APRENDIZAJE NO SUPERVISADO PARA DESCRIBIR LA INFLUENCIA EN EL RENDIMIENTO ACADÉMICO DEL ESTUDIANTE SEGÚN SU ESTILO DE APRENDIZAJE

ALVEIRO ALONSO ROSADO GOMEZ, CLAUDIA MARCELA DURAN CHINCHILLA

Resumen


Cada individuo tiene distintas formas de percibir y de entender, de actuar, de adquirir conocimiento; por lo que se puede decir, que existen diferentes modelos cognitivos de aprendizaje y que por tanto, la manera de pensar y percibir es propia en cada persona, y que por supuesto,  la manera de aprender está relacionada con la forma de recopilar, organizar, pensar  y repensar la nueva información.

De allí, que a través de un grupo interdisciplinar de docentes, se propuso averiguar de qué manera y cómo los estudiantes, especialmente los que cursan las asignaturas asociadas al área de matemáticas, aprenden.

De tal manera, que para ello se acudió a los conceptos y teorías de Felder- Silverman y kolb, por lo que fue necesario aplicar como instrumento un test propuesto por los autores en mención; por otro lado se tomó como fuente los resultado de los parciales del (primero y segundo) del año 2015, aplicado el test, y tabulada la información se procedió a aplicar técnicas de minería de datos, siguiendo algunas de las etapas que propone el proceso de extracción del conocimiento.

Con los resultados de esta investigación se pretende ofrecer un insumo adicional a la universidad para adelantar de forma eficaz, tareas y pautas de mejoramiento académico y de esa manera asegura la calidad académica. 


Texto completo:

PDF

Referencias


Arriaga, C., & Madariaga, J. (2004). Condiciones Contextuales De La Motivación Para el Aprendizaje de la Música. Revista Psicodidáctica, 17-25.

Felder, R. y. (1988). Learning and Teaching Styles In Ingineering Education.

Gild, P., & Garger, S. (1998). Marching to Diferent Drummers. Usa: 2 edicion.

González Peiteado. (2013). Los Estilos de Enseñanza y Aprendizaje Como Soporte de la Actividad Docente. Revista Estilos de Aprendizaje, 1-23.

Han, J., & Kamber, M. (2006). Data Mining, Southeast Asia Edition: Concepts and Techniques (The Morgan Kaufmann Series in Data Management Systems). San Francisco: Elsevier con Morgan Kaufmann Publishers.

Hernandez Orallo, J., Ramirez Quintana, M. J., & Ramirez Ferri, C. (2004). Introduccion a la Mineria de Datos. Madrid: Pearson Educacion S.A.

Hervás Aviles, R. (2005). Estilos de Enseñanza Aprenduzaje en Escenarios ducativos. Granada: Grupo Editorial Universitario.

Kolb, D. (1976). Learning Stily Inventory. Technical Manual. Bostón: Mcber.

Kolb, D. (1984). Experiental Learning. New Yersy: Hall.

Marchesi, A. (2007). Sobre el Bienestar de los Docentes: Competencias, Emociones y Valores. Madrid: Alianza.

Muñoz Gonzalez, J. M., & Ontoria Peña, A. (2010). Implicacion del Alumnado en el Proceso de Aprender a Pensar. Reifop, 191-200.

Sharma, N., Bajpai, A., & Litoriya, R. (Mayo de 2012). Comparison the various clustering algorithms of weka. International Journal of Emerging Technology and Advanced Engineering, 2(5), 73-80.

Valdivia Ruiz, F. (2002). Estilos de Aprendizaje en Educación Primaria. Malaga: Dykinson.

Ventura, A. C., Moscoloni, N., & Gagliardi, R. P. (2011). Estudio Comparativo Sobre los Estilos De Aprendizaje de estudiantes Universitarios Argentinos de Diferentes Disciplinas. Psicologia desde el Caribe, 277-300.

Witten, I. H., Frank, E., & Hall, M. A. (2011). Data Mining : Practical Machine Learning Tools and Techniques (Tercera edición ed.). Burlington, United States: Morgan Kaufmann Publishers.

Zabalza Beraza, M. (2003). Competencias Docentes del Profesorado Universitario. Calidad y Desarrrollo Profesional. Madrid: Nercea.


Enlaces refback

  • No hay ningún enlace refback.


Copyright (c) 2019 Revista Ingenio Universidad Francisco de Paula Santander Ocaña