Cuestionarios de e-autoevaluación y e-feedbackuna aplicación en Moodle

  1. María Consuelo Sáiz Manzan 1
  2. Miguel Ángel Queiruga Dios 1
  3. Raúl Marticorena Sánchez 1
  4. María del Camino Escolar Llamazares 1
  5. Álvar Arnaiz González 1
  1. 1 Universidad de Burgos
    info

    Universidad de Burgos

    Burgos, España

    ROR https://ror.org/049da5t36

Revista:
European Journal of Health Research: (EJHR)

ISSN: 2444-9067 2445-0308

Año de publicación: 2018

Título del ejemplar: Cambios en el estado afectivo y la atribución emocional durante las fluctuaciones de estradiol del ciclo ovárico en estudiantes universitarias

Volumen: 4

Número: 3

Páginas: 135-148

Tipo: Artículo

DOI: 10.30552/EJHR.V4I3.116 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: European Journal of Health Research: (EJHR)

Objetivos de desarrollo sostenible

Resumen

En los entornos Learning Management System (LMS), uno de los recursos de aprendizaje mejor valorados por los estudiantes es la utilización de cuestionarios de autoevaluación (quizzes) en los que se incluyen procesos automáticos de feedbacka las respuestas en tiempo real. El uso de estos sistemas facilita el desarrollo de competencias conceptuales y procedimentales. Los objetivos de este estudio fueron conocer si esta herramienta y sufrecuencia de uso incrementanlos resultados de aprendizaje y la satisfacción del estudiante con el proceso de enseñanza. Para ello se realizó un estudio longitudinal a lolargo de dos cursos académicos. Se trabajó con una muestra de 179 estudiantes de Ciencias de la Salud en la Plataforma Moodle v.3.1. En el análisis de los datos se aplicaron técnicas cuantitativas y cualitativas. Los resultados indican que cuando las preguntas de autoevaluación se insertan dentro de videos instruccionales, los aprendices obtienen mejores resultados y experimentan un mayor grado de satisfacción. Además, los estudiantes de ambos grupos (experimental y control) consideraron que la inserción de videos en el LMS facilitó su comprensión conceptual y respetó su ritmo de aprendizaje. La inclusión del feedback automático, en tiempo real (tanto dentro de los videos como en los cuestionarios de autoevaluación) fue valorada como una buena técnica de personalización del aprendizaje.

Referencias bibliográficas

  • Citas ATLAS.ti. Software of Qualitative Data Analysis (Version 8). Atlas.ti. Berlin. Germany.
  • Cerezo, R., Sánchez-Santillan, M., Paule-Ruiz, M.P., y Núñez, J.C. (2016). Students’ LMS interaction patterns and their relationship with achievement: a case study in higher education. Computer and Education, 96, 42-54. doi: 10.1016/j.compedu.2016.02.006
  • Churches, A. (2009). La Taxonomía de Bloom para la Era Digital. Recuperado de http://eduteka.icesi.edu.co/articulos/TaxonomiaBloomDigital.
  • Cloude, E.B., Taub M., y Azevedo R. (2018) Investigating the Role of Goal Orientation: Metacognitive and Cognitive Strategy Use and Learning with Intelligent Tutoring Systems. En R. Nkambou., R. Azevedo., y J. Vassileva (Eds.), Intelligent Tutoring Systems. ITS 2018. Lecture Notes in Computer Science (Vol. 10858, pp.44-53). Cham: Springer. doi: 10.1007/978-3-319-91464-0_5
  • D. Hacker, J. Dunlosky, A. Graesser (Eds.), Handbook of Metacognition in Education (pp. 299- 315). New York: Routledge.
  • Friese, S. (2017). ATLAS.ti. 8 Windows Quick Tour. Software for Qualitative and Mixed Methods Data Analysis. Berlin: Scientific Software Development GmbH.
  • Harley, J.M., Taub, M., Azevedo, R., y Bouchet, F. (2018). “Let’s Set Up Some Subgoals”: Understanding Human-Pedagogical Agent Collaborations and Their Implications for Learning and Prompt and Feedback Compliance. IEEE Transactions on Learning Technologies, 11(1), 54-66 doi: 10.1109/TLT.2017.2756629
  • Hattie, J., y Gan, M (2011). Instructions based on feedback. En R.E. Mayer y P. A. Alexander, Handbook of Research on Learning and Instruction: Educational Psychology Handbook series (pp. 249-271). New York: Routledge.
  • Hattie, J., y Timperley, H. (2007). The power of feedback. Review of Educational Research, 77, (81–112). doi: 10.3102/003465430298487
  • Lau, C., Sinclair, J., Taub, M., Azevedo, R., y Jang, E.E. (2017). Transitioning Self-Regulated Learning Profiles in Hypermedia-learning Environments. Proceedings of the Seventh International Learning Analytics & Knowledge Conference. LAK,'17 (pp. 198-202). Vancouver: Canada. doi: 10.1145/3027385.3027443.
  • Price, M.J., Mudrick, N.V., Taub, M., y Azevedo, R. (2018). The Role of Negative Emotions and Emotion Regulation on Self-Regulated Learning with MetaTutor. En R. Nkambou., Azevedo R., J. Vassileva (Eds.), Intelligent Tutoring Systems. ITS 2018. Lecture Notes in Computer Science (Vol. 10858, pp. 170-179). Springer: Cham
  • Sáiz, M.C. (2018), E- Project Based Learning en Terapia Ocupacional: una aplicación en la asignatura “Estimulación Temprana. Servicio de Publicaciones de la Universidad de Burgos, Burgos.
  • Sáiz, M. C., y Marticorena, R. (2016). Metacognition. Self-Regulation and Feedback for ObjectOriented Programming Problem-Solving. En J. Benson (Ed.), Metacognition: Theory. Performance and Current Research (pp. 43-94). New York: Nova.
  • Sáiz, M.C., Marticorena, R., García-Osorio, C.I., y Díez-Pastor, J.F. (2017). How do B-learning and learning patterns influence learning outcomes? Frontiers in Psychology, 8(745), 1- 13. doi: 10.3389/fpsyg.2017.00745
  • Sáiz, M. C., y Montero, E. (2015). Metacognition, self-regulation and assessment in problemsolving processes at university. A. Peña-Ayala (Ed.), In Metacognition: Fundaments, Applications, and Trends (pp. 107-133). Cham: Springer. doi: 10.1007/978-3-319- 11062-2_5
  • Sinclair, J., Jang E.E., Azevedo R., Lau C., Taub M., y Mudrick N.V. (2018) Changes in Emotion and Their Relationship with Learning Gains in the Context of MetaTutor. En R. Nkambou., R. Azevedo., y J. Vassileva. (Eds.), Intelligent Tutoring Systems. ITS 2018. Lecture Notes in Computer Science (Vol. 10858, pp.202-211). Cham: Springer. doi. 10.1007/978-3-319-91464-0_20
  • Saeed, N., Yang, Y., y Sinnappan, S. (2009). Emerging Web Technologies in Higher Education: A Case of Incorporating Blogs, Podcasts and Social Bookmarks in a Web Programming Course based on Students’ Learning Styles and Technology Preferences. Educational Technology & Society, 12(4), 98-109. Recuperado de https://goo.gl/wuA1e
  • Statistical Package for the Social Sciences (SPSS) (Version 24). IBM. Madrid. Spain:
  • Taub, M., y Azevedo, R. (2016) Using Eye-Tracking to Determine the Impact of Prior Knowledge on Self-Regulated Learning with an Adaptive Hypermedia-Learning Environment. En A. Micarelli., J. Stamper., y K. Panourgia (Eds.), Intelligent Tutoring Systems. ITS 2016. Lecture Notes in Computer Science (Vol. 9684, pp.34-47). Cham: Springer. doi: 10.1007/978-3-319-39583-8_4
  • Taub, M., Azevedo, R., Mudrick, N.V., Clodfelter, E., y Bouchet, F. (2014). Can Scaffolds from Pedagogical Agents Influence Effective Completion of Sub-Goals during Learning with a Multi-Agent Hypermedia-Learning Environment? Learning and becoming in practice: The International Conference of the Learning Sciences (ICLS). International Society of the Learning Sciences, 2 (pp.1052-1056). Boulder, CO: United States.
  • Taub M., Mudrick N.V., Rajendran R., Dong Y., Biswas G., y Azevedo R. (2018). How Are Students’ Emotions Associated with the Accuracy of Their Note Taking and Summarizing During Learning with ITSs? En R. Nkambou., R. Azevedo., y J. Vassileva (Eds.), Intelligent Tutoring Systems. ITS 2018. Lecture Notes in Computer Science (Vol. 10858, pp.233-242). Cham: Springer. doi: 10.1007/978-3-319-91464-0_23
  • Zimmerman, B.J., y Moylan, A. (2009). Self-regulation: Where metacognition and motivation intersect. En D. J. Hacker, J. Dunlosky, & A. C. Graesser (Eds.), The educational psychology series. Handbook of metacognition in education (pp. 299-315). New York, NY, US: Routledge/Taylor & Francis Group.