SISTEMA TUTOR INTELIGENTE DE REDES DE COMPUTADORAS
Resumen
En este artículo se presenta el desarrollo de una herramienta educativa que unifica los diseños ya existentes, que han sido propuestos por los STI (Sistema Tutor Inteligente), que a través de una estructura logra controlar la evolución pedagógica del estudiante, analizando su estilo de aprendizaje, clasificando y evaluando sus áreas de oportunidad con herramientas como redes bayesianas y árboles de decisión. Se aborda el tema de la clasificación de estudiantes mediante su estilo de aprendizaje para filtrar el contenido de la asignatura y dependiendo el estilo de aprendizaje determinado, con el propósito de mejorar los resultados en el estudiante en relación con el contenido que este percibe, permitiendo así que el entorno donde el estudiante practica sea apropiado para él. Se utilizaron arboles de decisión para planificar la asignatura introducción de redes de computadoras de la Universidad Politécnica del Estado de Morelos y los resultados del estudiante fueran procesados por un sistema de redes bayesianas, que estarán en conjunta comunicación con el árbol de decisión para el planificador de lecciones. Se finaliza con los resultados obtenidos en el sistema y se compara con los resultados de un experto humano que será el punto de referencia para verificar el cumplimiento de los resultados.Citas
Borrego, D., Cantú, D. y Molina, H. (2019). Educación y tecnologías. Editorial Palibrio. https://www.amazon.com.mx/Educaci%C3%B3n-Tecnolog%C3%ADas-Daniel-Desiderio-Borrego/dp/1506530214
Brown, J., & VanLehn, K. (1980). Repair Theory: A generative theory of bugs in procedural skills. Cognitive Science, volume 4(4) 379-426. https://www.sciencedirect.com/science/article/abs/pii/S0364021380800103
Corbetta, P. (2003). Metodología y técnicas de investigación social (1ª ed.). McGraw-Hill Interamericana de España
Giraffa, L., Nunes, M. A., & Viccari, R. M. (1997). Multi-Ecological: A Learning Environment using multi-agent architecture. MASTA 97: Multi-Agent System: Theory and Applications. Coimbra: Universidade de Coimbra
Jiménez, R., Salazar, E., Béliz, N., Samaniego, M., Samaniego, E. y Samaniego, N. (2015). Integración de los estilos de aprendizajes a los sistemas tutoriales inteligentes. Revista de Iniciación Científica, 1(2), 19-35. https://revistas.utp.ac.pa/index.php/ric/article/view/446
Müller, C., Wong, S., & La Cruz, A. (Eds.). (September 24- 28, 2007). Bioengineering solutions for Latin America Health. IV Latin American Congress on Biomedical Engineering 2007, Vol. 18. Isla de Margarita, Venezuela. Springer. https://www.worldcat.org/es/title/261325385
Pfleeger, S. (2002). Ingeniería del software. Prentice Hall – Pearson Education
Rodríguez, M. (2021). Sistemas de tutoría inteligente y su aplicación en la educación superior. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, vol. 11(22). https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-74672021000100115
Salgueiro, F., Costa, G., Cataldi, Z., García, R. y Lage, F. J. (13-15 March, 2005). Sistemas inteligentes para el modelado del tutor. GCETE´ 2005, Global Congress on Engineering and Technology Education, Bertioga/Santos, Brazil. http://copec.eu/congresses/gcete2005/proc/GCETE.pdf
Tarongí, V. (2010). Sistema tutor inteligente adaptativo para laboratorios virtuales y remotos. [Tesis de Maestría, Universidad Politécnica de Valencia]. https://riunet.upv.es/bitstream/handle/10251/13851/Trabajo%20de%20Investigacion.pdf?sequence=1
Wolf, B. (1984). Context Dependent Planning in a Machine Tutor (artificial intelligence, teaching systems, meno-tutor). [Doctoral dissertation, University of Massachusetts Amherst]. https://scholarworks.umass.edu/dissertations/AAI8418906/