3. Introducción
El uso de la informática en la enseñanza se remonta a
los años 50, aunque realmente es en los últimos años
cuando más relevancia a tomado, pasando de ser una
modalidad de “segunda fila” a ser muy valorada por
todos los sistemas y niveles educativos. Esto provoca
que cada día aparezcan mas sistemas software que
pretenden ayudar a mejorar el proceso educativo y la
administración de organizaciones educaciones.
4. Introducción
e-Learning
“La enseñanza a distancia caracterizada por una
separación espacio/temporal entre profesorado y
alumnado, entre los que predomina una comunicación
de doble vía asíncrona, donde se usa preferentemente
Internet como medio de comunicación y de
distribución del conocimiento, de tal manera que el
alumno es el centro de una formación independiente y
flexible, al tener que gestionar su propio aprendizaje,
generalmente con ayuda de tutores externos”.
(Wikipedia)
5. Introducción
LMS
El entorno de hardware y software diseñado para
automatizar y gestionar el desarrollo de actividades
formativas.
Funciones Principales
• Registrar usuarios
• Organizar catálogos de cursos
• Almacenar datos de los usuarios
• Proveer de informes para la gestión
7. Introducción
Principal Problema
• Dependencia del docente frente al sistema.
Solución
• Inteligencia Artificial.
• Sistemas Multiagente.
8. MAS-PLANG
Sistema orientado a la selección personalizada de los
materiales didácticos, las herramientas de navegación y
las estrategias de navegación del entorno educativo de
acuerdo al estilo de aprendizaje del estudiante, usando
métodos de inteligencia artificial.
Uso de Agentes
• Examinar oportunidades de mejora de la enseñanza.
• Motivar al estudiante a aprender según sus preferencias
en un entorno amigable y lo mas cercano a su estilo de
aprendizaje.
9. MAS-PLANG
Modela al estudiante para poder ofrecer los contenidos didácticos,
las herramientas de navegación y las estrategias de aprendizaje del
estudiante.
Usa los agentes del entorno Habitat pro, una herramienta diseñada
para la personalización de contenidos y prospección de mercados
usando técnicas de Razonamiento Basado en Casos y Reglas de
lógica difusa.
El sistema debe percibe las acciones del estudiante en el entorno de
aprendizaje e interactúa con el sistema para refinar el modelo del
estudiante, al mismo tiempo que filtra los contenidos de acuerdo con
dicho alumno.
10. MAS-PLANG
Uso de Agentes
• Asistente Personal para el Alumno. Formado por una
serie de agentes asistentes cuya función es adaptar los
contenidos y la forma de presentarlos al estudiante.
• Agentes de Información. Actúan como intermediarios
entre los agentes del nivel superior y las bases de datos
del modelo del dominio y del modelo de usuario para
recomendar las unidades docentes adaptadas.
12. MAS-PLANG
Desarrollo
• El sistema MAS-PLANG se ha construido sobre un
entorno multiagente compatible con los estándares de
FIPA utilizando los lenguajes Java, JavaScript, Flash y
XML.
Tipos de Agentes
• Agentes de Nivel Superior (Agentes Asistentes)
• Agentes de Nivel Inferior (Agentes de Información).
13. MAS-PLANG
Agentes de Nivel Superior (Agentes Asistentes)
• El Agente SONIA trata de automatizar algunas tareas
de soporte al aprendizaje, permitiendo al estudiante
programar sus actividades mediante ejemplos o
imitando su comportamiento y adaptándose a él.
• El Agente Sintético SMIT (Synthetic Multimedia
Interactive Tutor) se introduce para presentar los
mensajes que provienen de otros agentes y que están
dirigidos al estudiante.
14. MAS-PLANG
Agentes de Nivel Superior (Agentes Asistentes)
• Los Agentes Monitores supervisan las actividades del
estudiante en el entorno de aprendizaje para generar
información e interactuar directamente con los agentes
recomendadores del HabitatPro.
• El Agente de Navegación organiza mediante su
interacción con el agente de usuario y el agente
didacta, los caminos de navegación a seguir por el
estudiante sobre los contenidos didácticos adaptados a
su estilo de aprendizaje.
15. MAS-PLANG
Agentes de Nivel Inferior (Agentes de Información).
• El Agente Didacta que selecciona las estrategias de
aprendizaje apropiadas al estudiante de acuerdo a su
estilo de aprendizaje.
• El Agente de Usuario construye y mantiene el modelo
del estudiante mediante su interacción con los agentes
monitores de los cuales recibe información para la
actualización de su base de conocimiento.
16. Sistema de Tutores
Inteligentes
• Herramienta cuyo objetivo básico es guiar y asistir al
estudiante durante su proceso de aprendizaje.
• Busca emular el comportamiento de un tutor humano
adaptándose al estudiante e identificando la forma en
que el mismo resuelve un problema a fin de poder
brindarle ayudas cognitivas cuando lo requiera.
17. Sistema de Tutores
Inteligentes
“Es un sistema de software que utiliza técnicas de inteligencia
artificial (IA) para representar el conocimiento e interactúa con los
estudiantes para enseñárselo” (VanLehn, 1988).
“Sistemas que modelan la enseñanza, el aprendizaje, la
comunicación y el dominio del conocimiento del especialista y el
entendimiento del estudiante sobre ese dominio”. (Wolf, 1984)
“Un sistema que incorpora técnicas de IA (Inteligencia Artificial) a fin
de crear un ambiente que considere los diversos estilos cognitivos de
los alumnos que utilizan el programa” (Giraffa, 1997).
18. Sistema de Tutores
Inteligentes
• La habilidad principal de estos sistemas es la capacidad
de adaptación al alumno.
• El sistema debe planificar inicialmente el aprendizaje
de un alumno para un curso y adaptar las evaluaciones
y replanificar dinámicamente las actividades según los
logros alcanzados por el alumno.
• Otro aspecto importante es la selección de forma
personalizada de los materiales didácticos de acuerdo
a las necesidades del alumno.
19. Sistema de Tutores
Inteligentes
Justificación de Uso de Agentes
Observamos de forma clara muchas de las
características deseables de los SMA que justifican el
uso de la tecnología de agentes en este campo
• Inteligencia
• Adaptación
• Aprendizaje
• Personalización
• Cooperación
20. Sistema de Tutores
Inteligentes
• Un ejemplo de este tipo de plataformas de aprendizaje
es el sistema CIA, desarrollado por la Universidad de
Colombia mediante el uso del paradigma Multi-Agente.
• Se encuentra estructurado en cursos, que se dividen en
temas y cada uno tiene asociado varios objetivos que
se pueden alcanzar mediante una o varias actividades.
• Las dos funcionalidades básicas son la planificación de
actividades y la evaluación adaptativa.
21. Sistema de Tutores
Inteligentes
• Cuando un estudiante solicita estudiar un tema
específico, el Agente Planificador debe generar un
programa de actividades con las cuales el alumno logre
los objetivos del curso.
• Una vez realizadas las actividades, el sistema debe
generar un conjunto de preguntas que permitirán
evaluarlas. Tras la validación de los resultados por el
Agente Evaluador, se presentan las respuestas al
estudiante y en caso de no cumplir los objetivos se
debe realizar una replanificación de las actividades.
22. Sistema de Tutores
Inteligentes
Arquitectura
El sistema CIA esta implementado utilizando la
plataforma JADE.
Hace uso de los agentes AMS, DF y RMA además de
los agentes específicos del sistema como los agentes:
• Planificador
• Evaluador
• Estudiante
• Profesor
23. EVA: Aula Virtual
Multiagente
• Un aula virtual es un entorno, plataforma o software a
través del cual el ordenador simula una clase real
permitiendo el desarrollo de las actividades de
enseñanza y aprendizaje habituales.
• El proyecto de investigación EVA, tiene como su meta
el desarrollo de un espacio virtual de aprendizaje,
usando para ello tecnología de agentes.
24. EVA: Aula Virtual
Multiagente
Uso de Agentes
En EVA, agentes se utilizan:
• Como tutores virtuales.
• Para buscar y filtrar información de acuerdo a los
intereses del alumno.
• Para organizar los grupos y actividades de grupo.
• Dar soporte a la creación de Ambientes Virtuales
Distribuidos en VRML/JAVA.
25. EVA: Aula Virtual
Multiagente
Justificación de Uso de Agentes
• El uso de agentes es importante, pues al tratarse de
entornos de educación-cooperativa es necesario que
cuando un usuario entre al sistema tenga la posibilidad
de resolver problemas cooperativamente con otros
usuarios (alumnos o profesores).
26. EVA: Aula Virtual
Multiagente
Tipos de Agentes
• Agente de búsqueda y filtrado de información en
Internet.
• Agente de colaboración.
• Agente asesor personal.
• Agente evaluador.
• Agente de monitor de grupo.
27. EVA: Aula Virtual
Multiagente
Herramientas
• Para el desarrollo de agentes se utilizan las
herramientas: Visual Studio, JAVA, LALO, JATLite para
plataformas Windows y UNIX.
Protocolos de Comunicación
• Arquitectura de comunicación multinivel, haciendo
uso de KQML y el modelo DCOM de Microsoft.
28. Sistema Multiagente
sobre Sakai
Objetivo
Mejorar el entorno de aprendizaje de código abierto
Sakai. Se consigue que la herramienta de aprendizaje
sea:
• Dinámica
• Autónoma
• Proporcione ayuda en la toma de decisiones
Para ello se crea un sistema tutor inteligente, flexible y
abierto.
29. Sistema Multiagente
sobre Sakai
Uso de Agentes
Los agentes se utilizan para las siguientes tareas:
• Como asistentes del alumno: Para mejorar la agenda
personal que proporciona Sakai.
• Como asistentes del profesor: Para realizar un
seguimiento (tanto individual como colectivo) del
progreso de los alumnos matriculados en un curso.
• Realizar un enlace con el SMA y Sakai.
30. Sistema Multiagente
sobre Sakai
Desarrollo
• Sobre la plataforma JADE.
• Utiliza estándares FIPA.
33. Arquitectura
MAS-Virtual
Objetivos
• Mejorar los PLE basados en software libre y dotarlos de
características inteligentes.
• Desarrollado sobre Moodle, con cuatro subsistemas
multiagente.
• Además de agentes inteligentes, se apoya en algoritmos
genéticos y razonamiento basado en casos. Utiliza
también materiales SCORM orientados a estilos de
aprendizaje.
35. Arquitectura
MAS-Virtual
• La Agencia Modeladora del Estudiante (AME) es un
Sistema Multiagente cuyo objetivo es generar y
mantener actualizada una representación abstracta del
estudiante (Modelo del Estudiante).
36. Arquitectura
MAS-Virtual
• La Agencia Selectora de Contenido está basada en un
conjunto de reglas de enseñanza, considerando el
estilo de conocimiento o preferencias de aprendizaje
de los estudiantes.
37. Arquitectura
MAS-Virtual
• La Agencia Organizadora de Grupos impulsa el trabajo
en grupo e incrementa el aprendizaje colaborativo.
38. Arquitectura
MAS-Virtual
• La Agencia de Asistentes Personales está formada por
asistentes que prestarán auxilio en la realización de
tareas repetitivas y tediosas, tales como recordatorios,
avisos, ayuda en el manejo de su agenda personal, etc.
39. Conclusiones
• Los sistemas multiagente mejoran las herramientas
utilizadas en educación.
• Aportan a los LMS características de los SMA:
autonomía, dinamismo, reactividad,
personalización, ...
• Mejorar el proceso de aprendizaje adaptado a cada
alumno, proporcionando información más precisa al
docente.
• Apropiados para educación; entorno en continuo
cambio.
40. Bibliografía
• Francisco J. Arias S, Marcela Jiménez S, Demetrio A. Ovalle C. Multi-Agente basado en la
Web para Planificación Instruccional y Evaluación Adaptativa en Cursos Virtuales. Grupo de
Investigación y Desarrollo en Inteligencia Artificial, Escuela de Ingeniería de Sistemas,
Universidad Nacional de Colombia. Congreso Iberoamericano de Informática Educativa
2008, Nuevas Ideas en la Informática Educativa. 2 - 4 de Diciembre de 2008. Santiago de
Chile
• Leonid Sheremetov, Gustavo Núñez, Adolfo Guzmán. TECNOLOGÍAS DE INTELIGENCIA
ARTIFICIAL Y DE AGENTES COMPUTACIONALES EN LA EDUCACIÓN: EL PROYECTO
EVA. Centro de Investigación en Computación, IPN. [en línea]. [ref. de 8 de Abril de 2010].
Disponible en Web: http://copernico.mty.itesm.mx/bibliotecas/REDII/cic/tmp/CIC2000563.ps
• F. Olivares Fernández. Sistema Multiagente como apoyo a la educación a distancia sobre
una plataforma Sakai. Universidad Politécnica de Valencia [en línea]. [ref. de 20 de Abril de
2010]. Disponible en Web: http://confluence.sakaiproject.org/download/attachments/
38273058/Article+Multiagent
• L. A. Alfaro Casas, SISTEMA E-LEARNING INTELIGENTE. Equipo de investigación del
Proyecto Universidad Virtual de la Universidad Nacional de San Agustín de Arequipa, Perú.
Año 2006. [en línea] [ref. de Mayo 2010]. Disponible en Web: http://
revistas.concytec.gob.pe/pdf/mc/v3n1/a03v3n1.pdf
41. Bibliografía
• Peña, C.I., Marzo, J. L., De la Rosa, J. Ll., Fabregat, R. Un sistema de tutoría inteligente
adaptativo considerando estilos de aprendizaje, IV congreso iberoamericano de informática
educativa, IE2002, Vigo (España), Noviembre 20-22, 2002, ISBN 848158-227-1. [en línea].
[ref. de 07 de mayo de 2010] Disponible en Web: http://eia.udg.es/~clarenes/pdfs/
publicaciones/ribie-udg-2002.pdf
• Pablo Lara Navarra y Josep Maria Duart Montoliu. Gestión de contenidos en el e-learning:
acceso y uso de objetos de información como recurso estratégico. Revista de Universidad y
Sociedad del Conocimiento. Vol. 2 - N.º 2 / Noviembre de 2005. ISSN 1698-580X . [en
línea]. [ref. de 20 de mayo de 2010] Disponible en Web: http://www.uoc.edu/rusc/2/2/dt/
esp/lara.pdf
• Josep M. Plataformas abiertas de e-learning para el soporte de contenidos educativos
abiertos. Revista de Universidad y Sociedad del Conocimiento.Vol. 4 - N.º 4 / 2007. ISSN
1658-580X . [en línea]. [ref. de 20 de mayo de 2010] Disponible en Web: http://
redalyc.uaemex.mx/redalyc/pdf/780/78040109.pdf
• Roberto Barchino, José M. Gutiérrez, Salvador Otón. Panorámica de las Herramientas de
Apoyo a la Teleformación. I simposio pluridisciplinar sobre diseño, evaluacion y descripción
de contenidos educativos reutilizables,. 20-22 de Octubre de 2004, universidad de Alcalá
(Guadalajara). [en línea]. [ref. de 20 de mayo de 2010] Disponible en Web: http://
