Aplicación de la inteligencia artificial en los ambientes de aprendizaje

  • Álvaro Salcedo Olivero
Palabras clave: algoritmo, aprendizaje automático, arboles de decisión, clúster, minería de datos, estilos de aprendizaje, protocolo pedagógico, patrones, redes neuronales, reglas de asociación, TIC

Resumen

 El presente trabajo investigativo aporta un conocimiento práctico, reflexivo y relevante al proceso enseñanza-aprendizaje en el SENA, en donde se podrá implementar a nivel institucional para poder detectar las falencias y tomar los correctivos necesarios de c.mo están aprendiendo sus aprendices, de manera que se adopten las estrategias de mejora acordes con su futuro desempeño laboral y se ajusten a sus necesidades. Cabe señalar que el Background adquirido en el entorno universitario donde fue implementado inicialmente; redundara en beneficios sustanciales e impactara a la entidad en su conglomerado 117 centros de formación, 34 regionales, 512 programas de formación con un total de 1.094.518 aprendices a nivel nacional que corresponde a aprendices activos en formación titulada SENA, vigencia 2018, a corte 31/07/2018.Por lo tanto su campo de acción es la educación en el contexto moderno del aprendizaje automático. Esta investigación determina. una alternativa, utilizando conceptos de Redes Neuronales, Algoritmos Inductivos, apoyados con el instrumento denominado “Planilla de Felder”. Como resultado llegamos a conocer perfiles y/o estilos de aprendizajes de los estudiantes, con el protocolo pedagógico asistido.El aprendizaje automático es el campo de la Ingeniería Informática en el que se estudian y desarrollan algoritmos que implementan los distintos modelos de aprendizaje y su aplicación a la resolución de problemas prácticos.Los resultados más destacados que se desprendieron de este trabajo de investigación son: mejor aprovechamiento, entendimiento y apropiación en su proceso educativo lo cual redunda en un cambio positivo de aprehensión y motivación por parte de los estudiantes pertenecientes al grupo experimental o grupo piloto. 

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Álvaro Salcedo Olivero
Ingeniero del SENA, Dinamizador Tecnoparque Regional Distrito Capital,  Centro Metalmec.nico, Colombia, 

Referencias

Azoumana, K. (2014). Análisis de la deserción estudiantil en la niversidad Simón Bolívar, facultad Ingeniería de Sistemas, con técnicas de minería de datos. Revista Pensamiento Americano, 6(10).

Baca, C. A. G. (2018). Competencias docentes en el conocimiento y manejo de estrategias meteorológicas para atender los ritmos y estilos de aprendizaje en el aula.

Ballesteros Román, A., Sánchez-Guzmán, D., & García Salcedo, R. (2013). Minería de datos educativa: Una herramienta para la investigación de patrones de aprendizaje sobre un contexto educativo. Latín-American Journal of Physics Education, 7(4).

Belloch Consuelo. (2012). Diseño Instruccional. Unidad de Tecnología Educativa Universidad de Valencia – España.

Caldera, Y. M., Castro, J. L. A., & Hidrobo, F. J. (2018). Análisis de los problemas de rendimiento en un E.V.A (entorno virtual de aprendizaje) a través de la extracción de conocimiento. Ingeniería al Día, 4(1), 3-24.

Cataldi, Z., Salgueiro, F., & Lage, F. (2006). Predicción del rendimiento de los estudiantes y diagnóstico usando redes neuronales. Enseñanza, 14, 15.

Cesar Pérez López. (2013). Minería de Datos. Redes Neuronales y Arboles de Decisión With SAS Enterprise Miner. Createspace Independent Pub.

Durán, E., & Costaguta, R. (2007). Minería de datos para descubrir estilos de aprendizaje. Revista Iberoamericana de

Educación, 42(2), 6.

Esteban-Albert, M., & Zapata-Ros, M. (2016). Estrategias de aprendizaje y eLearning. Un apunte para la fundamentación del diseño educativo en los entornos virtuales de aprendizaje. Revista de educación a distancia, (50).

Felder, R.M. (2007). Index of Learning Styles. Engineering Education Journal Vol. 78 Num. 7. p. 674-681.

García-Peñalvo, F. J. (2018). Tecnologías del aprendizaje. Grupo GRIAL.

González Clavero, M. V. (2011). Estilos de aprendizaje: su influencia para aprender a aprender.

Hernández, J. A. D., & Rengifo, Y. S. P. (2016). Los sistemas tutores inteligentes y su aplicabilidad en la educación. Revista Horizontes Pedagógicos, 17(2), 104-116.

Honey, P., & Mumford, A. (1992). The manual of learning styles.

Hurtatiz, Y. E. M., Rengifo, Y. S. P., & Rojas, E. E. M. (2015). Sistemas Tutores Inteligentes como apoyo en el proceso de aprendizaje. Redes de Ingeniería, 6(1), 25-44.

Lanzarini, L., Estrebou, C., Ronchetti, F., Quiroga, F., Luna, C., Antonio, R., & Rosete, A. (2018). Aprendizaje automático: aplicaciones en visión por computadora. In Workshop de Investigadores en Ciencias de la Computación (Vol. 20).

León, Y. D. V. R., & Carrillo, J. A. O. (2012). Diagnóstico del estilo de aprendizaje predominante basado en minería de datos y el modelo de Felder: aplicaciones al Elearnig 3.0. En Estilos de aprendizaje: investigaciones y experiencias: [V Congreso Mundial de Estilos de Aprendizaje], Santander, 27, 28 y 29 de junio de 2012.

Cómo citar
Salcedo Olivero, Álvaro. (1). Aplicación de la inteligencia artificial en los ambientes de aprendizaje. Revista Teinnova, 3, 5-13. Recuperado a partir de http://revistas.sena.edu.co/index.php/CDITI/article/view/2353