera, M., Díaz, A. et al. (2007). Sistema hipermedia adaptativo para contenidos educativos, basado en tecnología de agentes de software. Argentina. Recuperado de http://www.utn.edu.ar/aprobedutec07/docs/146.pdf

Hauger, D. & Köck, M. (2007). State of the art of adaptivity in e-learning platforms. Proceedings, pp. 355-360.

Johnson, L., Smith, R., Willis, H. et al. (2011). The 2011 Horizon Report. NMC.

Lozano, A. (2001). Estilos de aprendizaje y enseñanza. Un panorama de la estilística educativa. Trillas.

Martín, E. (2008, septiembre). Creación de entornos adaptativos móviles: recomendación de actividades y generación dinámica de espacios de trabajo basadas en información sobre usuarios, grupos y contextos. Tesis doctoral. Autónoma de Madrid, España. Recuperado de 2008Tesis-EstefaniaMartinBarroso.pdf.

Martins, A., Faria, L., Vaz de Carvalho, C. et al. (2008). User modeling in adaptive hypermedia educational systems. Educational Technology & Society, vol. 11, núm.1, pp. 194-207.

Monova-Zheleva, M. (2005). Adaptive learning in web-based educational environments. Cybernetics and Information Technologies, vol. 5,núm. 1, pp. 44-55.

Notargiacomo, P. & Frango, I. (2006). Learning objects: adaptive retrieval through learning styles. Interdisciplinary Journal of Knowledge and Learning Objects, vol. 2, pp. 35-46.

Oblinger, D., & Oblinger, J. (2005). Educating the Net Generation. Educause. Recuperado de http://net.educause.edu/ir/library/pdf/pub7101.pdf

Orellana, N., Bo, R., Belloch, C. et al. (2002). Estilos de aprendizaje y utilización de las TIC en la enseñanza superior. Presentado en Virtual Educa, España. Recuperado de http://reposital.cuaed.unam.mx:8080/jspui/bitstream/123456789/2563/1/117.pdf

Paredes, P. (2008, octubre). Una propuesta de incorporación de los estilos de aprendizaje a los modelos de usuario en sistemas de enseñanza adaptativos. Tesis doctoral. Autónoma de Madrid, España. Recuperado de 2008TesisPparedes-estilosdeaprendizajeAdaptativos.pdf.

Pashler, H., McDaniel, M., Rohrer, D. et al. (2008). Learning styles: concepts and evidence. Psychological Science in the Public Interest, vol. 9 núm. 3, pp. 103-119.

Prieto, M. (2006, octubre). METHADIS. Metodología para el diseño de sistemas hipermedia adaptativos para el aprendizaje, basada en estilos de aprendizaje y estilos cognitivos. Tesis doctoral. Salamanca, España. Recuperado de http://gredos.usal.es/jspui/bitstream/10366/21856/1/TD_Methadis.pdf

Rojas, G. (2008, mayo). Modelling adaptive web applications in OOWS. Tesis doctoral. Politécnica de Valencia, España. Recuperado de http://riunet.upv.es/handle/10251/2000

Romero, L., Salinas, U. y Mortera (2010, abril). Estilos de aprendizaje basados en el modelo de Kolb en la educación virtual. Apertura, vol. 2, núm. 1. Recuperado de http://www.udgvirtual.udg.mx/apertura/NUM12/Apertura%2012%20HTML/Apertura12_6.html

Schneider, D. (2006). IMS Learning Design-EduTech Wiki. Wiki Edutech. Recuperado el 20 de febrero de 2012 de http://edutechwiki.unige.ch/en/IMS_Learning_Design

Sun, S., Joy, M. & Griffiths, N. (2005). An innovative use of learning objects and learning style in pedagogic agent systems. Presentado en Annual Conference of the HEA Network for Information and Computer Sciences, York, Reino Unido. Recuperado de http://eprints.dcs.warwick.ac.uk/300/1/sun_joy_griffiths_hea05.pdf

Tapscott, D. (2009). La era digital. Cómo la generación net está transformando al mundo. McGrawHill.

Tissat (2003). Guía del módulo de inteligencia artificial, versión 5.1.0. Recuperado de http://www.isum.com/pdfs/tecnica/AI.pdf

Triantafillou, E., Georgiadou, E. & Economides, A. (2006). Adaptive Hypermedia Systems_A review of adaptivity variables. Presentado en 5 a Conferencia Nacional de Tecnologías de la FER de Tecnologías de la Información y la Comunicación en la Educación, Grecia. Recuperado de http://conta.uom.gr/conta/publications/PDF/Adaptive%20Hypermedia%20Systems_A%20review%20of%20adaptivity%20variables.pdf

Uruchurtu, E. (2009, mayo). The influence of cognitive styles on the design of adaptive web-based learning materials. Tesis doctoral. Heriot-Watt. Recuperado de http://www.ros.hw.ac.uk/handle/10399/2246

Vassileva, J., McCalla, G. & Greer, G. (2003). Multi-Agent Multi-User Modeling, User Modeling and User-Adapted Interaction. Special Issue on User Modelling and Intelligent Agents, vol. 13, núm. 1, pp. 179-20.

Yaghmaie, M. & Bahreininejad, A. (2011). A context-aware adaptive learning system using agents. Expert Systems with Applications, vol. 38, núm. 4, pp. 3280-3286.

Zatarain, R., Barrón, M. & Reyes, C. (2011). EDUCA: A web 2.0 authoring tool for developing adaptive and intelligent tutoring systems using a Kohonen network. Expert Systems with Applications, vol. 38, núm. 8, pp. 9522-9529. doi:10.1016/j.eswa.2011.01.145

 

NOTAS AL PIE

1 La generación Net se considera a las personas nacidas de 1977 a 1997 (Tapscott, 2009); también se llaman generación Y o Milenios. Los individuos pertenecientes a ella tienen características como habilidad para leer esquemas visuales y son comunicadores visuales intuitivos; capacidades visuales-espaciales derivadas de su experiencia con videojuegos, pueden integrar lo virtual y lo físico; descubrimiento inductivo, pues aprenden mejor descubriendo que siendo instruidos; despliegue de su atención, ya que pueden cambiar su atención con rapidez de una tarea a otra, y escoger no poner atención en cosas que no les interesan; rápido tiempo de respuesta, son capaces de contestar de manera rápida y esperar respuestas veloces de regreso (Oblinger & Oblinger, 2005).
2 La generación Next son los nacidos entre 1998 a la fecha (Tapscott, 2009).
3 En la psicológica, pueden encontrarse la motivación, las emociones, el nivel de atención y la percepción; en la sociológica, la interacción con los demás individuos, la
apatía social, el aislamiento y las capacidades de colaboración; y en la intelectual se dan las preferencias de análisis, el tratamiento de la información, la creatividad,
la innovación, la intuición y perspicacia (Lozano, 2001).
4 Supuestos (citando a Guild & Garger, en Lozano, 2001): cada persona tiene su propio estilo; los estilos son neutrales; los estilos son estables, pero algunos patrones de
conducta pueden variar dependiendo de la situación; los estilos no son absolutos; los estilos en sí mismos no manifiestan competencia; y las características de un estilo
pueden identificarse en otras personas cuando se reconocen primero en uno mismo.
5 Principios (citando a Stemberg, en Lozano, 2001): los estilos son preferencias en el uso de habilidades, pero no son habilidades en sí mismas; una relación entre los estilos
y las habilidades genera una sinergia más importante que la simple suma de las partes; las opciones de vida necesitan encajar tanto en los estilos como en las habilidades;
la gente tiene perfiles (o patrones) de estilos, no un solo estilo; los estilos son variables de acuerdo con las tareas y las situaciones, la gente difiere en la fuerza de sus
preferencias; las personas difieren en su flexibilidad estilística: los estilos son socializados; los estilos pueden variar a lo largo de la vida, los estilos pueden ser mesurables;
los estilos pueden enseñarse, los estilos valorados en un momento o lugar específicos pueden no serlo en otros; los estilos no son buenos o malos, sino una cuestión de
enfoque; y a veces confundimos los patrones estilísticos con los niveles de habilidad.
6 Los estilos de aprendizaje considerados por Romero, Salinas y Mortera (2010) con enfoque cognitivo son el de Kagan, de 1980, Myers-Briggs, también de 1980, Kolb,
de 1984, Felder-Silverman, de 1988, y Howard Gardner, de 1983.
7 Los estilos de aprendizaje que Romero, Salinas y Mortera (2010) clasifican con enfoque psicológico son los de A. Grasha y S. Hruska-Riechmann, formulado en 1992, y el de Margaret Martínez, de 1999.
8 IMS Learning Design (IMS LD) es un estándar pedagógico (un lenguaje de modelado educativo) para describir la tecnología que soporta la producción de escenarios pedagógicos basados en modelos de diseño instruccional. En la actualidad, representa el lenguaje formal más popular para describir los diseños de aprendizaje. Algunos sistemas con lenguajes de diseño educativo pueden producir salidas al estándar IMS LD (Schneider, 2006).
9 http://Scholar.google.com.mx, http://redalyc.uaemex.mx/ y http://dialnet.unirioja.es/ , respectivamente.
10 Siglas en inglés del estándar educativo Sharable Content Object Reference Model, desarrollado por iniciativa del gobierno de Estados Unidos, ADL (Advanced Distributed Learning).
11 Dicho informe se desarrolla con base en contribuciones de distintos expertos, principalmente en TIC, que son parte de la asociación. Cada otoño se publica el informe cuyo objetivo es orientar a los investigadores acerca de las tendencias tecnológicas y sus aplicaciones.
12 http://sakaiproject.org/

 

Fecha de recepción: 15 junio 2012

Fecha de aceptación: 17 agosto 2012

Métricas de artículo

Cargando métricas ...

Metrics powered by PLOS ALM

Enlaces refback

  • No hay ningún enlace refback.

Comentarios sobre este artículo