What does this research mean for the field?

Machine learning models can accurately predict students' learning styles based on demographic and behavioral characteristics. Novelty: ClaimNovelty.NOVEL_FINDING. Consensus alignment: ConsensusAlignment.NEUTRAL.

What question did this study set out to answer?

La investigación tiene como objetivo predecir los estilos de aprendizaje de los estudiantes utilizando varios modelos de aprendizaje automático basados en su demografía y comportamientos.

February 26, 2026Open Access

Predicción de los estilos de aprendizaje de los estudiantes utilizando aprendizaje automático

Puntos clave

La investigación tiene como objetivo predecir los estilos de aprendizaje de los estudiantes utilizando varios modelos de aprendizaje automático basados en su demografía y comportamientos.
Se recopilaron datos de estudiantes de ingeniería y no ingeniería, incluyendo demografía y preferencias de estudio.
Se analizaron atributos clave como CGPA, horas de estudio y tiempos de estudio preferidos.
Se aplicaron múltiples modelos de aprendizaje automático supervisado para predecir los estilos de aprendizaje.
Se identificaron clasificadores de aprendizaje automático efectivos para predecir los estilos de aprendizaje.
Se demostró la aplicabilidad de los algoritmos de ML para comprender los comportamientos de los estudiantes.
Se amplió el potencial para desarrollar tecnologías de aprendizaje adaptativo.

Resumen

Comprender los estilos de aprendizaje (LS) de los estudiantes en la era de la Inteligencia Artificial (IA) puede ser beneficioso para el éxito de los estudiantes. El estudio actual investiga la aplicabilidad de varios modelos de aprendizaje automático (ML) supervisado para prever los estilos de aprendizaje de los estudiantes basándose en características demográficas y conductuales. Los datos, recogidos de estudiantes de ingeniería y no ingeniería, como comercio, ciencias y artes, incluyen estudiantes masculinos y femeninos en el rango de edad de 17 a 30 años. Se consideraron como atributos clave del estudio el CGPA (en una escala de 10 puntos), horas de estudio (semanales) y tiempos de estudio preferidos (es decir, mañana, tarde, noche y madrugada). Esta investigación intenta descubrir las capacidades de los clasificadores de ML para predecir con precisión el estilo de aprendizaje de los estudiantes a partir de datos diversos y multidimensionales. Se realiza un análisis adicional para identificar los algoritmos de mejor rendimiento con el objetivo de desarrollar tecnologías de aprendizaje adaptativo en entornos educativos.

Me gusta

Guardar

Ver artículo completo