Cap tulo 1

Introducci on
Los siguientes modelos que se proponen a continuaci on, est an basados en una etapa inicial con un pretest, y posterior a ello una cantidad de conocimiento adquirido despu es de un per odo de instrucci on o clase. La variable dependiente de nuestros modelos es el aprendizaje del estudiante despu es de un determinado per odo de clases o instrucci on. Para ello el dominio de conocimiento que pueda adquirir el estudiante a trav es de un pre y post test est a fraccionado, siendo KT (t) (conocimiento que posee el alumno), UT (t) (conocimiento que no posee) y KT (t) + UT (t) = 1 (conocimiento total). Por otra parte se denen KT (0) = KT (t = 0) (conocimiento inicial sin instrucci on en el pretest), KT (tinstr ) (aprendizaje adquirido por el alumno despu es de un per odo de instrucci on en el postest) y KT (tinstr ) KT (0) g (KT (0)) = (ganancia normalizada de aprendizaje). 1 KT (0)

Cap tulo 2

Modelos Matem aticos

Estos modelos matem aticos usados como teor a para un posterior modelo a utilizar , son modelos particulares dados por ecuaciones diferenciales ordinarias que modelan la cantidad de conocimiento y/o aprendizaje que el alumno pueda generar a trav es de un cierto tiempo de instrucci on y dada por una tasa dUT de cambio de conocimiento desconocido o clases de una determinada asignatura de matem atica, dt estos son: modelo de memoria pura, modelo simple conectado, modelo conectado y modelo de tutoria.

2.1.

MODELO DE MEMORIA PURA

Es un modelo perteneciente a la tabula rasa perteneciente a la teor a del aprendizaje donde la memoria del estudiante se encuentra en blanco al momento que rinde el pretest. Este modelo de memoria pura se basa en un supuesto matem atico de la independencia de aprender sobre los conocimientos previos o conocimientos actuales. El modelo matem atico propuesto es: dUT = memoria UT (t) dt

(2.1.1)

De la ecuaci on (1) se tiene que memoria es la habilidad que desarrolla el alumno para su aprendizaje que est a almacenado y fraccionado en alg un lugar de su memoria. Desarrollando la ecuaci on diferencial (1) nos queda:

 CAP ITULO 2. MODELOS MATEMATICOS

dUT = memoria UT (t) dt dUT = memoria dt UT (t) dUT = memoria dt UT (t) ln(UT (t)) = memoria t + c UT (t) = UT (0)ememoria t 1 KT (t) = (1 KT (0))ememoria t

KT (t) = 1 (1 KT (0))ememoria t

(2.1.2)

La soluci on de la ecuaci on diferencial (1), es la ecuaci on (2). Gr acamente la ecuaci on (2) se puede ver en la gura 1, en donde KT (0) = 0,2 y memoria = 0,7 es la curva de color verde, KT (0) = 0,2 y memoria = 0,4 es la curva de color azul.

Figura 2.1: Conocimiento a trav es del tiempo de dos estudiantes Por otra parte la ganancia normalizada de aprendizaje se obtiene de la siguiente forma:

 CAP ITULO 2. MODELOS MATEMATICOS

g (KT (0)) =

KT (tinstr ) KT (0) 1 KT (0) 1 (1 KT (0))ememoria tinstr KT (0) g (KT (0)) = 1 KT (0) (1 KT (0))(1 ememoria tinstr ) g (KT (0)) = 1 KT (0)

g (KT (0)) = 1 ememoria tinstr

(2.1.3)

Figura 2.2: Ganancia normalizad de aprendizaje a trav es del tiempo de dos estudiantes Gr acamente la ecuaci on (3) se puede ver en la gura 2, en donde memoria = 0,7 es la curva de color rojo, y memoria = 0,4 es la curva de color azul.

2.2.

MODELO SIMPLE CONECTADO

Es un modelo con orientaciones constructivistas, basado en que cada estudiante aprende por medio de alg un conocimiento previo, si este conocimiento previo es alto al aprendizaje ser a m as r apido de lo contrario el el aprendizaje es m as lento. Para este modelo el aprendizaje es proporcional a tres factores que son UT (t) , KT (t) y conectado que es la habilidad que desarrolla el alumno para su aprendizaje, conectando en su memoria alg un contenido que ya sabe con la clase o el discurso del profesor. El modelo propuesto viene dado por: dUT = conectado UT (t)KT (t) = conectado UT (t)(1 UT (t)) dt (2.2.1)

 CAP ITULO 2. MODELOS MATEMATICOS

Figura 2.3: La gura muestra el modelo de simple conectado donde s olo la fracci on de color rojo es la que nos
sirve

Desarrollando la ecuaci on (4) se obtiene: dUT = conectado dt UT (t)(1 UT (t)) dUT = conectado dt UT (t)(1 UT (t)) UT (t) ) = conectado t + c ln( 1 UT (t) 1 KT (t) = ec econectado t KT (t) 1 KT (t) = c 1 + e e conectado t

()

Al evaluar KT (0) se obtiene que ec =

1 KT (0) reemplaz andolo en (*) KT (0) 1 (1 KT (0))econectado t 1+ KT (0) (2.2.2)

KT (t) =

La soluci on de la ecuaci on diferencial (4), es la ecuaci on (5). Gr acamente la ecuaci on (5) se puede ver en la gura 4, en donde KT (0) = 0,2 y conectado = 0,3 es la curva de color verde, KT (0) = 0,2 y conectado = 0,6 es la curva de color azul, y KT (0) = 0,1 y conectado = 0,7 es la curva de color rojo.

 CAP ITULO 2. MODELOS MATEMATICOS

Figura 2.4: Conocimiento a trav es del tiempo de tres estudiantes Luego la ganancia normalizada de aprendizaje viene dado por: KT (tinstr ) KT (0) 1 KT (0) (1 KT (0))(1 econectado tinstr ) (1 KT (0))econectado tinstr 1+ KT (0) g (KT (0)) = 1 KT (0) g (KT (0)) =

g (KT (0)) =

KT (0)econectado tinstr 1 (1 KT (0)) + KT (0)econectado tinstr

(2.2.3)

Se tiene que la ecuaci on (6) es la ganancia normalizada de aprendizaje del modelo simple conectado.

Figura 2.5: Ganancia normalizada de aprendizaje trav es del tiempo de tres estudiantes