Empleo de dispositivos BCI en alumnos para la evaluación docente

Autores/as

DOI:

https://doi.org/10.5944/ried.24.1.27502

Palabras clave:

evaluación del profesor, aula, fisiología, nuevas tecnologías, ciencias y tecnología

Resumen

En este artículo se presenta una metodología para la recolección y estudio de datos multimodales por medio de la integración y uso de un sistema de interfaz cerebro-computador mejor conocidos como BCI, los cuales facilitan la lectura de la actividad fisiológica por medio de técnicas de electroencefalografía (EEG) para lograr analizar los procesos cognitivos que se producen en sujetos que se encuentran dentro de un salón de clase de forma voluntaria con disposición para aprender. El dispositivo BCI de la marca NeuroSky, es considerado como un dispositivo de bajo costo, el cual se utilizó en conjunto con el software de uso libre neuroexperimenter, donde al usarse en conjunto se logra la recolección de datos multimodales en un aula tradicional; los productos obtenidos sirvieron como base para realizar analíticas de los procesos de aprendizaje, para comprender que sucede desde una perspectiva de las neurociencias cognitivas. Los productos de esta metodología pueden ser utilizados como referente para construir reportes a fin de retroalimentar a docentes, donde los datos fisiológicos de los niveles de atención en alumnos abren la oportunidad de interpretar los impactos de las actividades docentes. Lo relevante de este artículo radica en la oportunidad encontrada para usar tecnologías BCI para realizar estudios dentro de un salón de clase de manera objetiva sin emplear instrumentos como un cuestionario.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Arturo Corona Ferreira, Universidad Juárez Autónoma de Tabasco

Es Doctor en Educación con TAC por la Universidad Virtual del Estado de Michoacán y profesor Investigador en la UJAT (México), líder del cuerpo académica de Innovación con TAC y coordinador del programa de estudios de la Maestría en TAC en la UJAT.

Mijael Altamirano Santiago, Instituto Politécnico Nacional, IPN

Es doctor en ciencia política y sociología por la Universidad Complutense de Madrid y profesor investigador del Centro de Investigaciones Económicas Administrativas y Sociales y miembro de núcleo académico de la maestría en ciencias en metodología de la ciencia en el mismo instituto dentro del Instituto Politécnico Nacional (México).

María de los Ángeles López Ortega, Universidad Virtual del Estado de Michoacán

Doctora en Investigación Psicoanalítica, Doctora en Arte y Cultura, Maestra en Psicoterapia Humanista, Licenciada en Psicología y Licenciada en Administración de Empresas. Autora de 8 libros, de capítulos de libros y artículos. Miembro fundador de la Asociación Michoacana de Psicólogos y Psicoterapeutas (AMIPSI).

Citas

Aguilar, F. (2017). Memoria para optar al grado de doctor bajo el programa de Neurociencias. Implicación de las células gliales de microglía y astroglía en los procesos de aprendizaje y memoria de reconocimiento de objetos. Universidad Pablo de Olavide Facultad de Ciencias Experimentales Departamento de Fisiología, Anatomía y Biología Celular. Sevilla España.

Amo, D., y Santiago, R. (2017). Learning Analytics. La narración del aprendizaje a través de los datos. Editorial UOC.

Bello, R. (2016). Neurociencias Aplicadas A La Educacion. Publicación de la Universidad Católica Santo Domingo. República Dominicana. https://www.researchgate.net/publication/288832530_Neurociencias_Aplicadas_a_la_Educacion

Corona, A., Altamirano, M., Ortega, M. D. L. Á., y González, O. A. G. (2019). Analítica del aprendizaje y las neurociencias educativas: nuevos retos en la integración tecnológica. Revista Iberoamericana de Educación, 80(1), 31-54. https://doi.org/10.35362/rie8013428

Das, R., Chatterjee, D., Sinharay, A., y Sinha, A. (2014). Cognitive Load Measurement - A Methodology to Compare Low Cost Commercial EEG Devices. Advances in Computing, Communications and Informatics, ICACCI International Conference. IEEE. (pp. 1188-1194). https://doi.org/10.1109/ICACCI.2014.6968528

Gavotto, O. (2015). Fundamentos neuropedagógicos para mejorar la atención de los estudiantes en el proceso educativo. Revista Digital de Investigación Educativa Conect@2 Año VI, 11.

Glejzer, C. (2017). Las bases biológicas del aprendizaje. Editorial de la Facultad de Filosofía y Letras Universidad de Buenos Aires. https://bit.ly/2Y6Sjfo

Gómez, M., Vázquez, E. (2018). ¿Qué son las neurociencias? TEPEXI Boletín Científico de la Escuela Superior Tepeji del Río, 5(9). https://doi.org/10.29057/estr.v5i9.2976

Goswami, U. (2006). Neuroscience and education: from research to practice? Nature reviews neuroscience, 7(5), 406-413. https://doi.org/10.1038/nrn1907

Hamui-Sutton, A. (2013). Un acercamiento a los métodos mixtos de investigación en educación médica. Investigación en educación médica, 2(8), 211-216. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-50572013000400006&lng=pt&tlng=es. https://doi.org/10.1016/S2007-5057(13)72714-5

Hassib, M., Schneegass, S., Eiglsperger, P., Henze, N., Schmidt, A., y Alt, F. (2017). EngageMeter: A system for implicit audience engagement sensing using electroencephalography. In Proceedings of the 2017 Chi conference on human factors in computing systems (pp. 5114-5119). https://doi.org/10.1145/3025453.3025669

Immordino-Yang, M. H., y Fischer, K. W. (2009, in press). Neuroscience bases of learning. In V. G. Aukrust (Ed.), International Encyclopedia of Education, 3rd Edition, Section on Learning and Cognition. Oxford. Elsevier. https://doi.org/10.1016/B978-0-08-044894-7.00500-5

Linarez-Placencia, G., Espinoza-Castelo, l. M., y Pimentel-Félix, A. (2019). Neurociencia y eneagrama: Reconfigurando los equipos de trabajo Neuroscience and enneagram: Reconfiguring work teams. Revista de Pedagogía, 3(8), 6-16. https://doi.org/10.35429/JCP.2019.8.3.6.16

McCain, M., Mustard, F., y McCuaig, K. (2012). Capítulo 2 Vida temprana y aprendizaje, comportamiento y salud. Capítulo 21 del libro Early Years Study 3: Making decisions. Takingactions. Segunda Edición.

Mellender, F. (2016). neuroexperimenter (No de versión 4). Windows. Mellender.

MindWave eSense(tm) Meters. (2009). http://developer.neurosky.com/docs/doku.php?id=esenses_tm#esense_tm_meters

Ninaus, M., Kober, S. E., Friedrich, E. V., Neuper, C., y Wood, G. (2014). The potential use of neurophysiological signals for learning analytics. In 2014 6th International Conference on Games and Virtual Worlds for Serious Applications (VS-GAMES) (pp. 1-5). IEEE. https://doi.org/10.1109/VS-Games.2014.7012169

Rogers, J. M., Johnstone, S. J., Aminov, A., Donnelly, J., y Wilson, P. H. (2016). Test-retest reliability of a single-channel, wireless EEG system. International Journal of Psychophysiology, 106, 87-96. https://doi.org/10.1016/j.ijpsycho.2016.06.006

Sezer, A., İnel, Y., Seçkin, A. Ç., y Uluçınar, U. (2015). An investigation of university students' attention levels in real classroom settings with neurosky's mindwave mobile (EEG) device. In Intenational Educational Technology Conference, İstanbul, Turkey (pp. 27-29).

Rodríguez, M. (2008). La teoría del aprendizaje significativo en la perspectiva de la psicología cognitiva. Editorial Octaedro.

Torres, F., Sánchez, C., y Baus, K. P. (2014). Adquisición y análisis de señales cerebrales utilizando el dispositivo MindWave. Actas del Congreso de Reconocimiento de Patrones, Control Inteligente, Comunicaciones e Ingeniería Biomédica, 5, 83-93.

Temoche, F (2014). Libro electrónico Neurociencia Cognitiva. Neurociencia: la ciencia del sistema nervioso. https://es.scribd.com/document/235167245/Neurociencia-Cognitiva-Dr-Francisco-L-Temoche-Ruiz

Valderrama C., y Ulloa, G. (2012). Análisis espectral de parámetros fisiológicos para la detección de emociones. Sistemas & Telemática, 10(20), 27-49. https://doi.org/10.18046/syt.v10i20.1148

Xu, T., Zhou, Y., Wang, Z., y Peng, Y. (2018). Learning emotions EEG-based recognition and brain activity: A survey study on BCI for intelligent tutoring system. Procedia computer science, 130, 376-382. https://doi.org/10.1016/j.procs.2018.04.056

Publicado

2021-01-02

Cómo citar

Corona Ferreira, A., Altamirano Santiago, M., & López Ortega, M. de los Ángeles. (2021). Empleo de dispositivos BCI en alumnos para la evaluación docente. RIED-Revista Iberoamericana De Educación a Distancia, 24(1), 315–328. https://doi.org/10.5944/ried.24.1.27502