Attentiveness and Engagement in Learning Activities

Alves Durães, Dalila (2018). Attentiveness and Engagement in Learning Activities. Tesis (Doctoral), E.T.S. de Ingenieros Informáticos (UPM). https://doi.org/10.20868/UPM.thesis.53795.

Descripción

Título: Attentiveness and Engagement in Learning Activities
Autor/es:
  • Alves Durães, Dalila
Director/es:
  • Bajo Perez, Javier
  • Freitas de Oliveira Novais, Paulo Jorge
Tipo de Documento: Tesis (Doctoral)
Fecha: 2018
Materias:
Escuela: E.T.S. de Ingenieros Informáticos (UPM)
Departamento: Inteligencia Artificial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img] PDF (Document Portable Format) - Acceso permitido solamente a usuarios en el campus de la UPM hasta 30 Julio 2019 - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (5MB)

Resumen

Actualmente, el ser humano demanda una mayor atención individualizada, como resultado de una sociedad que evoluciona rápidamente. En la mayoría de los denominados países desarrollados, los trabajadores tienen actividades que cada vez los mantienen más ocupados. Esto hace que dichos trabajadores tengan que ir más allá de sus límites con el fin de encontrar tiempo para sus hijos, deporte y otras actividades. Este tiempo extra se obtiene, frecuentemente, sacrificando períodos de sueño y descanso. Aunque los efectos en muchas ocasiones pueden no ser fácilmente visibles, tienen consecuencias en aspectos más allá de la propia salud, tales como emocionales, de concentración y sociales, entre otros. Por ello, los centros de formación, así como los propios sistemas de e-learning deben ser capaces de buscar nuevas soluciones que se adapten a la nueva realidad, permitan captar la atención de los estudiantes, conseguir una mayor inmersión en el proceso formativo, así como incrementar su compromiso personal y preparación para afrontar los retos de la nueva sociedad. Los avances proporcionados por la aparición de los ordenadores y de las tecnologías inalámbricas han tenido un gran impacto en el sistema educativo, generando así, un nuevo enfoque en lo referente a Sistemas de Inteligencia Ambiental o Entornos Inteligentes (sistemas AmI). Por otro lado, la demanda de personal cualificado está creciendo exponencialmente requiriendo, eso sí, de recursos limitados en educación y formación que deben ser utilizados de la manera más eficiente. El rápido desarrollo de estas tecnologías combinado con el acceso a los contenidos educativos mediante una amplia variedad de opciones, permite a los estudiantes acceder a nuevas experiencias de aprendizaje que van más allá de los muros de la escuela. Una de las ventajas de los sistemas de aprendizaje y e-learning es que pueden ofrecer cierta flexibilidad a los estudiantes que están sujetos a horarios y obligaciones. Sin embargo, pueden surgir algunos problemas: (1) Basándose en las teorías de aprendizaje, es crucial mejorar el proceso de aprendizaje y mitigar los problemas que puedan surgir en los entornos de aprendizaje que utilizan las tecnologías en el aula. (2) Cada estudiante presenta una forma particular de asimilar el conocimiento, dependiendo de su modelo personal de aprendizaje. Por tanto, es esencial que estos sistemas se adapten a las preferencias y necesidades de aprendizaje de cada estudiante. Este trabajo aborda el problema de la monitorización de la atención de los estudiantes en entornos de aprendizaje, con el objetivo de obtener una herramienta no intrusiva, confiable y de implantación sostenible en escuelas u organizaciones, sin cambiar o interferir con las rutinas de trabajo establecidas. Se propone un sistema de aprendizaje inteligente, capaz de controlar los patrones del comportamiento de los estudiantes durante las clases, para apoyar el procedimiento de enseñanza dentro de los entornos escolares. El sistema que se presenta utiliza patrones de comportamiento basados en la dinámica del ratón, la dinámica de la pulsación sobre teclado, así como la atención del alumno y la actividad durante las lecciones. La idea principal es identificar las principales variaciones biométricas de comportamiento para cada actividad tenida en cuenta, así como el conjunto de atributos más relevantes a la hora de desarrollar clasificadores basados en aprendizaje automático como método de predicción de las preferencias de aprendizaje de los estudiantes. El objetivo es mostrar que todavía existen mecanismos que se pueden explorar para comprender mejor la compleja relación existente entre el comportamiento humano, la atención y el aprendizaje, y que podrían utilizarse para la implementación de mejores estrategias de enseñanza-aprendizaje. De esta forma, en este trabajo se pretende demostrar que la mejora de los sistemas de aprendizaje en un entorno e-learning, permite predecir el comportamiento de los estudiantes en una clase basada en la interacción con dispositivos tecnológicos. ----------ABSTRACT---------- The Human being is currently under increased demand for attention, a result of a society that is moving faster. In most of the so-called developed countries, workers have nowadays increasingly busier activities. This makes them stretch their limits to find time for children, sports activities, and other. This necessary extra time is frequently obtained at the expense of shorter periods of sleep or rest. Although this effect may not be readily visible, they may have consequences at many other levels than health, including emotions, results, attention and social behavior, among others. For these reasons, school and systems of e-learning must create environments that can involve students and capture their attention and engagement. Advances in computers and wireless technologies have also had an impact on the educational system, thus generating a new approach for Ambient Intelligent Systems (AmI systems). The rapid development of these technologies combined with the access to content in a wide variety of settings, allows learners to experience new learning situations beyond the school’s walls. The need for qualified people is growing exponentially, requiring limited resources allocated to education/training to be used most efficiently. Learning and e-learning systems can allow some flexibility for students who have complicated schedules and obligations. However, some problems can occur: (1) relying on learning theories, it is crucial to improve the learning process and mitigate the issues that may arise from technologically enhanced learning environments; (2) each student presents a particular way of assimilating knowledge, i.e. his/her learning style. It is essential that these systems adapt to the learning preferences of the students. This work deals with the issue of attention monitoring as a form of engagement, with the aim of providing a non-intrusive, reliable and easy tool that can be used freely in schools or organizations, without changing or interfering with the established working routines. We propose an intelligent learning system able to monitor the patterns of students’ behavior during lessons, to support the teaching procedure within school environments. The system used behavior patterns based on mouse dynamics, keystroke dynamics, student’s attention, and lessons activity. The idea highlights the main biometric behavioral variations for each activity and bases the set of attributes relevant to the development of machine learning classifiers for the prediction of students’ learning preference. The objective is to show that there are still mechanisms that can be explored to understand better the complex relationship between human behavior, attention, and learning, which could be used for the implementation of better learning strategies. After improving learning systems in a learning and e-learning environment it is possible to predict students’ behavior in an (e)learning lesson, based on their interaction with technological devices.

Más información

ID de Registro: 53795
Identificador DC: http://oa.upm.es/53795/
Identificador OAI: oai:oa.upm.es:53795
Identificador DOI: 10.20868/UPM.thesis.53795
Depositado por: Archivo Digital UPM 2
Depositado el: 31 Ene 2019 09:18
Ultima Modificación: 31 Ene 2019 09:18
  • InvestigaM
  • GEO_UP4
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM