stringtranslate.com

El cerebro de Betty

Betty's Brain es un entorno de software creado en la Universidad de Vanderbilt por Teachable Agents Group para ayudar a promover la comprensión de las habilidades metacognitivas de los estudiantes y ayudar a los estudiantes de secundaria a aprender unidades del plan de estudios de ciencias, como ecosistemas de estanques, cambio climático y termorregulación del cuerpo humano. Es un sistema de razonamiento cualitativo, que utiliza una estructura causal de vínculos de nodos con conceptos como nodos y vínculos entre conceptos que representan relaciones causales. Estos modelos causales ayudan a los estudiantes de secundaria a construir y razonar con modelos científicos complejos.

El sistema se centra específicamente en reforzar las llamadas habilidades de aprendizaje autorregulado (SRL) que promueven tanto el autocontrol como la autoevaluación , como cabría esperar de un estudiante independiente.

El sistema se centra en un personaje principal, Betty, quien ha pedido a los estudiantes que le enseñen sobre un proceso científico. De esta manera, Betty's Brain se diferencia de un sistema de tutoría inteligente (ITS) clásico y adopta el paradigma de aprendizaje mediante la enseñanza (LBT), donde las interacciones de los agentes informáticos se centran en completar una tarea principal no relacionada con la adquisición de conocimiento del contenido del dominio.

Más recientemente, el nivel de inteligencia artificial de Betty se ha modificado en gran medida para aumentar la interactividad con los estudiantes. La tarea de Betty es interactuar con los estudiantes como lo haría un "buen" estudiante, uno que tiene habilidades de autorregulación. Al incorporar retroalimentación relacionada con estas habilidades de autorregulación, hemos demostrado que los estudiantes son más capaces de desempeñarse mejor en futuras tareas de aprendizaje.

Los estudios actuales se centran en el aula de 5to grado con aproximadamente 100 estudiantes. Además, a partir de julio de 2007, el sistema se está desarrollando para integrarlo directamente en el plan de estudios del aula para el próximo semestre con herramientas incluidas como Front of the Class Betty, desarrollada en la Universidad de Stanford .

A partir de 2018, se ha utilizado en muchos experimentos para probar la eficacia de construir y examinar modelos dinámicos para la instrucción en dominios científicos. En varios estudios de Betty's Brain realizados por Biswas y sus colaboradores, capacitaron a los estudiantes haciéndolos crear modelos del ciclo del oxígeno en un ecosistema acuático y luego los evaluaron haciéndolos crear modelos del ciclo del nitrógeno en un ecosistema terrestre. Esto se llama prueba de transferencia y es una técnica estándar en los experimentos de aprendizaje. En ambas actividades, a los sistemas se les presentaron recursos y el lenguaje de modelado fue el lenguaje de diagramas cualitativos integrado en el sistema. Los controles experimentales probaron varias hipótesis para comenzar a determinar qué funcionó y qué no. Este es un entorno poderoso para comenzar a comprender qué es efectivo en las simulaciones de construcción . Otros sistemas útiles para estudiar los efectos del modelado para el aprendizaje son IQON y Colab .

Referencias

  1. Biswas, G., Leelawong, K., Schwartz, D. y Vye, N. (2005). Aprender enseñando: un nuevo paradigma de agente para el software educativo. Inteligencia artificial aplicada, 19, 363-392.
  2. Leelawong & Biswas, 2008 Diseño del aprendizaje mediante agentes docentes: el sistema cerebral de Betty. Revista Internacional de Inteligencia Artificial y Educación, 18(3),181-208.
  3. Biswas, G., Segedy, JR y Bunchongchit, K. (2016). Del diseño a la implementación y a la práctica: un sistema de aprendizaje mediante la enseñanza: el cerebro de Betty. Revista Internacional de Inteligencia Artificial en Educación, 26(1), 350-364.
  4. Segedy, JR, Kinnebrew, JS y Biswas, G. (2015). Uso del análisis de coherencia para caracterizar conductas de aprendizaje autorreguladas en entornos de aprendizaje abiertos. Revista de análisis de aprendizaje, 2(1), 13-48.
  5. Kinnebrew, J., Segedy, JR y Biswas, G. (2017). Integración de técnicas basadas en modelos y basadas en datos para analizar comportamientos de aprendizaje en entornos de aprendizaje abiertos. Transacciones IEEE sobre tecnologías de aprendizaje, 10(2), 140-153.

URL externas

https://web.archive.org/web/20110706031533/http://www.vanderbilt.edu/magazines/vanderbilt-magazine/2008/03/bettys_brain_motivates_learning/