Acceso usuarios
Arthur C. Graesser, Daphne Greenberg, Jan C. Frijters, Amani Talwar
Un gran porcentaje de adultos de todo el mundo presenta un bajo nivel de lectura. Las tecnologías computacionales pueden ayudar potencialmente a estos adultos a mejorar su alfabetización, en conjunto con los instructores de los centros educativos. AutoTutor fue diseñado para enseñar estrategias de comprensión mediante la implementación de ‘diálogos a tres bandas’ conversacionales en los que dos agentes computacionales (tutor y compañero) mantienen interacciones habladas con el adulto sobre palabras, oraciones y textos en lecciones digitales. Los agentes modelan las estrategias de comprensión, hacen preguntas y dan retroalimentación a las respuestas del adulto. AutoTutor hace un registro del rendimiento de los adultos, es decir, el tiempo y la precisión de las respuestas a las preguntas de la conversación. Evaluamos el valor de AutoTutor en un estudio con 52 estudiantes adultos en proceso de alfabetización de Estados Unidos y Canadá que interactuaron con AutoTutor como parte de una intervención de 4 meses con instructores humanos. Se realizó un seguimiento del rendimiento en AutoTutor en cuatro niveles teóricos del discurso (palabras, base textual explícita, modelo de situación conceptual, estructura retórica) y también del nivel de compromiso, con una medida psicométrica objetiva de la capacidad de comprensión tanto antes como después de la intervención. Los resultados mostraron que AutoTutor proporciona medidas matizadas de rendimiento y compromiso que predijeron mejoras en la comprensión y pueden utilizarse para guiar a los instructores en los procesos de evaluación formativa.
This study illustrates how computer agents in conversational trialogues (tutor agent, peer agent, student) can track the performance and engagement of adult readers with low literacy skills in a 4-month intervention to improve reading comprehension strategies. One out of six adults in the United States possess low literacy skills so technology can potentially help these adults improve. AutoTutor trialogues were designed to teach comprehension strategies across different levels of discourse processing and capture their performance, namely the time and accuracy of answering questions in the conversation. A study with 52 adult literacy students interacted with AutoTutor as part of an intervention with human instructors. Performance in AutoTutor was tracked at four theoretical discourse levels (Words, Textbase, Situation Model, Rhetorical Structure) and engagement, with an objective measure of comprehension skill before and after the intervention. The results showed how AutoTutor could provide nuanced performance and engagement measures that predicted comprehension improvements and can be used to guide formative assessment and enhanced AutoTutor adaptivity.
