Personalización de un proceso de diagnóstico y retroalimentación para el desarrollo de competencias en álgebra intermedia
Agencias de apoyo
- Este trabajo no ha recibido ninguna subvención específica de los organismos de financiación en los sectores públicos, comerciales o sin fines de lucro
Resumen
A pesar de que existe un camino recorrido en términos de la aplicación del Aprendizaje Personalizado y el Aprendizaje Adaptativo en educación superior, se ha detectado que la entrega de las trayectorias personalizadas sigue siendo un área de oportunidad tanto para las instituciones como para los educadores. El objetivo del presente estudio fue en función del enriquecimiento de los entornos personales de aprendizaje. Es decir, cómo una prueba diagnóstica, con enfoque adaptativo, contribuye a la determinación de trayectorias de aprendizaje personalizadas, aplicado para fines de la enseñanza y aprendizaje del álgebra en estudios de pregrado. Se optó por un estudio de casos de tipo exploratorio y participaron tres profesores con experiencia en álgebra a nivel superior y diez estudiantes inscritos en el curso de álgebra intermedia de una institución de educación superior del sureste de México. Para dar voz a cada participante, se aplicó una entrevista semiestructurada después de la implementación de la prueba. Y se usó la herramienta Lección de Moodle para la aplicación del instrumento diagnóstico. Los resultados permiten indicar que la prueba diagnóstica permitió medir los conocimientos del estudiante y el nivel de desempeño en el que se encuentran, contribuyendo así a que la identificación de conocimientos previos sea más puntual y, con ello, precisar o mejorar la instrucción personalizada.
Descargas
Citas
Alade, O. M., & Omoruyi, I. V. (2014). Table of Specification and Its Relevance in Educational Development Assessment. European Journal of Educational and Development Psychology, 2(1), 1–17.
Alamri, H., Lowell, V., Watson, W., & Watson, S. L. (2020). Using personalized learning as an instructional approach to motivate learners in online higher education: Learner self-determination and intrinsic motivation. Journal of Research on Technology in Education, 52(3), 322–352. https://doi.org/10.1080/15391523.2020.1728449
Attwell, G. (2007). Personal Learning Environments - the future of eLearning ? Lifelong Learning, 2(January), 1–8. http://www.elearningeuropa.info/files/media/media11561.pdf
Ávila Clemente, V., Gil Pelluch, L., Gilabert, R., Maña, A., & Vidal-Abarca Gamez, E. (2016). ‘Método de Evaluación Dinámica Automatizado’ de Competencias Lectoras para Educación Secundaria. (EdiLEC). Universitas Psychologica, 15(1). https://doi.org/10.11144/Javeriana.upsy15-1.meda
Baxter, P. and Jack, S. (2008) Qualitative Case Study Methodology: Study Design and Implementation for Novice Researchers. The Qualitative Report, 13, 544-559.
Beltran Prieto Figueroa, L., Mosquera Uzcátegui José Lisandro Aguilar, D., & Diego Mosquera Uzcátegui José Lisandro Aguilar, A. (2019). DE BARQUSIMETO ECO-CONECTIVISMO: MODELANDO EL CONOCIMIENTO CONECTIVO P 158 REVISTA ECO-CONECTIVISMO: MODELANDO EL CONOCIMIENTO CONECTIVO ECO-CONNECTIVISM: MODELING CONNECTIVE KNOWLEDGE (Vol. 23).
Csapó, B., & Molnár, G. (2019). Online diagnostic assessment in support of personalized teaching and learning: The eDia system. Frontiers in Psychology, 10(1), 1–14. https://doi.org/10.3389/fpsyg.2019.01522
Delgado, D. G. L., Delgado, F. E. A., & Quiroz, P. M. Z. (2019). Permanent application of diagnostic assessment on learning teaching process. International Journal of Linguistics, Literature and Culture, 5(4), 34–45. https://doi.org/10.21744/ijllc.v5n4.699
Dziuban, C. D., Moskal, P. D., Cassisi, J., & Fawcett, A. (2016). Adaptive Learning in Psychology : Wayfinding in the Digital Age. Online Learning, 20(3), 74–96.
Dziuban, C., Moskal, P., Johnson, C., & Evans, D. (2017). Adaptive Learning : A Tale of Two Contexts. Current Issues in Emerging ELearning, 4(1), 25–62.
Fives, Helenrose & DiDonato-Barnes, N. (2013). Classroom Test Construction: The Power of a Table of Specifications. Practical Assessment, Research & Evaluation, 18(3). http://pareonline.net/getvn.asp?v=18&n=3
Frey, B. B., Schmitt, V. L., & Allen, J. P. (2012). Defining authentic classroom assessment. Practical Assessment, Research and Evaluation, 17(2), 1–18.
Gallardo Córdova, K. E. (2013). Evaluación del aprendizaje: retos y mejores prácticas. Monterrey, Nuevo León. Editorial Digital del Tecnológico de Monterrey. Disponible en: http://www.amazon.com/Evaluaci%C3%B3n-del-aprendizaje-mejores-pr%C3%A1cticas-ebook/dp/B00Q9TBTTM
Hancock, D. R. (2007). Effects of performance assessment on the achievement and motivation of graduate students. Active Learning in Higher Education, 8(3), 219–231. https://doi.org/10.1177/1469787407081888
Isaac Agudo, Rubén Ríos, A. N. (2019). SERA: Sistema para la Evaluación y Retroalimentación Automática de Prácticas.
https://riuma.uma.es/xmlui/handle/10630/19588
Javidanmehr, Z., & Sarab, M. R. A. (2017). Cognitive diagnostic assessment: Issues and considerations. International Journal of Language Testing, 7(2), 73–98.
Kemet, S., & Paul, D. W. (2021). Medical education in the time of COVID-19. Academic Medicine, 1085. https://doi.org/10.1097/ACM.0000000000004003
Lemke, C. (2014). Intelligent Adaptive Learning: An Essential Element of 21st Century Teaching and Learning.
Levitt, S. D., & Dubner, S. J. (2014). Think like a freak. New York, NY: HarperCollins.
Liu, Z., Dong, L., & Wu, C. (2020). Research on personalized recommendations for students’ learning paths based on big data. International Journal of Emerging Technologies in Learning (iJET), 15(8), 40-56.
Marzano, R., & Kendall, J. (2008). Designing and assessing educational objectives: Applying the new taxonomy.
Miguel Román, J. A. (2020). La educación superior en tiempos de pandemia: una visión desde dentro del proceso formativo [Higher education in times of pandemic: a view from within the training process]. Revista Latinoamericana de Estudios Educativos, 50(ESPECIAL), 13–40. https://n9.cl/ov5w4
Morales, J. (2020). Oportunidad o Crisis Educativa: Reflexiones desde la Psicología para Enfrentar los Procesos de Enseñanza- Aprendizaje en Tiempos de Covid-19. Revista Internacional de Educación Para La Justicia Social, 9(3e), 1–9. https://revistas.uam.es/riejs/article/download/12228/12091/31118%0Awww.rinace.net/riejs/revistas.uam.es/riejs
Murray, M. C., & Pérez, J. (2015). Informing and Performing : A Study ComparingAdaptive Learning to Traditional Learning Informing and Performing: A Study Comparing Adaptive Learning to Traditional Learning. Informing Science: The International Journal of on Emerging Transdiscipline, 18, 111–125. https://digitalcommons.kennesaw.edu/facpubs/3436/
Palacios Núñez, M. L., Zuta, P. M., & Acosta, A. D. (2020). ¿Cómo formar la ciudadanía global desde entornos virtuales? El docente frente al trabajo colaborativo en tiempos de pandemia. Revista Científica Ciencia y Tecnología, 26(Vol. 20 Núm. 26 (2020)). https://doi.org/10.47189/rcct.v20i26.428
Pane, J., Steiner, E., Baird, M., & Hamilton, L. (2015). Continued Progress: Promising Evidence on Personalized Learning. RAND Corporation. https://doi.org/10.7249/RR1365
Patrick, S., Kennedy, K., & Powell, A. (2013). Mean what you say: defining and integrating personalized, blended and competency education. (Internatio). https://eric.ed.gov/?id=ED561301
Pérez-Archundia, E. (2020). Desigualdad y rezago. El sistema educativo mexicano al desnudo frente a la pandemia del COVID-19 Inequality and lack. Entramados, 7(7), 36–41. https://dialnet.unirioja.es/servlet/articulo?codigo=7507366
Picciano, A. G. (2019). Artificial intelligence and the Academy’s loss of purpose. Online Learning Journal, 23(3), 270–284. https://doi.org/10.24059/olj.v23i3.2023
SCOPUS (2021). Revisión de publicaciones arbitradas en el tema de Aprendizaje Adaptativo desde 2017. Recuperado de la base de datos de Scopus
SMAILI, E. M., Khoudda, C., Sraidi, S., Azzouzi, S., & Charaf, M. E. H. (2022). An Innovative Approach to Prevent Learners’ Dropout from MOOCs using Optimal Personalized Learning Paths: An Online Learning Case Study. Statistics, Optimization & Information Computing, 10(1), 45-58.
Tan Geok Shim, G., Shakawi, A. M. H. A., & Azizan, F. L. (2017). Relationship between Students’ Diagnostic Assessment and Achievement in a Pre-University Mathematics Course. Journal of Education and Learning, 6(4), 364–371. https://doi.org/10.5539/jel.v6n4p364
UADY. (2012). Modelo educativo para la formación integral. Modelo Educativo Para La Formación Integral. https://www.dgda.uady.mx/media/file/mefi.pdf
Wanichsan, D., Panjaburee, P., & Chookaew, S. (2021). Enhancing knowledge integration from multiple experts to guiding personalized learning paths for testing and diagnostic systems. Computers and Education: Artificial Intelligence, 2,100013.
Xie, H., Chu, H.-C., Hwang, G.-J., & Wang, C.-C. (2019). Trends and development in technology-enhanced adaptive/personalized learning: A systematic review of journal publications from 2007 to 2017. Computers & Education, 140, 103599. https://doi.org/10.1016/j.compedu.2019.103599
Derechos de autor 2023 Revista de Educación a Distancia (RED)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Las obras que se publican en esta revista están sujetas a los siguientes términos:
1. El Servicio de Publicaciones de la Universidad de Murcia (la editorial) conserva los derechos patrimoniales (copyright) de las obras publicadas, y favorece y permite la reutilización de las mismas bajo la licencia de uso indicada en el punto 2.
2. Las obras se publican en la edición electrónica de la revista bajo una licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 3.0 España (texto legal). Se pueden copiar, usar, difundir, transmitir y exponer públicamente, siempre que: i) se cite la autoría y la fuente original de su publicación (revista, editorial y URL de la obra); ii) no se usen para fines comerciales; iii) se mencione la existencia y especificaciones de esta licencia de uso.
3. Condiciones de auto-archivo. Se permite y se anima a los autores a difundir electrónicamente las versiones pre-print (versión antes de ser evaluada) y/o post-print (versión evaluada y aceptada para su publicación) de sus obras antes de su publicación, ya que favorece su circulación y difusión más temprana y con ello un posible aumento en su citación y alcance entre la comunidad académica. Color RoMEO: verde.
