Análisis del comportamiento emocional en alumnos de educación secundaria en el aprendizaje virtual
Barra lateral del artículo
Publicado:
Feb 7, 2022
Palabras clave:
emoción, aprendizaje virtual, autorregulación, plataforma digital.
Contenido principal del artículo
Resumen
Introducción. La educación evoluciona constantemente y cada vez mejora con la innovación de nuevas metodologías, estrategias, recursos y el avance tecnológico. Objetivo. Comparar el rendimiento académico de los estudiantes de educación mediante emociones para mejorar el aprendizaje virtual. Metodología. Se empleó la investigación de la ciencia del diseño. Los métodos que se aplicaron fueron el analítico, sintético y experimental. El estudio se realizó en la Unidad Educativa “Nueva Concordia”, a un grupo de once estudiantes que cursan el bachillerato obteniendo un muestreo no probabilístico debido a la pandemia mundial. El instrumento que se aplicó en la encuesta fue un cuestionario, que mediante la escala de Likert permitió medir la valoración de las emociones del estudiante y para el índice de consistencia interna se empleó el coeficiente Alfa de Cronbach con un valor de 0,82 de muy alta confiabilidad y validez. Luego para indicar el grado de relación estadística entre las emociones y las notas se aplicó el coeficiente de correlación de Pearson. Resultados. Los resultados mostraron que las emociones; felicidad, sorpresa y asco están correlacionadas positivamente y las emociones miedo y neutral de forma negativa con la nota del tutor virtual. Conclusión. La investigación permite concluir que las emociones no están fuertemente correlacionadas con la nota del estudiante luego de la interacción, sin embargo, sí influyen en la misma. Esto se debe a que todas las personas son distintas y aunque se encuentren algunas similitudes en este sentido no quiere decir que se cumplan de forma generalizada en todas las personas.
Descargas
La descarga de datos todavía no está disponible.
Detalles del artículo
Cómo citar
Sarmiento Saavedra, J. C., Chango Sailema, W. G., Mendoza Loor, J. J., & Troya Loor, M. A. (2022). Análisis del comportamiento emocional en alumnos de educación secundaria en el aprendizaje virtual. ConcienciaDigital, 5(1), 130-152. https://doi.org/10.33262/concienciadigital.v5i1.2063
Sección
Artículos
Citas
Ángel, J., & Retana, G. (2012). La educación emocional, su importancia en el proceso de aprendizaje. Revista Educacion, 36(1), 1–24.
Awofala, A. O., Olabiyi, O. S., Awofala, A. A., Arigbabu, A. A., Fatade, A. O., & Udeani, U. N. (2019). Attitudes toward Computer, Computer Anxiety and Gender as determinants of Pre-service Science, Technology and Mathematics Teachers’ Computer Self-efficacy. Digital Education Review, (36), 51–67.
Barrera Erreyes, H. M., Barragán García, T. M., & Ortega Zurita, G. E. (2017). La realidad educativa ecuatoriana. Revista Iberoamericana de Educación, 75, 9–20.
Bisandu, D. B. (2016). Design Science Research Methodology in Computer Science and Information Systems. International Journal of Information Technology, (November 2016), 1–7.
Bledsoe, W. W. (1963). Informe de un proyecto de reconocimiento facial. February 23, 2020, https://archive.org/details/firstfacialrecognitionresearch/page/n3/mode/2up
Bogarín, A., Cerezo, R., & Romero, C. (2017). A survey on educational process mining. 17
Carretero Bermejo, R. (2015). Intelingencia emocional y sexismo: estudio del componente emocional del sexismo (UNED). https://ebookcentral.proquest.com/lib/uteclvtsp/ reader.action?docID=4775759&query=Goleman+%281995%29
Cerezo, R., Bogarín, A., Esteban, M., & Romero, C. (2020). Process mining for self-regulated learning assessment in e-learning. Journal of Computing in Higher Education, 32(1), 74–88.
Chango, W., Cerezo, R., & Romero, C. (2019). Predicting academic performance of university students from multi-sources data in blended learning. ACM International Conference Proceeding Series. Association for Computing Machinery.
Cifuentes, M. (2013). La influencia de la inteligencia emocional en el rendimiento matemático de alumnos de educación secundaria. Aplicación de un programa de intervención psicopedagógica de educación emocional. 388. https://repositorio.ucjc.edu/.../Tesis Doctoral_Ma Elisabet
Clarizia, F., Colace, F., De Santo, M., Lombardi, M., Pascale, F., & Pietrosanto, A. (2018). E-learning and sentiment analysis: A case study. ACM International Conference Proceeding Series, 111–118.
Cordero, J., & Aguilar, J. (2016). Reconocimiento multimodal de emociones humanas en un ambiente inteligente. (September), 107.
Dresch, A., Pacheco Lacersa, D., & Valle Antunes, A. (2018). Design-science research, A Method for Science and Technology Advancement. In Research Methods: Information, Systems, and Contexts: Second Edition.
Engeness, I., Nohr, M., Singh, A. B., & Mørch, A. (2019). Use of videos in the Information and Communication Technology Massive Open Online Course: Insights for learning and development of transformative digital agency with pre- and in-service teachers in Norway. Policy Futures in Education, 1–20.
Espinoza Freire, E. E., & Ricaldi Echevarríaz, M. L. (2018). El tutor en los entornos virtuales de aprendizaje. Universidad y Sociedad, 10(3), 201–210.
Estrada Villa, E. J., & Boude Figueredo, O. R. (2015). Hacia una Propuesta Para Evaluar Ambientes Virtuales de Aprendizaje en Educación Superior. Academia y Virtualidad, 8(2), 14.
Franco Moreno, Y. M. (2017). Rol del Tutor en el Contexto del Aprendizaje Virtual. Journal of Chemical Information and Modeling, 2(6), 270–285.
Greene, J. A., & Azevedo, R. (2010). The measurement of learners’ self-regulated cognitive and metacognitive processes while using computer-based learning environments. Educational Psychologist, 45(4), 203–209.
Harley, J. M., Bouchet, F., Hussain, M. S., Azevedo, R., & Calvo, R. (2015). A multi-componential analysis of emotions during complex learning with an intelligent multi-agent system. Computers in Human Behavior, 48, 615–625.
Hernández Lalinde, J., Espinosa Castro, J., Peñaloza Tarazona, M., Fernández González, J., Chacón Rangel, J., Toloza Sierra, C., … Bermúdez Pirela, V. (2018). Sobre El Uso Adecuado Del Coeficiente De Correlación De Pearson: Definición, Propiedades Y Suposiciones. AVFT – Archivos Venezolanos de Farmacología y Terapéutica, 37(5).
Hernandez Sampieri, R., Fernandez Collado, C., & Baptista Lucio, M. del P. (2010). Metodología de la investigación. In J. Mares Chacón (Ed.), Metodología de la investigación (Quinta Ed.). http://www.casadellibro.com/libro-metodologia-de-la-investigacion-5-ed-incluye-cd-rom/9786071502919/1960006
Hew, K. F., & Brush, T. (2007). Integrating technology into K-12 teaching and learning: Current knowledge gaps and recommendations for future research. Educational Technology Research and Development, 55(3), 223–252.
Hew, K. F., & Cheung, W. S. (2014). Students’ and instructors’ use of massive open online courses (MOOCs): Motivations and challenges. Educational Research Review, 12, 45–58.
Khalfallah, J., & Ben Hadj Slama, J. (2019). The effect of emotional analysis on the improvement of experimental e-learning systems. Computer Applications in Engineering Education, 27(2), 303–318.
Kumar, J. A., Muniandy, B., & Wan Yahaya, W. A. J. (2019). Exploring the effects of emotional design and emotional intelligence in multimedia-based learning: an engineering educational perspective. New Review of Hypermedia and Multimedia, 25(1–2), 57–86.
León Porras, C. J. P. (2009). La inteligencia emocional en estudiantes de educación superior universitaria y no universitaria de Administración de Empresas. 16. https://ebookcentral.proquest.com/lib/uteclvtsp/detail.action?docID=3183493
López Munguía, O. (2008). La Inteligencia emocional y las estrategias de aprendizaje como predictores del rendimiento académico en estudiantes universitarios. http://cybertesis.unmsm.edu.pe/handle/cybertesis/615
Madrid Tamayo, T. (2019). El sistema educativo de Ecuador: un sistema, dos mundos. Revista Andina de Educación, 2(1), 8–17.
Mao, Q. R., Pan, X. Y., Zhan, Y. Z., & Shen, X. J. (2015). Using Kinect for real-time emotion recognition via facial expressions. Frontiers of Information Technology and Electronic Engineering, 16(4), 272–282.
Mega, C., Ronconi, L., & De Beni, R. (2014). What makes a good student? How emotions, self-regulated learning, and motivation contribute to academic Achievement. Journal of Educational Psychology, 106(1), 121–131.
Molinari, G., Trannois, M., Tabard, A., & Lavoué, E. (2016). EMORE-L: An emotion reporting tool for distance learning. Actes de La 28ième Conférence Francophone Sur l’Interaction Homme-Machine, 167–176.
Asamblea Nacional. (2015). Reglamento General a la ley orgánica de educación intercultural. Registro Oficial, (4), 3–7.
Nikopoulou, R., Spyrou, E., Vernikos, I., & Mylonas, P. (2018). Emotion recognition from speech: A classroom experiment. ACM International Conference Proceeding Series, 104–105.
Picciano, A. G. (2013). Theories and Frameworks for Online Education : Seeking an Integrated Model. 166–190.
Ramachandiran, C. R., Mahmud, M. M., & Jomhari, N. (2019). A revolutionary approach in virtual learning: Usercentered kansei virtual agent. ACM International Conference Proceeding Series, 7–11.
Salazar P, C., & Castillo G, S. (2018). Fundamentos básicos de Estadística (Primera Ed). Quito.
Saneiro, M., Santos, O., Salmeron-Majadas, S., & Boticario, J. (2015). Towards using influence diagram on social-network based analysis for managing students’ collaborations. Computer-Supported Collaborative Learning Conference, CSCL, 2, 647–648.
Sautu, R. (2005). TODO es TEORÍA Objetivos y métodos de investigación (Lumiere). Buenos Aires.
Taber, K. S. (2018). The Use of Cronbach’s Alpha When Developing and Reporting Research Instruments in Science Education. Research in Science Education, 48(6), 1273–1296.
Taruchaín Pozo, L. F., Freire Palacios, V. A., & Mayorga Álvarez, M. de los Á. (2020). Bienestar psicológico y estrés laboral en trabajadores no profesionales de la ciudad de Ambato, aplicando el cuestionario de salud general de Goldberg GHQ-12. Ciencia Digital, 4(1.1.), 32–44.
Zhong, S. H., Li, Y., Liu, Y., & Wang, Z. (2017). A computational investigation of learning behaviors in MOOCs. Computer Applications in Engineering Education, (March), 1–13.
Zimmerman, B. (1990). Self-Regulated Learning and Academic Achievement: An Overview. Educational Psychologist, 25(1), 3–17.
Awofala, A. O., Olabiyi, O. S., Awofala, A. A., Arigbabu, A. A., Fatade, A. O., & Udeani, U. N. (2019). Attitudes toward Computer, Computer Anxiety and Gender as determinants of Pre-service Science, Technology and Mathematics Teachers’ Computer Self-efficacy. Digital Education Review, (36), 51–67.
Barrera Erreyes, H. M., Barragán García, T. M., & Ortega Zurita, G. E. (2017). La realidad educativa ecuatoriana. Revista Iberoamericana de Educación, 75, 9–20.
Bisandu, D. B. (2016). Design Science Research Methodology in Computer Science and Information Systems. International Journal of Information Technology, (November 2016), 1–7.
Bledsoe, W. W. (1963). Informe de un proyecto de reconocimiento facial. February 23, 2020, https://archive.org/details/firstfacialrecognitionresearch/page/n3/mode/2up
Bogarín, A., Cerezo, R., & Romero, C. (2017). A survey on educational process mining. 17
Carretero Bermejo, R. (2015). Intelingencia emocional y sexismo: estudio del componente emocional del sexismo (UNED). https://ebookcentral.proquest.com/lib/uteclvtsp/ reader.action?docID=4775759&query=Goleman+%281995%29
Cerezo, R., Bogarín, A., Esteban, M., & Romero, C. (2020). Process mining for self-regulated learning assessment in e-learning. Journal of Computing in Higher Education, 32(1), 74–88.
Chango, W., Cerezo, R., & Romero, C. (2019). Predicting academic performance of university students from multi-sources data in blended learning. ACM International Conference Proceeding Series. Association for Computing Machinery.
Cifuentes, M. (2013). La influencia de la inteligencia emocional en el rendimiento matemático de alumnos de educación secundaria. Aplicación de un programa de intervención psicopedagógica de educación emocional. 388. https://repositorio.ucjc.edu/.../Tesis Doctoral_Ma Elisabet
Clarizia, F., Colace, F., De Santo, M., Lombardi, M., Pascale, F., & Pietrosanto, A. (2018). E-learning and sentiment analysis: A case study. ACM International Conference Proceeding Series, 111–118.
Cordero, J., & Aguilar, J. (2016). Reconocimiento multimodal de emociones humanas en un ambiente inteligente. (September), 107.
Dresch, A., Pacheco Lacersa, D., & Valle Antunes, A. (2018). Design-science research, A Method for Science and Technology Advancement. In Research Methods: Information, Systems, and Contexts: Second Edition.
Engeness, I., Nohr, M., Singh, A. B., & Mørch, A. (2019). Use of videos in the Information and Communication Technology Massive Open Online Course: Insights for learning and development of transformative digital agency with pre- and in-service teachers in Norway. Policy Futures in Education, 1–20.
Espinoza Freire, E. E., & Ricaldi Echevarríaz, M. L. (2018). El tutor en los entornos virtuales de aprendizaje. Universidad y Sociedad, 10(3), 201–210.
Estrada Villa, E. J., & Boude Figueredo, O. R. (2015). Hacia una Propuesta Para Evaluar Ambientes Virtuales de Aprendizaje en Educación Superior. Academia y Virtualidad, 8(2), 14.
Franco Moreno, Y. M. (2017). Rol del Tutor en el Contexto del Aprendizaje Virtual. Journal of Chemical Information and Modeling, 2(6), 270–285.
Greene, J. A., & Azevedo, R. (2010). The measurement of learners’ self-regulated cognitive and metacognitive processes while using computer-based learning environments. Educational Psychologist, 45(4), 203–209.
Harley, J. M., Bouchet, F., Hussain, M. S., Azevedo, R., & Calvo, R. (2015). A multi-componential analysis of emotions during complex learning with an intelligent multi-agent system. Computers in Human Behavior, 48, 615–625.
Hernández Lalinde, J., Espinosa Castro, J., Peñaloza Tarazona, M., Fernández González, J., Chacón Rangel, J., Toloza Sierra, C., … Bermúdez Pirela, V. (2018). Sobre El Uso Adecuado Del Coeficiente De Correlación De Pearson: Definición, Propiedades Y Suposiciones. AVFT – Archivos Venezolanos de Farmacología y Terapéutica, 37(5).
Hernandez Sampieri, R., Fernandez Collado, C., & Baptista Lucio, M. del P. (2010). Metodología de la investigación. In J. Mares Chacón (Ed.), Metodología de la investigación (Quinta Ed.). http://www.casadellibro.com/libro-metodologia-de-la-investigacion-5-ed-incluye-cd-rom/9786071502919/1960006
Hew, K. F., & Brush, T. (2007). Integrating technology into K-12 teaching and learning: Current knowledge gaps and recommendations for future research. Educational Technology Research and Development, 55(3), 223–252.
Hew, K. F., & Cheung, W. S. (2014). Students’ and instructors’ use of massive open online courses (MOOCs): Motivations and challenges. Educational Research Review, 12, 45–58.
Khalfallah, J., & Ben Hadj Slama, J. (2019). The effect of emotional analysis on the improvement of experimental e-learning systems. Computer Applications in Engineering Education, 27(2), 303–318.
Kumar, J. A., Muniandy, B., & Wan Yahaya, W. A. J. (2019). Exploring the effects of emotional design and emotional intelligence in multimedia-based learning: an engineering educational perspective. New Review of Hypermedia and Multimedia, 25(1–2), 57–86.
León Porras, C. J. P. (2009). La inteligencia emocional en estudiantes de educación superior universitaria y no universitaria de Administración de Empresas. 16. https://ebookcentral.proquest.com/lib/uteclvtsp/detail.action?docID=3183493
López Munguía, O. (2008). La Inteligencia emocional y las estrategias de aprendizaje como predictores del rendimiento académico en estudiantes universitarios. http://cybertesis.unmsm.edu.pe/handle/cybertesis/615
Madrid Tamayo, T. (2019). El sistema educativo de Ecuador: un sistema, dos mundos. Revista Andina de Educación, 2(1), 8–17.
Mao, Q. R., Pan, X. Y., Zhan, Y. Z., & Shen, X. J. (2015). Using Kinect for real-time emotion recognition via facial expressions. Frontiers of Information Technology and Electronic Engineering, 16(4), 272–282.
Mega, C., Ronconi, L., & De Beni, R. (2014). What makes a good student? How emotions, self-regulated learning, and motivation contribute to academic Achievement. Journal of Educational Psychology, 106(1), 121–131.
Molinari, G., Trannois, M., Tabard, A., & Lavoué, E. (2016). EMORE-L: An emotion reporting tool for distance learning. Actes de La 28ième Conférence Francophone Sur l’Interaction Homme-Machine, 167–176.
Asamblea Nacional. (2015). Reglamento General a la ley orgánica de educación intercultural. Registro Oficial, (4), 3–7.
Nikopoulou, R., Spyrou, E., Vernikos, I., & Mylonas, P. (2018). Emotion recognition from speech: A classroom experiment. ACM International Conference Proceeding Series, 104–105.
Picciano, A. G. (2013). Theories and Frameworks for Online Education : Seeking an Integrated Model. 166–190.
Ramachandiran, C. R., Mahmud, M. M., & Jomhari, N. (2019). A revolutionary approach in virtual learning: Usercentered kansei virtual agent. ACM International Conference Proceeding Series, 7–11.
Salazar P, C., & Castillo G, S. (2018). Fundamentos básicos de Estadística (Primera Ed). Quito.
Saneiro, M., Santos, O., Salmeron-Majadas, S., & Boticario, J. (2015). Towards using influence diagram on social-network based analysis for managing students’ collaborations. Computer-Supported Collaborative Learning Conference, CSCL, 2, 647–648.
Sautu, R. (2005). TODO es TEORÍA Objetivos y métodos de investigación (Lumiere). Buenos Aires.
Taber, K. S. (2018). The Use of Cronbach’s Alpha When Developing and Reporting Research Instruments in Science Education. Research in Science Education, 48(6), 1273–1296.
Taruchaín Pozo, L. F., Freire Palacios, V. A., & Mayorga Álvarez, M. de los Á. (2020). Bienestar psicológico y estrés laboral en trabajadores no profesionales de la ciudad de Ambato, aplicando el cuestionario de salud general de Goldberg GHQ-12. Ciencia Digital, 4(1.1.), 32–44.
Zhong, S. H., Li, Y., Liu, Y., & Wang, Z. (2017). A computational investigation of learning behaviors in MOOCs. Computer Applications in Engineering Education, (March), 1–13.
Zimmerman, B. (1990). Self-Regulated Learning and Academic Achievement: An Overview. Educational Psychologist, 25(1), 3–17.