Inteligencia artificial potenciada por RV para un aprendizaje mejorado en comparación con métodos tradicionales
Autores: Cinar, Omer Emin; Rafferty, Karen; Cutting, David; Wang, Hui
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Inteligencia artificial potenciada por RV para un aprendizaje mejorado en comparación con métodos tradicionales
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Realidad virtual
Colecciones de Python
Gamificación
Inteligencia artificial
Estudio de usuario
Análisis de datos de EEG
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 50
Citaciones: Sin citaciones
Este papel evalúa una aplicación de RV (Realidad Virtual) destinada a mejorar el aprendizaje de los tipos de datos y estructuras de colección de Python para estudiantes de ingeniería eléctrica y electrónica. Al incorporar características de gamificación y personalización, la aplicación proporciona un entorno inmersivo donde los estudiantes pueden interactuar con representaciones virtuales de conceptos de programación complejos. Para mejorar aún más la interactividad y el compromiso, la aplicación integra un asistente virtual y generador de ejemplos, desarrollado utilizando Meta Voice SDK (Kit de Desarrollo de Software) y wit.ai. Estas herramientas de IA (Inteligencia Artificial) - Procesamiento de Lenguaje Natural (NLP) crean trayectorias de aprendizaje personalizadas y generan ejemplos dinámicos basados en el progreso individual del aprendizaje. Se realizó un estudio de usuarios con un total de 48 participantes. Durante el estudio de usuarios, los participantes se dividieron en dos grupos iguales de 24, ambos usando auriculares de EEG (Electroencefalografía): un grupo se involucró con la aplicación de RV, mientras que el otro leyó el folleto tradicional, lo que permitió la grabación y análisis de los niveles de atención y compromiso. Estas medidas de compromiso y atención se compararon luego con las extraídas de una cohorte de referencia de estudiantes cuya experiencia de aprendizaje fue a través de folletos más tradicionales. Los resultados indicaron una mejora estadísticamente significativa en la comprensión de las colecciones de Python entre los usuarios de RV en comparación con sus puntajes de referencia, destacando los beneficios de entornos de aprendizaje interactivos y personalizados. Además, el análisis de datos de EEG mostró que los usuarios de RV exhibieron niveles promedio más altos de atención y compromiso en comparación con aquellos que utilizan el método en papel, demostrando la efectividad de las tecnologías inmersivas en mantener el interés y enfoque del aprendiz, especialmente en mejorar el aprendizaje para el desarrollo de software.
Descripción
Este papel evalúa una aplicación de RV (Realidad Virtual) destinada a mejorar el aprendizaje de los tipos de datos y estructuras de colección de Python para estudiantes de ingeniería eléctrica y electrónica. Al incorporar características de gamificación y personalización, la aplicación proporciona un entorno inmersivo donde los estudiantes pueden interactuar con representaciones virtuales de conceptos de programación complejos. Para mejorar aún más la interactividad y el compromiso, la aplicación integra un asistente virtual y generador de ejemplos, desarrollado utilizando Meta Voice SDK (Kit de Desarrollo de Software) y wit.ai. Estas herramientas de IA (Inteligencia Artificial) - Procesamiento de Lenguaje Natural (NLP) crean trayectorias de aprendizaje personalizadas y generan ejemplos dinámicos basados en el progreso individual del aprendizaje. Se realizó un estudio de usuarios con un total de 48 participantes. Durante el estudio de usuarios, los participantes se dividieron en dos grupos iguales de 24, ambos usando auriculares de EEG (Electroencefalografía): un grupo se involucró con la aplicación de RV, mientras que el otro leyó el folleto tradicional, lo que permitió la grabación y análisis de los niveles de atención y compromiso. Estas medidas de compromiso y atención se compararon luego con las extraídas de una cohorte de referencia de estudiantes cuya experiencia de aprendizaje fue a través de folletos más tradicionales. Los resultados indicaron una mejora estadísticamente significativa en la comprensión de las colecciones de Python entre los usuarios de RV en comparación con sus puntajes de referencia, destacando los beneficios de entornos de aprendizaje interactivos y personalizados. Además, el análisis de datos de EEG mostró que los usuarios de RV exhibieron niveles promedio más altos de atención y compromiso en comparación con aquellos que utilizan el método en papel, demostrando la efectividad de las tecnologías inmersivas en mantener el interés y enfoque del aprendiz, especialmente en mejorar el aprendizaje para el desarrollo de software.