Indicators of ADHD symptoms in virtual learning context using machine learning technics

Abstract

This paper presents a user model for students performing virtual learning processes. This model is used to infer the presence of Attention Deficit Hyperactivity Disorder (ADHD) indicators in a student. The user model is built considering three user characteristics, which can be also used as variables in different contexts. These variables are: behavioral conduct (BC), executive functions performance (EFP), and emotional state (ES). For inferring the ADHD symptomatic profile of a student and his/her emotional alterations, these features are used as input in a set of classification rules. Based on the testing of the proposed model, training examples are obtained. These examples are used to prepare a classification machine learning algorithm for performing, and improving, the task of profiling a student. The proposed user model can provide the first step to adapt learning resources in e-learning platforms to people with attention problems, specifically, young-adult students with ADHD

Cet article présente un modèle d’utilisateur type chez les étudiants inscrits en mode d’apprentissage virtuels. Ce modèle est utilisé pour prévenir chez les élèves la présence de Troubles et Déficits d’Attention causés par l’Hyperactivité (TDAH). Le modèle est construit pour prendre en compte trois caractéristiques de l’utilisateur qui peuvent aussi être utilisées comme variables dans différents contextes. Ces variables sont : la conduite et comportement (CC), la performance (P) et l’état émotionnel (EE). Pour déduire le profil symptomatique de TDAH d’un étudiant et de ses altérations émotionnelles, ces fonctionnalités sont utilisées comme données dans un ensemble de règles de classification. Ces exemples sont utilisés pour préparer un algorithme d’apprentissage automatique de classification et permettent d’améliorer l’analyse du profil d’un élève. Le modèle d’utilisateur type peut offrir la première étape pour l’adaptation des ressources d’apprentissage aux plates-formes d’enseignement à distance pour des personnes atteintes de troubles de l’attention, en particulier chez les jeunes étudiants atteints de TDAH

Este artigo apresenta um modelo de usuário para o desempenho dos estudantes nos processos de aprendizagem virtual. Este modelo é usado para inferir a presença de indicadores de Déficit de Atenção com Hiperatividade (TDAH) em um estudante. O modelo de usuários é construído considerando três características dos usuários, as quais podem também ser usadas como variáveis em diferentes contextos. Essas variáveis são: conduta de comportamento, desempenho de funções executivas e estado emocional. Para inferir o perfil sintomático do TDAH de um estudante e seus/suas alterações emocionais, estas características são usadas como entrada em um modelo de regras de classificação. Baseado no teste do modelo proposto, exemplos de treinamento são obtidos. Esses exemplos são usados para preparar um algoritmo de desempenho da preparação da classificação, e melhorar, a habilidade de perfilar um estudante. O modelo do usuário proposto pode prover o primeiro passo para adaptar os recursos de aprendizagem nas plataformas de aprendizagem virtual para pessoas com problemas de atenção, especificamente, estudantes que são adultos-jovens com TDAH

Este artículo presenta un proceso de modelado de usuario, específicamente un modelado de estudiante, en un ambiente virtual de aprendizaje, que permite inferir la presencia o no de síntomas del Déficit de Atención e Hiperactividad (TDAH). El modelo de usuario es construido teniendo en cuenta tres características del estudiante: Conducta de comportamiento (BC), Rendimiento de funciones ejecutivas (EFP), y estado emocional (ES). Para inferir si un estudiante puede tener un perfil asintomático de TDAH, se usa un grupo de reglas de clasificación que usan los resultados obtenidos en cada característica como datos de entrada para su funcionamiento. Basados en las pruebas del modelo propuesto, se obtiene un grupo de entrenamiento que es usado para preparar un algoritmo de aprendizaje automático, el cual podrá realizar y mejorar la tarea de crear el perfil para cada estudiante de acuerdo a si presenta o no síntomas del TDAH o problemas de atención. Esto, puede ser el primer paso para ofrecer recursos de aprendizajes adaptados a las necesidades educativas de estudiantes que presenten este trastorno