Este documento describe un generador de conjuntos de objetos de aprendizaje (OAs) para el dominio informático basado en perfiles de usuario. Presenta la introducción, marco conceptual, definición del problema, requerimientos, diseño e implementación de una aplicación web que genera rutas de aprendizaje personalizadas a partir de las competencias y objetivos de aprendizaje declarados por los usuarios. La aplicación integra algoritmos de generación de conjuntos de OAs y una ontología mejorada para categorizar y relacionar los tópicos del dominio.

1. Generador de Assemblies de Objetos de Aprendizaje
para el Dominio Informático Basado en Declaración de
Perfil Profesional
Javier Calvo Marinkovich
Profesor Guía: Carlos Becerra Castro

2. Tabla de Contenidos
• Introducción.
• Marco Conceptual y Estado del Arte.
• Definición del Problema.
• Especificación de Requerimientos.
• Diseño.
• Implementación.
• Muestra de la Aplicación.
• Pruebas, Resultados y Análisis.
• Implantación.
• Conclusiones.

3. Introducción
• En la Actualidad existe una gran cantidad de recursos educativos,
formalmente denominados como Objetos de Aprendizaje (Oas), en
el dominio informático en la web.

4. Introducción
• El problema radica en el
esfuerzo que demanda la
selección y organización de los
recursos resultantes.
• Esto hace necesario el
desarrollo de una aplicación
web que provea al usuario
combinaciones, estructuradas y
personalizadas de OAs.

5. Marco Conceptual y Estado del Arte
• Conceptos Fundamentales
– Objetos de Aprendizaje (OAs): Son definidos como una
entidad, digital o no digital, que puede ser usada para
aprendizaje, educación o entrenamiento [1].
– Assemblies de OAs: Son agrupaciones lógicas y jerárquicas
de OAs, con las cuales se busca satisfacer una necesidad
específica en el aprendizaje.
– Ontología: Es una especificación formal de una
conceptualización compartida [2].
– Algoritmos de Generación de Assemblies: Son algoritmos
específicamente desarrollados para generar assemblies de
OAs.

6. Marco Conceptual y Estado del Arte
• Técnicas y Enfoques
Técnica o Enfoque Fundamentos Composición Especificidad
de OAs
SeLeNe [9] Se basa en una comunidad de Automática. Nula, de
cooperación para la creación y propósito
descripción de Oas. general.
Semantic-based Se utiliza el problema de cobertura de Automática. Nula, de
Automated Composition of conceptos para proponer un algoritmo propósito
Distributed Learning Objects para la composición y secuenciación general.
for Personalized E-Learning de OAs.
[10]
Lecture Composer [12] Se modifica un algoritmo que Automática. Nula, de
soluciona el problema de cobertura de propósito
conceptos para lograr la composición general.
y secuenciación de OAs.
Dynamic Assembly of Repositorios de metadatos de OAs, Automática. Total, diseñado
Learning Objects [13] utilizando LOM, IMS y RDF. para enseñar
WebSphere.

7. Marco Conceptual y Estado del Arte
• Técnicas y Enfoques
Técnica o Enfoque Fundamentos Composición Especificidad
de Oas
VICE [16] Utiliza ontologías importadas para Parcial. Nula, de
manejar los metadatos, permitiendo propósito
al usuario enriquecer la descripción general.
del dominio.
Knowledge Puzzle [17] Utiliza ontologías, elementos de la Automática. Nula, de
minería de texto e inteligencia propósito
artificial. general.
TEXCOMON [19] Utiliza minería de texto para analizar No aplica. Nula, de
documentos en inglés y a partir de propósito
ello generar ontologías en OWL. general.

8. Marco Conceptual y Estado del Arte
• Técnicas y Enfoques
Técnica o Enfoque Fundamentos Composición Especificidad
de Oas
Decision Support Models Utiliza matrices y grafos para Automática. Nula, de
for Composing and modelar pre-requisitos y secuenciar propósito
Navigating through E- OAs, además usa modelos de general.
learning Objects [20] programación entera en la
composición de OAs.
An Information Architecture Se adapta una arquitectura de tres Automática. Nula, de
to Support Dynamic capas y se utiliza IMS en conjunto propósito
Composition of Interactive con una jararquía de OAs definida. general.
Lessons and Reuse of
Learning Objects [21]

9. Definición del Problema
• Problema
– Cuando un usuario recurre a la web por OAs no tiene
seguridad si éstos serán de utilidad para llevar a cabo el
aprendizaje, requiriendo que éste invierta tiempo y esfuerzo en
determinar la correspondencia de los Oas y también en la
organización jerárquica de dichos recursos educativos.

10. Definición del Problema
• Solución
– Desarrollar una aplicación web de búsqueda y composición
de Oas, que entregue a sus usuarios distintas rutas de
aprendizaje (Conjunto de Oas). Todo esto basado en lo que
desea aprender el usuario y el conocimiento que éste ya
posee.

11. Definición del Problema
• Objetivos
– Desarrollar una aplicación web que entregue distintos
conjuntos de OAs en el dominio informático a partir de lo que
el usuario desea aprender y el conocimiento que adquirió
anteriormente.
• Lograr la integración del algoritmo de categorización, ya creado,
con la aplicación.
• Mejorar a nivel relacional la ontología existente en el dominio del
conocimiento informático, incluyendo dependencia de tópicos.
• Integrar algoritmos de generación aportados por los usuarios de la
aplicación.
• Validar la efectividad de la aplicación desarrollada.

12. Definición del Problema
• Metodología

13. Especificación de Requerimientos
• Requerimientos Funcionales
Código Requerimiento
RF-1 El administrador de la aplicación puede importar descripciones de OAs.
RF-2 El sistema debe cetegorizar por tópicos las descripciones de OAs importadas.
RF-3 El administrador de la aplicación puede crear, modificar, eliminar y buscar
cuentas de usuarios.
RF-4 El administrador e investigador pueden importar algoritmos de generación de
assemblies a la aplicación. Este algoritmo debe ser desarrollado
en java y empaquetado en un ‘‘.jar’’ según las especificaciones establecidas en
el manual de la aplicación.
RF-5 El administrador e investigador pueden eliminar algoritmos de generación
existentes en la aplicación.
RF-6 El administrador e investigador podrán seleccionar el algoritmo de generación a
utilizar en la confección de la solución.

14. Especificación de Requerimientos
• Requerimientos Funcionales
Código Requerimiento
RF-7 Todos los usuarios pueden buscar OAs, a partir de una consulta basada en
tópicos del dominio.
RF-8 Todos los usuarios deben declarar las competencias que poseen para realizar
una búsqueda. Estas competencias se declaran como tópicos del
dominio.
RF-9 Todos los usuarios deben declarar el tópico del dominio deseado para realizar
una búsqueda.
RF-10 La aplicación debe generar las soluciones a partir de las declaraciones de los
usuarios.
RF-11 Todos los usuarios pueden visualizar las soluciones generadas por la
aplicación.
RF-12 Todos los usuarios pueden exportar las soluciones a SCORM.

15. Especificación de Requerimientos
• Requerimientos No Funcionales
Código Requerimiento
RNF-1 La interfaz de usuario de la aplicación debe incorporar elementos que faciliten
la operación de la aplicación. Esto se medirá a partir del tiempo requerido para
llevar a cabo una tarea.
RNF-2 La aplicación debe soportar un mínimo de 5.752 conexiones concurrentes, con
un óptimo de 11.5041. Se considera como conexión concurrente
al número de sesiones abiertas en la aplicación en un momento dado.
RNF-3 La aplicación deberá soportar un mínimo de diez mil descripciones de OAs,
con un óptimo de quince mil.
RNF-4 La aplicación debe dar respuesta a las acciones de los usuarios en un tiempo
que no supere los 30 segundos, con un óptimo de 15 segundos.
1 Valores calculados en base al número de docentes existentes de educación media en
Chile, según el anuario desarrollado por el Departamento de Estudios y Desarrollo del
Ministerio de Educación.

16. Especificación de Requerimientos
• Modelo Conceptual

17. Especificación de Requerimientos
• Caso de Uso General

18. Diseño
• Arquitectura
– El modelo arquitectónico seleccionado es el de tres capas,
puesto que dicho modelo encaja de forma perfecta con las
necesidades que deberá satisfacer la aplicación.

19. Diseño
• Subsistemas y Componentes

20. Diseño
• Interfaz Gráfica Gestión de Usuarios

21. Diseño
• Interfaz Gráfica Gestión de Algoritmos

22. Diseño
• Interfaz Gráfica Composición de OAs

23. Diseño
• Ontología

24. Diseño
• Base de Datos Relacional

25. Diseño
• Pruebas
– Pruebas unitarias: Se busca evidenciar la mayor cantidad de
errores en las funcionalidades a nivel atómico.
– Pruebas de integración: Se pretender verificar que los
elementos de la aplicación que funcionan bien aisladamente,
también lo hacen en conjunto. Utilizando el enfoque Bottom
Up.
– Pruebas de aceptación: Se realizan con el objetivo de validar
la aplicación con los usuarios finales de ésta, para ello se han
de estructurar escenarios de utilización, la realización de
encuestas y el cronometrado del tiempo requerido por los
usuarios para completar cada escenario.

26. Implementación
Configuración
Desarrollo algoritmo
acceso a categorizador
datos y
Desarrollo lógica de
Interfaces negocio
gráficas
Mejorar
Ontología

27. Muestra de la Aplicación

28. Pruebas, Resultados y Análisis
• Pruebas Unitarias
– Se verificaron las siguientes
funcionalidades:
• Ingreso a la • Modificar usuario.
aplicación.
• Eliminar usuario.
• Agregar OAs.
• Importar algoritmo.
• Buscar OAs.
• Seleccionar
• Eliminar OA. algoritmo.
• Crear usuario. • Componer OAs.
• Buscar usuario. • Exportar a
SCORM.

29. Pruebas, Resultados y Análisis
• Resultados Prueba Unitaria
– Casos de prueba ejecutados: 24.
– Casos de prueba aprobados: 22.
– Casos de prueba reprobados: 2.
– Casos de prueba reparados: 2.

30. Pruebas, Resultados y Análisis
• Pruebas de Integración

31. Pruebas, Resultados y Análisis
• Resultados Pruebas de Integración
– Casos de prueba ejecutados: 8.
– Casos de prueba aprobados: 8.
– Casos de prueba reprobados: 0.
– Casos de prueba reparados: 0.

32. Pruebas, Resultados y Análisis
• Pruebas de Aceptación
– Se generaron escenarios con distintas tareas a realizar por los
usuarios, estos escenarios se dividieron según las
funcionalidades que tiene asociado cada perfil de usuario en la
aplicación, Administrador, Investigador y Académico.
– Se escogió a diez personas las que se dividieron como sigue:
• Administrador: 4 personas.
• Investigador: 3 personas.
• Académico: 3 personas.

33. Pruebas, Resultados y Análisis
• Resultados Pruebas de Aceptación Perfil Administrador

34. Pruebas, Resultados y Análisis
• Resultados Pruebas de Aceptación Perfil Administrador

35. Pruebas, Resultados y Análisis
• Resultados Pruebas de Aceptación Perfil Investigador

36. Pruebas, Resultados y Análisis
• Resultados Pruebas de Aceptación Perfil Investigador

37. Pruebas, Resultados y Análisis
• Resultados Pruebas de Aceptación Perfil Académico

38. Pruebas, Resultados y Análisis
• Resultados Pruebas de Aceptación Perfil Académico

39. Implantación
• El proceso de implantación incluyo la realización de las siguientes
tareas:
– Instalación paquete de desarrollo de java.
– Instalación servidor de aplicaciones Glassfish.
– Instalación motor de motor de base de datos MySQL.
– Carga de librerías en el servidor de aplicaciones.
– Carga de base de datos necesarias para el funcionamiento de
la aplicación.
– Carga de la aplicación en el servidor de aplicaciones.

40. Conclusiones
• En el trabajo de título que se ha desarrollado se han descrito y
documentado las distintas etapas que se estipularon para brindar
una solución al problema de la búsqueda y composición de
recursos educativos, Oas.
• La aplicación desarrollada es capaz de recibir una declaración
realizada en base a tópicos del dominio informático, generando a
partir es ellos una ruta de aprendizaje la cual entrega
recomendaciones de Oas.
• Dicha aplicación fue sometida a distintas validaciones durante el
proceso de prueba, lo que permitió ir subsanando los defectos que
en ese proceso se develaron.

41. Conclusiones
• Al finalizar las validaciones realizadas en el proceso de pruebas la
aplicación pudo ser implantada en un ambiente real de trabajo.
• Todo lo anteriormente mencionado da pie para aseverar que los
objetivos planteados para el trabajo de título desarrollado han sido
cumplidos a cabalidad.
• Para finalizar es importante vislumbrar las distintas tareas que se
pueden asociar a este trabajo, como lo es la integración del
algoritmo de categorización desarrollado por Pedro Hernandez
[35], el desarrollo de un sistema de categorización social y
también, la creación de un módulo de calificación social de los
Oas.

42. Bibliografía
• [1] Learning Technology Standards Committee. IEEE standard for learning object
metadata. IEEE standard 1484.12.1, 2002.
• [2] Willem Nico Borst. Construction of Engineering Ontologies for Knowledge Sharing
and Reuse. PhD thesis, Universiteit Twente, Enschede, 1997.
• [3] Cecilia M. Curlango Rosas. Learning Object Search Tool Enhancer. Último acceso
23 de abril 2012, http://yaqui.mxl.uabc.mx/~curlango/BOA07/BOA01.html, 2009.
• [4] National Science Foundation's. The National Science Digital Library. Último acceso
23 de abril 2012, http://nsdl.org/.
• [5] School District 60, Open School BC, and BC Open University. The Resource Pool.
Último acceso 23 de abril 2012, http://careo.prn.bc.ca/.
• [6] SMETE Open Federation. Portal SMETE.org. Último acceso 23 de abril 2012,
ttp://www.smete.org/, 1999.
• [7] California State University Center for Distributed Learning. MERLOT: Multi-media
Educational Resource for Learning and Online Teaching. Último acceso 23 de abril
2012, http://www.merlot.org/, 1997.
• [8] California State University. Center for Distributed Learning. Último acceso 23 de abril
2012, http://www.cdl.edu/cdl_home

43. Bibliografía
• [9] Philippe Rigaux and Nicolas Spyratos. SeLeNe Report: Metadata Management and
Learning Object Composition in a Self eLearning Network, 2007.
• [10] Simona Colucci, Tommaso Di Noia, Eugenio Di Sciascio, Francesco M. Doni-ni,
and Azzurra Ragone. Semantic-based automated composition of distributed learning
objects for personalized e-learning. In In European Semantic Web Con-ference
(ESWC), pages 633-648. SV, 2005.
• [11] W3C. OWL Web Ontology Language. Último acceso 23 de abril 2012,
http://www.w3.org/TR/owl-features/.
• [12] Naouel Karam, Serge Linckels, and Christoph Meinel. Semantic composition of
lecture subparts for a personalized e-learning. In Proceedings of the 4th European
conference on The Semantic Web: Research and Applications, ESWC '07, pages 716-
728, Berlin, Heidelberg, 2007. Springer-Verlag.
• [13] Robert Farrell, Soyini D. Liburd, and John C. Thomas. Dynamic assembly of
learning objects. In In World-Wide Web International Conference WWW 2004, pages
162-169. ACM Press, 2004.
• [14] [IMS]. IMS Content Packaging specification v1.1.3 final. Último acceso 23 de abril
2012, http://www.imsglobal.org/content/packaging/index.html

44. Bibliografía
• [15] [W3C]. Resource Description Framework (RDF) Model and Syntax Specification.
Último acceso 23 de abril 2012, http://www.w3.org/TR/1999/REC-rdf-syntax-
19990222, 1999.
• [16] Mario Arrigoni Neri and Marco Colombetti. Ontology-based learning objects
search and courses generation. Appl. Artif. Intell., 23(3):233-260, March 2009.
• [17] Amal Zouaq, Roger Nkambou, and Claude Frasson. An integrated Approach for
Automatic Aggregation of Learning Knowledge Objects. Interdisciplinary Jour-nal of
Knowledge and Learning Objects, 3. Retrieved 16 September, 2007.
• [18] Benjamin Bloom. Taxonomy of educational objectives : the classification of
educational goals. Handbook I, Cognitive domain. David McKay, New York, 1956.
• [19] Amal Zouaq and Roger Nkambou. Building domain ontologies from text for
educational purposes. IEEE Trans. Learn. Technol., 1(1):49-62, January 2008.
• [20] Gerhard F. Knolmayer. Decision support models for composing and navigating
through e-learning objects. In HICSS 03: Proceedings of the 36th Annual Hawaii
International Conference on System Sciences (HICSS 03) - Track1. IEEE Computer
Society, 2003.

45. Bibliografía
• [21] Melanie Kellar, Henry Stern, Carolyn Watters, and Michael Shepherd. An
information architecture to support dynamic composition of interactive lessons and
reuse of learning objects. In HICSS 04: Proceedings of the 37th Annual Hawaii
International Conference on System Sciences (HICSS 04) – Track1. IEEE Computer
Society, 2004.
• [22] GOOGLE. Buscador. Último acceso 05 de mayo 2012, http://www.google.cl.
• [23] Hernán Astudillo, Carlos Becerrra and Marcelo Mendoza. Improving learning
objects recommendation processes by using domain description models. In LACLO
2012 - Séptima Conferencia Latinoamericana de Objetos y Tecnologías de
Aprendizaje – Vol 3, No 1. Comunidad Latinoamericana de Objetos de Aprendizaje,
2012.
• [24] Jhon Reekie and Rohan McAdam. A Software Architecture Primer. Angophora
Press, 2006.
• [25] The Eclipse Foundation. Eclipse Indigo Java EE. Último acceso 18 de julio 2012,
http://www.eclipse.org/downloads/packages/release/indigo/sr2.
• [26] ORACLE. Java Platform Enterprise Edition. Último acceso 18 de julio 2012,
http://docs.oracle.com/javaee/.

46. Bibliografía
• [27] TopQuadrant. TopBraid Composer FREE Edition. Último acceso 18 de julio 2012,
http://www.topquadrant.com/products/TB Composer.html.
• [28] MySql. Community edition 5.5.25. Último acceso 18 de julio 2012,
http://www.mysql.com/products/community/.
• [29] GlassFish Server Open Source Edition. Último acceso 18 de julio 2012,
http://glassfish.java.net/.
• [30] IBM. Information technology - database languages - sql part 1: Framework
(sql/framework). ISO/IEC 9075-1:2008, 2009.
• [31] W3C. SPARQL Query Language for RDF. Último acceso 11 de enero 2013,
http://www.w3.org/rdf-sparql-query/, 2008.
• [32] Apache Software Foundation. Jena. Último acceso 18 de julio 2012,
http://jena.apache.org/index.html.
• [33] ICEsoft Technologies. ICEfaces. Último acceso 18 de julio 2012,
http://www.icesoft.org/projects/ICEfaces/overview.jsf.
• [34] Stuart K. Card, Thomas P. Moran, and Allen Newell. The keystroke-level model for
user performance time with interactive systems. Commun. ACM, 23(7):396–410, July
1980.

47. Bibliografía
• [35] Pedro Hernandez. Desarrollo de un categorizador de objetos de aprendizaje para
el dominio informático basado en jerarquía de conceptos. Universidad de Valparaíso,
2013. Trabajo de Título.