Clasificación del perfil de inteligencias múltiples sobre las características de aprendizaje de los estudiantes.
DOI:
https://doi.org/10.15765/wpmis.v2i2.1041Palabras clave:
Inteligencias múltiples, estilos de aprendizaje, minería de datos, métodos de clasificación, clustering, clasificación de estudiantes.Resumen
Los estudiantes tienen diferentes niveles de motivación, enfoques de aprendizaje y niveles intelectuales. Cuanto mejor entiendan estas diferencias los instructores, mejores serán las posibilidades que tienen de mejorar su calidad de enseñanza. Se pretende evaluar los factores importantes en las características de aprendizaje de los alumnos, a partir de las cualidades de aprendizaje, las inteligencias múltiples. Con esto se espera proponer un punto de vista efectivo en la clasificación de los alumnos con el fin de optimizar el proceso de enseñanza-aprendizaje.
Para esto se propone recolectar datos sobre las características de aprendizaje de un grupo que permita realizar pruebas en diferentes modelos de clasificación, así como la evaluación de las diferentes técnicas estadísticas de síntesis de información con el fin de perfilar efectivamente a los estudiantes en función de sus características de aprendizaje.
Descargas
Referencias
PE Vernon, “Intelligence and attainment tests.,” Oxford, Engl. Univer, London Press., 1961.
R. Arosemena P, “La inteligencia: el gran malentendido de la educación - Psyciencia,” 2016.
[Online]. Available: https://www.psyciencia.com/la-inteligencia-gran-malentendido-la-educacion/.
C. Spearman, “The Origin of Error,” J. Gen. Psychol., vol. 1, no. 1, pp. 29–53, Jan. 1928.
H. Gardner, Estructuras de la Mente, 6th ed. 2001.
“Inteligencia humana: William Stern,” 2016. [Online]. Available: http://www.intelltheory.com/stern.shtml. [Accessed: 01-Nov-2017].
Universidad Tecnologica Metropolitana, “Howard gardner,” pp. 1–10, 1997.
R. Klitgaard and H. Gardner, “Frames of Mind: The Theory of Multiple Intelligences,” J. Policy Anal. Manag., vol. 3, no. 4, p. 627, 1984.
D. Brockmann, L. Hufnagel, and T. Geisel, Data Mining and Knowledge Discovery Handbook. 2006.
J. Calvache, “Las Corrientes pedagogicas en la educación Colombiana,” Hechos y proyecciones del lenguaje, vol. 10, no. 1–22, Nariño, p. 22, 2001.
E. Cabrera Murcia, “Dificultades para aprender o dificultades para enseñar,” Rev. Iberoam. Educ., vol. 43, no. 3, 2007.
E. B. Durán and R. N. Costaguta, “Minería de datos para descubrir estilos de aprendizaje,” Rev. Iberoam. Educ., vol. 42, no. 2, p. 6, 2007.
F. Gorunescu, Data Mining: Concepts and Techniques, vol. 12. 2011.
A. Jimenez, “Inteligencias múltiples,” 2016. [Online]. Available: http://www.larazon.es/atusalud/salud/inteligencias-multiples-KB13216590. [Accessed: 20-Oct-2017].
X. Zhou, J. An, X. Zhao, and Y. Dong, “Using data mining on students’ learning features: A clustering approach for student classification,” J. Adv. Comput. Intell. Intell. Informatics, vol. 20, no. 7, pp. 1141–1146, 2016.
Publicado
Número
Sección
Licencia
Working Papers by Institución Universitaria Politécnico Grancolombiano is licensed under a Creative Commons Reconocimiento-NoComercial-SinObraDerivada 3.0 Unported License.
Creado a partir de la obra en http://www.poligran.edu.co/wpmis
