Publicación: Indicadores de síntomas ADHD en el contexto de aprendizaje virtual, utilizando técnicas de aprendizaje automático
Portada
Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Fecha
Resumen en español
Rev.esc.adm.neg Este artículo presenta un proceso de modelado de usuario, específicamente un modelado de estudiante, en un ambiente virtual de aprendizaje, que permite inferir la presencia o no de síntomas del Déficit de Atención e Hiperactividad (TDAH). El modelo de usuario es construido teniendo en cuenta tres características del estudiante: Conducta de comportamiento (BC), Rendimiento de funciones ejecutivas (EFP), y estado emocional (ES). Para inferir si un estudiante puede tener un perfil asintomático de TDAH, se usa un grupo de reglas de clasificación que usan los resultados obtenidos en cada característica como datos de entrada para su funcionamiento. Basados en las pruebas del modelo propuesto, se obtiene un grupo de entrenamiento que es usado para preparar un algoritmo de aprendizaje automático, el cual podrá realizar y mejorar la tarea de crear el perfil para cada estudiante de acuerdo a si presenta o no síntomas del TDAH o problemas de atención. Esto, puede ser el primer paso para ofrecer recursos de aprendizajesadaptados a las necesidades educativas de estudiantes que presenten este trastorno.
Resumen en inglés
Rev.esc.adm.neg This paper presents a user model for students performing virtual learning processes. This model is used to infer the presence of Attention Deficit Hyperactivity Disorder (ADHD) indicators in a student. The user model is built considering three user characteristics, which can be also used as variables in different contexts. These variables are: behavioral conduct (BC), executive functions performance (EFP), and emotional state (ES). For inferring the ADHD symptomatic profile of a student and his/her emotional alterations, these features are used as input in a set of classification rules. Based on the testing of the proposed model, training examples are obtained. These examples are used to prepare a classification machine learning algorithm for performing, and improving, the task of profiling a student. The proposed user model can provide the first step to adapt learning resources in e-learning platforms to people with attention problems, specifically, young-adult students with ADHD.