Browsing by Author "Yunis Poza, Leyla Nicole"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Incorporación de resúmenes automáticos para la retroalimentación del trabajo en clases masivas
    (2021) Yunis Poza, Leyla Nicole; Nussbaum Voehl, Miguel; Pontificia Universidad Católica de Chile. Escuela de Ingeniería
    La alta demanda por acceder a la educación superior ha generado que las instituciones implementen large classes. Así la implementación de aprendizajes activos, como problem-based-learning, se han complejizado considerando que el profesor debe atender las necesidades individuales de sus estudiantes. Esto es un desafío para el profesor, ya que no cuenta con herramientas para entregar retroalimentación personalizada. El objetivo de este trabajo es estudiar cómo apoyar al profesor a entregar retroalimentación oportuna a alumnos de un large class en el desarrollo de problem-based-learning. Para alcanzar este objetivo, se propuso un modelo que combina feedforward con un andamiaje realizado con una herramienta de síntesis automáticas, y feedback entre pares. Así el profesor entrega feedforward con comentarios a nivel general, y un peer anónimo dentro del large class entrega feedback personalizado. Los resultados muestran que el profesor a pesar de no otorgar un feedback personalizado, si puede otorgar un formative feedforward enriquecido, gracias al resumen generado por la herramienta de síntesis automática. Por otro lado, se observa que los estudiantes valoraron positivamente las instancias de entregar y recibir feedback. Finalmente, se evidencia un aumento progresivo y significativo de las habilidades de pensamiento crítico. Considerando el vacío bibliográfico respecto al uso posterior que los profesores pueden otorgar a los reportes de las herramientas de síntesis automáticas, este trabajo aporta al desarrollo de estrategias de feedforward. Tomando en considerando la experiencia con la pandemia por COVID-19, este trabajo también aporta con el modelo propuesto pues puede ser implementado íntegramente online en entornos síncronos y asíncronos, lo que se propone de trabajo futuro.
  • Thumbnail Image
    Item
    Using scaffolded feedforward and peer feedback to improve problem-based learning in large classes
    (2022) Rodríguez Palma, María Fernanda; Nussbaum, Voehl Miguel; Yunis Poza, Leyla Nicole; Reyes Torres, Tomás Hernan; Joublan Rocamora, Jean Paul Andre; Navarrete Ramírez, Patricio Ignacio; Alvares Da Silva, Danilo
    © 2022 Elsevier LtdThe growing demand for access to higher education has seen institutions turn increasingly towards large classes. Implementing active, problem-based learning in this context can be difficult as it requires the lecturer to attend to every student's individual needs. Given the lack of tools for providing personalized feedback, this represents a significant challenge. The aim of this study is to see how best to support lecturers in giving timely feedback to students in a large class during problem-based learning. To meet this goal, we propose a model that combines feedforward, scaffolded using an automated summarization tool, with peer feedback. In this sense, the lecturer first provides feedforward through a series of general comments before an anonymous peer gives personalized feedback. The results show that, despite not giving personalized feedback, the lecturer is able to provide enriched formative feedforward thanks to the summary generated by the automated system. Furthermore, in more qualitative terms, the students show that they appreciate the opportunity to both give and receive feedback. Finally, the students' critical thinking skills are also shown to improve progressively from one activity to the next. Given the research gap regarding how lecturers use the reports generated by automated summarization tools, our study contributes to the literature by proposing a strategy for lecturers to use such reports to provide feedforward. Additionally, this study also contributes to the literature by proposing a model that can be fully integrated in both synchronous and asynchronous online learning.