1. Sistemas de soporte para ambientes
virtuales de aprendizaje, basados en
agentes inteligentes
Pilar Alexandra Moreno1
Universidad Nacional Abierta y a Distancia
UNAD Colombia
pilar.moreno@unad.edu.co
Erika María Sandoval Valero2
Universidad Nacional Abierta y a Distancia
UNAD Colombia
erika.sandoval@unad.edu.co
Carlos Alberto Rojas López3
Universidad Nacional Abierta y a Distancia
UNAD Colombia
carlosa.rojas@unad.edu.co
RESUMEN
Los lectores encontrarán avances de la propuesta y parte del desarrollo del proyecto de
investigación denominado “Agente inteligente como sistema de soporte para ambientes
virtuales de aprendizaje”, el cual pretende ofrecer a la comunidad académica de la
Universidad Nacional Abierta y a Distancia (UNAD), el proceso para crear un modelo de
agente inteligente como apoyo a estudiantes en ambientes virtuales de aprendizaje, sirviendo
como soporte y orientación en el campus virtual de la institución. El artículo está estructurado
en los siguientes ítems: introducción, metodología, avances del desarrollo, conclusiones y
bibliografía.
1
Ingeniera de Sistemas. Especialista en Aprendizaje Autónomo. Magister en E-learning. Docente universitario-investigador.
Experiencia en análisis, diseño y desarrollo de sistemas informáticos en áreas empresariales, administrativas y académicas.
Ponente en eventos nacionales e internacionales, relacionados con temas de Ingeniería de Software, AVA y TIC aplicadas a
la educación.
2
Ingeniera de Sistemas. Especialista en Gerencia de Sistemas informáticos. Especialista en entornos virtuales de
aprendizaje. Tesista de maestría en software libre y estudios de maestría en entornos virtuales de aprendizaje. Docente
investigador universitario en las áreas de Ingeniería de software y TIC aplicadas a la educación.

2. El tipo de investigación que se está desarrollando es aplicada, basada en la utilización de
conceptos y avances en los campos de la inteligencia artificial, los ambientes virtuales de
aprendizaje y sistemas de soporte, para desarrollar una innovación tecnológica, tipo sistema
inteligente como alternativa de solución a las necesidades de soporte que presentan los
estudiantes de la UNAD en el campus virtual.
Palabras claves - Agentes inteligentes, inteligencia artificial, ambientes virtuales de
aprendizaje (AVA), sistemas de soporte y orientación, consejería virtual, tecnologías de la
información y la comunicación (TIC)
ABSTRACT
Readers will find excerpts of the proposal and development of the research project entitled
"Intelligent Agent as a support system for virtual learning environments", which aims to provide
the academic community of the National Open and Distance University (UNAD), the process to
create a model of intelligent agent to support students in virtual learning environments, serving
as support and guidance in the virtual campus of the institution. The paper is structured in the
following items: introduction, methodology, development progress, conclusions and
bibliography.
Keywords. Intelligent agents, artificial intelligence, virtual learning environments (VLE),
support and guidance systems, virtual counseling, information technology and communication
(ICT)
3
Especialista en Gerencia de Sistemas Informáticos, Ingeniero de Sistemas. Experiencia como programador e ingeniero de
software así como en investigación. Docente catedrático en ingeniería y tecnología de sistemas. Ponente en eventos
nacionales e internacionales, relacionados con temas de Ingeniería de Software

3. I. INTRODUCCIÓN
La educación virtual ha roto el paradigma que calificaba la educación como una actividad que
se debía realizar única y exclusivamente a través de la interacción presencial, de sus actores,
convirtiéndose en una formación, completamente flexible, llenando un espacio vacío existente
en el entorno educativo tradicional y en el entorno social; el mayor de ellos es sobrepasar el
espacio y el tiempo.
A medida que han ido apareciendo nuevas herramientas y tecnologías, la educación virtual ha
dejado de ser una enseñanza que con la ayuda de la tecnología, las computadoras, cámaras
Web y herramientas de multimedia, es impartida a través de Internet. La educación virtual es
el espacio perfecto para promover la interacción con otras culturas, desarrollar habilidades
investigativas, crear ambientes de colaboración, diseñar estrategias de aprendizaje y
compartir experiencias y conocimientos.
Surgen una serie de dificultades, como lo es el crecimiento de las diversas aplicaciones de
información, comunicación y estructuración de contenidos, pero con una integración
relativamente pobre, lo cual conlleva al desarrollo de herramientas que suplan este problema.
Una pregunta importante es ¿estas herramientas son adecuadas?, y si son adecuadas se
debe profundizar en otras áreas, como la Inteligencia artificial, con el fin de crear sistemas
mas dinámicos, interactivo y que propicien un aprendizaje colaborativo.
La inteligencia artificial es un campo de estudio donde convergen muchas áreas como la
computación, física, matemáticas, psicología, sociología, lingüística, biología, las cuales en un

4. ambiente tradicional no tendrían puntos en común, ni enfoques teóricos en discusión.
Actualmente la inteligencia artificial no es un área exclusiva para la computación o la
electrónica, o está enfocada en la robótica, ya se habla de sistemas expertos, autómatas
celulares, computación cuántica, agentes autónomos y una infinidad de conceptos aplicados a
producir soluciones de hardware y de software, teniendo este último una ventaja considerable
ya que ha permitido crear una gran cantidad de seres, aplicaciones y entornos que simulan a
los reales.
Analizando, ahora, en la UNAD, su campus virtual cuenta con una población de más de
15.000 estudiantes, los cuales desarrollan sus procesos formativos, ofreciéndose
aproximadamente 450 cursos a través de esta mediación; para atender las necesidades de
estos actores, la Consejería Virtual de la UNAD ha creado un “Sistema de Soporte” que brinda
apoyo y orientación tanto pedagógica como técnica, la cual es dada exclusivamente a través
de espacios asincrónicos, denominados Foros de Atención, sin que exista en la actualidad
ningún sistema estandarizado de ayudas que agilicen las respuestas a consultas de temas
reiterativos que hacen los estudiantes. La Consejería se encuentra frente a un servicio cuyas
necesidades han rebasado enormemente su capacidad de respuesta tal y como se demuestra
en el Informe del Sistema de Soporte y Consejería Virtual (UNAD, 2009), según el cual para
agosto de 2009, el personal de la Consejería había atendido 19.967 usuarios de campus
virtual, con un total de 367.381 registros en los Foros de Atención mencionados
anteriormente. En este mismo informe se evidencia la gran cantidad de temas o discusiones
abiertas por los usuarios, las cuales, por la naturaleza de la herramienta tecnológica utilizada

5. para atender las consultas, es decir el Foro, deben ser respondidas por escrito e
individualmente por los operarios de la Consejería.
Por otro lado, en el mencionado informe (UNAD, 2009) se recogieron otros datos que
evidencian aún más las debilidades del sistema para dar respuesta a los estudiantes de
Campus Virtual, entre dichos datos resaltan los siguientes: (1) el tiempo establecido como
límite máximo para recibir atención es 48 horas y las respuestas están demorando hasta 124
horas, (2) la misma situación puede ser consultada y atendida varias veces en diferentes
espacios, (3) los estudiantes obtienen respuestas diferentes de acuerdo a la persona
encargada de brindar el soporte.
Todo lo anterior llevó a la realización de una investigación completa al sistema de consejería
virtual en 2010. Dicho estudio se denominó “Temática de las Consultas de Consejería Virtual,
UNAD Colombia. Tipología y Jerarquización” (Moreno y Rotundo, 2010). Los resultados
obtenidos evidenciaron que el sistema de soporte de la consejería virtual de la UNAD
presenta en la actualidad debilidades que le dificultan atender de manera eficiente las
necesidades de la comunidad virtual de aprendizaje a la que sirve, especialmente las de los
estudiantes, quienes son los usuarios principales del servicio. Además, dicho estudio
establece como recomendaciones:
a) Implementar el menú de ayudas para uniformar y normalizar las respuestas dadas al
estudiante y atender de forma automática las consultas recurrentes, es decir aquellas que se
repiten varias veces. Sólo implementando un sistema de ayuda inteligente, el sistema de

6. consejería virtual daría respuesta de manera estandarizada y automatizada a
aproximadamente 10.000 consultas.
b) Crear un espacio en el campus virtual de acceso público que contenga opciones
estandarizadas en el menú de ayuda.
c) Utilizar la tipología obtenida para desarrollar una herramienta de declaración de errores.
d) Sistematizar el proceso de declaración de errores y sustituir el foro de atención por una
herramienta automática donde el estudiante no tenga que escribir problemas sino
seleccionarlos de un menú o sistema inteligente.
Según la literatura consultada, la incapacidad de los sistemas de soporte de responder a las
necesidades de los estudiantes en línea genera en ellos altos niveles de frustración e incide
negativamente en su desempeño, llegando algunas veces a ocasionar el abandono de los
cursos. (Davidson-Shivers y Rasmussen 2006, Borges 2005, Simonson, Smaldino, Albright y
Zvacek 2006).
Al terminar este proyecto, se pretende obtener una propuesta de agente inteligente para el
campus virtual donde los estudiantes tendrían un apoyo dirigido con mayor precisión a los
problemas de mayor frecuencia que afectan su proceso de aprendizaje, el cual, a su vez,
permita aplicar los principios del aprendizaje auto dirigido y la búsqueda de soluciones de
manera independiente, tan importante para la educación a distancia.
El estudio de esta problemática es factible debido a que existen registros de los datos
obtenidos de la tipología y jerarquización de consultas en los espacios asíncronos de la

7. Consejería Virtual y se cuenta con acceso irrestricto a esta información. Por otro lado, se ha
realizado como primer paso un estado del arte que permitirá determinar cuál es el modelo de
agente inteligente más apropiado para el campus virtual, asegurando que el alcance de la
investigación es también factible de manejar en el tiempo y los recursos propuestos para la
investigación.
Por todo lo anterior se ha establecido como formulación del problema a solucionar: ¿Cómo
diseñar un modelo de agente inteligente que permita el apoyo y orientación de estudiantes en
ambientes virtuales de aprendizaje y que sirva como sistema de soporte y orientación del
campus virtual Unad?
II. METODOLOGÍA DEL PROYECTO
Para poder llevar a cabo el objetivo propuesto en el proyecto de investigación: “Desarrollar un
modelo de agente inteligente para el apoyo a estudiantes en ambientes virtuales de
aprendizaje, que sirva como sistema de soporte y orientación en el campus virtual UNAD.”, se
presenta la siguiente metodología de trabajo.
El estudio corresponde a una investigación aplicada, en tanto se basa en la utilización de los
conceptos y desarrollos teóricos dados en los campos de la inteligencia artificial, los
ambientes virtuales de aprendizaje y en sistemas de soporte, para desarrollar un sistema tipo
inteligente como alternativa de solución a las necesidades de soporte que presentan los
estudiantes de la UNAD en el campus virtual, tomándose así como investigación aplicada
para el desarrollo de una innovación tecnológica.

8. La realización del proyecto se fundamenta en el análisis e investigación independiente de los
tipos más comunes de agentes inteligentes y técnicas de inteligencia artificial y su relación
con los sistemas de soporte para ambientes virtuales de aprendizaje, a través de un cuadro
comparativo donde se tengan en cuenta aspectos tales como: aplicabilidad, efectividad,
compatibilidad, rendimiento, versatilidad, y facilidad de programación.
De otro lado, el estudio también corresponde a un desarrollo tecnológico porque a lo largo de
la investigación se desarrollará un sistema tipo agente inteligente, en donde se evidencie la
aplicación de los modelos estudiados en el modelo resultante. En el momento el proyecto se
encuentra en el la segunda fase de desarrollo de todo el proceso, en la Figura 1 se muestran
las diferentes etapas que se han trazado para cumplir los objetivos planeados.
Figura 1. Esquema de trabajo por etapas
A manera de detalle cada etapa comprende:

9. Primera etapa. Realizar el estado del arte sobre agentes inteligentes y servicios de apoyo al
estudiante en ambientes virtuales de aprendizaje, el cual permitirá el cumplimiento del primer
objetivo relacionado con la determinación del tipo de agente inteligente apropiado para
desarrollar un sistema de apoyo a estudiantes de ambientes virtuales de aprendizaje. Además
se presenta y justifica el tipo de agente inteligente a utilizar en el diseño del sistema de
apoyo. En esta primera etapa se obtendrá como resultado el estado del arte como tal, el cual
se considera un producto conceptual.
Segunda etapa. De acuerdo al análisis y comparación cualitativa entre los agentes
inteligentes estudiados y su relación con los tipos de servicio de apoyo a estudiantes en
ambientes virtuales de aprendizaje y una vez seleccionado el tipo de agente inteligente a
implementar, se realiza el diseño del modelo de agente inteligente para el sistema de apoyo y
orientación a estudiantes en ambientes virtuales de aprendizaje. De tal forma que el producto
de esta etapa es el modelo es en sí mismo y corresponde a un producto de carácter
conceptual.
Tercera etapa. En esta etapa se determinan los componentes hardware, software y demás
requisitos que deben contemplarse en el desarrollo del sistema inteligente, acuerdo al modelo
de agente inteligente seleccionado y a las necesidades de consulta de los estudiantes en
campus virtual. Aquí se realiza un proceso de análisis de datos e información referente a las
necesidades de consulta de los estudiantes del campus virtual Unad, de acuerdo a la
jerarquía y tipificación de las temáticas de consulta obtenidas en el estudio “Temática de las
Consultas de Consejería Virtual, UNAD Colombia. Tipología y Jerarquización” (Moreno 2010),

10. el cual antecede a este proyecto y se convierte en la fuente de información principal en cuanto
a las necesidades y principales temáticas de consulta de los estudiantes del campus virtual
Unad. En esta etapa se genera el diseño como tal del sistema inteligente. Este producto es
conceptual.
Cuarta etapa. Se realiza la construcción del prototipo funcional del sistema inteligente que se
propone para el campus virtual de la UNAD, de acuerdo con el diseño establecido. El producto
como tal es el prototipo de sistema de agente inteligente, considerado como un producto
tecnológico. De acuerdo a las normas para construcción de prototipos de llevarán a cabo las
pruebas requeridas para el afinamiento del mismo, aclarando que se harán de forma
independiente, sin llegar a implementarlo y probarlo en el campus virtual de la UNAD.
Quinta etapa. Esta es la última fase del proceso, en donde de forma contundente se dará
respuesta a la formulación del problema ¿Cómo diseñar un modelo de agente inteligente que
permita el apoyo y orientación de estudiantes en ambientes virtuales de aprendizaje y que
sirva como sistema de soporte y orientación del campus virtual Unad?. En esta etapa se
realizará la sistematización completa del proceso de ingeniería del software llevado a cabo en
el diseño del modelo de agente inteligente para el sistema de apoyo y orientación a
estudiantes en ambientes virtuales de aprendizaje. Esta sistematización será un producto de
carácter conceptual y pedagógico. Aquí se confirmará la pertinencia del proyecto en cuanto a
los aportes a la Ingeniería del software, a nivel de modelado y diseño del sistema inteligente.

11. En cuanto a los instrumentos a aplicar, en esta investigación no se hace necesario ningún
instrumento de recolección de datos, ni guión de encuesta ni cuestionario con escala Likert, ya
que los datos ya existen: la información fue recogida durante los dos últimos años en los
Foros de la Consejería Virtual de la UNAD Colombia, donde los estudiantes habían publicado
sus consultas durante todo este tiempo. Esta información ya existente se denomina datos
secundarios y se constituye como base para el análisis en esta investigación: “Los datos
secundarios son datos que ya han sido recopilados por otras personas con sus propios
instrumentos o para propósitos diferentes (Thames Valley University, 2009) al de un
investigador”. Los datos secundarios que se constituyen la muestra de la investigación, por
otro lado, son válidos ya que, de acuerdo a la clasificación de Krysik (2005) son del nivel
“micro”, es decir que provienen de una fuente oficial, en este caso de la Vicerrectoría de
Medios y Mediaciones Pedagógicas de la UNAD como unidad en donde se realizó la
investigación que recopiló.
Por último, como fuentes secundarias, el tema se fundamenta en resultados de
investigaciones preliminares, desarrollos de software anteriores, consultas en revistas
científicas, académicas, ponencias, materiales escritos como libros, tutoriales y guías, así
como en páginas Web relacionadas con el tema.
III. AVANCES DE LA INVESTIGACIÓN
La primera parte de la investigación consiste en consolidar un estado de arte que permita el
diseño de un modelo de agente inteligente para el servicio de apoyo a estudiantes en
ambientes virtuales de aprendizaje, haciendo el estudio de teorías, casos de éxito e

12. investigaciones que se han publicado para resolver problemas similares a los determinados
en esta investigación.
Existen diferentes conceptos de la inteligencia artificial, cada una de ellas nos conducen a
definir dos aspectos básicos de la Inteligencia Artificial: entender y modelar sistemas
inteligentes y construir máquinas inteligentes. El primero de ellos da una visión científica de
la IA y el segundo ingenieril. Para José Cuena, [Cuena, 1997] la IA puede verse desde dos
perspectivas, como Ciencia, entendiendo la naturaleza de la inteligencia, y como Ingeniería,
construyendo artefactos que presentan una conducta inteligente. Juan Pazos [Pazos et
alt., 1997] afirma que la IA como Ciencia trata del estudio del comportamiento inteligente,
siendo su fin conseguir una teoría de la inteligencia que explique la conducta que observa
en seres de naturaleza inteligente y que guíe la creación de entes artificiales capaces
de alcanzar dicho proceder inteligente. Por otra parte, como Ingeniería la IA se ocupa de
los conceptos, la teoría y la práctica para la construcción de máquinas inteligentes. En
[Nilsson, 1971] se integra el concepto de Ciencia e Ingeniería, considerando que la IA tiene
como objeto el estudio del comportamiento inteligente en las máquinas. A su vez, el
comportamiento inteligente supone percibir, razonar, aprender, comunicarse y actuar
en entornos complejos. El concepto de IA se considera tan amplio que usualmente se
divide en dos clases, que [Kremer, 2001] explica con definiciones simples y concretas:
- IA débil. Maquinas que pueden actuar como si fueran inteligentes.
- IA fuerte. Máquinas que actúan inteligentemente con mentes reales y
conscientes.

13. Pensar que la IA pueda igualar o superar la inteligencia humana es difícil, hay
capacidades como el arte y las emociones que no se pueden imaginar en máquinas (IA
fuerte). Tal vez IA no debería ser comparada a la mente humana. El objetivo, sin
embargo, es conseguir una IA tan provechosa como sea posible y no simplemente
copiar el cerebro humano (AI Débil). [Rich y Knight, 1991] utiliza la definición de IA débil y
su uso en computadoras para determinar que el objetivo de la IA es estudiar cómo hacer
posible que los computadores realicen tareas que, por el momento, hacen mejor los
humanos. Este concepto guía el propósito de esta tesis, ya que se quiere construir un
sistema inteligente que, cooperando con los humanos y basándose en sus conocimiento,
optimice los resultados de una tarea crítica que actualmente realizan usando solo su
inteligencia.
Para llevar a cabo el objetivo global de la IA, esta se ha dividido en una serie de áreas de
investigación, cada una con unos propósitos específicos que permiten aportar
conocimientos y métodos particulares que ayudan al cumplimento de la meta general.
Entre estas están las redes neuronales artificiales, el procesamiento del lenguaje natural, la
visión artificial, el reconocimiento de formas, la robótica inteligente y los sistemas basados
en el conocimiento. Uno de los ejemplos más claros de IA débil serían los sistemas
basados en el conocimiento, entre los que se encuentran los sistemas expertos y los
sistemas de tutorización inteligentes.
Los Sistemas Basados en el Conocimiento centran su arquitectura y funcionamiento en
la visión cognoscitiva, es decir, de estructuración del conocimiento. Dentro de esta

14. estructura se puede distinguir la visión constructivista de los Sistemas de Tutorización
Inteligentes que pretenden que el utilizador, en general estudiante o aprendiz, guíe su
propio proceso de aprendizaje, mientras que los Sistemas Expertos tienen una visión
conductista dando una respuesta razonada a estímulos o factores externos.
Para el desarrollo del agente de esta investigación, el tipo de sistema concreto es el que
encierra a los Sistemas Basados en el Conocimiento, los cuales tratan problemas complejos
en un dominio determinado y necesitan un elevado conocimiento sobre el mismo. Sus
principios fundamentales son: Emulación de la capacidad de resolución del ser humano,
Utilización de las mismas fuentes del conocimiento que utiliza el experto humano y la
Aplicación a un dominio específico.
[Guida y Tasso, 1994] clasifica los Sistemas Basados en el Conocimiento según el papel
que realiza en el entorno en términos de responsabilidades y tareas. Esta
clasificación es la siguiente:
-
- Sistema soporte: Sistema que ayuda al usuario en su toma de decisiones pero no lo
remplaza. La responsabilidad última es del usuario, el sistema actúa como asesor o
consultor ofreciendo conocimientos y competencias.
- Sistema prescriptivo: Sistemas que dirigen al usuario en la ejecución de una tarea o
en la toma de decisiones. Necesita la participación del usuario, aunque el sistema puede
dirigir y controlar. La responsabilidad, en consecuencia, es compartida. Mejoran la
calidad del trabajo y reducen el tiempo de ejecución.

15. - Sistema autónomo: Sistemas que no interactúan con el usuario, sino que lo
remplazan, son autónomos en sus decisiones, por tanto la responsabilidad final es del
sistema.
[Waterman, 1986], por su parte, incide en el grado de evolución del sistema, es decir, en el
estado en que se encuentra respecto a su posible uso o aplicación. Su clasificación es la
siguiente:
- Prototipo de demostración: Sistema reducido que se utiliza para presentaciones y
demostraciones y hace referencia a un sistema más completo que está sin
desarrollar, aunque si especificado. Muestra que el futuro sistema será viable
solucionando una porción del problema.
- Prototipo de investigación: Sistema mediano que funciona de manera aceptable pero que
debe ser revisado y probado. Es una versión inicial del futuro sistema.
- Prototipo de campo: Sistema mediano o grande que está siendo probado en un entorno
real y responde a las expectativas.
- Modelo de producción: Sistema de gran tamaño ya probado en un entorno real de
usuario y que ha conseguido buenos resultados y responde a las necesidades de
eficiencia y calidad requeridas.
- Sistema comercial: Sistemas con las mismas características del modelo de
producción y que están siendo utilizados regularmente.

16. Los anteriores apartes han mencionado algunos de los aspectos más representativos en
cuanto a las generalidades y la clasificación de los sistemas inteligentes, enfatizando en los
sistemas basados en el conocimiento, dando como resultado que los autores del proyecto
estudien una de las siguientes posibilidades como solución para desarrollar el agente:
1. Diseño de un modelo de agente en el cual se puedan enlazar los clústers o jerarquías de
consultas que se establecieron como trabajo previo, con perfiles o estereotipos de estudiantes
(consultantes), de tal forma que con base en ello se pueda evaluar una técnica de aprendizaje
automático que permita hacer matching o emparejamiento, y de esta forma obtener la
respuesta adecuada a la pregunta o situación consultada.
2. Contando con la tipología y jerarquización de consultas atendidas en la consejería virtual y
el sistema de soporte de la Unad, es viable una solución vía estructuración de información con
sus respectivos mecanismos de navegación. Es decir, la implementación de una metodología
de refinamiento iterativo de preguntas, recorriendo la jerarquía hasta llegar a la pregunta
específica que se necesita solucionar. Aquí se pueden tener en cuenta las características y
perfiles del estudiante, usuario del sistema de soporte, ya que la respuesta dependería de
quién está preguntando, con esto se apuntaría a generar una respuesta personalizada.
3. Si la información no depende de las características del usuario, es diseñar un mecanismo
de búsqueda en el texto, tipo Google, o usar un esquema tipo recomendador de contenidos.
Para ello se establecería un mapa jerárquico de preguntas, a modo de sistema de Preguntas

17. Frecuentes - FAQ estructurada y una interfaz para navegarla; aprovechando que las
respuestas están predefinidas para cada pregunta.
Pensando en un sistema más inteligente involucraría, por ejemplo, opciones como:
- Un modelo en donde el usuario pudiera plantear la pregunta en lenguaje natural (español)
y el sistema le presentara las preguntas que cree se acercan a lo que está preguntando.
- Un modelo del usuario, que vaya registrando incidencias y sugiriendo áreas donde el
estudiante tiene o ha tenido problemas, de tal forma que el sistema le presente las
posibles soluciones y sugerencias de más temas o cosas por aprender.
- Optar por framework y/o herramientas ya construidas, que por sus características, se
pueda adaptar a un ambiente de aprendizaje virtual. Básicamente son plataformas
completas basadas en agentes para la colaboración, con aplicación al caso particular de
educación. En este caso, el diseño dependería de las especificaciones y requerimientos
propios de la herramienta seleccionada.
El trabajo que sigue consistirá en realizar un sistema de caracterización de las anteriores
alternativas, estableciendo parámetros tales como facilidad, pertinencia, tiempo de desarrollo,
costos, accesibilidad, adaptabilidad y otros más; para así contar con un marco de referencia
que ayude en la toma de decisiones en cuanto a la mejor opción de trabajo a seguir.

18. IV. CONCLUSIONES
La propuesta presentada en este artículo representa un gran aporte investigativo de las líneas
mencionadas: Ingeniería de software, Inteligencia artificial y Ambientes virtuales de
aprendizaje, puesto que los proyectos de este tipo son muy pocos.
El proceso investigativo generará productos de diferente índole:
- Cognitivos: estado del arte, modelo de agente inteligente para soporte a estudiantes en
ambientes virtuales de aprendizaje, el cual corresponde a un producto de carácter
conceptual, diseño del agente inteligente,
- Tecnológicos: prototipo de sistema de agente inteligente, sistematización completa del
proceso de ingeniería del software
- Pedagógico: proceso de ingeniería de software para el desarrollo del agente.
El diseño de un modelo de agente inteligente para el servicio de apoyo a estudiantes en
ambientes virtuales de aprendizaje, permitirá obtener el conocimiento experto necesario para
el desarrollo del agente inteligente, el cual se convierte en gran riqueza personal como
investigadores, para el equipo de trabajo y para el programa, también en general, para los
ingenieros de sistemas quienes pueden conocer varios aspectos del proceso que no son
tratados en los currículos universitarios, de esta manera pueden ampliar sus capacidades
profesionales orientándolos así, en los procedimientos utilizados en el desarrollo de sistemas
inteligentes para soporte.

19. BIBLIOGRAFÍA
[1] Bananthy, B.B. (1987). Instructional Systems Design. In Davidson-Shivers, G., y
Rasmessen, K. (2006). Web Based Learning: Design, Implementation and Evaluation (pp.
19). New Jersey: Pearson Education.
[2] Davidson-Shivers, G., y Rasmessen, K. (2006). Web Based Learning: Design,
Implememntation and Evaluation. Upper Saddle River, New Jersey: Pearson Education.
[3] Fernández Manjón, Baltasar y otros. “Sistema de ayuda inteligente mediante integración
de tecnologías y reutilización de la información”. Universidad Complutense de Madrid
(2005). Pág 26-36.
[4] Hecking, M., Kemke, C.. Nessen, E., Dengler, D., Gutmann, M., Hector, G., 1988. Tite
SINIX Consultant - A Progress Report. Memo Nr. 28. University of Saarlndes, Saarbriicken,
Germany.
[5] Hernández, R., Fernández, C. y Baptiste, P (1991). Metodología de la Investigación.
McGraw-Hill Interamericana de México, S.A. de C.V.
[6] Institute for Higher Education and Policy. (2002). Benchmarks for Success in Internet-
Based Distance Education. In Moore, M., y Kearsley, G. (2005).
[7] Kearsley, G., 1988. Online Help Systems: Design and Implementation. Ablex Publishing
Corporation, Norwood, New Jersey, USA.
[8] Kearsley, G. (2004). Online help systems: design and implementation. In Gil, A., y García,
F.J. (2002). Sistemas de apoyo en línea al usuario (pp. 19).
[9] Keegan, D. (2003). The role of student support services in elearning systems. Retrieved
from: http://www.fernuni-hagen.de/ZIFF/ZP_121.pdf

20. [10] Krysik, J. (2005). Research for Effective Social Work Practice. In Hernández, R.,
Fernández, C. y Baptiste, P (2007). Capítulo 7. Metodología de la Investigación. Cuarta
edición. Retrieved from: http://fespinoz.mayo.uson.mx/capitulo7.pdf
[11] Morten, Fagerberg y Rekkedal (2005). Student support systems for online education
available in NKI’s integrated systems for Internet based learning.
[12] Moreno, P y Rotundo, M. (2010). Temática de las Consultas de Consejería Virtual, UNAD
Colombia. Tipología y Jerarquización. Unad Florida.
[13] Rekkedal y Qvist-Eriksen, 2003. Student Support, a critical factor for success. Retrieved
from: http://learning.ericsson.net/socrates/doc/conf/sss_rome_rekkedal.doc
[14] Tashakkory, A. y Teddlie, C. (1998). Mixed methodology; Combining qualitative and
quantitative approaches. (pp 19). London, Sage Publications.
[15] Thames Valley University (2009). Secondary data collection. Retrieved from:
http://brent.tvu.ac.uk/dissguide/hm1u3/hm1u3text2.htm
[16] UNAD Colombia (2009). Informe Sistema de Soporte y Consejería Virtual.
[17] Winkels, R., Breuker, J., den Haan, N., 1991. Principles and Practice of Knowledge
Representation in EUROHELP. En Proceedings of the International Conference of the
Learning Sciences. Evanston, Illinois.
[18] Wilensky, R., Arens Y., Chin 0., 1984. Talking to Unix in English: an overview of UC.
Communications of the ACM, Vol. 27, No.6.