Tecnologías para la comprensión lectora: estado actual y requisitos para los nuevos desarrollos
Palabras clave:
ambientes virtuales de aprendizaje, comprensión de textos, sistemas tutoriales, tecnología educativa, enseñanza individualizadaResumen
Este trabajo propone algunas características centrales de las tecnologías que ayudan a aprender y entrenar las habilidades de comprensión lectora. Junto con presentar evidencia internacional sobre el impacto de las tecnologías en el desempeño lector, establece una serie de características básicas que les son propias a estos programas computacionales y que en conjunto ayudan a mejorar el impacto de las herramientas sobre los objetivos de aprendizaje; están centrados en estrategias, ofrecen variados recursos y feedback, son personalizados, y motivadores. A continuación se describen características de los sistemas tutoriales inteligentes, una nueva generación de programas automatizados, que integran las características mencionadas, pero que además incluyen un sistema de registro y de diseño que permite generar un modelo del estudiante mucho más preciso, y que en muchos casos utilizan técnicas de lenguaje natural, lo que ayuda a proporcionar un feedback que se adapta de mejor manera a los requerimientos de los alumnos.
Citas
Baker, R., D’Mello, S, Rodrigo, M. y Graesser, A. (2010). Better to be frustrated than bored: The incidence, persistence, and impact of learners’ cognitive-affective states during interactions with three different computer-based learning environments. International Journal of Human-Computer Studies, 68,(4) 223–241. doi: https://doi.org/10.1016/j.ijhcs.2009.12.003.
Crossley, S. y McNamara, D. (2016). Adaptive educational technologies for literacy instruction. Taylor Francis.
Ericsson, K. (2008). Deliberate practice and acquisition of expert performance: A general overview. Academic Emergency Medicine, 15(11), 988-994. doi: https://doi.org/10.1111/j.1553-2712.2008.00227.x.
Foltz, P., Laham, D., y Landauer, T. (1999). Automated essay scoring: Applications to educational technology. En B. Collis y R. Oliver (Eds.), Proceedings of EDMedia ‘99 (pp. 939-944).
Gee, J. (2005). Why video games are good for your soul: Pleasure and learning. Common Ground Press.
Graesser, A., Mcnamara, D. y VanLehn, K. (2005). Scaffolding deep comprehension strategies through point query, AutoTutor, and istart. Educational Psychologist, 40(4), 225–234. doi: https://doi.org/10.1207/s15326985ep4004_4.
Gutiérrez, F. y Atkinson, J. (2011). Adaptive feedback selection for intelligent tutoring systems. Expert Systems with Applications, 38(5), 6146-6152. doi: https://doi.org/10.1016/j.eswa.2010.11.058.
Gutiérrez, F., Dou, D., Fickas, S. y Griffiths G. (2012). Providing grades and feedback for student summaries by ontology-based information extraction. Proceedings of the 21st ACM International Conference on Information and Knowledge Management, 1722-1726. doi: https://www.doi.org/10.1145/2396761.2398505.
Jackson, G. y McNamara, D. (2013). Motivation and performance in a game-based intelligent tutoring system. Journal of Educational Psychology, 105(4), 1036–1049. doi: https://doi.org/10.1037/a0032580.
Jackson, L. A., von Eye, A., Biocca, F. A., Barbatsis, G., Zhao, Y. y Fitzgerald, H. E. (2006). Does home internet use influence the academic performance of low-income children? Developmental Psychology, 42(3), 429-435. doi: https://doi.org/10.1037/0012-1649.42.3.429.
Johnson, A., Jacovina, M., Rusell, D. y Soto, C. M. (2016). Challenges and solutions when using technologies in the classroom. En D. S. McNamara y S. A. Crossley (Eds.), Adaptive educational technologies for literacy instruction (pp. 13-29). Taylor Francis, Routledge.
McCarthy, K. S., Soto, C., de Blume, A. P. G., Palma, D., González, J., y McNamara, D. Improving reading comprehension in Spanish using istart-e: A pilot study. International Journal of Computer-Assisted Language Learning and Teaching (ijcallt; issn: 2155-7101), Special Issue: WorldCALL 2018: CALLing all the CALLers Worldwide. https://www.researchgate.net/profile/Antonio_Gutierrez_De_Blume/publication/340952008_Improving_Reading_Comprehension_in_Spanish_using_iSTART-E_A_Pilot_Study/links/5ea7117e299bf1125612f51b/Improving-Reading-Comprehension-in-Spanish-using-iSTART-E-A-Pilot-.
McCarthy, K. S., Soto, C., Malbrán, C., Fonseca, L., Simian, M., y McNamara, D. S. (2018). istart-e: Reading comprehension strategy training for Spanish speakers. En C. P. Rosé, R. Martinez-Maldonado, U. Hoppe, R. Luckin, M. Mavrikis, K. Porayska-Pomsta, B. McLaren y B. D. Boulay (Eds.), Artificial Intelligence in Education [19th International Conference, aied 2018, London, uk, June 27–30, 2018, Proceedings, Part ii], pp. 215-219. Springer.
McNamara, D., O’Reilly, T., Rowe, M., Boonthum, C. y Levinstein, I.B. (2007). istart: A web-based tutor that teaches self-explanation and metacognitive reading strategies. En D.S. McNamara (Ed.), Reading comprehension strategies: Theories, interventions, and technologies (pp. 397-420). Erlbaum.
McNamara, D., Boonthum, C., Levinstein, I. y Millis, K. (2007). Evaluating self-explanations in istart: Comparing word-based and lsa algorithms. En T. K. Landauer, D. S. McNamara, S. Dennis, y W. Kintsch (Eds.), Handbook of Latent Semantic Analysis (pp. 227–241). Erlbaum.
oecd. (2010). pisa 2009 Results: Learning to Learn–Student Engagement, Strategies and Practices (Volume iii). doi: http://dx.doi.org/10.1787/9789264083943-en.
oecd. (2014). pisa 2012 Results: What Students Know and Can Do – Student Performance in Mathematics, Reading and Science (Volume i, Revised edition, February 2014), pisa, oecd Publishing. doi: http://dx.doi.org/10.1787/9789264201118-en.
Palma, D., Soto, C., Veliz, M., Riffo, B., y Gutiérrez, A. (2019, agosto). A data-driven methodology to assess text complexity based on syntactic and semantic measurements. International Conference on Human Interaction and Emerging Technologies, 509-515 Springer, Cham.
Palma, D., Soto, C., Veliz, M., Riffo, B., Gutiérrez, A. (2020). A Data-Driven Methodology to Assess Text Complexity Based on Syntactic and Semantic Measurements. En Ahram T., Taiar R., Colson S., Choplin A. (Eds.), Human Interaction and Emerging Technologies. ihiet 2019. Advances in Intelligent Systems and Computing (Vol. 1018). Springer, Cham. doi: https://doi.org/10.1007/978-3-030-25629-6_79.
Rodríguez, F. y Soto, C. (2020). YaLeo: programa para mejorar el desempeño lector en estudiantes con Necesidades Educativas Especiales [anid, Proyecto fondef VIU18E0088].
San Martín, E., Jara, I., Preiss, D., Claro, M. y Fariña, P. (2012). ¿Cuán relevante es el aporte de diversos usos de tic para explicar el rendimiento lector en pisa? Modelando el aporte neto tic en Chile, Uruguay, España, Portugal y Suecia [informe de investigación Proyecto fonide N°: FE11124 mineduc, Chile].
Snow, E., Jacovina, M., Jackson, G.T., y McNamara, D. (2016). istart-2. A reading comprehension and strategy instruction tutor. En D. S. McNamara y S. A. Crossley (Eds.), Adaptive educational technologies for literacy instruction (pp. 104-121). Taylor Francis, Routledge.
Soto, C., de Blume, A. P. G., Rodríguez, M. F., Asún, R., Figueroa, M., y Serrano, M. (2019). Impact of bridging strategy and feeling of knowing judgments on reading comprehension using comprende: An educational technology. TechTrends, 63(5), 570-582. doi: http://dx.doi.org/10.1007/s11528-019-00383-5.
VanLehn, K. (2006). The behavior of tutoring systems. International Journal of Artificial Intelligence in Education, 16(3), 227-265.
VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychologist, 46(4), 197–221. doi: https://doi.org/10.1080/00461520.2011.611369.
Vidal-Abarca, E., Gilabert R., Ferrer, A., Avila V., Martínez, T., Maña, A., Llorens A., Gil, L., Cerdán R., Ramos, L. y Serrano, M. (2014). tuinlec, un tutor inteligente para mejorar la competencia lectora. Journal for the Study of Education and Development, Infancia y Aprendizaje, 37(1), 25–56.
Publicado
Número
Sección
Licencia
Derechos de autor 2020 Revista Digital Universitaria
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Revista Digital Universitaria es editada por la Universidad Nacional Autónoma de México se distribuye bajo una Licencia Creative Commons Atribución-NoComercial 4.0 Internacional. Basada en una obra en http://revista.unam.mx/.
