| Revista: | Revista signos |
| Base de datos: | CLASE |
| Número de sistema: | 000539245 |
| ISSN: | 0035-0451 |
| Autors: | Graesser, Arthur C1 Greenberg, Daphne2 Frijters, Jan C3 Talwar, Amani2 |
| Institucions: | 1University of Memphis, Memphis, Tennessee. Estados Unidos 2Georgia State University, Atlanta, Georgia. Estados Unidos 3Brock University, Saint Catharines, Ontario. Canadá |
| Any: | 2021 |
| Període: | Dic |
| Volum: | 54 |
| Número: | 107 |
| Paginació: | 1089-1114 |
| País: | Chile |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | 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 |
| Resumen en inglés | A large percentage of adults throughout the world have low reading skills. Computer technologies can potentially help these adults improve their literacy in addition to instructors at literacy centers. AutoTutor was designed to teach comprehension strategies by implementing conversational ‘trialogues’ in which two computer agents (tutor and peer) hold spoken interactions with the adult about words, sentences, and text in digital lessons. The agents model comprehension strategies, ask questions, and give feedback on adult answers. AutoTutor records in log files the adults’ performance, namely the time and accuracy of answering questions in the conversation. We assessed the value of AutoTutor in a study with 52 adult literacy students in the United States and Canada who interacted with AutoTutor as part of a 4-month intervention with human instructors. Performance in AutoTutor was tracked at four theoretical discourse levels (words, explicit textbase, conceptual situation model, rhetorical structure) and also engagement, with an objective psychometric measure of comprehension skill both before and after the intervention. The results showed that AutoTutor provides nuanced performance and engagement measures that predicted comprehension improvements and can be used to guide formative assessment for instructors |
| Disciplines | Literatura y lingüística |
| Paraules clau: | Literatura y sociedad, Alfabetización de adultos, AutoTutor, Agentes conversacionales, Enseñanza de la comprensión, Niveles de discurso |
| Keyword: | Literature and society, Adult literacy, AutoTutor, Conversational agents, Comprehension training, Discourse levels |
| Text complet: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
