PSICO-Aun sistema computacional integrado para la enseñanza de la psicología

  1. González Marqués, Javier
  2. Pelta Resano, Carlos Carlos
Revista:
Edutec: Revista electrónica de tecnología educativa

ISSN: 1135-9250

Año de publicación: 2016

Número: 57

Tipo: Artículo

DOI: 10.21556/EDUTEC.2016.57.661 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Edutec: Revista electrónica de tecnología educativa

Resumen

PSICO-A es un sistema informático para la enseñanza de la Psicología. Está especialmente destinado a estudiantes de Educación Secundaria y del primer curso del Grado de la especialidad. Es un sistema innovador porque es el primer sistema computacional concebido para la enseñanza de unidades didácticas de Psicología. PSICO-A integra diversas herramientas e influencias didácticas: introduce mapas conceptuales, recuperación libre del recuerdo, un mecanismo efectivo de “feedback”, simulaciones, juegos digitales e indaga sobre la capacidad metacognitiva de los alumnos. Su arquitectura computacional está organizada modularmente y posee un analizador que ayuda mucho a la recogida de datos por parte del profesor. Hemos evaluado este sistema, confirmándose una mejora significativa en numerosas variables del aprendizaje.

Referencias bibliográficas

  • ALONSO, J. (2012). Psicología. Bachillerato. Madrid: McGraw-Hill.
  • AUSUBEL, D.P (1968). Educational psychology: a cognitive view. N. York: Holt, Rinehart and Winston.
  • AZEVEDO R., WITHERSPOON, A., GRAESSER A., McNAMARA D., CHAUNCEY, A., SILER, E., CAI, Z., RUS, V. y LINTEAN, M. (2009). MetaTutor: analyzing self-regulated learning in a tutoring system for biology. En V. DIMITROVA, R. MIZOGUCHI, B. du BOLAY y A. GRAESSER (Eds.), Building learning systems that care: from knowledge representation to affective modeling (pp. 635-637). Amsterdam: IOS Press. DOI: ftp://129.219. 222.66/pdf/MetaTutor%%20Analyzing-%-%20Self-Regulated.pdf.
  • BAI, X. y BLACK, J. (2005). REAL: a generic intelligent tutoring system framework. En C. Crawford (Ed.), Proceedings of Society for information technology and teacher Education international conference (pp. 1279-1283). Chesapeake, VA: AACE.
  • BIMBO, A. del y VICARIO, J. (1995). Specification by-example of virtual agents behaviour, IEEE Transactions on Visualization and Computer Graphics, 350-360. DOI: 10.1109/2945.485622.
  • BLACK, J.B. (1992). Types of knowledge representation. N. York: CCTE Report Teachers College, Columbia University.
  • BRIGGS, G., SHAMMA, D.A, CAÑAS, A.J., CARFF, R., SCARGLE, J. y NOVAK, J.D (2004). Concept maps applied to Mars exploration public outreach. En A.J CAÑAS, J. NOVAK y F. GONZÁLEZ (Eds.), Concept maps: Theory, methodology, technology. Proceedings of the first international conference on concept mapping (Vol. I) (pp. 109-116). Pamplona: UPN.
  • BROWN, P.C., ROEDIGER , L.H. y McDANIEL, M.A. (2014). Make it stick: the science of successful learning. Belknap Press, Harvard.
  • CRESPI, L.P (1942). Quantitative variation of incentive and performance in the white rat, The American Journal of Psychology , 55, 467-517.
  • DAVIS, J.M, LEELAWONG, K., BELYNNE, K., BISWAS, G., VYE, N., BODENHEIMER, R y BRANSFORD, J. (2003). Intelligent user interface design for teachable agent systems, ICIUI, pp. 26-33, Miami FL. DOI: 10.1.1.14.8457.pdf.
  • DUNLOSKY, J. y METCALFE, J. (2008). Metacognition, Londres: SAGE.
  • ESTRELLA, P. y DUBOUE, P. A. (2005). Experiments on language normalization for spanish to english machine translation, RIIA, 9, 23-37. DOI: http://dx.doi.org/10.4114/IA.V9126.843.
  • GEE, J.P. (2007). What video games have to teach us about learning and literacy. N. York: Palgrave Macmillan.
  • GENTNER, D. y STEVENS, A.L (1983). Introduction. En D. GENTNER y A.L. STEVENS (Eds.), Mental models (pp. 1-6). Hillsdale, NJ: LEA.
  • GILBERT, S.W. (2011). Models-based science teaching. Arlington:NSTApress.
  • HAMMING, R.W (1950). Error detecting and error correcting codes,BSTJ,29, 147-160. DOI:http://www.lee.eng.uerj.br/gil/redesII/hamming.pdf.
  • HULL, C.L (1952). A behavior system: an introduction to behavior theory concerning the individual organism. N. Haven, CT: Yale University Press.
  • JONASSEN, D. y LAND, S. (2012). Theoretical foundations of learning environments. Londres: Routledge.
  • KARPICKE, J.D y BLUNT, J.R (2011). Retrieval practice produces more learning than elaborative studying with concept mapping, Science,331,772-775.DOI:http:/dx.doi.org/10.1126/science.1199327
  • LERDORF, R, TATROE, K. y MacINTYRE P. (2006). Programming PHP. N. York: O´Reilly Media.
  • LEVENSHTEIN, V (1966). Binary codes capable of correcting deletions, insertions and reversals. Soviet Physics Doklady, 10,707-710. DOI:http://profs.sci.univr.it/-liptak/ALBioinfo/fil/levenshtein66.pdf.
  • MAYOR, J., SUENGAS, A. y GONZÁLEZ MARQUÉS, J. (1993). Estrategias metacognitivas: aprender a aprender y aprender a pensar. Madrid: Síntesis.
  • NOVAK, J. (1977). A theory of education. Ithaca, N. York: Cornell University Press.
  • OLIVER, I. (1994). Programming classics: implementing the world´s best algorithms. Upper-Saddle River. N. York: Prentice-Hall.
  • PAIVIO, A. (1971). Imagery and verbal processes. N. York: Holt, Rinehart, and Winston.
  • PORTER, M.F. (1980). An algorithm for suffix stripping. Program,14, 130-137.DOI: http://dx.doi.org/10.1108/eb046814.
  • SCALISE K. y WILSON, M. (2012). Assessment in game-based learning. En D. IFENTHALER, D. ESERYEL y G. XUN (Eds.), Measurement principles for gaming. Foundations, innovations, and perspectives (pp. 287-317). N. York: Springer-Verlag.
  • SLAMECKA, N.J y GRAF, P. (1978). The generation effect: delineation of a phenomenon. Journal of Experimental Psychology: Human Learning & Memory, 4, 592-604. DOI:10.1037/0278-7393.4.6.592.
Fuente de los datos: Dialnet