Sistema Difuso Para la Detección Automática de Estilos de Aprendizaje en Ambientes de Formación Web

• Palomino Hawasly, Miguel Angel ^[1] ; Strefezza, Miguel ^[2] ; Contreras, Leonardo ^[2]
  1. [1] Universidad de Córdoba
  2. [2] Universidad Simón Bolívar
• Localización: Ciencia, Docencia y Tecnología, ISSN-e 1851-1716, ISSN 0327-5566, Año 27, Nº. 52, 2016
• Idioma: español
• Títulos paralelos:
  • Sistema difuso para detecção automática de estilos de aprendizagem em ambientes de formação web
  • Fuzzy System for Automatic Detection of Learning Styles in Web Training Environments
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Este trabajo presenta un sistema difuso que permite detectar estilos de aprendizaje para un entorno formativo personalizado orientado a la web, donde las características individuales de aprendizaje, se convierten en el insumo principal de estos escenarios innovadores de formación. Se presentan tres factores que se tuvieron en cuenta al momento de formalizar las distintas variables difusas: una adaptación del Test de Felder y Silverman, la ruta o traza de aprendizaje y una prueba de conocimientos, se describe la naturaleza y respectiva connotación de cada una de ellas, al igual que los criterios para la construcción de las reglas difusas, además se exponen algunos de los resultados obtenidos al momento de simular con diversos datos de entrada.

  • português

    Este trabalho apresenta um sistema difuso para detectar estilos de aprendizagem em um ambiente de aprendizagem personalizado orientado à web, em que as características individuais de aprendizagem, tornam-se o principal insumo desses cenários inovadores de formação. São apresentados três fatores levados em conta na formalização das diferentes variáveis difusas: uma adaptação do Teste de Felder e Silverman, o caminho ou traço de aprendizagem e uma prova de conhecimentos, são descritas a natureza e respectiva conotação de cada uma delas, bem como os critérios para a construção das regras difusas, também são expostos alguns dos resultados obtidos na simulação com diversos dados de entrada.

  • English

    This paper shows a fuzzy system to detect learning styles through a virtual training environment, with the aim of contributing to improved levels of personalization. Here, the individual learning characteristics become the main ingredient scenarios innovative virtual training. It is shown three factors that were taken into account when formalizing the fuzzy variables: an adaptation of Felder and Silverman test, the path or trace of learning and a knowledge test. They explain the nature and respective connotation of each of them as the criteria for the construction of fuzzy production rules. Also, they show some of the results obtained when simulating with various input data