Un modelo para la organización semiautomática de contenido educativo desde repositorios abiertos de objetos de aprendizaje

Autores

  • Paula Andrea Rodríguez Marín Universidad Nacional de Colombia, Sede Medellín
  • Julián Moreno Cadavid Universidad Nacional de Colombia, Sede Medellín
  • Néstor Darío Duque Méndez Universidad Nacional de Colombia, Sede Manizales
  • Demetrio Arturo Ovalle Carranza Universidad Nacional de Colombia, Sede Medellín
  • Ricardo Silveira Universida Federal de Santa Catarina

Palabras clave:

Repositorios de objetos de aprendizaje, Recursos educativos abiertos, Tecnología educativa, Material educativo, Teoría educativa.

Resumen

Los repositorios de Objetos de Aprendizaje (OA) son importantes para la construcción de contenidos educativos y deben facilitar los procesos de búsqueda, recuperación y organización de OA con el fin de atender objetivos educativos. Sin embargo, estos procesos demandan tiempo y no proveen los resultados esperados; por ello, el objetivo de este artículo es proponer un modelo para la organización semiautomática de contenidos recuperados automáticamente de repositorios abiertos. Para el desarrollo del modelo se analizaron medidas de similitud, mientras que para su calibración y validación se realizaron experimentos de comparación con los resultados obtenidos por docentes. Los resultados experimentales demuestran que al usar un valor de k (selección de OA) de 3, el porcentaje de coincidencias entre el modelo y los expertos supera el 75%. Se concluye entonces que el modelo propuesto permite ahorrar tiempo y esfuerzo al docente para seleccionar OA al realizar un proceso de prefiltrado.

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

Amón, I. y Jiménez, C. (2010). Funciones de similitud sobre cadenas de texto: una comparación basada en la naturaleza de los datos. CONF-IRM Proceedings, 58. Recuperado de http://aisel.aisnet.org/confirm2010/58

Baldiris, S. y Duque Méndez, N. (2012). Searching and positioning of contextualized. Learning Objects, 5(3), 1-11.

Betancur, D., Moreno, J. y Ovalle, D. (2009). Modelo para la recomendación y recuperación de objetos de aprendizaje en entornos virtuales de enseñanza/aprendizaje. Revista Avances en Sistemas e Informática, 6(1), 45-56.

Bonny, J. y Renou, J. (2002). Euclidian distance-weighted smoothing for quantitative MRI: application to intervoxel anisotropy index mapping with DTI. Journal of magnetic resonance, 159(2), 183-9.

Dice, L. R. (1945). Measures of the amount of ecologic association between species. Ecology, 26(3), 297-302.

Duque, N. D. (2005). Modelo de cursos virtuales adaptativos en un ambiente de planificacion inteligente. Universidad Nacional de Colombia.

Grossman, D. y Frieder, O. (2004). Information retrieval: algorithms and heuristics. Berlín: Springer.

Haibo, G., Wenxue, H., Jianxin, C., Yong, Z. y Hui, M. (2008). Pattern recognition of multivariate information based on non-statistical techniques. International Conference on Information and Automation, 697-702. doi:10.1109/ICINFA.2008.4608088

Hamming, W. (1950). Error detecting and error correcting codes. Bell System Technical Journal, 29(2), 147-160.

Huang, Y.-M., Chen, J.-N., Huang, T.-C., Jeng, Y.-L. y Kuo, Y.-H. (2008). Standardized course generation process using Dynamic Fuzzy Petri Nets. Expert Systems with Applications, 34(1), 72-86. doi:10.1016/j.eswa.2006.08.030

Jaccard, P. 1908. Nouvelles recherches sur la distribution florale. Bulletin de la Société Vaudoise des Sciences Naturelles, 44, 223-270.

Kim, M. y Choi, K. (1999). A comparison of collocation-based similarity measures in query expansion. Information processing & management, 35(1), 19-30.

Learning Technology Standards Committee. (2002). IEEE Standard for learning object metadata. Nueva York: Institute of Electrical and Electronics Engineers.

Li, J. Z. (2010). Quality, evaluation and recommendation for learning object. International Conference on Educational and Information Technology, 533-537.

Mavrommatis, G. (2008). Learning objects and objectives towards automatic learning construction. European Journal of Operational Research, 187(3), 1449-1458. doi:10.1016/j.ejor.2006.09.024

Ouyang, Y. y Zhu, M. (2008). eLORM: learning object relationship mining-based repository. Online Information Review, 32(2), 254-265. doi:10.1108/ 14684520810879863

Peña, C. I., Marzo, J., De la Rosa, J. L. y Fabregat, R. (2002). Un sistema de tutoría inteligente adaptativo considerando estilos de aprendizaje. Universidad de Girona, España.

Pithamber, R. P. (2003). Use and abuse of reusable learning objects. Journal of Digital Information, 3(4).

Real, R. y Vargas, J. M. (1996). The probabilistic basis of Jaccard’s Index of similarity. Systematic Biology, 45(3), 380. doi:10.2307/2413572

Salton, G., Wong, A. y Yang, C. S. (1975). A vector space model for automatic indexing. Communications of the ACM, 18(11), 613-620.

Tabares, V., Duque, N., Moreno, J., Ovalle, D. y Vicari R. (2013) Evaluación de la calidad de metadatos en repositorios digitales de objetos de aprendizaje. Revista interamericana de bibliotecología (En dictamen).

Tseng, S. S., Su, J. M., Hwang, G. J., Hwang, G. H., Tsai, C. y Tsai, C. J. (2008). An object-oriented course framework for developing adaptive learning systems. Educational Technology & Society, 11(2), 171-191.

Van de Sompel, H. y Chute, R. (2008). The aDORe federation architecture?: digital repositories at scale. International Journal, 9, 83-100. doi:10.1007/s00799-008-0048-7

Verbert, K., Ochoa, X., Derntl, M., Wolpers, M., Pardo, A. y Duval, E. (2012). Semi-automatic assembly of learning resources. Computers & Education, 59(4), 1257-1272. doi:10.1016/j.compedu.2012.06.005

Descargas

Visitas a la página del resumen del artículo: 1190

Publicado

2014-04-30
Loading...