Non-predictive and predictive models to recognize the learning style of the students: A case study

Abstract

Por la falta de personalización en la educación, los estudiantes obtienen un bajo rendimiento en diferentes materias en la escuela, particularmente en matemáticas. Por lo tanto, la identificación del estilo de aprendizaje es una herramienta crucial para mejorar el rendimiento académico. Aunque los métodos tradicionales, como los cuestionarios, se han utilizado ampliamente para la detección de estilos de aprendizaje en jóvenes y adultos por su alta precisión, produce aburrimiento en los niños y no ajusta el aprendizaje automáticamente a las características y preferencias de los estudiantes con el tiempo. En esta investigación, se han utilizado cuatro técnicas, dos modelos no predictivos de estilos de aprendizaje: cuestionario CHAEA-Junior y Mini-Juegos; y dos modelos predictivos de estilos de aprendizaje: Redes Neuronales Artificiales y Redes Bayesianas. En primer lugar, para identificar los porcentajes en los estilos de aprendizaje en cada estudiante, se utilizó el cuestionario CHAEA-Junior y las preguntas matemáticas de los Mini-Juegos (Competidor, Soñador, Lógico, Estratega) basados en la teoría de aprendizaje de Kolb. Luego, los datos recopilados del cuestionario y los Mini- Juegos se usaron en los dos modelos predictivos. Las pruebas experimentales muestran que la herramienta óptima en el reconocimiento general del estilo de aprendizaje para los estudiantes de la escuela “Teodoro Gómez de la Torre” (Imbabura - Ecuador) son los Mini-Juegos basados en estilos de juego ADOPTA, seguidos de Redes Neuronales Artificiales y Redes Bayesianas para el reconocimiento del estilo de aprendizaje, como instrumentos de investigación para brindar un aprendizaje personalizado a los estudiantes ecuatorianos.