El cerebro de Betty

Betty's Brain es un entorno de software creado en la Universidad de Vanderbilt por el Grupo de Agentes Teachable para fomentar la comprensión de las habilidades metacognitivas en los estudiantes y ayudarlos a aprender unidades curriculares de ciencias, como ecosistemas de estanques, cambio climático y termorregulación del cuerpo humano. Es un sistema de razonamiento cualitativo que utiliza una estructura causal de nodos y enlaces, donde los conceptos actúan como nodos y los enlaces entre conceptos representan relaciones causales. Estos modelos causales ayudan a los estudiantes de secundaria a construir y razonar con modelos científicos complejos.

El sistema se centra específicamente en reforzar las denominadas habilidades de aprendizaje autorregulado (AAR), que promueven tanto el autocontrol como la autoevaluación, tal como cabría esperar de un aprendiz independiente.

El sistema se centra en un personaje principal, Betty, quien ha pedido a los estudiantes que le expliquen un proceso científico. De esta manera, Betty's Brain se diferencia de un sistema clásico de tutoría inteligente (ITS) y adopta el paradigma de aprendizaje mediante la enseñanza (LBT), donde las interacciones de los agentes informáticos se centran en completar una tarea principal no relacionada con la adquisición de conocimientos específicos del dominio.

Más recientemente, el nivel de inteligencia artificial de Betty se ha modificado considerablemente para aumentar la interactividad con los estudiantes. La tarea de Betty consiste en interactuar con los estudiantes como lo haría un buen aprendiz, alguien con habilidades de autorregulación. Al incorporar retroalimentación relacionada con estas habilidades de autorregulación, hemos demostrado que los estudiantes son capaces de obtener mejores resultados en futuras tareas de aprendizaje.

Los estudios actuales se centran en el aula de quinto grado con aproximadamente 100 alumnos. Además, desde julio de 2007, el sistema se está desarrollando para integrarse directamente en el currículo escolar para el próximo semestre, incluyendo herramientas como Front of the Class Betty, desarrollada en la Universidad de Stanford .

Desde 2018, se ha utilizado en numerosos experimentos para evaluar la eficacia de la creación y el análisis de modelos dinámicos para la enseñanza en áreas científicas. En varios estudios sobre Betty's Brain realizados por Biswas y colaboradores, se capacitó a estudiantes mediante la creación de modelos del ciclo del oxígeno en un ecosistema acuático y, posteriormente, se les evaluó mediante la creación de modelos del ciclo del nitrógeno en un ecosistema terrestre. Esta técnica, denominada prueba de transferencia , es una técnica estándar en experimentos de aprendizaje. En ambas actividades, se presentaron los sistemas con recursos y el lenguaje de modelado fue el lenguaje de diagramas cualitativos integrado en el sistema. Los controles experimentales pusieron a prueba diversas hipótesis para determinar qué funcionaba y qué no. Este es un entorno potente para empezar a comprender la eficacia de las simulaciones . Otros sistemas útiles para estudiar los efectos del modelado en el aprendizaje son IQON y Colab .

1. Biswas, G., Leelawong, K., Schwartz, D., & Vye, N. (2005). Aprender enseñando: Un nuevo paradigma de agentes para software educativo. Applied Artificial Intelligence, 19, 363-392.
2. Leelawong y Biswas, 2008. Diseño del aprendizaje mediante agentes docentes: El sistema Betty's Brain. Revista Internacional de Inteligencia Artificial y Educación, 18(3), 181-208.
3. Biswas, G., Segedy, JR y Bunchongchit, K. (2016). Del diseño a la implementación y a la práctica: un sistema de aprendizaje mediante la enseñanza: Betty's Brain. International Journal of Artificial Intelligence in Education, 26(1), 350-364.
4. Segedy, JR, Kinnebrew, JS y Biswas, G. (2015). Uso del análisis de coherencia para caracterizar comportamientos de aprendizaje autorregulado en entornos de aprendizaje abiertos. Journal of Learning Analytics, 2(1), 13-48.
5. Kinnebrew, J., Segedy, JR y Biswas, G. (2017). Integración de técnicas basadas en modelos y en datos para el análisis de comportamientos de aprendizaje en entornos de aprendizaje abiertos. IEEE Transactions on Learning Technologies, 10(2), 140-153.

https://web.archive.org/web/20110706031533/http://www.vanderbilt.edu/magazines/vanderbilt-magazine/2008/03/bettys_brain_motivates_learning/