Acceso usuarios
, Pedro Salcedo Lagos
Los Sistemas Tutoriales Inteligentes (STI) para la enseñanza de lenguas son aplicaciones computacionales capaces de procesar un enunciado en lenguaje natural ingresado por un estudiante de lengua, para luego entregarle un feedback personalizado y adecuado a su competencia lingüística. Sin embargo, para que el STI logre adaptar su comportamiento a las necesidades del alumno es fundamental contar con un módulo del estudiante, el cual recopila y procesa información sobre cada uno de los estudiantes que interactúan con el sistema. El presente trabajo da cuenta del diseño de un módulo de estudiante para un sistema tutorial inteligente destinado a la enseñanza del español como lengua extranjera para nivel B2 del MCER, tomando en consideración las variables de nivel de proficiencia, estilo de aprendizaje y tipo de error cometido correspondiente a cada usuario del sistema. Además, debido a que la variable nivel de proficiencia cambia a medida que el estudiante avanza en los ejercicios, se contempla un sistema de diagnóstico y actualización de los datos mediante una red bayesiana. La salida del módulo de estudiante corresponde entonces a un vector con valores específicos para cada variable, el cual es posteriormente procesado por el módulo tutor para que éste decida las estrategias de feedback correctivo pertinentes.
Intelligent Tutorial Systems (ITS) for language teaching are computational applications that are capable to process natural language input provided by a language student, in order to give feedback strategies according to their linguistic competence. However, in order to achieve this adaptability, it is important to develop a student module, which stores and processes information about each one of the students that interact with the system. The present work is a design of a student module for an intelligent tutorial system (ITS) to teach Spanish as a foreign language considering the B2 level of the Common European Framework which takes as variables the student's level of proficiency, their learning style and the type of language error made by them during the interaction with the ITS. Due to the fact that the proficiency level variable changes as the student works on the exercises, the student module also contains a diagnosis and update system for the data that uses a Bayesian belief network. The output of the student module is a vector with specific values for each variable, which is delivered to a tutor module that will decide which feedback strategies should be used.
