Plataforma computacional para la generación de actividades educativas a través de la herramienta Mimio Teach
DOI:
https://doi.org/10.25044/25392190.996Palabras clave:
sistemas de recomendación, adaptación, habilidades psicomotoras, software educativoResumen
Los sistemas de recomendaciones son modelos computacionales que le permiten al usuario escoger las mejores opciones a nivel de contenidos y preferencias. Teniendo en cuenta lo anterior se desarrolló una aplicación para niños de 6 a 8 años, que permite generar recomendaciones de actividades didácticas, de acuerdo a la destreza psicomotriz del estudiante al interactuar con la herramienta tecnológica Mimio Teach. Las validaciones se llevaron a cabo teniendo en cuenta una asesoria psicológica para ser aplicado en niños con problemas de dyslexia.
Descargas
Referencias bibliográficas
Nasser, K. (2013). Diagnosing Learning Disabilities in a Special Education By an Intelligent Agent Based System. International Journal of Advanced Computer Science and Applications.
Egido Ramos, B. (2014). Las dificultades de la lecto-escritura: dislexia y disgrafía. pautas de intervención y estudio de un caso en educación primaria. Universidad de Valladolid.
Pallarés, A. (2012). Problemas asociados a la dislexia. Revista Neurológica.
J.A., V., M., E., & Giráldez, M. (2009). Perfil psicomotor de niños de 5 a 12 años diagnosticados clínicamente de trastorno por déficit de atención/hiperactividad en Colombia. Obtenido de https://www.neurologia.com/articulo/2008619: https://www.neurologia.com/articulo/2008619
Téllez-de-Reyes, M. C. (2014). Estudio de la psicomotricidad de niños y niñas en edad preescolar. Obtenido de UNIR: https://reunir.unir.net/handle/123456789/2401
Jokisuu, E., Langdon, P., & John, C. (2011). Modelling Cognitive Impairment to Improve Universal Access. Lecture Notes in Computer Science, 6766.
Lancheros-Cuesta, D., Carrillo-Ramos, A., & Pavlich-Mariscal, J. (2014). Content adaptation for students with learning difficulties: Design and case study. International Journal of Web Information Systems, 10 (2), 106-130.
Zhong, T., Li, X., Tu, X., Zhao, S., & Shaoqing, Z. (2016). The prediction of attentional status with task difficulty based on EEG signals. Computer and Communications (ICCC), 2016 2nd IEEE International Conference on.
Al-barrak, L., Kanjo, E., & Younis, E. M. (2017). NeuroPlace: Categorizing urban places according to mental states. PLoS ONE.