Analysis of stress and academic-sports commitment through Self-organizing Artificial Neural Networks (Análisis del estrés y el compromiso académico-deportivo mediante Redes Neuronales Artificiales Auto-organizativas)

Abstract


 Objective: The objective of this research was to understand the relationships between the variables resilience, coping, commitment and stress in the academic and sports fields, and their differences based on varied personal typologies. Material and Methods: A selective research methodology was used, with a retrospective ex-post-facto design. The sample was made up of 190 men between the ages of 13 and 17, athletes and students of Compulsory Secondary Education (ESO), Baccalaureate and Middle Grade Vocational Training. Results: The artificial intelligence technique SOM, allowed to identify in an autonomous way three clusters of athletes with psychological and sociodemographic characteristics similar to each other and different from those of the rest. Task coping was positively related to resilience and commitment and negatively to stress whereas emotion-oriented coping was positively related to stress. Conclusions: Athlete students tend to use the same coping strategies when facing stressful situations that they use in their sports practice. The levels in the variables analysed depend on the type of student and athlete, which can be used to identify risk groups and carry out interventions for their improvement. 
 Resumen. Objetivo: El objetivo de esta investigación fue conocer las relaciones entre las variables resiliencia, afrontamiento, compromiso y estrés en el ámbito académico y deportivo, y sus diferencias en función de diferentes tipologías personales. Material y Métodos: Se empleó una metodología de investigación selectiva, con un diseño ex-post-facto retrospectivo. La muestra estuvo formada por 190 varones de edades comprendidas entre los 13 y los 17 años, deportistas y estudiantes de Educación Secundaria Obligatoria (ESO), Bachillerato y Formación Profesional de Grado Medio. Resultados: La técnica de inteligencia artificial SOM, permitió identificar de un modo autónomo tres clústeres de deportistas con características psicológicas y sociodemográficas semejantes entre sí y distintas a los del resto. El afrontamiento de tarea se relacionó positivamente con la resiliencia y el compromiso y negativamente con el estrés y el afrontamiento centrado en la emoción se relacionó positivamente con el estrés. Conclusiones: Los estudiantes deportistas tienden a emplear en el entorno académico las mismas estrategias de afrontamiento ante situaciones de estrés que usan en su práctica deportiva. Los niveles en las variables analizadas dependen de la tipología de estudiante y deportista, lo cual puede servir para identificar grupos de riesgo y realizar intervenciones para su mejora.

The Impact of Artificial Intelligent in Education toward 21st Century Skills: A Literature Review

“…Providing adaptive teaching strategies in the classroom mean the goal of intelligent tutoring systems is to suggest lessons and activities that are appropriate for teaching needs (Aldeman et al, 2021;Bellod et al, 2021). Lampos et al (2021) analyzed the responses and characteristics of the students to make recommendations for teachers of autistic students regarding effective communication methods.…”

Estrés en deportistas universitarios: revisión de la EEAD en jóvenes mexicanos

“…Trabajos previos con la EEAD han confirmado que dicho instrumento es sensible para la detección de relaciones entre el estrés deportivo y otras variables como el estrés académico, el afrontamiento, el compromiso y la resiliencia (Carratalá et al, 2021). En este estudio se incluyó un análisis de validez convergente con la escala de estrés percibido (Cohen et al, 1983;Dubuc-Charbonneau y Durand-Bush, 2015;Moen et al, 2015); al efectuarlo, dicho análisis mostró una correlación media y significativa (r = 0.574, p < 0.001) con la escala EEAD.…”

“…Esta se compone de 15 ítems con un recorrido tipo Likert con cinco alternativas de respuesta; presenta una confiabilidad reportada de 0.88 y fue desarrollada con el apoyo de participantes de diferentes categorías deportivas, desde junior (12 años) hasta máster (mayor a 30 años), gracias a los cuales se cuenta con su reporte de baremos por puntos de corte. En estudios recientes, ha sido empleada para conocer las relaciones entre el estrés deportivo con el académico y otras variables como la resiliencia, el afrontamiento y el compromiso en función de tipologías personales con deportistas españoles de educación secundaria, bachillerato y formación profesional, mostrando relaciones significativas negativas con el afrontamiento a la tarea y positivas con el afrontamiento emocional (Carratalá et al, 2021). Asimismo, se ha empleado para evaluar la influencia del estrés en el origen de lesiones en voleibolistas españoles con una edad media de 23 años, encontrando que es significativamente mayor en mujeres que en hombres (Reyes-Gómez y Pérez-Farinós, 2020).…”

Apoyo de las tecnologías de IA en el aprendizaje, la enseñanza, y la evaluación en los contextos de la educación

“…Los sistemas de tutoría inteligentes están diseñados para recomendar contenidos y métodos de enseñanza ajustados a las necesidades específicas de cada alumno (Aldeman et al, 2021;Bellod et al, 2021;McCarthy et al, 2016;Weragama & Reye, 2014). Por ejemplo, Luo (2018) y Standen et al (2020) implementaron sistemas de IA que utilizan datos de sensores multimodales para identificar estados afectivos de los estudiantes, ayudando a los profesores a optimizar la presentación del contenido y las técnicas de enseñanza.…”