Identificación de estilos de aprendizaje en plataformas tecnológica (LMS) mediante árboles de decisión

Abstract

En el presente estudio se identifican patrones de comportamiento de los estudiantes que permiten clasificarlos de manera automática mientras interactúan con recursos educativos en una plataforma tecnológica de aprendizaje (Learning Management System, LMS, por sus siglas en inglés); dicha clasificación es con base en los estilos de aprendizaje del modelo Felder-Silverman, a partir de la técnica de minería de datos de árboles de decisión. En el estudio participaron 130 alumnos de la carrera de Ingeniería en Software de una universidad del sur de Sonora y se utilizó la metodología descubrimiento del conocimiento en bases de datos (KDD). Se encontró que los estilos visual, sensorial y equilibrado pueden predecirse correctamente en el 75% de los casos. La evidencia sugiere que los estilos propuestos en la teoría seleccionada no se cumplen al cien por ciento de acuerdo con su conceptualización inicial. Lo anterior puede deberse a que la teoría de estilos de aprendizaje no fue diseñada para identificar estilos en estudiantes a distancia con las dimensiones propuestas por sus autores. En un desglose de los materiales disponibles para los estudiantes, se pudo evidenciar que todos los estilos de aprendizaje muestran una preferencia a los de tipo texto, incluso los alumnos visuales.