Update: February 24, 2023
The new version of
Termout.org is now online,
so this web site is now obsolete and will soon be dismantled.
|
Lista de candidatos sometidos a examen:
1)
autotutor (*)
(*) Términos presentes en el nuestro glosario de lingüÃstica
Is in goldstandard
1
paper corpusSignosTxtLongLines124 - : Otro programa innovador que utiliza LSA en el área de la educación es el
AutoTutor, desarrollado a fines de los años noventa por Arthur Graesser y un amplio equipo de investigación multidisciplinar de la Universidad de Memphis. El supuesto principal que está detrás de este desarrollo computacional es que la forma más poderosa para construir conocimiento es a través de un método tutorial cara a cara. De hecho la experiencia dice que el aprendizaje por tutorÃa humana es en extremo efectivo en comparación al ambiente tradicional de clase ([89]Graesser, Person, Harter y TRG, 2001)[90]^5. AsÃ, este equipo desarrolló un tutor computacional que simula los patrones de discurso y estrategias pedagógicas de un tutor humano tÃpic
o. Las tareas fundamentales que desarrolla este AutoTutor son: hacer preguntas y plantear problemas, comprender las respuestas (escritas ) del estudiante, retroalimentar las respuestas por medio de verbalizaciones y gestos, plantear sugerencias sobre información especÃfica,
2
paper corpusSignosTxtLongLines124 -
: ^6 Amplia literatura sobre AutoTutor puede encontrarse en http://www .
autotutor.org/
3
paper corpusSignosTxtLongLines178 - : [2]vol.39 número60 [prev
0.gif] [3]Aplicaciones del diálogo humano de tutorÃa al AutoTutor: Un sistema inteligente de tutorÃa [4] Ãndice de autores [5]Ãndice de materia [6]búsqueda de artÃculos [7]Home Page [8]lista alfabética de revistas
4
paper corpusSignosTxtLongLines179 -
: Aplicaciones del diálogo humano de tutorÃa al AutoTutor: Un sistema inteligente de tutorÃa[25]*
5
paper corpusSignosTxtLongLines179 -
: Applications of human tutorial dialog in AutoTutor: An intelligent tutoring system
6
paper corpusSignosTxtLongLines179 -
: resultados, junto con otros previos, apoyan la conclusión de que el AutoTutor es un sistema tutorial inteligente efectivo que usa estrategias pedagógicas apropiadas para los aprendices individuales .
7
paper corpusSignosTxtLongLines179 -
: El AutoTutor es un sistema de tutorÃa dialógica en lenguaje natural que simula el patrón discursivo y las estrategias didácticas de un tutor humano tÃpico . Los mecanismos dialógicos del
AutoTutor fueron diseñados para incorporar patrones conversacionales naturalÃsticos a partir de sesiones reales de tutorÃa (Graesser et al., 1995) asà como estrategias teóricas ideales con el fin de promover avances en el aprendizaje.
8
paper corpusSignosTxtLongLines179 - : Durante una sesión normal que instruye a los alumnos en fÃsica newtoniana, el
AutoTutor comienza con una introducción y un panorama de dos minutos, y luego emprende la sesión de aprendizaje pertinente. El
AutoTutor tÃpicamente cubre cinco problemas conceptuales de fÃsica en una sola sesión. Después de la introducción, comienza la conversación, planteando un problema e impulsa al alumno hacia una respuesta. Le sigue una conversación a medida que el alumno y el tutor intentan colaborativamente cubrir la materia necesaria para contestar la pregunta en forma completa. Por ejemplo, una de las preguntas es: “Suponga que un niño está en un ascensor en caÃda libre y mantiene inmóviles sus llaves frente a su cara y luego las suelta. ¿Que le sucede a las llaves? Explique por quéÂ
”. A continuación, viene un trozo sacado de la mitad de un diálogo entre el AutoTutor y un alumno real:
9
paper corpusSignosTxtLongLines179 - : Dentro del guión curricular, el
AutoTutor tiene un repertorio de movidas dialógicas clasificada
s. Las movidas dialógicas incluidas en el AutoTutor (con ejemplos) aparecen más abajo:
10
paper corpusSignosTxtLongLines179 - : ., 2003; Jackson et al., 2004). Junto con esto, si el
AutoTutor, mediante el uso del LSA, está haciendo bien la evaluación del alumno, entonces se deberÃa poder ver que estos alumnos de gran conocimiento reciben más retroalimentación positiva. La tarea de ajustar la tutorÃa al estudiante serÃa imposible sin evaluar adecuadamente el conocimiento de dominio por parte del usuari
o. Si el AutoTutor operara bajo el supuesto de que todos los usuarios fueran iguales, probablemente encontrarÃamos una de dos cosas: (1 ) los estudiantes de gran conocimiento se sentirÃan frustrados y aburridos por la pedanterÃa del
AutoTutor, o (2) los estudiantes de poco conocimiento estarÃan frente a un excesivo desafÃo y se sentirÃan frustrados por no lograr nada correcto.
11
paper corpusSignosTxtLongLines179 - : Tal como se ha mostrado en los apartados anteriores de este trabajo, la construcción de un sistema adaptativo inteligente con capacidad de conocimiento incremental ha debido enfrentar una serie de desafÃos muy estimulantes. Algunos de ellos aquà se presentan como avances con soporte de avanzad
a. Tal como se ha informado, el algoritmo para la selección del diálogo actualmente implementado en el AutoTutor es una medida aproximada . Es decir, no provee un encuadre perfecto del conocimiento de dominio, más bien selecciona el movimiento apropiado más cercano. Mejorar la actuación de este mecanismo dialógico requerirÃa un incremento drástico en la actuación de las capacidades de comprensión del lenguaje natural que las que tenemos disponibles hoy en dÃa. También es importante observar que los análisis presentados en este artÃculo son correlacionales. No realizamos un verdadero experimento que manipule el punto hasta el cual el
AutoTutor selecciona las movidas del diálogo sensibles al conocimiento
12
paper corpusSignosTxtLongLines179 - : Graesser, A., Moreno, K., Marineau, J., Adcock, A., Olney, A. & Person, N. (2003
). AutoTutor improves deep learning of computer literacy: Is it the dialog or the talking head ? En U. Hoppe, F. Verdejo & J. Kay (Eds.), Proceedings of Artificial Intelligence in Education (pp. 47-54). Amsterdam: IOS Press. [ [53]Links ]
13
paper corpusSignosTxtLongLines180 - : [2]vo
l.39 número60 [3]Aplicaciones del diálogo humano de tutorÃa al AutoTutor: Un sistema inteligente de tutorÃa [4]La similitud léxico-semántica en artÃculos de investigación cientÃfica en español: Una aproximación desde el Análisis Semántico Latente [5] Ãndice de autores [6]Ãndice de materia [7]búsqueda de artÃculos [8]Home Page [9]lista alfabética de revistas
Evaluando al candidato autotutor:
1) tutorÃa: 10
2) conocimiento: 7 (*)
4) diálogo: 6 (*)
5) inteligente: 5 (*)
6) humano: 5
7) estrategias: 4
8) Ãndice: 4
9) alumno: 4
10) graesser: 4
11) movidas: 3
12) materia: 3
13) aplicaciones: 3
14) artÃculos: 3
15) tutorial: 3 (*)
autotutor
Lengua: spa
Frec: 56
Docs: 8
Nombre propio: 12 / 56 = 21%
Coocurrencias con glosario: 4
Puntaje: 5.028 = (4 + (1+6.02236781302845) / (1+5.83289001416474)));
Candidato aceptado
Referencias bibliográficas encontradas sobre cada término
(Que existan referencias dedicadas a un término es también indicio de
terminologicidad.)
autotutor |
: Graesser, A. C., McNamara, D. S. & VanLehn, K. (2005). Scaffolding deep comprehension strategies through point&query, autotutor, and iSTART. Educational Psychologist, 40(4), 225-234.
: Graesser, A., Lu, S., Jackson, G., Mitchell, H., Ventura, M., Olney, A. & Louwerse, M. (2004). AutoTutor: A tutor with dialogue in natural language. Behavioral Research Methods, Instruments, and Computers, 36, 180-193.
: Graesser, A., Person, N., Harter, D. & Tutoring Research Group (2001). Teaching tactics and dialog in Autotutor. International Journal of Artificial Intelligence in Education, 12, 257-279.
: Graesser, A., Wiemer-Hasting, K., Wiemer-Hasting, P. & Kreuz, R. (1999). AutoTutor: A simulation of a human tutor. Journal of Cognitive Systems Research, 1, 35-51.
: Graesser, A., Wiemer-Hastings, P., Wiemer-Hastings, K., Harter, D., Person, N. & Tutoring Research Group (2000). Using latent semantic analysis to evaluate the contributions of students in AutoTutor. Interactive Learning Environments, 8, 129-148.
: Graesser, A.C., Person, N., Harter, D. & TRG (2001). Teaching tactics and dialog in AutoTutor. International Journal of Artificial Intelligence in Education. Versión en PDF.
: Jackson, G., Mathews, E., Lin, D. & Graesser, A. (2003). Modeling student performance to enhance the pedagogy of AutoTutor. En P. Brusilovsky, A. Corbett & F. de Rosis (Eds.), Lecture Notes in Computer Science (pp. 368-372). New York: Springer.
: Jackson, G., Person, N. & Graesser, A. (2004). Adaptive tutorial dialogue in AutoTutor. Actas de the workshop Dialog-based Intelligent Tutoring Systems at the 7th International conference on Intelligent Tutoring Systems. Universidad Federal de Alagoas, Brasil.
: Person, N., Graesser, A., Kreuz, R., Pomeroy, V. & Tutoring Research Group (2001) Simulating human tutor dialogue moves in AutoTutor. International Journal of Artificial Intelligence in Education, 12, 23-39.
|