Resumen

El propsito de este estudio es disear un entorno de e-learning individualizado

adaptativa e inteligente basado en el estilo de aprendizaje y el sistema experto
nombrado UZWEBMAT y para evaluar sus efectos en los estudiantes ' el
aprendizaje de la unidad de probabilidad. En el estudio, en un principio, se
prepararon los objetos de aprendizaje en tres diferentes maneras en relacin con
Visual-Auditivo-kinestsica (VAK) el estilo de aprendizaje de cada asignatura de
la probabilidad unidad. Estos eran apropiados para las matemticas de secundaria
currculos. A continuacin, se transfirieron en el entorno digital. Cada estudiante
puede seguir un curso diferente, y la solucin es compatible con s / l conseguir
tambin pueden diferir destacando el aprendizaje individual. La muestra del
estudio se compone de 81 estudiantes de 10 grado de dos escuelas secundarias
en Trabzon, Turqua. Los datos cualitativos y cuantitativos fueron obtenidos de
los estudiantes para responder a las preguntas de investigacin. Los datos
cuantitativos se dan como distribucin de frecuencia y porcentajes. Los datos
cualitativos se analizaron utilizando mtodos de anlisis de datos
cualitativos. Resultados del estudio indicaron que las opiniones respecto
UZWEBMAT son bastante positivas. Con el objetivo de aprendizaje individual,
UZWEBMAT proporciona el entorno ms adecuado para los
estudiantes. Adems, puede UZWEBMAT utilizar tambin para reforzar la
educacin presencial.

1. Introduccin
La educacin en lnea ofrece grandes e importantes oportunidades a los
educadores, as como a los estudiantes. La computacin, que es una fuerza
dinmica en educacin a distancia gracias a Internet y la web que permite un
nuevo medio interactivo para superar los problemas de tiempo y distancia
de los estudiantes, ocupa el primer lugar entre estas oportunidades ( Baki Y
Gveli, 2008; Baki y Cakiroglu, 2010; Botsios, Georgiou, y safou- ris,
2008; Kim & Gilman, 2008; Wagschal, 1998; Wang, 2008 ). Entornos de
aprendizaje basados en la web tradicional empezaron a ser criticados en trminos
de su aspecto limitado presentando el mismo contenido a cada usuario bajo un
techo predeterminado. Entornos de aprendizaje basados en la web tradicional no
toman en cuenta ciertos parmetros diferentes, tales como diferencias de
aprendizaje de los estudiantes, experiencias previas y las capacidades de
aprendizaje. Debido a esta estructura de los entornos de aprendizaje basados en la
web tradicional, muchos estudiantes no pueden hacer frente a los requisitos del
curso en lnea y tomar el control de su aprendizaje.

Un sistema de aprendizaje adaptativo es generalmente un programa de aplicacin
basada en web que proporciona un ambiente de aprendizaje personalizado para
cada alumno, adaptando tanto la presentacin como la deambulacin en el
contenido. Sistemas Hipermedia adaptativos educativos (AEHSs), por sus siglas
en ingls, se refieren a uno de los enfoques de aprendizaje adaptativo. De
acuerdo con Brusilovsky (2001), Hipermedia adaptativo es una alternativa a la
tradicional de una talla para todos en el desarrollo de Sistemas Hipermedia.

En un entorno tradicional de aprendizaje basado en web, el mismo material se
ofrece a los estudiantes, sin tener en cuenta informacin previa del estudiante,
estilo de aprendizaje o de las diferencias individuales en relacin al tema. Esto es
algo inaceptable, ya que las diferencias individuales, la informacin previa y las
necesidades de los estudiantes pueden ser diferentes.
Estas diferencias pueden tener un impacto en su aprendizaje. A diferencia de los
sistemas tradicionales de aprendizaje basados en la web, AEHSs crear un modelo
de usuario determinando las diferencias individuales de cada estudiante como sus
niveles de conocimiento sobre el tema, las preferencias y el estilo de aprendizaje
( Brown, Cristea, Stewart, y Brailsford, 2005; Brusilovsky, 2001; Brusilovsky y
Peylo, 2003; Romero, Ventura, Zafra, y de Bra, 2009 ). Estos sistemas pueden
ser diseados de acuerdo a muchos parmetros como los estilos de aprendizaje,
las velocidades de aprendizaje, necesidades e informacin previa sobre el tema

El proceso de aprendizaje es complicado. La gente puede aprender de manera
diferente. Muchos parmetros tales como la percepcin de la informacin por
individuo, su tratamiento de la informacin, estilo de aprendizaje, habilidades
generales, caractersticas de desarrollo y los factores ambientales juegan un papel
durante este proceso. Conociendo los estilos de aprendizaje y diseo e
implementando actividades de aprendizaje en relacin a estos estilos prueba que
muchos estudiantes que usualmente se consideraba que tenan dificultades de
aprendizaje, no tienen dichas dificultades. De hecho, cuando ellos son provistos
del entorno y estmulos adecuados, son capaces de aprender fcilmente tambin.
( Graf, Kinshuk, y Liu, 2009; Liegle y Janicki, 2006 ). En el ms amplio termino,
estilo de aprendizaje (LS) se puede definir como preferencias individuales de
aprendizaje y diferencias de aprendizaje ( Akkoyunlu y Soylu,
2008 ). Simplificando, el proceso de aprendizaje a partir de la complejidad a la
simplicidad, es la estructura subyacente de la teora de estilos de aprendizaje (LS
theory). Algunos de los estilos de aprendizaje que estn presentes en la
literatura son Dunn y Dunn, Kolb, Felder y Silverman; Miel y Mumford and VAK
(visual, auditivo y Kinestsica) ( Akkoyunlu y Soylu, 2008; Brown, Brailsford,
Fisher, y Moore, 2009; Franzoni y Assar, 2009; Graf et al., 2009 ). Muchos LSs
han sugerido adems de los mencionados anteriormente-los, y se realizaron
estudios sobre ellos. VAK LS es un modelo que puede considerarse una base
entre dichos estilos de aprendizaje. Este modelo aparece como una LS que se
basa en el ver de los individuos, or, tocar y trabajar con objetos en movimiento
( Kainnen, 2009 ). VAK LS fue diseado por Sarasin (1998) y desarrollado
por Coffield, Moseley, Hall y Ecclestone (2004) . Los estilos de aprendizaje se
consideran relevantes para el proceso de adaptacin en el modelo de usuario, y
se han utilizado como una base para la adaptacin en AEHS ( Brown et al, 2005;.
Georgiou y Makry, 2004; Karampiperis y Sampson, 2005; Manochehr, 2006;
Mustafa y Sharif, 2011; Papanikolaou, Mabbott, Toro, y Grigoriadou, 2006 ).

1.1. Investigaciones anteriores
Recientemente, muchos investigadores han tratado de disear y desarrollar
ambientes de aprendizaje individualizado basado en estilos de
aprendizaje. Triantafillou, Pomportsis y Georgiadou (2002) desarrollo AES-
CS. Witkin y Goodenough LS se emple en este sistema.
Dos LS diferentes, dependientes e independientes del campo, fueron utilizados
en este sistema. Aquellos que aprenden campo dependiente siguen un curso de
lo general a lo especfico, mientras que los que aprenden campo
independientemente siguen un curso de lo especfico a lo general. Arthur fue
diseado y desarrollado por Gilbert y Han (1999) . Modelo VAK LS se tom
como base en este sistema, y contenido basado en visual interactivo, audial-voz
y texto escritura fue preparado y presentado al estudiante. El sistema fue
desarrollado con el fin de ensear a C + +, un lenguaje de programacin
informtica. CS383 fue desarrollado por Carver, Howard, y Lane (1999) . Felder-
Silverman LS se emple en este sistema. El sistema fue diseado para el curso
''Computer Systems''. Brown, Fisher y Brailsford (2007) desarrollaron el sistema
llamado DEUS. Felder-Silverman LS fue tomado como base en este sistema. El
sistema se ha preparado a nivel de la escuela primaria para ensear el ciclo de la
vida y plantas floridas temas de curso de biologa. eTeacher fue desarrollado
por Schiaffino, Garca y Amandi (2008) . Felder-Silverman fue tomado como
base en este sistema. Este sistema se prepar con el fin de ensear el curso de
inteligencia artificial que se ensea en el departamento de ingeniera de
sistemas. iWeaver fue desarrollado por Wolf (2003) . Basado en Dunn y Dunn
LS, este sistema empleo la versin de adaptacin de este estilo. Este sistema fue
desarrollado para ensear el curso de programacin Java. Se enriquece con
estilo componentes de medios comunitarias y otros instrumentos de
aprendizaje. Cuatro diferentes contenidos fueron preparados y presentados de
acuerdo con la percepcin de los individuos. ILash fue desarrollado
por Bajraktarevic, Hall y Fullick (2003) . Hsiao LS fue empleado en este
sistema. Este sistema fue diseado para ensear ''caractersticas de las ondas'' y
''sistema Solar'' temas de curso de fsica. INSPIRE fue desarrollado
por Grigoriadou, Papanikolaou, Kornilakis, y Magoulas (2001 ). Honey &
Mumford LS fue empleado en este sistema. WHURLE-LS se construye sobre el
sistema WHURLE desarrollado por Moore, Stewart, Zakaria y Brailsford (2003).
Basado en Felder-Silverman LS, este sistema presento contenidos visual/oral a
los estudiantes. El sistema fue diseado y aplicado en la Universidad de
Nottingham en el departamento de Ciencias de la computacin y TI para
ensear internet y www (Brown, 2007). Mustafa y Sharif (2011) desarrollaron
AEHS-LS, el cual empleo VARK (visual-auditivo-lectura/escritura-Kinestesico) LS.
Este sistema fue usado para ensear JavaScript.
Hay una falta de evaluacin rigurosa de usuario en los sistemas adaptativos en
la literatura publicada. Los estudios tienden a ser bastante pequeos en
trminos de tamao de las muestras y las mediciones estadsticas de
significacin se usan raramente (Brown et al, 2009;. Mustafa y Sharif, 2011). No
hay estudios integrales para muchos de los sistemas. Es posible encontrar con
estudios de evaluacin integrales acerca de este nmero limitado de sistemas.
De estos sistemas, se obtuvieron datos cualitativos y cuantitativos detallados
relativos WHURLE-LS. Los resultados derivados de los datos cuantitativos
indican que no hay diferencia significativa entre la presentacin de contenidos
de acuerdo con los estilos y el xito de los estudiantes el aprendizaje. Los
resultados obtenidos a partir de datos cualitativos muestran que el sistema fue
evaluado positivamente por los estudiantes y que le gusta el contenido que se
presenta de acuerdo a los estilos de aprendizaje (Brown, Brailsford, Fisher, y
Moore, 2009; Mustafa y Sharif, 2011). Los datos cuantitativos se obtuvieron
para la evaluacin del sistema de DEUS. Al final del anlisis de los datos, no se
encontr diferencia estadstica entre la presentacin de contenidos de acuerdo
con los estilos y los logros de los estudiantes (Brown, 2007) el aprendizaje. Se
realiz un estudio detallado para evaluar el sistema de AEHS-LS. Los resultados
del estudio indicaron que los entornos de aprendizaje basados LS influyeron
positivamente los logros acadmicos de los estudiantes (Mustafa y Sharif, 2011).
Hay muchos estudios que muestran que el uso de hipermedia educativo
adaptativo basado en el estilo de aprendizaje en la enseanza o el aprendizaje,
especialmente para la educacin superior (Brown, 2007; Brown, Brailsford,
Fisher, y Moore, 2009; Carver et al, 1999; Gilbert & Han, 1999; Moore, Stewart,
Zakaria, y Brailsford, 2003; Mustafa y Sharif, 2011; Lobo, 2003). Sin embargo,
un pequeo nmero de estudios se han llevado a cabo en las aulas de la escuela
secundaria (Brown et al, 2009;. Mustafa y Sharif, 2011). Se ve que estos estudios
son en su mayora sobre los cursos de ciencias informticas (Akbulut y Cardak,
2012; Brown, Brailsford, Fisher, y Moore, 2009). Desde la perspectiva del nivel
acadmico y el sujeto, no hay casi ningn estudio sobre las asignaturas de
matemticas de la escuela secundaria. En este sentido, se espera que este estudio
llene este vaco en la literatura. En este sentido, un entorno de e-learning
individualizado llamado UZWEBMAT, que se puede adaptar por medio de LS y
sistema experto para ensear la unidad de probabilidad para las matemticas del
10mo grado, fue diseado y desarrollado. Expansin y probabilidad temas
permutacin a la combinacin del binomio, que son sub-temas de la unidad de la
probabilidad, forman el contenido de UZWEBMAT. UZWEBMAT es un
ejemplo de AEHS basado en VaK LS. Hay varios estudios en la literatura que
indican las dificultades encontradas en la enseanza-aprendizaje de las
asignaturas de la unidad de probabilidad (Fast, 2001; Grbz y Birgin, 2012;
Kafoussi, 2004; Munisamy y Doraisamy, 1998). Las conferencias impartidas en
entornos docentes centrada, la falta de materiales educativos apropiados, la
actitud negativa de los alumnos hacia la probabilidad de tema, y el hecho de que
algunos profesores no utilizan mtodos de enseanza eficaces y eficientes,
mientras que la enseanza de estos temas son algunas de las dificultades
encontradas predominantes (Fast, 2001; Grbz, 2010; Grbz y Birgin, 2012;
Administrar y Scariano, 2010; Memnun, 2008). Este tipo de problemas y otras
deficiencias similares hacen necesario desarrollar e implementar materiales
adecuados y sistemas de e-learning para ensear y aprender temas relacionados y
evaluar los resultados. En este sentido, la concrecin y la presentacin de estos
temas a los alumnos y la creacin de ambientes de aprendizaje enriquecidos para
erradicar las actitudes negativas del alumno son de mucha importancia.
La razn principal para seleccionar el estilo de aprendizaje para el sistema de
VaK UZWEBMAT es que es el estilo de aprendizaje ms apropiado para las
caractersticas estructurales de los temas que constituyen el contenido. Se
consider que el estilo de aprendizaje VAK pudo concretar temas de la unidad de
probabilidad de la mejor manera posible. Adems, las reas sub-aprendizaje de
los estilos de aprendizaje VAK contienen la forma ms bsica de las preferencias
de estilo de aprendizaje. Por lo tanto, se piensa que este estilo de aprendizaje es
apropiado para el diseo de la OAs preparado en el entorno del ordenador de la
manera ms eficiente. Adems, el estilo de aprendizaje VAK es la forma ms
bsica de otros estilos de aprendizaje. Todas estas razones llevaron a la adopcin
de estilos de aprendizaje VAK.
Enfoque de aprendizaje constructivista se tom como base al crear el contenido
de UZWEBMAT. UZWEBMAT es un entorno de e-learning basado estudiante.
Innovaciones y caractersticas de UZWEBMAT que lo distinguen de otros
sistemas se pueden enumerar de la siguiente manera:
Contenido de acuerdo con el enfoque constructivista. La caracterstica ms
distintiva de los OA que constituye el contenido del sistema de
UZWEBMAT es que estn preparados de acuerdo con el enfoque
constructivista. Todos los OA fueron diseados de tal manera que los
alumnos puedan construir su propio conocimiento. La informacin
destinada a ser enseado a los alumnos no se da directamente. Por el
contrario, existen elementos en Los que permiten a los estudiantes a
construir su propio conocimiento. Estos elementos son la lectura grfica,
llenando la mesa y el descubrimiento de las relaciones.
Adaptacin innovadora. Estructura de la adaptacin en el sistema
UZWEBMAT dinmicamente funciones basadas en el rendimiento que
aprende. Hay tres contenidos diferentes para cada rea de estilo de
aprendizaje VAK. Si es necesario, cada alumno se dirige a los estilos de
aprendizaje secundario y terciario en algunos ciertos puntos de decisin,
mientras que l/ella estn tomando el contenido de su estilo de aprendizaje
primario. Esta orientacin depende totalmente de rendimiento de los
estudiantes.
Apoya soluciones inteligentes. LOs en UZWEBMAT se enriquecen con
soportes de soluciones y consejos. Soportes de soluciones y consejos en
Los pueden cambiar en funcin del rendimiento de los estudiantes.
Cualquiera de los dos alumnos con el mismo estilo de aprendizaje puede
encontrarse con diferentes contenidos en funcin de sus actuaciones
individuales.
visualizacin on-line y en vivo. Todas las actividades para el estudiante en
UZWEBMAT se controlan y registran automticamente. Estas actividades
se pueden enumerar como la corriente DC que alumno est estudiando, el
tiempo de estudio, duracin del estudio, la informacin acerca de la
orientacin entre las distintas reas de aprendizaje, y la finalizacin con
xito o sin xito de los OA. Todas estas actividades se reportan a la
maestra en la pgina de monitoreo docente en su conjunto
2. Un entorno de aprendizaje individualizado adaptativo e inteligente:
UZWEBMAT
La arquitectura bsica del sistema y contenido de UZWEBMAT se explican en
esta seccin.
2.1. Arquitectura bsica del UZWEBMAT
Arquitectura bsica del sistema UZWEBMAT se explica en esta seccin. La
figura 1 muestra esta arquitectura.
2.2. El contenido y la estructura del sistema experto utilizado en la
UZWEBMAT
El contenido de UZWEBMAT comprende permutacin-a la combinacin de la
expansin binomial y temas de probabilidad. 53 escenarios fueron producidos
con el fin de ensear a los sujetos relacionados de acuerdo con el plan curricular
de estudios de matemticas de 10 grado. Estos escenarios fueron trasladados en
un entorno digital como diferentes objetos de aprendizaje para cada sub-estilo de
VAK LS. El objetivo principal del sistema es permitir a los alumnos el estudiar
de acuerdo con su rea de aprendizaje dominante. Con este fin, se probaron los
objetos de aprendizaje ms adecuadas para su rea de aprendizaje dominante
debe garantizarse esto para la interaccin.

Por lo tanto, los alumnos no pierden el tiempo con elementos fuera de su rea de
aprendizaje dominante, y el ms fcil y cmodo ambiente fue juzgado para ser
creado para ellos. Por lo tanto, LOs fueron diseados por separado para cada
estilo sub-learning. Durante la preparacin de los objetos de aprendizaje, se ha
prestado especial atencin a los objetos que toman en consideracin el
aprendizaje las caractersticas de cada sub LS para ellos tener la estructura ms
adecuada en relacin con este estilo. Por ejemplo, figuras, diagramas de flujo,
imgenes y animaciones se destacaron por los que aprenden visualmente.
Instrucciones expresadas, advertencias y evaluaciones se destacaron por los que
aprenden de forma audible. Del mismo modo, los objetos de aprendizaje se
prepararon utilizando animaciones interactivas para aquellos que estn
aprendiendo kinestsica mente. Adems, los entornos que permitan a los
estudiantes a aprender por la experiencia fueron creados para kinestsicos. Desde
53 objetos de aprendizaje (LO) fueron diseados para cada sub-estilo, 53 x 3 =
159 LOs se utilizaron en total dentro UZWEBMAT. Otro punto de tenerse en
cuenta al preparar el contenido de la formacin de los OA fue que estos LOs
debe ser apropiado para el enfoque constructivista. Por lo tanto, Los entornos en
los que los estudiantes pueden construir su propio conocimiento en lugar de dar
directamente la informacin a los estudiantes. Desde este aspecto, UZWEBMAT
proporciona a sus usuarios con el medio ambiente constructivista y el aprendizaje
individual.
Los contenidos son cuidadosamente preparados por expertos de campo de la
Universidad Tcnica de Karadeniz, Fatih Facultad de Educacin. Un sistema
experto fue creado e integrado en el contenido mientras se prepara el contenido.
Este sistema experto tiene varias funciones, que se pueden enumerar de la
siguiente manera:
- La presentacin de los contenidos dentro de UZWEBMAT al estudiante.
- Controlar el progreso de los estudiantes dentro de los OA.
- Decidir el contenido y solucin de soporte que los estudiantes se pondr de
acuerdo con la capacidad y las respuestas de los alumnos en el aprendizaje
de LO.
- Decidir sobre las situaciones en las cuales los estudiantes sern dirigidos a
las pginas de otros estilos despus de obtener el contenido de sus reservas
logsticas.
Gracias a las caractersticas mencionadas anteriormente de sistema experto; es
posible que los estudiantes con las mismas LS a seguir diferentes cursos