Mapa cognitivo neutrosóficopara analizar la contaminación sonora y su relación con el aprendizaje de los estudiantes

Autores/as

  • Tula Carola Sánchez García Universidad Nacional Mayor de San Marcos
  • Lozano Pedro Sánchez Cortez Universidad Nacional Mayor de San Marcos

Palabras clave:

Contaminación sonora, aprendizaje, mapa cognitivo neutrosófico, incertidumbre, interpretabilidad de la información

Resumen

La contaminación sonora tiene implicancias en los aprendizajes de los estudiantes y causa efecto muy nocivo en ambientes ruidosos sobre todo en el rendimiento académico; es que el ruido tiene la capacidad de atraer involuntariamente nuestra atención y, por lo tanto, es disruptivo en relación con las tareas que podemos estar realizando en un determinado momento. Entre los efectos negativos destacan, además de déficit de atención, aumento de la tasa de errores, imprecisión y falta de calidad en las respuestas emitidas, estados generales de ansiedad y sensación global de cansancio, que les causa inquietudes y altera la comunicación, tal factor son los ruidos de impacto tales como claxon, escapes de transportes, propaganda callejera.La productividad se da en función inversa al ruido que haya alrededor, es decir, a mayor ruido menor será el rendimiento de una persona. Dentro del oído, existen unas células sensoriales auditivas no mayores a 18 mil en cada oído, y pierden su capacidad de renovación debido a sonidos demasiados fuertes, y es una lástima ya que las otras células sensoriales como las de la lengua, nariz y el ojo, que constantemente se están renovando. Como consecuencia docentes y estudiantes elevan el tono de la voz, repiten el mensaje que se propone dar, terminado con disfonías o ronqueras frecuentes.Por tal motivo el objetivo del presentetrabajo es desarrollar un mapa cognitivo neutrosófico para analizar la contaminación sonora y su relación con el aprendizaje de los estudiantes.

Descargas

Publicado

2019-09-04

Cómo citar

Mapa cognitivo neutrosóficopara analizar la contaminación sonora y su relación con el aprendizaje de los estudiantes. (2019). Neutrosophic Computing and Machine Learning. ISSN 2574-1101, 9(5), 44-52. https://fs.unm.edu/NCML2/index.php/112/article/view/54