Asesoría personalizada basada en estilo de aprendizaje y nivel de autoestima: proporcionada por un sistema de tutoría inteligente

Abstract

[...]it is essential that the educational content provided through online education platforms fully meet their educational purpose. In this descriptive research, an instrument was applied to 141 university students to measure their affective experience when receiving personalized feedback and instructions. The results obtained show on average that at least 85% of the students report satisfaction with the educational support received when it is consistent with their learning preference or emotional state. Keywords: Intelligent tutoring systems; student model; self-esteem; learning style. 1.Introducción A nivel internacional, la deserción escolar, los bajos índices de aprobación y el rezago escolar son situaciones a las que comúnmente se enfrentan instituciones de educación superior (IES) (ANUIES, 2001).

Headnote

Resumen: Actualmente, la educación en línea es una constante a nivel internacional. Cada vez más estudiantes se benefician al utilizar esta modalidad de aprendizaje. Sin embargo, es primordial que los contenidos educativos proporcionados cumplan con su objetivo formativo. Adicionalmente, que el estudiante reciba atención personalizada es un factor de similar o mayor relevancia; considerando tanto aspectos cognitivos y de personalidad. Este estudio evalúa la experiencia de usuario de estudiantes universitarios al utilizar un Sistema de Tutoría Inteligente que personaliza la presentación de ejercicios y la asesoría brindada considerando aspectos no-cognitivos del estudiante: estilo de aprendizaje y autoestima. En esta investigación de carácter descriptiva, se aplicó un instrumento a 141 estudiantes universitarios para medir su experiencia afectiva al recibir instrucción y asesoría personalizada. Los resultados muestran que alrededor del 85% de los estudiantes reportan satisfacción por la asesoría recibida cuando es acorde a su preferencia de aprendizaje o facetas de su personalidad.

Palabras claves: Sistemas de tutoría inteligente; modelo del estudiante; autoestima; estilo de aprendizaje.

Abstract: Currently, online education is a constant at the international level. More and more students are benefiting from using this learning modality. However, it is essential that the educational content provided through online education platforms fully meet their educational purpose. Additionally, the attention or personalized feedback to students in this modality is a factor of similar or greater relevance; considering both cognitive and personality aspects. This study evaluates the user experience of higher-level students when using an Intelligent Tutoring System that customizes the presentation of exercises and the feedback provided considering non-cognitive aspects of the student: learning style and self-esteem. In this descriptive research, an instrument was applied to 141 university students to measure their affective experience when receiving personalized feedback and instructions. The results obtained show on average that at least 85% of the students report satisfaction with the educational support received when it is consistent with their learning preference or emotional state.

Keywords: Intelligent tutoring systems; student model; self-esteem; learning style.

1.Introducción

A nivel internacional, la deserción escolar, los bajos índices de aprobación y el rezago escolar son situaciones a las que comúnmente se enfrentan instituciones de educación superior (IES) (ANUIES, 2001). El bajo rendimiento académico, definido como el nivel de aprendizaje alcanzado por los alumnos durante su proceso formativo, es uno de los principales retos a los que se ha enfrentado este nivel educativo por décadas (D Ambrosio, 1993). Independientemente de la heterogeneidad en el nivel cognitivo con el que los estudiantes inician su formación profesional, diversos estudios reportan como causantes de estos resultados académicos a factores como: las limitaciones tecnológicas y la interrelación alumno-docente (Suárez et al., 2017), la dificultad de las materias y la motivación extrínseca del estudiante (Garbanzo, 2007; Lozada, 2001), y una pobre función de tutoría/asesoría (Gelatti & Premaor, 2009). Considerando la actuación del tutor un factor fundamental para garantizar la calidad del proceso de enseñanza y aprendizaje, ya sea proveniente de un curso a distancia o de un curso presencial. Corresponde al tutor, como apoyo docente, asignar aprendizajes y asesorar al estudiante en la consecución de los objetivos propuestos mediante la activación de procesos cognitivos, sociales y afectivos (Gelatti & Premaor, 2009).

A nivel Latinoamérica, particularmente en México, uno de los retos principales de la educación superior es disminuir la deserción e incrementar la retención estudiantil y la eficiencia terminal (Zapata, 2018). Específicamente, en la Universidad Autónoma de Baja California (UABC), institución de procedencia de los autores del presente artículo, reporta que sus índices de reprobación oscilan entre el 46% y 51% anual. Registrando una variación mínima entre ciclos, siendo prácticamente la mitad del alumnado quien no obtiene calificación aprobatoria en al menos una materia (Ortega, 2020). En atención a este problema, en este mismo país, desde el año 2000, la Asociación de Universidades e Instituciones de Educación Superior (ANUIES) ha establecido un proyecto de educación integral para los alumnos. Este proyecto tiene la finalidad de fortalecer al sistema de educación superior a través de programas de asesoría para apoyar al alumnado y lograr que una mayor parte de los estudiantes culminen sus estudios (López & Izquierdo, 2003).

Ante estas evidencias, se identifica que es imprescindible contar con un mayor apoyo docente para el estudiante a través de brindar una asesoría personalizada, misma; la cual, dada la matrícula actual y la proporción alumno-docente, que es de alrededor de un maestro por cada 40 estudiantes en IES públicas, resulta poco factible que se realice exclusivamente de manera presencial. Con base en lo anterior, se determina que el apoyo tecnológico es requerido y urgente. Siendo así que surgen los sistemas de tutoría o asesoría inteligente (ITS, por sus siglas en inglés) que buscan auxiliar la labor docente mediante la asignación de ejercicios acorde al nivel cognitivo del estudiante y brindar asesoría personalizada al detectar áreas con necesidad de reforzamiento académico.

Actualmente, dentro del campo de tutores inteligentes, los diferentes grupos de investigadores han enfocado sus estudios en áreas como: 1) perfeccionamiento del modelado de conocimiento del experto y del estudiante, 2) uso de sensores para adquirir y representar aspectos emocionales y contextuales de los estudiantes, 3) evaluación del impacto real que se logra en el desempeño del estudiante, 4) evaluación del nivel de satisfacción o experiencia de usuario del estudiante, y 5) predicción del desempeño del estudiante. El presente estudio se centra en las áreas 1 y 4 antes mencionadas, al implementar un modelo del estudiante que considere aspectos cognitivos y nocognitivos para impartir asesoría, así como evaluar la experiencia con usuarios reales al recibir este tipo de retroalimentación. El ITS propuesto se centra en ofrecer atención personalizada con base en el perfil de aprendizaje de cada estudiante, conformado por dos características no precisamente cognitivas: sus hábitos de estudio y el nivel de autoestima. En el presente artículo se describe la capacidad de esta tecnología para personalizar la asesoría con base al perfil académico y emocional del estudiante, y se evalúa el nivel de aceptación de este ambiente educativo por más de 141 estudiantes universitarios del área administrativa y social.

2.Marco Conceptual

En esta sección se describe lo reportado por otras investigaciones con relación al tema de estudio del presente artículo. Primeramente, se presenta la arquitectura general de los sistemas de tutoría inteligente. Posteriormente, se describe lo reportado por investigaciones recientes en el área de ITS, enfatizando en el tipo de asesoría que ofrecen a sus usuarios.

2.1.Arquitectura general de los ITS

Los Sistemas de Tutoría Inteligente son asesores virtuales basados en software, cuyo objetivo principal es complementar la labor docente para fortalecer el desempeño académico de los estudiantes al brindar asesoría personalizada; mediante conocimiento previamente obtenido de asesores humanos. La arquitectura base de los ITS consiste de tres modelos (dominio, estudiante y pedagógico) y la interfaz para la interacción de los usuarios con la funcionalidad del sistema. A continuación, se describe brevemente cada uno de sus componentes.

El Modelo del Dominio representa el conocimiento de expertos. Mediante estructuras de representación de conocimiento se modela el cómo solucionar problemas o ejercicios de dominios específicos, el conjunto de respuestas correctas para cada problema, errores más comunes cometidos por el estudiante y la asesoría brindada cuando estos ocurren.

El Modelo del Estudiante representa el nivel de conocimiento de cada uno de los usuarios del sistema. Incluye errores comunes del estudiante, tiempo requerido e intentos para solucionar un problema específico, respuestas correctas e incorrectas, así como información alterna como sus preferencias y comportamientos en el aprendizaje. Este modelo es el responsable de establecer el perfil cognitivo y aspectos que influyen en el aprendizaje de cada alumno, mediante la identificación de sus competencias y deficiencias en un área de conocimiento objetivo.

En el Modelo Pedagógico se encuentran almacenadas las estrategias de enseñanza y asesoría aprendidas por el tutor inteligente. Considerando entre estas estrategias, el tipo de asesoría a proporcionar, mecanismos para determinar cuándo y cómo brindar asesoría, así como la cantidad apropiada de retroalimentación que debe recibir cada estudiante.

El Módulo de Comunicación, es el que pone a disposición del usuario la interfaz del ITS, aquí el asesor inteligente monitorea y registra el desempeño del estudiante mientras éste resuelve ejercicios e interactúa con el sistema.

Al usar un ITS, directa o indirectamente, el estudiante interactúa con todos sus componentes. La información de esta interacción se va registrando en la base de conocimiento del ITS, y este va determinando cómo enseñar y retroalimentar a cada estudiante, ya que cada uno aprende de manera distinta y posee un nivel diferente de conocimiento.

2.2.Tipo de asesoría brindada por los ITS

El Modelo del Estudiante propicia una característica muy importante para los ITS, que es su capacidad de adaptación a las necesidades de aprendizaje de cada alumno. Es decir, el sistema debe determinar el "estado cognitivo" de cada estudiante con base en sus experiencias de aprendizaje al realizar ejercicios proporcionados por el mismo tutor inteligente. De este modo, el ITS podrá determinar la estrategia de estudio más conveniente y el tipo de acción a seguir al proporcionar asesoría al estudiante, por ejemplo, el grado de complejidad de los ejercicios, el tiempo adecuado para proporcionar asesoría y el tipo de asesoría a brindar.

Específicamente, se recomienda que el Modelo del Estudiante esté constituido por los siguientes submódulos que abarcan aspectos cognitivos, emocionales y conductuales (Cataldi, 2009):

* Estado de conocimiento, considerando un dominio específico, es importante registrar las competencias iniciales del estudiante, su estado cognitivo actual y preferentemente un historial indicando cómo ha evolucionado entre los diferentes niveles de conocimiento logrados.

* Historial de errores, guarda en la base de datos los errores que comete el estudiante al tratar de solucionar determinado ejercicio.

* Historial de consultas, almacena cada consulta o solicitud de ayuda que el estudiante realiza al tratar de solucionar determinado ejercicio.

* Historial de decisiones, registra en la base de datos cada decisión o acción que el estudiante toma (ej. participación en foros, visualización de videos, revisión de material introductorio, etc.).

* Estilo de aprendizaje, considerado como la forma de clasificar el comportamiento de un estudiante de acuerdo a cómo entiende y cómo le gusta analizar la información que está utilizando para acceder a un conocimiento determinado.

* Perfil psico-sociológico del estudiante, aquí se determinan las debilidades y las fortalezas que tiene un individuo en su aprendizaje, considerando aspectos conductuales, de interacción, hábitos de estudio, entre otros.

Aun cuando se ha definido que el modelo del estudiante incluya aspectos cognitivos, conductuales y emocionales, estudios recientes reportan un mayor interés en los aspectos cognitivos al personalizar la asesoría brindada. Dando una atención menor a los aspectos emocionales y de personalidad.

En el estudio presentado por (Ponce et al., 2019), se realizó una revisión de literatura sobre implementaciones de sistemas de tutoría inteligente considerando comportamientos afectivos. El estudio incluye investigaciones realizadas desde el año 2005 al 2018. Sobresalen proyectos como el publicado en la investigación de Muñoz et al., (2011), donde presentan el tutor inteligente PlayPhysics que opera con un modelo del estudiante basado en detección de estado anímico. En este estudio los investigadores sostienen que las emociones están relacionadas con la experiencia de enseñanza- aprendizaje, basados en la teoría de las emociones derivadas del logro. Otro de los estudios revisados fue el presentado por Lin et al., (2012), donde implementan un tutor inteligente afectivo basado en el reconocimiento de emociones al analizar escritura y gestos. Esta investigación se sustenta en la teoría del cómputo afectivo, buscando identificar y estimular las emociones de los estudiantes mediante estrategias de enseñanza y retroalimentación más acordes al estudiante. Una investigación más reciente es la presentada por BarrónEstrada et al., (2018), en el que los autores muestran la implementación inicial de un sistema multimodal de emociones llamado Smart Tutor en el que el sistema reconoce el compromiso y el aburrimiento de los alumnos al interactuar con dispositivos móviles. Sin embargo, la situación emocional es identificada con base al estado anímico que presenta el estudiante en un momento preciso, no considerando aspectos de personalidad emocional a largo plazo como lo es la autoestima, aspecto considerado en esta investigación.

Por otra parte, existe una variedad de estudios que atribuyen el desempeño escolar al estilo de aprendizaje que posee el alumno. Algunas investigaciones que describen ITS que brindan asesoría personalizada basados en el estilo de aprendizaje de un estudiante son presentadas en la revisión de literatura de Kumar & Ahuja (2017). En este análisis se examinaron 78 estudios clasificados en dos categorías principales: la identificación del estilo de aprendizaje de un estudiante, y la categorización de los estilos de aprendizaje para realizar procesos adaptativos de enseñanza. El estudio reporta que 27 de los estudios (34,61%) se centraron en la descripción del modelo adaptativo del ITS propuesto, 13 de los estudios (16,66%) evaluaron el impacto de utilizar estilos de aprendizaje para desarrollar la capacidad adaptativa de un ITS, solo 12 de los estudios (15,38%) investigaron aspectos de usabilidad y nivel de satisfacción del alumno con el servicio de asesoría brindada por el ITS, 10 estudios (12.82%) se enfocan en el estudio del desempeño alcanzado por los estudiantes al recibir atención personalizada basada en su estilo de aprendizaje, y 6 de ellos (7.69) se centran en la detección automática de estilo de aprendizaje. El investigador concluyó que personalizar la instrucción de un ITS utilizando el estilo de aprendizaje tiene un gran impacto en el desempeño académico y el nivel de satisfacción del estudiante. De manera particular, en la presente investigación se describe el modelo adaptativo del ITS propuesto basado en estilo de aprendizaje y se evalúa el nivel de satisfacción que genera en los estudiantes al personalizar la instrucción con base en su preferencia de procesado de contenidos en el aprendizaje.

Específicamente, en este estudio se describe y evalúa un modelo del estudiante que representa aspectos emocionales y conductuales, el cual, al cubrir aspectos genéricos de un alumno, puede ser trasladado a tutores inteligentes de diversos dominios. Estas características de los estudiantes fueron obtenidas en una etapa de diagnóstico. Primeramente, se utilizó un instrumento validado que permite obtener el estilo de aprendizaje enfocado en el modelo VAK (visual, auditivo, kinestésico) de Bandler y Ginder (Neira, 2015), que se enfoca en los tres principales receptores sensoriales: visual, auditivo y kinestésico. Adicionalmente, el instrumento utilizado para medir la autoestima de una persona es el Inventario de Autoestima de Coopersmith (Prewitt, 1984), enfocado a obtener el nivel de autoestima bajo las categorías Familiar, Escolar y General (FEG).

3.Arquitectura propuesta

La arquitectura de software propuesta considera dos secciones principales: 1) modelado del conocimiento del usuario basado en ontologías; y 2) las capas para la interacción entre el modelo de experto y el modelo del estudiante.

3.1.Modelado del usuario basado en ontologías

Al tratarse de un problema complejo, en el que se necesita representar el comportamiento y emociones del estudiante de una forma que pueda ser validado por expertos humanos y que sea entendido y manipulado por los sistemas computacionales, se opta por el uso de modelos ontológicos. Al mismo tiempo, esta modalidad permite al tutor inteligente ejecutar algoritmos que inciden en la toma de decisiones para brindar asesoría personalizada a los alumnos que interactúan con el sistema, sin importar en qué ambiente o lenguaje de desarrollo estén programados. Específicamente, se diseñó la ontología en el software Protege 5.0, sistema para representar conocimiento mediante su editor gráfico. La ontología implementada contiene cinco clases principales: Estilo de aprendizaje (basada en el modelo VAK- Visual, Auditivo y Kinestésico), Autoestima (basada en el modelo FEG- Familiar, Escolar y General), Técnica FEG, Técnica VAK y Actividad (ver Figura 1).

En la clase Estilo de aprendizaje se generan las combinaciones de estilos de aprendizaje visual, auditivo y kinestésico, las cuales pueden ser categorizadas mediante la escala alta, media y baja: H, M y L, respectivamente. En la clase Autoestima se registra el nivel de autoestima general, autoestima escolar y autoestima familiar. Similar a la clase de estilo de aprendizaje, se generan las combinaciones con escala H, M y L. La clase Técnica FEG y Técnica VAK contienen las estrategias de aprendizaje que deberá utilizar el tutor inteligente y la clase Actividad contiene las actividades particulares a asignar al alumno en determinada categoría. Las clases que representan los estilos de aprendizaje y autoestima, reciben la combinación proveniente del instrumento diagnóstico aplicado cuando el estudiante ingresa por primera vez a la plataforma del ITS.

Posteriormente, se crea ron las instancias que represe ntan los elementos de ca da clase. Para Sa deas de autoestima re daclareren lae inalanrias AuroÁlln (Autoestima Alta), AutoMedia (Autoestima Media) y AutoBaja (Autoestima Baja). Cada instancia está simbolizada por un conjunto de tripletas FEG utilizando la escala HML, tal como se indican en la Tabla 1. Por ejemplo, la tripleta HMH indica que un estudiante es identificado con una autoestima Familiar alta, una autoestima Escolar media y una autoestima General alta. Para la clase estilo de aprendizaje se describe la subclase VAK en la que están contenidos los estilos de aprendizaje y sus combinaciones más comunes definidas como instancias: Visual, Auditivo, Kinestésico, VisualAuditivo, VisualKinestésico y AuditivoKinestésico. Posteriormente, similar a la clase de autoestima, se declararon las tripletas para cada instancia (ver Tabla 1).

Adicionalmente, se declaran las instancias para la clase Técnica FEG donde están contenidos las tres distintas técnicas de enseñanza propuestas que son: EFEG1, EFEG2 y EFEG3. Estas técnicas o estrategias de enseñanza son las que se le proporcionan al tutor inteligente para que brinde la asesoría de forma personalizada. También, se definieron las instancias de la clase Técnica VAK: EVAK1, EVAK2, EVAK3, EVAK4 y EVAK5 con su respectivo VALOR, representando a cada uno de los estilos de aprendizaje y sus combinaciones.

3.2.Arquitectura propuesta

La arquitectura del ITS propuesto está compuesta de dos capas: clientes y servidores (ver Figura 2). Los clientes representan las interfaces (diagnóstico, ejercicios, retroalimentación, etc.) con las que interactúan los actores o usuarios (ej. alumnos, docentes), y los servidores son los proveedores de servicios educativos a través de la integración de aplicaciones (sistema de gestión de contenidos, máquina de inferencia del tutor mediante el uso de la ontología, recursos de aprendizaje y bases de datos). El algoritmo 1 describe el proceso de asignación de asesoría personalizada a cada estudiante una vez que realiza su autenticación en el sistema.

Algoritmo 1. Algoritmo utilizado para impartición de asesoría personalizada

1. El ITS recupera la categoría conductual y de personalidad almacenada en el modelo del estudiante (tripletas VAK y FEG diagnosticadas, correspondientes al nivel de estilo de aprendizaje y autoestima).

2. El ITS consulta la base de conocimiento disponible en la ontología y determina el tipo de asesoría a brindar, considerando ambos criterios: estilo de aprendizaje y autoestima.

3. El estudiante selecciona un tipo de ejercicio de su interés, en este caso se trabajó con el módulo instruccional de comunicación oral y escrita (COE).

4. El ITS muestra el ejercicio personalizado, considerando aspectos conductuales y de personalidad.

4.1. El ITS consulta el nivel cognitivo del estudiante en dicha categoría de ejercicio en caso de existir actividad previa, o vacío en caso de ser un ejercicio nuevo para el estudiante.

4.2. El ITS asigna un ejercicio, seleccionado con base al nivel cognitivo del estudiante (nivel de complejidad básica, intermedia o alta).

4.3. El ITS determina la forma de presentación del ejercicio con base en las características personales del estudiante, decidiendo si en la descripción del ejercicio se utilizan imágenes, solo texto, o la combinación de ambos.

5. El estudiante realiza acciones para resolver el ejercicio asignado.

6. El ITS monitorea la actividad del estudiante y determina proporcionar asesoría personalizada.

6.1. Considerando el estilo de aprendizaje, el ITS determina si en la asesoría brindada se utilizan imágenes, solo texto, ejemplos tipo, o la combinación de ellos.

6.2. Considerando el nivel de autoestima, el ITS determina el tono del mensaje para indicar si una respuesta fue correcta o incorrecta.

Como se indica en el algoritmo, el estilo de aprendizaje determina el uso de imágenes, solo texto o texto e imágenes (ver Figuras 2a y 2b). Por otra parte, considerando la autoestima, se cambia la forma de indicar un error o éxito del estudiante. Por ejemplo, el mensaje de respuesta incorrecta se intercambia por el mensaje de modifica tu respuesta, buscando que el mensaje sea más sutil al momento de que un estudiante con baja autoestima reciba la retroalimentación.

4.Estudio de Experiencia de usuario

En esta sección se describen los resultados del estudio de experiencia de usuario realizado al ITS propuesto, así como los comentarios obtenidos sobre la opinión de los alumnos participantes.

4.1. Participantes

Durante el estudio se contó con la participación de 4 grupos del tronco común de la Facultad de Ciencias Administrativas y Sociales (FCAyS) de la UABC, con un total de 141 alumnos colaborando. Entre los participantes se contó con una distribución homogénea de 72 mujeres y 69 hombres, en ambos casos con una edad promedio de 19 años.

4.2.Instrumento para medir experiencia de usuario

Para la obtención de los datos se elaboró un cuestionario, adaptado del instrumento de usabilidad y experiencia de usuario UMUX, validado por un experto en psicología pedagógica. Específicamente, el instrumento generado está compuesto por 8 ítems de los cuales: los 2 primeros son enfocados a obtener una retroalimentación cognitiva sobre la complejidad del ejercicio realizado; los 4 siguientes se centran en la apreciación de la asesoría considerando diversas categorías de estilos de aprendizaje; y los últimos 2 en la experiencia de usuarios con base en aspectos de autoestima. Con el objetivo de hacer más eficiente el acopio y análisis de la información recibida, el instrumento empleado para la recolección de los datos se automatizó en la misma plataforma de tutoría inteligente. A continuación, se mencionan las preguntas del cuestionario utilizado:

1. ¿El ejercicio te resultó difícil de resolver?

2. ¿La retroalimentación proporcionada por el sistema te fue de utilidad?

3. ¿Las imágenes utilizadas para ejemplificar las preguntas y la retroalimentación fueron de utilidad?

4. ¿Consideras que es necesario incluir imágenes para ejemplificar las preguntas y la retroalimentación?

5. ¿Los ejemplos de respuesta correcta proporcionados en la retroalimentación fueron de gran utilidad?

6. ¿Consideras que es necesario incluir ejemplos de respuesta correcta en la retroalimentación?

7. ¿Cuándo una respuesta fue CORRECTA, qué mensaje te agradaría recibir?

8. ¿Cuándo una respuesta fue INCORRECTA, qué mensaje te agradaría recibir?

En el instrumento se utilizó una escala Likert con cinco respuestas para las preguntas 1 a 6, con las opciones: a) Totalmente de acuerdo, b) De acuerdo, c) Ligeramente de acuerdo, d) En desacuerdo, y e) Totalmente en desacuerdo. Las respuestas para las preguntas de autoestima fueron: para la pregunta 7: a) Respuesta correcta, b) Me da igual, y c) Excelente trabajo; y para la pregunta 8: a) Respuesta incorrecta, b) Me da igual, y c) Modifica tu respuesta.

4.3.Procedimiento

Se procedió a dividir el estudio en dos fases, la primera fase sirvió para realizar el diagnóstico del nivel de autoestima y estilo de aprendizaje de los estudiantes participantes, la segunda fase para realizar una corrida de la arquitectura de software propuesta brindando asesoría personalizada a los estudiantes. El tiempo requerido para la ejecución de ambas fases fue de cuatro semanas, en las que los estudiantes estuvieron accediendo a la plataforma para registrarse, llevar a cabo el diagnóstico y realizar ejercicios acompañados por el tutor inteligente.

Durante la fase de diagnóstico se ofreció capacitación a los estudiantes sobre el uso y registro en la plataforma educativa. Posteriormente, se aplicó la evaluación diagnóstica para la obtención de su nivel de autoestima y tipo de estilo de aprendizaje. Los resultados fueron almacenados en la base de datos del modelo del estudiante. Para llevar a cabo la segunda fase de este estudio, se dividieron los grupos por días para participar y hacer uso del módulo de COE del ITS. Finalmente, se aplicó el instrumento para medir la experiencia de usuario de los participantes en el estudio.

5. Discusión de resultados

En esta sección se presentan los resultados mediante dos secciones. Primeramente, el análisis considerando las preguntas que miden la experiencia de usuario considerando el estilo de aprendizaje del alumno. Posteriormente, la sección que considera las preguntas de autoestima.

5.1. Análisis de estilo de aprendizaje

En esta sección se muestra la apreciación de los estudiantes de los 4 grupos participantes considerando las 2 preguntas generales y 4 dirigidas a evaluar la aceptación de la asesoría con base en el estilo de aprendizaje (preguntas 3 a la 6). En las gráficas se observa que los estudiantes de cada grupo se presentan a través de 6 subgrupos, derivados de las 3 categorías puras de estilo de aprendizaje (visual, auditivo y kinestésico) y las 3 combinaciones más comunes resultantes de las mismas (visual-auditivo, visualkinestésico y auditivo-kinestésico). En la Tabla 2 se presenta la distribución de estudiantes que fueron clasificados en cada subgrupo con base en sus respuestas al instrumento VAK. Podemos observar que la mayor cantidad de estudiantes fueron clasificados dentro de las categorías puras, y un porcentaje muy bajo (0 a 7 estudiantes) son considerados dentro de las categorías de estilos de aprendizaje híbridas. Con base en lo anterior, el análisis de los resultados se realiza principalmente con las categorías puras a partir de la pregunta 3 del instrumento.

Al analizar la opinión de los estudiantes sobre la primera pregunta del instrumento, orientada a obtener retroalimentación cognitiva de los ejercicios: ¿El ejercicio te resultó difícil de resolver?, encontramos que la mayoría de los estudiantes respondieron que el ejercicio no les resultó complicado de realizar. La presencia de estudiantes que contestaron que los ejercicios eran difíciles de realizar es casi nula. Destacando que fueron estudiantes con un estilo de aprendizaje auditivo los que aseveran esta apreciación, se asume que es derivado de la ausencia de instrucciones auditivas. Con relación a los estudiantes identificados con un estilo de aprendizaje visual puro, se observa que más del 70% consideraron que los ejercicios fueron fáciles de resolver, posiblemente por la predominancia de instrucciones visuales que permiten una mejor comprensión de los ejercicios.

El mismo comportamiento se puede observar en la Figura 3, al responder la pregunta 2: ¿La retroalimentación proporcionada por el sistema te fue de utilidad? Podemos apreciar que los estudiantes principalmente contestaron estar totalmente de acuerdo y de acuerdo en que la retroalimentación recibida fue de gran utilidad. Se puede observar nuevamente que los estudiantes de 3 grupos, con estilo de aprendizaje auditivo, consideran en un porcentaje bajo, del 11%, 17% y 4%, que no fue de utilidad la retroalimentación (totalmente en desacuerdo y en desacuerdo). En esta ocasión sobresale un grupo de la categoría kinestésico con un 33% en desacuerdo en que la retroalimentación proporcionada fue de utilidad, y dos grupos bajo esta categoría indicando estar de acuerdo y ligeramente de acuerdo. De nuevo se considera que esta aseveración deriva por la ausencia de apoyo auditivo, y en el caso de los estudiantes bajo la categoría kinestésico por ser ejercicios con prevalencia teórica.

Con relación a la pregunta 3: ¿Las imágenes utilizadas para ejemplificar las preguntas y la retroalimentación fueron de utilidad?, en los grupos analizados dentro de la categoría visual, los únicos que recibieron instrucción y asesoría con imágenes, predominan las respuestas indicando que el uso de imágenes es de gran ayuda. Se observa en tres de estos grupos entre un 89% y 94% de los estudiantes visuales aceptando la utilidad de complementar texto con imágenes. Sin embargo, en el grupo 606 destaca un porcentaje significativo de estudiantes que no están totalmente convencidos de este beneficio (33% ligeramente de acuerdo), esto nos indica que el ambiente propuesto requiere considerar más variables para determinar el uso de imágenes en las preguntas para estudiantes con un estilo de aprendizaje visual puro (ver Figura 4).

Para la pregunta 4: ¿Consideras que es necesario incluir imágenes para ejemplificar las preguntas y la retroalimentación?, predominan los alumnos que indican como necesaria la retroalimentación de manera visual ya que les sirve de guía en la comprensión de las preguntas. Sin embargo, podemos observar en tres grupos con alumnos de la categoría visual que alrededor del 10% de los estudiantes están ligeramente de acuerdo en el uso de imágenes y un porcentaje de hasta 30% de estudiantes que están en desacuerdo con su uso. Dentro de la categoría auditivo, tal como se esperaba, se reporta un porcentaje menor de estudiantes recomendando el uso de imágenes. Sin embargo, este porcentaje se encuentra entre el 50% y 75%, siendo un resultado significativo considerando que este grupo de estudiantes fue clasificado en una categoría visual pura. Esto indica que, aun cuando el apoyo visual pudiera no ser crítico para este grupo de estudiantes, el uso de imágenes es aceptado y solicitado por ellos; posiblemente también influye la ausencia de instrucciones en audio.

Respecto a la categoría kinestésico, omitiendo el grupo 603 por contar con solo un estudiante, observamos que un porcentaje mayor de estos estudiantes no recomiendan el uso de imágenes. Esta respuesta pudiera atender al comportamiento práctico de los estudiantes kinestésicos, que en ocasiones proceden a realizar los ejercicios omitiendo la lectura de instrucciones o apoyos visuales; utilizándolos sólo cuando se enfrentan a un problema que les impide continuar con su actividad. Finalmente, es importante resaltar la respuesta de los estudiantes que fueron categorizados con el nivel de estilo de aprendizaje híbrido visual-auditivo, en este caso los alumnos reportan estar neutrales ante el uso de imágenes (ligeramente de acuerdo). Se asume que lo anterior deriva de su preferencia compartida ante un estilo u otro. Estos resultados, nuevamente reflejan que el estilo de aprendizaje debe ser considerado, pero no es el único factor para personalizar la presentación de la instrucción y la asesoría. Con estos resultados se determina que el ambiente de aprendizaje debe ofrecer la asesoría considerando el diagnóstico inicial, pero este debe permitir al estudiante ajustar su personalización (ver Figura 5).

Por otra parte, en la Figura 6 se pueden observar las respuestas al contestar la pregunta 5: ¿Los ejemplos de respuesta correcta proporcionados en la retroalimentación fueron de gran utilidad? Es importante indicar el antecedente de que los estudiantes bajo la categoría kinestésico no obtuvieron ejemplos de respuesta correcta de parte del tutor inteligente, considerando que en este estilo de aprendizaje el alumno tiende a omitir instrucciones. En los resultados obtenidos se puede apreciar que los estudiantes de ambas categorías analizadas consideran que los ejemplos de retroalimentación recibidos durante la elaboración de los ejercicios fueron de gran utilidad. Se hace hincapié que los ejemplos de apoyo que recibieron los estudiantes auditivos no incluyen imágenes. Por otra parte, se observa un par de grupos con un pequeño porcentaje de alumnos (10% y 13%) en desacuerdo con esta pregunta. Con lo anterior se asume que el uso de ejemplos de apoyo en la asesoría es relevante, ya sea utilizando imágenes o sin ellas.

En la Figura 7 se puede observar el comportamiento de los grupos y su estilo de aprendizaje al contestar la pregunta 6: ¿Consideras que es necesario incluir ejemplos de respuesta correcta en la retroalimentación? Se puede observar que la mayoría de los estudiantes consideran necesario el que se incluyan ejemplos al recibir retroalimentación. El grupo con mayor porcentaje de alumnos que consideran innecesario el tener ejemplos de respuestas correctas lo encontramos en la clasificación kinestésico con un 20%, de nuevo asumiendo que a esta categoría de estudiantes prefieren explorar antes de recibir apoyo puntual.

5.2.Análisis de autoestima

En esta sección se muestra la apreciación de los estudiantes de los 4 grupos participantes considerando las 2 preguntas dirigidas a evaluar la aceptación de la asesoría con base en el nivel de autoestima (preguntas 7 y 8). En la Tabla 3 se presenta la distribución de estudiantes que fueron clasificados en cada subgrupo con base en sus respuestas al instrumento FeG. Como se puede observar en la Tabla 3, la mayor cantidad de estudiantes fueron clasificados equitativamente dentro de las categorías de autoestima alta y media, solo se identificó un estudiante considerado dentro de la categoría de autoestima baja. Con base en lo anterior, el análisis de los resultados se realiza principalmente con las categorías con mayor incidencia.

En la figura 8 se ve el comportamiento al contestar la pregunta 7, orientada a medir el tono de la retroalimentación: ¿Cuándo una respuesta fue CORRECTA qué mensaje te agradaría recibir? Los resultados indican que los alumnos se sienten más cómodos al recibir un mensaje estimulante reconociendo su trabajo como Excelente Trabajo, y se observa un ligero incremento en los grupos de estudiantes con autoestima media. Un porcentaje parecido de estudiantes indicó que les gusta el reconocimiento con mensajes directos, como el de Respuesta Correcta. Cabe mencionar que se obtuvo un porcentaje muy pequeño que reportan indiferencia con el tono del mensaje de reconocimiento de logros obtenidos. Aun cuando sólo se identificó un estudiante con autoestima baja, es importante enfatizar que su respuesta dio preferencia al uso de mensaje motivante ante una respuesta correcta. Con base en estos resultados, se determina que es importante definir un tono de mensaje de reconocimiento de logros, sin embargo, el nivel de autoestima obtenido al momento no resultó ser un elemento contundente que ayude a determinarlo.

En la figura 9 se puede apreciar la tendencia al contestar la pregunta 8: ¿Cuándo una respuesta fue INCORRECTA qué mensaje te agradaría recibir? De los grupos de estudiantes evaluados se logra observar que aun cuando la mayoría de los estudiantes indican sentirse más cómodos con un mensaje más sutil al realizar una acción incorrecta, son los estudiantes con una autoestima media los que en mayor porcentaje aprueban este tono de asesoría. Con respecto al estudiante identificado con autoestima baja, su respuesta indica que prefiere un mensaje sutil cuando comete un error. En este caso en particular, se recomienda usar un tono sutil al indicar un error en estudiantes con autoestima media o baja, y opcional para los estudiantes para autoestima alta. Para concluir esta etapa, se determina que se puede trabajar la autoestima y los estilos de aprendizaje de forma independiente o combinada para personalizar la asesoría brindada.

6. Conclusiones

Para llevar a cabo la evaluación del nivel de aceptación de la asesoría automatizada brindada por el ITS propuesto fue indispensable la interacción de los participantes con la plataforma. Para esto se contó con la participación de 4 grupos del área de Ciencias Administrativas y Sociales de la universidad de procedencia, constituyendo un total de 141 alumnos colaborando en el estudio. Los estudiantes fueron previamente capacitados en el uso de la plataforma, posteriormente se procedió a evaluar su percepción ante la asesoría brindada por el tutor inteligente que cuenta con ejercicios y brinda asesoría en el área de comunicación oral y escrita. En el estudio se encontró que el personalizar la asesoría considerando aspectos conductuales y de personalidad (estilos de aprendizaje y nivel de autoestima), permite a los alumnos obtener retroalimentación acorde a su estado de percepción.

Durante el estudio se consideraron las 2 áreas definidas en el instrumento para evaluar la aceptación y la eficiencia de la asesoría con base en los factores de estilo de aprendizaje y nivel de autoestima. Se concluye que ambos factores se pueden trabajar de forma independiente para brindar asesoría, y se puede generar combinaciones para generar una mejor personalización de la tutoría brindada. Al medir el nivel de aceptación de la asesoría que proporcionó el tutor inteligente, se concluye que existe un comportamiento muy similar en la respuesta de los estudiantes, independientemente de los estilos de aprendizaje y los niveles de autoestima identificados. Finalmente, los resultados obtenidos al considerar la autoestima al proporcionar asesoría, se detectó que los alumnos se sienten más cómodos con mensajes motivadores cuando realizan una acción correcta y mensajes sutiles para referirse a errores cometidos al intentar solucionar los ejercicios presentados en la plataforma, además los estudiantes se sienten cómodos y consideran de gran ayuda la asesoría personalizada recibida.

References

Referencias

ANUIES. (2001). Deserción, rezago y eficiencia terminal en las IES: propuesta metodológica para su estudio. Asociación Nacional de Universidades e Instituciones de Educación Superior. http://books.google.com.mx/books/about/ Desert%C3%B3n_rezago_y_eficiencia_terminal.html?hl=es&id=9jl0AQAACAAJ (consultado el 06 de abril de 2018).

Barrón-Estrada, M. L., Zatarain-Cabada, R., & Aispuro-Gallegos, C. G. (2018). Multimodal Recognition of Emotions with Application to Mobile Learning. In 2018 IEEE 18th International Conference on Advanced Learning Technologies (ICALT) (pp. 416-418). IEEE.

Castro, C. E., Gordillo, M. E., & Delgado, A. M. (2009). Hábitos de estudio y Motivación para el Aprendizaje. Revista Fundación Juan José Carraro, 14(29), 20-25.

Cataldi, Z. Sistemas Tutores Inteligentes Orientados a la Enseñanza para la Comprensión, EDUTEC Revista Electrónica de Tecnología Educativa, 2009, (p.5)

D'Ambrosio (1993) https://dialnet.uniriqja.es/servlet/articulo?codigo=6436481 (consultado el 16 de abril 2016)

Garbanzo G. M. (2007). Factores asociados al rendimiento académico de estudiantes universitarios, una reflexión desde la calidad de educación superior pública. Revista Educación 31(1), 43-63, ISSN: 0379-7082, 2007 Universidad de Costa Rica San Pedro, Montes de Oca, Costa Rica.

Gelatti, Lilian Schwab, & Premaor, Vânia Ben. (2009). Auto-avaliaçao da atuaçao da tutoria no curso de licenciatura em pedagogia a distância de uma universidade brasileira. Revista Portuguesa de Educaçao, 22(2), 219-248. Recuperado en 24 de septiembre de 2020, de http://www.scielo.mec.pt/ scielo.php?script=sci_ arttext&pid=S0871-91872009000200010&lng=es&tlng=.

Jorge Neira Silva. (2015). "Visual, Auditivo y kinestésico los alumnos", en Orientación Andújar, N°1, p5. https://www.orientacionandujar.es/2015/09/02/test-de-estilosdeaprendizaje-de-vak-escolar infantil-primaria-y-secundaria/visual-auditivo-okinestésicolos-alumnos. Prewitt-Diaz, J. A Cross-Cultural Study of the Reliability of the Coopersmith Self Esteem Inventory. Educational and Psychological Measurement, 1984. (pp. 575-581)

Kumar, A., Singh, N., & Ahuja, N. J. (2017). Learning styles based adaptive intelligent tutoring systems: Document analysis of articles published between 2001 and 2016. International Journal of Cognitive Research in Science, Engineering and Education, 5(2), 83.

Lin, H.-C. K., Wang, C.-H., Chao, C.-J., & Chien, M.-K. (2012). Employing Textual and Facial Emotion Recognition to Design an Affective Tutoring System. Turkish Online Journal of Educational Technology-TOJET, 11(4), 418-426.

López, A. R., & Izquierdo, C. M. (2004). La incorporación de los programas de tutoría en las instituciones de educación superior. ANUIES.

Lozada, R. G. (2001). Factores que inciden en la aplicación de estrategias docentes para el aprendizaje significativo del alumno de Educación Básica. Telos: Revista de Estudios Interdisciplinarios en Ciencias Sociales, 3(2). 193-210.

Muñoz, K., Mc Kevitt, P., Lunney, T., Noguez, J., & Neri, L. (2011). An emotional student model for game-play adaptation. Entertainment Computing, 2(2), 133-141.

Nonis, S. A., & Hudson, G. I. (2010). Performance of college students: Impact of study time and study habits. Journal of education for Business, 85(4), 229-238.

Ponce, J. I. P., Zumba, P. F. P., & Biset, J. C. (2019). Análisis de implementaciones de sistemas tutores inteligentes y afectivos. revisión sistemática. Revista Electrónica Formación y Calidad Educativa. ISSN 1390-9010, 7(2), 218-234.

Suárez Brieva, Eydy; Suárez Brieva, Eysleida; Pérez Lara, Enrique Carlos Análisis de los factores asociados al rendimiento académico de estudiantes de un curso de informática, Revista de Pedagogía, vol. 38, núm. 103, agosto-diciembre, 2017, pp. 176-191 Universidad Central de Venezuela Caracas, Venezuela

Zapata et al (2018) http://reaxion.utleon.edu.mx/Art_Examen_de_seleccion_Vs_ desercion_escolar_en_nivel_superor_Una_aproximacion_a_la_realidad_ universitaria.html (Consultado en 07 de noviembre de 2019).