Estereotipos de Estilo de Aprendizaje Basados en Sistemas Inmunes Artificiales

Este artículo aborda el problema de extraer estereotipos fundamentales de estilo de aprendizaje a través de la explotación del paradigma de reconocimiento de patrones inspirado biológicamente de los Sistemas Inmunes Artificiales (AIS). Presentamos un mecanismo computacional no supervisado que exhibe la capacidad de revelar la estructura grupal inherente de los patrones de aprendizaje que permea un conjunto dado de perfiles educativos. Nos basamos en la construcción de una Red Inmunitaria Artificial (AIN) de ejemplares de estilo de aprendizaje, proponiendo una métrica de distancia basada en la correlación. Esta elección está impuesta por la naturaleza categórica de los datos subyacentes. Nuestro trabajo utiliza un conjunto de datos original derivado durante la realización de un estudio empírico extenso que involucró a estudiantes de la Universidad Abierta Helénica. Los perfiles educativos de los estudiantes se construyeron recopilando sus respuestas en un cuestionario cuidadosamente diseñado teniendo en cuenta una amplia gama de características personales y habilidades. La eficiencia del enfoque propuesto se evaluó en términos de compacidad de clúster. Específicamente, medimos la desviación promedio de correlación de los perfiles educativos de los estudiantes en relación con los correspondientes anticuerpos de memoria artificial que representan los estereotipos de estilo de aprendizaje adquiridos. Finalmente, el procedimiento de aprendizaje no supervisado adoptado en este artículo se probó contra una versión basada en correlación del algoritmo k-means, indicando una mejora significativa en el rendimiento para el enfoque de agrupamiento basado en AIS.