Laboratory of Information Technologies, National School of Applied Sciences, Chouaib Doukkali University, El Jadida, Morocco
Laboratory of Information Technologies, National School of Applied Sciences, Chouaib Doukkali University, El Jadida, Morocco
Laboratory of Information Technologies, National School of Applied Sciences, Chouaib Doukkali University, El Jadida, Morocco
Laboratory of Information Technologies, National School of Applied Sciences, Chouaib Doukkali University, El Jadida, Morocco
Introducción: Los paisajes educativos han sido transformados por los avances tecnológicos, permitiendo un aprendizaje adaptativo y flexible a través de sistemas de aprendizaje adaptativo basados en IA y orientados a la toma de decisiones. La creciente importancia de estas soluciones se ve subrayada por el papel fundamental del modelo de alumno, que representa el núcleo de la dinámica de enseñanza-aprendizaje. Este modelo, que abarca cualidades, conocimientos, habilidades, comportamientos, preferencias y distinciones únicas, juega un papel crucial en la personalización de la experiencia de aprendizaje. Influye en las decisiones relacionadas con los materiales de aprendizaje, las estrategias de enseñanza y los estilos de presentación. Objetivo: Este estudio satisface la necesidad de aplicar el aprendizaje adaptativo impulsado por IA en la educación, implementando un método novedoso que utiliza la autoestima, la inteligencia emocional y datos demográficos para predecir el desempeño de los estudiantes y ajustar el proceso de aprendizaje. Métodos: Nuestro estudio implicó la recopilación y el procesamiento de datos, la construcción de un modelo predictivo de aprendizaje automático, su implementación como un servicio web y la realización de un estudio experimental con 102 estudiantes de secundaria en informática y francés como lengua extranjera. El objetivo era adaptar el proceso de enseñanza-aprendizaje al desempeño de los alumnos. Resultados: Se observaron correlaciones significativas entre autoestima, inteligencia emocional, datos demográficos y calificaciones finales. El modelo predictivo mostró una tasa de precisión del 90% y el experimento reveló que el grupo experimental logró puntuaciones más altas, con un promedio de 16,75/20 en comparación con el 13/20 del grupo de control. Conclusión: Los resultados obtenidos motivan la creación de una plataforma de aprendizaje adaptativo multifactorial impulsada por IA. Reconociendo la necesidad de mejorar, nuestro objetivo es refinar el puntaje de desempeño previsto mediante la incorporación de una evaluación de diagnóstico, asegurando una agrupación óptima de los estudiantes.
Este artículo se distribuye bajo la licencia Creative Commons Attribution 4.0 License. A menos que se indique lo contrario, el material publicado asociado se distribuye bajo la misma licencia.
The statements, opinions and data contained in the journal are solely those of the individual authors and contributors and not of the publisher and the editor(s). We stay neutral with regard to jurisdictional claims in published maps and institutional affiliations.
También puede {advancedSearchLink} para este artículo.