Detección Automática de Estilos de Aprendizaje Usando Internet de las Cosas

Abstract

La incorporación de la tecnología como una herramienta de gestión del conocimiento y apoyo a las prácticas pedagógicas en el aula, en conjunción con estándares de calidad, tiene el potencial de crear experiencias de aprendizaje ubicuas de gran impacto en la formación académica. Además, el avance de tecnologías abre nuevas posibilidades para la innovación mediante el monitoreo en tiempo real del comportamiento y la interacción de los estudiantes en su entorno educativo, lo que facilita la adaptación de las estrategias didácticas a las necesidades individuales de cada estudiante. El propósito de esta investigación es evaluar el diagnóstico de estilos de aprendizaje utilizando el modelo de Felder-Silverman en combinación con tecnologías de detección automática y el internet de las cosas. Para llevar a cabo esta investigación, se seleccionó una muestra de 24 estudiantes de educación media. El enfoque de la investigación es cuantitativo, y se adoptó un diseño no experimental transaccional. Los resultados indican que el uso de tecnología para la detección de estilos de aprendizaje ofrece ventajas significativas en comparación con el método tradicional.