Machine Translated by Google

Vea discusiones, estadísticas y perfiles de autor para esta publicación en: https://www.researchgate.net/publication/325174608

Interrumpiendo el ciclo de aprendizaje de memoria: CS Majors iterando sobre el aprendizaje

Módulos con Hipermedia Educativa Adaptativa

Capítulo · Enero 2018

DOI: 10.1007/978-3-319-91464-0_7

CITAS LEE

2 293

2 autores, incluyendo:

Muhammed Mustafa Hassan

Universidad de Finlandia Oriental

11 PUBLICACIONES 39 CITAS

VER EL PERFIL

Todo el contenido que sigue a esta página fue subido por Muhammad Mustafa Hassan el 28 de mayo de 2018.

El usuario ha solicitado la mejora del archivo descargado.

Machine Translated by Google

Interrumpiendo el ciclo de aprendizaje de memoria: CS Majors

iterando sobre módulos de aprendizaje con un enfoque educativo adaptativo
Hipermedia

Muhammad Mustafa Hassan1,2 [0000-0002-3851-4336] y Adnan N. Qureshi2

1
Universidad de Central Punjab, Lahore-54000, Pakistán
2
Universidad de Finlandia Oriental, FI-80101, Joensuu, Finlandia
{Mustafa.hassan, dr.qureshi}@ucp.edu.pk

Resumen. El problema del aprendizaje de memoria ha plagado los sistemas educativos del
mundo en desarrollo desde hace mucho tiempo. Entre los mediadores más notables se
encuentran las evaluaciones mal diseñadas, la autoridad de los docentes, las respuestas
textuales gratificantes, el gran tamaño de las clases y las diferencias individuales de los
alumnos. Los autores informan sobre el diseño y desarrollo de un hipermedia educativo
adaptativo, que interrumpe el ciclo de aprendizaje de memoria al abordar algunas de las
razones antes mencionadas. El sistema informado proporciona una experiencia de
aprendizaje personalizada para cada alumno, adaptándose sobre la base de los estilos
cognitivos y de aprendizaje. Además, las evaluaciones están diseñadas de manera que
enlazan cada aprendizaje fallido a través de rutas variadas, eliminando así las posibilidades
de aprendizaje de memoria. Además, las perturbaciones fallidas se remontan al segmento
de dominio problemático para una mayor adquisición de conocimiento. Las evaluaciones in
situ del sistema con usuarios finales (estudiantes reales de la Licenciatura en Ciencias de la
Computación) revelan una diferencia entre los grupos de control y experimental. Sin embargo, el tamaño del efecto es moderado.

Palabras clave: Hipermedia Educativa Adaptativa; AEH; contextualización; Modelo Adaptor-

Innovator; estilos cognitivos; Aprendiendo estilos; ESL.

1 Introducción

El problema del aprendizaje de memoria ha afectado desde hace mucho tiempo a las comunidades
educativas de todo el mundo. Los enfoques de aprendizaje adoptados por los estudiantes, en general,
tienen relación directa con la comprensión de los conceptos y el desempeño posterior [1], y el estilo de
aprendizaje memorístico, en particular, degrada la calidad del conocimiento aprendido [2]. Sin embargo,
el aprendizaje de memoria, la simple memorización, en sí mismo no es un problema. Es una técnica
de aprendizaje eficiente necesaria en algunos contextos de aprendizaje que necesitan memorización
[3], por ejemplo, recordar el alfabeto de un idioma. Sin embargo, se convierte en un problema cuando
un estudiante lo adopta como su principal estrategia de aprendizaje, aplicada a la mayoría, si no a
todos, de sus contextos de aprendizaje [3]. Dicho estudiante se ve obligado en su mayor parte a elegir
el aprendizaje de memoria porque reduce la carga cognitiva que de otro modo soportaría la comprensión
de conceptos complejos, una situación que suele surgir en las asignaturas de ciencias. Sin embargo, en el
Machine Translated by Google

A largo plazo, el conocimiento aprendido a través del aprendizaje de memoria tiene menos capacidad de
retención en comparación con otros métodos de aprendizaje, como el aprendizaje significativo [4].
La investigación reciente en psicología educativa sugiere que los conceptos más abstractos se ven más
afectados negativamente por el enfoque de aprendizaje de memoria [5]. Del mismo modo, las disciplinas
relacionadas con la resolución de problemas se ven muy afectadas por esta técnica de aprendizaje [3]. El
problema, aunque persistente en todo el espectro científico, se manifiesta especialmente en matemáticas e
informática, siendo los campos de mayor abstracción aplicados a la resolución de problemas [6]. Además,
este mismo mecanismo de aprendizaje puede incluso contribuir al desarrollo del desinterés por las materias
científicas [5].
Contrariamente a la creencia popular, el aprendizaje de memoria no es abundante solo en los países en
desarrollo [5]. Incluso después de 30 años de reformas educativas en el mundo desarrollado, el problema del
aprendizaje memorístico aún prevalece en muchos países, por ejemplo, en EE. UU. y Suecia [3].
La investigación reciente dice que los estudiantes todavía eligen el aprendizaje de memoria cuando trabajan
con conceptos complejos [6]. Sin embargo, la dinámica es diferente a la del mundo en desarrollo, donde los
alumnos son capacitados para convertirse en aprendices de memoria desde una edad muy temprana [8].
Los investigadores señalan que el sistema educativo en los países en desarrollo, desde la enseñanza hasta
la evaluación, apoya el aprendizaje de memoria [9]. Los estudiantes son recompensados por la reproducción
e imitación de los conceptos dados palabra por palabra [10]. Especialmente en Pakistán, donde se lleva a
cabo esta investigación, se informa con frecuencia que los alumnos están capacitados para reproducir lo que
se les ha articulado [10]. Rara vez usan su propia intuición para resolver problemas de cualquier tipo,
simplemente aplican imitaciones de soluciones aprendidas anteriormente [8].

En este trabajo, los autores informan sobre el diseño, desarrollo y prueba de un sistema hipermedia
educativo adaptativo (AEH) para interrumpir el ciclo de aprendizaje de memoria de la repetición literal y la
reproducción de conceptos. El sistema está concebido y desarrollado para estudiantes de informática en
Pakistán y está situado en su propio contexto. El documento también informa evaluaciones in situ del primer
prototipo del sistema propuesto en un entorno real con el usuario final. El resto del informe está estructurado
de la siguiente manera. La siguiente sección revisa el trabajo relacionado, seguida de una discusión sobre la
arquitectura de la innovación propuesta. La sección 4 detalla la metodología de investigación utilizada para
experimentar con el prototipo de AEH. Los resultados del análisis se presentan en la sección 5, con discusión
en la sección 6. Finalmente, los autores concluyen el artículo en la sección 7.

2. Trabajo relacionado

Liu y Hmelo-Silver [11] informan sobre el diseño y desarrollo de hipermedia educativa para promover el
aprendizaje significativo de sistemas complejos en estudiantes de ciencias.
Argumentaron que las metodologías de aprendizaje convencionales para sistemas complejos no hacían más
que acumular la información en la cabeza de los alumnos. Para resolver el problema, se probaron dos
versiones hipermedia diferentes con estudiantes de 7º grado y maestros en formación.
Los autores encontraron que ambos tipos de hipermedia evitan el aprendizaje de memoria.
Jacobson y Archodidou desarrollaron Knowledge Mediator Framework (KMF)
[12]. Con una prueba de concepto aplicada a estudiantes de secundaria en el aprendizaje de la biología
evolutiva neodarwiniana, probaron la eficacia. Sus resultados mostraron un sig-
Machine Translated by Google

mejora significativa en el progreso de los estudiantes, así como en los patrones de aprendizaje. Notaron que
los estudiantes comenzaron a desarrollar modelos similares a expertos en sus soluciones.
Aunque no en un sentido hipermedia estricto, Zydney y Grincewicz experimentaron con un entorno de
aprendizaje multimedia con videos para mejorar las habilidades de aprendizaje significativo de los estudiantes
[13]. Su estudio encontró que la cantidad de tiempo que los estudiantes pasaban con el sistema predecía
su desempeño.
Rum e Ismail [14] utilizaron herramientas metacognitivas para ayudar a los estudiantes a aprender a
programar de manera significativa. Idearon seis estrategias diferentes, aunque todas metacognitivas. Las
herramientas se implementaron con la ayuda de un hipermedia educativo. Inscribieron a 30 participantes en
el grupo experimental y 36 en el grupo de control. El grupo experimental exhibió una mejora en el rendimiento
sobre el grupo de control.

3 La innovación propuesta

El AEH propuesto se compone de 5 módulos, a saber, el modelo de estudiante, el motor de evaluación, el

controlador de adaptación, el almacén de contenido y la interfaz. Los estudiantes se comunican con la
interfaz, que presenta actividades de aprendizaje/evaluación al estudiante, formateadas y seleccionadas por
el controlador de adaptación. El controlador de adaptación trabaja con la información almacenada en el
modelo de estudiante para seleccionar y formatear apropiadamente el contenido que está almacenado en el
almacén de contenido. La selección de actividades de aprendizaje se basa en tres elementos de criterios
relacionados con un estudiante, a saber, estilo cognitivo, estilo de aprendizaje y conocimientos previos.
Además, el controlador de adaptación selecciona/formatea las actividades de evaluación en función de la
entrada proporcionada por el motor de evaluación. El esquema del sistema se representa en la Fig. 1.

No obstante, situar cada factor en el contexto del alumno es importante para un modelo de alumno
efectivo, pero algunos atributos pesan más que otros. Un aspecto importante a considerar en el caso de los
países en desarrollo es la diferencia del estilo cognitivo de los estudiantes en comparación con los de los
países desarrollados. Por lo tanto, los autores eligieron el modelo innovador-adaptador de Kirton [15], que
está más estrechamente relacionado con el aprendizaje memorístico/significativo que otros modelos
cognitivos. La postura de los autores también encuentra

Fig. 1. Esquema de la innovación propuesta

Machine Translated by Google

apoyo en un experimento realizado en la Universidad de Punjab Central (UCP), Pakistan. Sin

embargo, el resultado de ese experimento es el tema de otro artículo [16].
El modelo de estilos de aprendizaje, que no debe confundirse con los estilos cognitivos que se
ocupan del aprendizaje memorístico/significativo, que se utiliza en el sistema se basa en el modelo
VARK (Visual, Auditivo, Read-Write, Kinesthetic) de Fleming y Mills [17]. Se informa repetidamente
que el modelo VARK se encuentra en estudiantes de países en desarrollo [18]. Los autores, sin
embargo, no pudieron implementar el estilo cinestésico debido a las limitaciones del software.
Finalmente, el perfil de conocimiento almacena información sobre el progreso actual del alumno,
sobre el cual se selecciona una nueva actividad (aprendizaje o evaluación) para su presentación.
Para más detalles del sistema, se remite al lector interesado a [16].

3.1 Interrumpir el ciclo de aprendizaje de memoria

El sistema implementa un mecanismo novedoso para interrumpir el ciclo de aprendizaje de

memoria. El esquema del diseño propuesto se muestra en la Fig. 2. Al iniciar una sesión de
aprendizaje, el sistema, basado en el modelo del alumno, selecciona y presenta una lección
particular, digamos ÿ, al alumno. Una lección de aprendizaje generalmente comprende 9 actividades
de aprendizaje: 3 visuales, 3 auditivas y 3 de lectura, denominadas ÿv, ÿa, ÿr, respectivamente,
todas enfocadas en el tema de aprendizaje de esa lección en particular. El arreglo de la presentación
se decide de acuerdo con los atributos del alumno. Un alumno puede obtener primero visual, luego
auditivo y luego leer, mientras que otro puede recibir auditivo-visual-lectura o cualquier otra combinación.
Después de completar la lección ÿ, el alumno realiza la evaluación "Prueba ÿ". Las pruebas
están diseñadas de manera que rastrean las perturbaciones hasta el segmento de conocimiento de
donde proviene el concepto erróneo. Por ejemplo, considere una pregunta sobre bucles en C++. La
pregunta puede tener 4 respuestas, entre las cuales una es la correcta. Los tres restantes son
distractores, diseñados de manera que apuntan en la dirección

Fig. 2. El ciclo de aprendizaje que interrumpe la memorización de memoria

Machine Translated by Google

donde el conocimiento del aprendiz es erróneo. Por ejemplo, la respuesta b indica que el
alumno tiene problemas para comprender las declaraciones condicionales y el operador
relacional, y la opción c puede revelar que el alumno no es bueno con el concepto de
incremento previo/posterior. Diseñar la evaluación de tal manera permite rastrear la fuente de perturbaciones.
Si un alumno tiene éxito en la evaluación, pasa al siguiente segmento de conocimiento
tomando el camino más corto posible dentro del dominio del conocimiento. Sin embargo, si
la evaluación es incorrecta, o parcialmente correcta, puede tomar uno de varios caminos
posibles. Un error importante en el aprendizaje de la lección ÿ la lleva a la subactividad ÿ1,
un problema menor a ÿ2 y un problema aún menor a ÿ3: los subíndices crecientes indican
una reducción de la magnitud del error. Si se lleva al alumno a ÿ1, una subactividad de ÿ
presentada de una manera diferente para evitar el aprendizaje de memoria, también debe
realizar la evaluación de la subactividad "Prueba ÿ1". Completar ÿ1 con éxito la regresa a la
principal ÿ. Sin embargo, si no es capaz de completar con éxito ÿ1, baja un nivel más hasta
ÿ2. Una finalización exitosa de la "Prueba ÿ2" lleva a la evaluación principal y la falla lleva un
paso más abajo hasta ÿ3. Si el alumno no puede completar el nivel más simple ÿ3, entonces
se le pide que vuelva a realizar todo el aprendizaje de la lección ÿ.

3.2 Modelo de evaluación

Un aspecto importante en el aprendizaje es la evaluación. Si se espera —o se entrena— a los

alumnos para que produzcan respuestas textuales (principios, reglas, fórmulas, definiciones) en
las evaluaciones, se inclinan hacia la mera memorización de hechos, es decir, el aprendizaje de
memoria [19]. Para inclinarlos hacia experiencias de aprendizaje más significativas, las
evaluaciones deben diseñarse e implementarse con diferentes expectativas, sin esperar respuestas textuales.
La prueba a realizar a los alumnos se dividió en dos partes: estandarizada y adaptativa.
La prueba estandarizada tenía las mismas preguntas y rúbrica para todos los participantes
[19] y la puntuación se realizó como (1), donde representa con
el cuestionario
preguntas estandarizadas,
de la lección ÿÿ
ÿÿ ÿÿ representa la respuesta al ítem en el cuestionario respectivo . La respuesta se calcula
como (2).

ÿ ÿÿ ÿ (1 ( ,1 (2 ()

Por lo tanto, esta parte de la evaluación siguió el esquema de “interpretaciones de puntajes

basadas en criterios” [20], que solo considera si la respuesta de los estudiantes es correcta o no.
Como resultado de este enfoque, un estudiante puede simplemente ser declarado "reprobado" o
"aprobado" para la prueba respectiva si la puntuación acumulada es >= 50%.
La segunda parte de la evaluación consistió en un enfoque adaptativo para calificar al
alumno entre sus compañeros. El banco de preguntas constaba de ítems calibrados (criterio:
nivel de dificultad) que habían sido meticulosamente diseñados por pedagogos. El punto de
partida de esta prueba se basó en la puntuación obtenida en la prueba estandarizada. La
puntuación de la prueba estandarizada se estratificó en 50-69%, 70-85% y >85%. Esto
permitió el punto de entrada apropiado para el candidato en el cuestionario adaptativo. La
puntuación de la parte adaptativa se basó en la fórmula de (3):
Machine Translated by Google

ÿ ÿÿ (3)

Los términos de penalización en (3) son a (número de veces que el estudiante cambió las
opciones de respuesta antes de enviarla), w (número de veces que el estudiante intentó responder
la misma pregunta) y t (el tiempo que tardó el estudiante en responder, 1 en caso de límite de tiempo
predefinido (90 segundos) y 2 en caso de más tiempo), definidos respectivamente en (4), (5) y (6).

1
, (5 (ÿÿ,
ÿÿ90ÿÿ
, 11 , 30 ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ 6)

El valor de p se puede estimar empíricamente. Usamos p = 10 para los experimentos.

Para la parte adaptativa del cuestionario, un estudiante puede obtener la respuesta correcta en el
primer clic e intentarlo, en cuyo caso el ÿ ÿ será la puntuación del elemento del cuestionario respectivo.
Para todos los demás casos, la puntuación
y, pordependerá de la podrá
lo tanto, nunca contribución
ser delde los términos de la sanción
100%.

4 Metodología de la Investigación

La eficacia del primer prototipo fue probada con estudiantes de CS1 de la UCP. Todos los participantes
se inscribieron en los mismos 5 cursos, incluidos CS1, Electrónica básica, Inglés 1, Estudios sociales y
Pensamiento lógico. A los estudiantes no se les dio la opción de seleccionar las materias por sí mismos:
a los estudiantes de primer año de la UCP se les ofrece una pista prediseñada en el primer semestre.
Se incorporó al experimento la matrícula completa de 4 semestres (S15, F15, S16 y F16). En
S15, a los estudiantes se les enseñó con métodos convencionales. El proceso educativo fue
seguido de cerca y los resultados fueron registrados. Mientras tanto, los desarrolladores de
contenido crearon contenido en inglés y los desarrolladores de sistemas prepararon el primer
prototipo. Tan pronto como F15, el sistema estuvo listo para someterse a las primeras pruebas
de eficacia. El refinamiento del contenido/sistema continuó en paralelo con el control de calidad y
la corrección de errores, lo que resultó en un prototipo actualizado para S16 y una forma mejorada
adicional en F16. Los resultados de todos estos semestres fueron sometidos a análisis estadístico.
El curso elegido para el análisis fue Inglés 1, ya que el aprendizaje de una segunda lengua es un
área que se ve especialmente afectada con el mecanismo de aprendizaje memorístico. No obstante,
se puede argumentar que la construcción de vocabulario se basa en una técnica de simple
memorización, pero comprender la información de un pasaje requiere algo de pensamiento creativo.

4.1 Participantes

Un total de 1161 estudiantes participaron en el experimento, de los cuales 82 se retiraron

del curso de sus estudios en Inglés 1, o abandonaron el programa por completo. De los
1079 restantes, 108 pertenecían al grupo de control. Los 971 restantes, fueron sometidos
a diferente nivel de tratamiento. Los alumnos de F15 tuvieron la primera versión del sistema,
Machine Translated by Google

que se mejoró para S16 y en una forma aún mejorada para F16. Por lo tanto, el nivel de tratamiento
para los siguientes semestres fue aumentando. La Tabla 1 incluye el número total de estudiantes
en cada grupo. Los estudiantes bajo el encabezado de calificación son aquellos cuyos datos fueron
incluidos en el análisis. La inscripción tanto de S15 como de S16 se dividió en 3 secciones, mientras
que F15 y F16 tenían 10 y 11 secciones respectivamente.
Dado que todos los estudiantes pertenecían al mismo semestre del mismo programa, por lo
que se supuso que tenían un perfil similar, incluidos los conocimientos previos, las habilidades
aprendidas, los cursos tomados y el nivel de estudios ya alcanzado. Además, se inscribieron en la
UCP a través del mismo proceso/criterios de admisión, aprobaron la misma prueba de admisión y
cumplieron los mismos requisitos de ingreso, lo que garantiza un perfil de conocimiento similar en
toda la población.
El mismo equipo enseñó los 4 semestres. Sin embargo, el número de docentes contratados difirió
para cada semestre. F15 y F16, al ser más poblados, tenían más maestros comprometidos con la
enseñanza que el semestre de primavera, como se detalla en la Tabla 2.

4.2 Procedimiento

Dado que los semestres de otoño normalmente reciben más admisión, F15 y F16 tenían más
secciones en comparación con el semestre de primavera. La asignación de la sección fue por
orden de llegada. En un momento dado, solo una sección estaba abierta. Tan pronto como una
estudiante era admitida en el programa, se la asignaba a la sección abierta. Una vez que la sección
abierta había recibido suficientes inscripciones, se cerró y se abrió otra sección en línea.
Por ejemplo, el primer estudiante fue admitido en la sección A, y todos los otros 49 estudiantes
siguientes fueron asignados a esa misma sección. Una vez, la sección A tenía 50 inscripciones, se
marcó cerrada y se abrió la sección B, y así sucesivamente. Además, la asignación de docentes
para las secciones no se conocía en el momento de la inscripción de los estudiantes, por lo que no
se indujo ningún sesgo de preferencia docente.

Tabla 2. Número de secciones en cada

semestre con respectiva matricula

Secciones S15 F15 S16 F16

Tabla 1. Número de estudiantes
A 42 27 46 47
matriculados, dados de baja y continuados en cada
B 38 29 49 46
semestre
C 28 36 38 -

S15 F15 S16 F16 D - 27 - 41

Y - 35 - 50
Secciones 3 10 3 11
F - 40 - 51
Calificado 108 352 133 486
GRAMO
- 40 - 37
Retirado 30 6 5 41 H - 39 - 35
Total 138 358 138 527 yo
- 40 - 48
j - 39 - 51
k - - - 46
L - - - 34
Total 108 352 133 486
Machine Translated by Google

Contrariamente al procedimiento de aprendizaje convencional en S15, el semestre siguiente estuvo

mayormente automatizado. Las lecciones se impartieron principalmente con la ayuda de AEH, aunque
los profesores también enseñaron algunas partes manualmente. La mayoría de los cuestionarios y
tareas se entregaron, evaluaron y recodificaron a través de la interfaz AEH.
Cada instrumento tuvo un peso específico en la calificación final de los estudiantes. Por ejemplo,
los cuestionarios comprendían el 15 % del peso total, al igual que las tareas. La participación en clase
fue del 5%, y la presentación se ponderó el 10%. El parcial y el final del trimestre supusieron el 25% y
el 30% de la nota total, respectivamente.
Todos los instrumentos se diseñaron de forma que minimizaran las posibilidades de producir
respuestas textuales, incluso en S15. Sin embargo, el procedimiento S15 no tiene un mecanismo de
seguimiento de perturbaciones que proporcione iteraciones de aprendizaje sobre los módulos de aprendizaje.
Los instrumentos de cada semestre fueron analizados y mejorados para su posterior administración
en los próximos semestres. La principal mejora fue la introducción de respuestas que eran más
innovadoras y creativas.

4.3 Herramientas y materiales

Tanto el sistema manual como el automatizado incluyeron varias intervenciones de enseñanza e

instrumentos de evaluación diseñados con un patrón pedagógico similar, aunque difiriendo con respecto
a la tecnología. No obstante, el número exacto puede haber diferido en algunos casos, pero todos los
estudiantes de todas las secciones de todos los semestres recibieron 45 horas de contacto, ya sea con
AEH o sin ella. Por el lado de la evaluación, se administraron en promedio 14 cuestionarios cortos
semanalmente (un cuestionario por semana) para rastrear las perturbaciones en el estado actual de
conocimiento de los estudiantes. De igual manera, se administraron 4 trabajos, una actividad de
participación en clase, una presentación, un examen parcial y final del semestre, ya sea de forma
manual o vía AEH.
En S15, los estudiantes usaron instrumentos basados en papel, incluidos todos los cuestionarios,
tareas y exámenes. No obstante, la presentación y las actividades de participación en clase, e incluso
las tareas en algunos casos, implicaron el uso de multimedia y procesamiento de textos. Por el
contrario, casi todas las herramientas y materiales en F15, S16 y F16 estaban basados en computadora.
Todos los cuestionarios se administraron electrónicamente mediante el uso de AEH, así como las
tareas que se entregaron y recolectaron a través de la misma plataforma.
Sin embargo, los exámenes, medio y final, seguían siendo en papel. Se siguió un esquema estándar
a lo largo de cuatro semestres.

5 Análisis Estadístico y Resultados

La variable dependiente (la calificación numérica de los estudiantes) produjo 4 distribuciones, a saber,
S15 [N = 108, M = 66,93, SD = 9,49], F15 [N = 352, M = 69,71, SD = 10,77], S16 [N = 133 , M = 73.26,
SD = 10.53] y F16 [N = 486, M = 80.96, SD = 7.40], representando cronológicamente cada semestre
incluido en el estudio. El tamaño de la muestra en cada semestre varió: los autores no tenían control
sobre la inscripción. Para sorpresa de los autores, ninguna suposición de análisis paramétrico era
defendible en ninguna distribución. La prueba de Shapiro-Wilk, utilizada para probar la normalidad de
los datos en las muestras, no aceptó la
Machine Translated by Google

hipótesis nula de normalidad para cualquier distribución [S15: (p = .004), F15: (p < .001), S16: (p = .007), F16: (p < .001)]. Lo mismo

se confirmó a través de la inspección visual de las gráficas QQ como se muestra en la Fig. 3. Además de la no normalidad,

apareció una gran cantidad de valores atípicos en algunas distribuciones, como se muestra en la gráfica de caja de la Fig. 4. La

suposición de homocedasticidad fue no defendible también. La prueba de homogeneidad de varianza de Leven no pudo aceptar la

hipótesis nula de varianza equivalente en las 4 distribuciones [F(3, 1075) = 16.68, p < .001].

Dado que los supuestos del análisis paramétrico no eran sostenibles, los autores optaron por la prueba de Kruskal-Wallis para

el análisis de la varianza, reportada como la prueba no paramétrica más favorecida [21]. El estadístico H de Kruskal-Wallis mostró

que había una diferencia estadísticamente significativa entre distribuciones [ÿ2 (3) = 352.02, p < .001, RS15 = 287.56, RF15 =

376.78, RS16 = 483.55, RF16 = 729.76]. Un análisis posterior con la prueba no paramétrica de Jonckheere-Terpstra para

alternativas ordenadas mostró que había una tendencia estadísticamente significativa de mediana creciente entre las distribuciones

[JJT = = 18.67, p < .001], notablemente en un orden cronológico. El mismo fue 296705.00, z confirmado por el análisis visual de la

gráfica de medias presentada en la Fig. 5. Ambas medias—las medias de la distribución original y las medias de las transformaciones

F15, y luego de S16 a—tenían

F16, teniendo
una tendencia
F16 la media
creciente
y la en
mediana
el orden
más
cronológico
altas. de los semestres, es decir, progresando de S15 a

(a) Primavera 2015

(b) Otoño de 2015

(c) Primavera 2016 (d) Otoño de 2016

Fig. 3. Gráficas QQ de las cuatro distribuciones

Machine Translated by Google

10

6 Discusión e implicaciones
El análisis estadístico de los datos generados en 4 semestres reveló datos interesantes.
Primero, la estadística H indicó diferencias en las distribuciones de calificaciones de 4 semestres.
Luego, las medias de las puntuaciones brutas resultaron estar aumentando en orden cronológico,
lo que indica un cambio positivo en el aprendizaje, evaluado a través de cuestionarios, tareas y
exámenes. Sin embargo, el cambio positivo no se atribuyó solo al azar, ya que los datos se
sometieron a métodos estadísticos corregidos por el azar, como el de la prueba de Kruskal-Wallis.
La prueba H también indicó una diferencia en las medias de las transformaciones creadas a partir
de las distribuciones de calificaciones originales. Además, la prueba de clasificación (Jonckheere-
Terpstra) indicó el mismo ordenamiento cronológico, como se observó a través del análisis visual
de las medias de las distribuciones brutas.
Los autores extraen la implicación más importante de que el aprendizaje de memoria dificulta el
aprendizaje significativo y, por lo tanto, el rendimiento y la creatividad de los estudiantes en el área
respectiva. El argumento está respaldado en la literatura, y también encuentra apoyo en el
experimento que se informa aquí. A pesar de ser una técnica de aprendizaje menos respetada, los
estudiantes se ven obligados de alguna manera a elegir el aprendizaje de memoria debido a su
capacidad para eliminar la complejidad del tema. Por el contrario, la comunidad de educadores
quiere que los alumnos aprendan cosas de manera más significativa. Sin embargo, lograr este
objetivo es difícil con las pedagogías convencionales. Los profesores pueden impartir conferencias
de formas novedosas, involucrar a los estudiantes en actividades significativas, diseñar evaluaciones
creativas, premiar la novedad y la innovación, pero administrar todo esto con un gran número de
inscritos parece difícil, si no imposible.
Una solución prometedora es el uso de sistemas AEH, que anteriormente estaban enfocados
en la experiencia de aprendizaje personalizada. Los autores sugieren que el AEH, y los módulos de
aprendizaje y evaluación, deben diseñarse de manera que obliguen a los estudiantes a abstenerse
del aprendizaje de memoria. En apoyo de su argumento, los autores han demostrado cómo se
puede diseñar e implementar un sistema AEH para interrumpir el

Fig. 5. Gráfico de medias que compara las medias

aritméticas de las distribuciones con las medias
ordenadas de las transformaciones

Fig. 4. Boxplot de distribuciones de leyes

Machine Translated by Google

11

bucle de aprendizaje de memoria.

Sin embargo, no fue posible controlar todas las variables en un entorno educativo de ciencias
sociales. Sin embargo, los investigadores intentaron mantener la ejecución igual durante todos estos
años. La única diferencia inducida fue en la forma de tecnología educativa utilizada para el aprendizaje
y la evaluación. No obstante, los estudiantes también fueron cambiados durante cada período, sin
embargo, el proceso de inducción para los nuevos estudiantes siguió siendo el mismo y los estudiantes,
aunque cambiaban personalmente, pertenecían a la misma población.

7 conclusiones y trabajo futuro

AEH puede ayudar a cambiar la estrategia de aprendizaje preferida del estudiante. Un posible curso
de acción es diseñar AEH con atributos de aprendizaje situados considerando los factores que obligan
al cuerpo estudiantil a aprender a través de métodos de memoria en general. Además de los atributos
de aprendizaje y cognitivos, la gestión del aprendizaje también puede empujar a los estudiantes hacia
el aprendizaje de memoria. La gestión del aprendizaje que inculca el aprendizaje de memoria implica
1) diseñar e implementar tales actividades de aprendizaje que repiten lo mismo varias veces, 2)
diseñar e implementar evaluaciones que se responden con conceptos recordados, y 3) recompensar
por las respuestas textuales. El diseño de un AEH también deberá considerar estos factores. Los
autores han construido tal AEH con un novedoso sistema de evaluación propuesto, y los experimentos
muestran efectos positivos en el aprendizaje.

En el futuro, los autores quieren realizar más experimentos en tiempo real con el sistema para
recopilar más datos sobre la eficacia. Los autores también planean ejecutar dos temas separados, uno
con la AEH y el otro de manera convencional para comparar los resultados.

Expresiones de gratitud

Nos gustaría agradecer el apoyo y la orientación del Prof. Ashraf Iqbal, Decano de la Facultad de TI
de la Universidad de Punjab Central, Pakistán. También estamos agradecidos con The Punjab Group,
Pakistán, por financiar esta investigación.

Referencias

[1] C. Chin y DE Brown, "Aprendizaje en ciencias: una comparación de enfoques profundos y superficiales"
Revista de Investigación en Enseñanza de las Ciencias, vol. 37, núm. 2, págs. 109-138, 2000.

[2] H.-C. Ella, "Promoviendo el aprendizaje de los conceptos de presión de aire de los estudiantes: la interrelación de los enfoques de los
maestros y las características de aprendizaje de los estudiantes", The Journal of Experimental Education, vol. 74, núm. 1, págs. 29-51,
2005.

[3] J. Lithner, "Aprender matemáticas mediante razonamiento creativo o imitativo", Conferencias periódicas seleccionadas del 12º Congreso
Internacional sobre Educación Matemática, págs. 487-506, 2015.

[4] AA Mokhtar, RM Rawian, MF Yahaya, A. Abdullah y AR Mohamed, "Estrategias de aprendizaje de vocabulario de estudiantes adultos de
ESL", The English Teacher, vol. XXXVIII, págs. 133-145, 2017.

[5] D. Kÿlÿç y N. Saÿlam, "La comprensión de los conceptos genéticos por parte de los estudiantes: el efecto de la capacidad de razonamiento
Machine Translated by Google

12

y enfoques de aprendizaje", Journal of Biological Education, vol. 48, no. 2, pp. 63-70, 2014.

[6] J. Lithner, "Un marco de investigación para el razonamiento creativo e imitativo", Estudios educativos en
Matemáticas, vol. 67, núm. 3, págs. 255-276, 2008.

[7] E. Hacieminoglu, "Actitud de los estudiantes de primaria hacia la ciencia y variables relacionadas"
Revista internacional de educación ambiental y científica, vol. 11, núm. 2, págs. 35-52, 2016.

[8] AW Pell, HM Iqbal y S. Sohail, "Introducción de experimentos científicos a las clases de aprendizaje de memoria en las
escuelas secundarias de Pakistán", Evaluación e investigación en educación, vol. 23, núm. 3, págs. 191-212, 2010.

[9] R. Sonawat y M. Kothari, "Aprendizaje de memoria y aprendizaje significativo en matemáticas: perspectivas de los maestros
de escuela primaria y el aprendizaje de los niños", Indian Journal of Positive Psychology, vol. 4, núm. 1, págs. 49-54, 2013.

[10] M. Safdar, "Aprendizaje significativo y aprendizaje de memoria en física: un estudio comparativo en la ciudad de
Jhelum (Pakistán)", Revista de investigación educativa de Oriente Medio y África, vol. 6, págs. 60-77, 2013.

[11] L. Liu y CE Hmelo-Silver, "Promoción del aprendizaje de sistemas complejos mediante el uso de representaciones
conceptuales en hipermedia", Journal Of Research In Science Teaching, vol. 46, núm. 9, págs. 1023-1040, 2009.

[12] MJ Jacobson y A. Archodidou, "El diseño de herramientas hipermedia para el aprendizaje: fomentar
Cambio conceptual y transferencia de conocimiento científico complejo", The Journal of the Learning Sciences, vol.
9, no. 2, pp. 145-199, 2000.

[13] JM Zydney y A. Grincewicz, "El uso de casos de video en un entorno de aprendizaje multimedia para facilitar la
investigación de un problema por parte de los estudiantes de secundaria desde diferentes perspectivas", Journal of
Science Education and Technology, vol. 20, núm. 6, págs. 715-728, 2011.

[14] SNM Rum y MA Ismail, "El apoyo metacognitivo acelera el aprendizaje asistido por computadora para programadores
novatos", Tecnología educativa y sociedad, vol. 20, núm. 3, págs. 170-181, 2017.

[15] M. Kirton, "Adaptadores e innovadores: una descripción y medida", Journal of Applied Psychology,
vuelo. 61, no. 5, pp. 622-629, 1976.

[16] MM Hassan y AN Qureshi, "Situación de los hipermedios educativos adaptativos en el contexto local de las naciones en
desarrollo", en Actas de la 2.ª Conferencia internacional sobre sistemas de comunicación e información de 2017 (ICCIS
2017), Wuhan, China, 2017.

[17] ND Fleming y C. Mills., "No otro inventario, más bien un catalizador para la reflexión", Para mejorar la academia.
Documento 246. DigitalCommons@Universidad de Nebraska - Lincoln, 1992.

[18] Z. Saga, K. Qamar y G. Trali, "ESTILOS DE APRENDIZAJE: COMPRENSIÓN PARA LAS ESTRATEGIAS DE
APRENDIZAJE", Revista Médica de las Fuerzas Armadas de Pakistán, vol. 65, núm. 5, págs. 706-709, 2015.

[19] L. Ye y SE Lewis, "Buscando enlaces: examinando las respuestas de los estudiantes en ejercicios creativos para
evidencia de la vinculación de los conceptos de química", Investigación y práctica de educación química, vol. 15,
págs. 576-586, 2014.

[20] WJ Popham, "¿Por qué las pruebas estandarizadas no miden la calidad educativa?" Liderazgo educativo, vol. 56, núm.
6, págs. 8-15, 1999.

[21] LM Lix, JC Keselman y HJ Keselman, "Revisión de las consecuencias de las violaciones de las suposiciones: una revisión
cuantitativa de las alternativas al análisis unidireccional de la prueba "F" de varianza", Revisión de la investigación
educativa, vol. 66, núm. 4, págs. 579-619, 1996.

Ver estadísticas de publicación