Se propone desarrollar un Sistema Multiagente de Razonamiento Basado en Casos para asesorar a estudiantes en problemas de lógica de programación, como declaraciones, ciclos y llamadas a funciones. El objetivo principal es ayudar a los estudiantes a aprender lógica de programación de forma más rápida y colaborativa, aliviando la carga de trabajo de los profesores.

1. Instituto Tecnol´gico y de Estudios Superiores de Monterrey
o
Campus Monterrey
Divisi´n de Electr´nica, Computaci´n, Informaci´n y Comunicaciones
o o o o
Programa de Graduados
Maestr´ en Ciencias en Sistemas Inteligentes
ıa
Propuesta de Tesis
Sistema Multiagente de Razonamiento Basado en Casos para
Facilitar el Aprendizaje Colaborativo
por
Mart´
ınez Ort´ Froylan Alejandro
ız,
933876
Monterrey, N.L., Noviembre de 2004

2. Instituto Tecnol´gico y de Estudios Superiores de Monterrey
o
Campus Monterrey
Divisi´n de Electr´nica, Computaci´n, Informaci´n y Comunicaciones
o o o o
Programa de Graduados
Los miembros del comit´ de tesis recomendamos que la presente propuesta de Mart´
e ınez
Ort´ Froylan Alejandro sea aceptada para desarrollar el proyecto de tesis como requisito
ız,
parcial para obtener el grado acad´mico de Maestro en Ciencias, especialidad en:
e
Sistemas Inteligentes
Comit´ de Tesis:
e
Dr. Leonardo Garrido Luna.
Asesor Principal
Dr. Ramon F. Brena Pinero. Dr. Jose Luis Aguirre Cervantes.
Sinodal Sinodal
Dr. David A. Garza Salazar
Director del Programa de Graduados
Noviembre de 2004

3. ´
Indice
1. Introducci´n
o 1
2. Definici´n del Problema
o 2
3. Objetivos 3
3.1. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.2. Alcances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.3. Objetivos particulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4. Hip´tesis
o 4
5. Marco Te´rico
o 4
6. Metodolog´
ıa 10
7. Plan de Trabajo 10

4. Resumen
Propuesta de Tesis para la Maestr´ en Ciencias con Especialidad en Sistemas In-
ıa
teligentes. Se propone desarrollar un Sistema Multiagente de Razonamiento Basado en
Casos para Facilitar el Aprendizaje Colaborativo, en particular para asesorar a los alum-
nos en sus problemas de l´gica de programaci´n, es decir, los errores que presenten los
o o
alumnos en l´gica de declaraciones, ciclos y llamadas a funciones. Aplicando las t´cnicas de
o e
Inteligencia Artificial (IA), de Razonamiento Basado en Casos (RBC) y Multiagentes, se
pretende desarrollar este sistema para facilitar el aprendizaje colaborativo de los alumnos.
El objetivo principal es asesorar al alumno durante sus ejercicios o tareas de programaci´n.
o
1. Introducci´n
o
La atenci´n que se le da a los alumnos por parte de los profesores, tutores o asesores, es
o
un aspecto muy dif´ de tratar ya que es imposible que exista un tutor por cada uno de los
ıcil
alumnos, para que lo oriente, ayude o le diga como resolver problemas.
Esto afecta directamente al aprendizaje de los alumnos y a su desempe˜o, ya que si
n
hubiera un tutor por cada alumno, que les explicara el porque de sus errores y como hacerlo
correctamente ellos mejorar´ indudablemente su desempe˜o.
ıan n
Este problema ya se ha tratado anteriormente de muchas formas, principalmente
haciendo uso de la inteligencia artificial y la mayor´ de los proyectos realizados est´n
ıa a
basados en: Razonamiento Basado en Casos, L´gica Difusa, Agentes Inteligentes, Sistemas
o
Basados en Conocimiento, Sistemas Expertos y Sistemas tutores inteligentes.
La soluci´n que se propone en est´ trabajo es desarrollar un Sistema Multiagente de
o e
Razonamiento Basado en Casos para Facilitar el Aprendizaje Colaborativo, para propor-
cionar el aprendizaje colaborativo a partir de las asesorias individuales. Y en particular los
problemas de l´gica de programaci´n, es decir, los errores que presenten los alumnos en
o o
l´gica de declaraciones, ciclos y llamadas a funciones.
o
Con lo que se lograr´ ayudar a los alumnos a aprender mucho m´s r´pido la l´gica
ıa a a o
de programaci´n, le quitar´ much´
o ıa ısimo trabajo a los profesores, se elevar´ el promedio
ıa
en general del alumno, y al hacer esto se incrementara el nivel de competitividad de los
alumnos, tambi´n se har´ una gran aportaci´n a la educaci´n a distancia y se obtendr´ una
e ıa o o ıa
base muy buena para implementar sistemas de este tipo para diferentes materias.
1

5. 2. Definici´n del Problema
o
Una de las actividades m´s comunes de un profesor de lenguajes de programaci´n,
a o
es la pr´ctica en la sala de c´mputo, que consiste en la supervisi´n y asesor´ al alumno,
a o o ıa
directamente sobre los programas que est´ realizando. Esta actividad puede considerarse
a
como ben´fica, pues permite que el profesor se adapte a las necesidades de cada alumno,
e
detectando los puntos que no se han entendido as´ como los problemas a los que el alumno
ı
se enfrenta en el aprendizaje del lenguaje. Adem´s, las experiencias y observaciones que el
a
profesor encuentra en este proceso de asesor´ le permiten resaltar los puntos importantes y le
ıa,
proporcionan una retroalimentaci´n con la que puede controlar mejor el desarrollo de su clase.
o
La atenci´n del profesor est´ dividida entre muchos alumnos, por lo que no siempre
o a
bastar´ el tiempo que le dedica a un alumno en particular para resolver sus dudas y el
a
problema se incrementa cuando el grupo es grande.
Cuando el alumno estudia por su cuenta, no tiene al profesor disponible para asesor´
ıa,
cuando el alumno realiza sus tareas o proyectos de programaci´n, normalmente no es durante
o
la hora de clase. Por ello, no siempre puede resolver sus dudas en el momento que surgen,
sino que suele existir un lapso de tiempo desperdiciado entre el momento que surge la duda
y cuando el profesor est´ disponible para resolverla.
a
Este problema, como se ha visto, se presenta cuando el alumno durante su pr´ctica de
a
programaci´n, empieza a tener dudas o problemas, y no cuenta con el profesor para asesorarlo.
o
A toda esta problem´tica tenemos que agregar que los alumnos de carreras tales como
a
Ingenier´ en Sistemas Computacionales, estudian varias materias en donde hacen uso de los
ıa
lenguajes y t´cnicas de programaci´n, por lo que este problema puede presentarse no solo en
e o
una materia sino en varias.
Concluyendo con lo anterior se tienen tres problemas espec´
ıficos:
1. Se necesita una herramienta para cada profesor, que le facilite la asesoria de l´gica
o
programaci´n que imparte a sus alumnos.
o
2. Se necesita una herramienta para cada alumno, que le ayude a resolver sus problemas
de l´gica de programaci´n.
o o
3. Se necesita que exista colaboraci´n entre los conocimientos que tienen todos los alum-
o
nos, para as´ incrementar la capacidad de respuesta para sus problemas de l´gica de
ı o
programaci´n.
o
2

6. 3. Objetivos
3.1. Objetivo general
El objetivo general de este trabajo es desarrollar un Sistema Multiagente de Razon-
amiento Basado en Casos para Facilitar el Aprendizaje Colaborativo. Y en particular los
problemas de l´gica de programaci´n, es decir, los errores que presenten los alumnos en
o o
l´gica de declaraciones, estatutos de decisi´n, ciclos y llamadas a funciones.
o o
3.2. Alcances
Se desarrollar´ una arquitectura multiagente de RBC, ser´ para un solo lenguaje de
a a
programaci´n y solo resolver´ errores de:
o a
Declaraciones de variables y funciones.
Estatutos de decisi´n.
o
Ciclos.
Llamadas a funciones.
3.3. Objetivos particulares
1. Desarrollar un agente inteligente con razonamiento basado en casos que ayude al profesor
a establecer casos de problemas de programaci´n.
o
2. Desarrollar un agente inteligente con razonamiento basado en casos que asesore al alum-
no durante su aprendizaje de programaci´n.o
3. Desarrollar una arquitectura multiagente que integre al agente del alumno y al del
profesor, y que sea totalmente distribuida.
3

7. 4. Hip´tesis
o
Al utilizar una combinaci´n de t´cnicas de RBC con multiagentes se lograr´ facilitar el
o e ıa
aprendizaje colaborativo de problemas de l´gica de programaci´n.
o o
Si los profesores contaran con un agente inteligente que los ayudara a desarrollar ca-
sos de problemas de l´gica de programaci´n les facilitar´ el proceso de asesoria a sus alumnos.
o o ıa
Si un alumno tuviera un agente inteligente que lo asesorara con sus problemas de l´gica
o
de programaci´n tendr´ en todo momento y a la hora que lo necesite: un asesor de l´gica de
o ıa o
programaci´n que le facilitar´ su aprendizaje, al resolver sus problemas.
o ıa
Si se tuviera una arquitectura multiagente que integre al agente del alumno y al del
profesor, y que sea totalmente distribuida se lograr´ un aprendizaje colaborativo y se
ıa
ampliar´ incre´
ıa ıblemente el potencial de este sistema ya que los agentes de cada alumno se
podr´ comunicar con los dem´s agentes de otros alumnos y tambi´n con los agentes de los
ıan a e
profesores y compartir sus conocimientos obteniendo una gran cantidad de casos que elevar´
ıa
su capacidad de respuestas hacia el alumno.
5. Marco Te´rico
o
La IA, es el ´rea de investigaci´n de la cual nacen diferentes desarrollos entre los que
a o
se encuentran los agentes inteligentes que es uno de las ´reas de desarrollo para esta propuesta.
a
Una estrategia de acercamiento de las tecnolog´ a los usuarios, se encuentra en los
ıas
desarrollos que se han realizado de agentes inteligentes, del ´rea de la inteligencia artificial.
a
Son conocidas las met´foras referenciadas por Negroponte respecto a la capacidad de relaci´n
a o
entre las personas y los computadores, en la capacidad de estos de manejar la informaci´n yo
f´
ıltrala seg´n los intereses y necesidades de cada usuario.
u
Existen diferentes definiciones o significados de agentes inteligentes, dependiendo
principalmente del dominio del conocimiento en el cual se refiere. Nos referiremos a agentes
inteligentes como fragmentos de software con caracter´ ısticas humanas que facilitan el
ısticas pueden expresarse desplegando texto, gr´fico, iconos, voz,
aprendizaje. Las caracter´ a
animaci´n, multimedio o realidad virtual.
o
Dos aplicaciones t´
ıpicas de agentes inteligentes son los sistemas tutores inteligentes (STI)
y los ”compa˜ero de aprendizaje”, (learning companion system - LCS). Los STI’s simulan a
n
un tutor autoritario que posee una estrategia de ense˜anza uno a uno, que es un experto en
n
un dominio del conocimiento y act´a como un gu´ tutor o un entrenador. Este tutor, puede
u ıa,
adaptarse seg´n las necesidades del estudiante. Los LCS’s, son agentes pedag´gicos no autori-
u o
tarios, no es experto en un dominio e incluso puede cometer errores. Se adoptan actividades
4

8. de aprendizaje colaborativas o competitivas, como alternativas de un tutor uno a uno. En
alguno de sus roles, puede actuar igual como un tutor, como un capaz estudiante/profesor (es-
tudiante que ense˜a a otros estudiantes), colaborador, competidor, alborotador, cr´
n ıtico o clon.
Estos sistemas pueden ayudar a la labor del docente o del alumno, sin involucrarse
directamente en la actividad instructiva. Un profesor auxiliar, puede proporcionarle al
profesor, la carpeta de aprendizaje de los alumnos, incluso la actuaci´n de aprendizaje, las
o
equivocaciones, nivel de esfuerzo y motivaciones, entre otros aspectos.
Se define un Sistema Tutor Inteligente [10] como aquel sistema capaz de ayudar al
estudiante en el aprendizaje de diversos conocimientos.
Un tutor inteligente es un programa mediante el cual se pretende ense˜ar algunos
n
conocimientos a una persona, teniendo en cuenta su capacidad de aprendizaje y el conocimien-
to que tiene en todo momento sobre esa materia; dicho programa tambi´n debe ser flexible
e
y abierto a las posibles sugerencias del alumno, de igual modo debe guiar al alumno en
su aprendizaje, proporcion´ndole informaci´n y proponi´ndole actividades que, deber´
a o e ıan
confirmar, reforzar o provocar el aprendizaje. En su camino, el alumno puede seguir un unico
´
camino (dise˜o lineal) pero con un ritmo propio, o puede seguir diferentes caminos (dise˜o
n n
ramificado) seg´n su propio proceso de aprendizaje. Son sus respuestas a las actividades
u
propuestas las que act´an como retroalimentaci´n permitiendo al sistema decidir el camino
u o
mas adecuado al estudiante. Existen otros dise˜os pero estos dos son los mas cl´sicos.
n a
El dise˜o de los distintos STI es muy variado, de hecho es muy raro encontrar 2 STI
n
con la misma arquitectura, en este trabajo utilizaremos una arquitectura multiagente de RBC.
RBC es una parte de la inteligencia artificial que se preocupa por el estudio de los
mecanismos mentales necesarios para repetir lo que se ha hecho o vivido con anterioridad, ya
sea por uno mismo, o ya sea por casos concretos recopilados en la bibliograf´ o en la sabidur´
ıa ıa
popular. Los diversos casos son del tipo ”Si X, entonces Y” con algunas adaptaciones y
cr´
ıticas seg´n las experiencias previas en el resultado de cada una de dichas reglas.
u
Los RBC pertenecen al ´rea de la inteligencia artificial y se utilizan para la resoluci´n
a o
de problemas. Se basan en problemas similares ocurridos en el pasado, que se denominan
casos, para encontrar soluciones a los mismos, modificar soluciones existentes y explicar
situaciones an´malas.
o
Frente a otros campos de la inteligencia artificial, los sistemas de razonamiento basado
en casos son capaces de utilizar conocimiento espec´ ıfico de experiencias previas para resolver
un problema. Capturan las caracter´ ısticas de dicho problema, buscan casos hist´ricos con
o
ısticas, analizan las soluciones de estos casos y proponen
valores similares para dichas caracter´
una soluci´n al problema, y finalmente aprenden del problema actual para problemas futuros.
o
El aprendizaje de los casos en un sistema de razonamiento basado en casos re-
quiere m´todos para extraer el conocimiento relevante de la experiencia, integrar el caso en
e
la estructura del conocimiento, e indexar el problema para ser seleccionado en casos similares.
5

9. Los sistemas de razonamiento basado en casos constan de cuatro elementos principales:
1. Base de conocimiento de casos.
Es una base de datos de casos hist´ricos estructurada, que captura problemas reales y
o
sus soluciones. Se dise˜a para almacenar conocimiento y experiencia en el problema.
n
Consta de teor´ principios y clasificaciones del problema, junto con las heur´
ıas, ısticas y
los juicios asociados a cada caso concreto.
2. Librer´ de ´
ıa ındices.
Formada por un conjunto de ´ ındices para buscar y recuperar casos similares al problema
actual. El mecanismo de indexado determina los casos que ser´n seleccionados, mientras
a
que el proceso de recuperaci´n asegura que el caso m´s relevante es seleccionado para
o a
un an´lisis posterior. Existen tres formas de recuperar los casos, usadas conjuntamente:
a
Vecino m´s cercano: el sistema selecciona el caso almacenado en que m´s se parez-
a a
can sus caracter´
ısticas a las del problema en estudio. Las caracter´
ısticas pueden
tener pesos para dar m´s importancia a unas que a otras.
a
Razonamiento inductivo: el sistema ordena los casos en memoria bas´ndose en las
a
caracter´
ısticas que m´s frecuentemente se parecen.
a
Indexado guiado por el conocimiento: el sistema selecciona las caracter´
ısticas m´s
a
relevantes en funci´n de la experiencia, implementada en forma de reglas.
o
3. Medidas de relevancia.
Son un conjunto predeterminado de caracter´ ısticas del problema, generales o espec´
ıficas,
que el sistema usa para asegurar la relaci´n entre el caso actual y los hist´ricos. Con
o o
estas medidas el sistema puede seleccionar y clasificar los casos m´s relevantes.
a
4. M´dulo de explicaci´n.
o o
Es el que permite justificar y explicar el an´lisis completo del problema y las soluciones
a
propuestas, as´ como la semejanza o diferencia entre dicha soluci´n y las de los casos
ı o
hist´ricos.
o
El proceso completo que se realiza en un sistema de razonamiento basado en casos se
puede representar como un ciclo de actividades:
1. RECUPERAR el o los casos m´s parecidos al problema actual. Para ello el sistema
a
utiliza la librer´ de ´
ıa ındices.
2. REUTILIZAR la informaci´n y el conocimiento de dicho caso para intentar resolver el
o
problema.
6

10. 3. REVISAR la soluci´n propuesta si es necesario.
o
4. RETENER la parte util de esta experiencia para ser utilizada en la resoluci´n de
´ o
futuros problemas.
Tanto los sistemas expertos como los sistemas de razonamiento basado en casos son
campos de la inteligencia artificial que usan la b´squeda para llegar a las soluciones admisibles
u
de un cierto problema. La eficiencia y rigor de dicha b´squeda es fundamental para encontrar
u
buenas soluciones. La diferencia m´s importante entre ambos sistemas estriba en la forma
a
de resolver los problemas: en los sistemas expertos se utiliza el razonamiento deductivo a
partir de los datos conocidos, mientras que en los sistemas de razonamiento basado en casos
se utiliza el razonamiento anal´gico, es decir, a partir del problema se usa el conocimiento de
o
casos hist´ricos.
o
Los sistemas expertos se utilizan para aquellos problemas donde:
El entorno del problema es rico en conocimiento del mismo y pobre en experiencias
previas, fundamentalmente por su inviabilidad.
No es f´cil comparar unos problemas con otros.
a
La experiencia se puede implementar en forma de reglas.
No se puede aprender del pasado.
Los sistemas de razonamiento basado en casos se utilizan entonces cuando:
Los problemas se representan mejor en forma de conocimiento del medio que en forma
de reglas.
Es m´s f´cil extraer conocimiento mediante casos ya ocurridos que mediante reglas.
a a
As´ se hace menos costosa la adquisici´n del conocimiento.
ı o
Es necesario incorporar creatividad y sentido com´n para resolver el problema.
u
Se repiten los problemas cada cierto tiempo.
En la actualidad se han desarrollado una gran variedad de proyectos realizados en difer-
entes partes del mundo, que principalmente han tratado su problema con:
Razonamiento Basado en Casos y la L´gica Difusa.
o
Agentes Inteligentes.
Sistemas Basado en Conocimiento.
Sistemas Expertos.
STI’s.
7

11. En Multiagentes y Razonamiento Basado en Casos esta el ”MultiAgent System -
PLANG (MAS-PLANG)”[3] desarrollado para transformar el entorno educativo virtual de
las Unitats de Suport a la Docencia en un sistema hipermedia adaptativo teniendo en cuenta
estilos de aprendizaje. Las t´cnicas de adaptaci´n est´n dirigidas a la selecci´n personalizada
e o a o
de los materiales did´cticos, las herramientas de navegaci´n y las estrategias de navegaci´n
a o o
del entorno educativo de acuerdo al estilo de aprendizaje del estudiante. Para el modelado
del estudiante utilizamos t´cnicas de Inteligencia Artificial como el Razonamiento Basado
e
en Casos y la L´gica Difusa. El sistema est´ en capacidad de categorizar estudiantes de
o a
acuerdo a su habilidad para procesar, percibir, recibir organizar y entender la informaci´n.o
Utilizamos agentes inteligentes para examinar oportunidades de mejora de la ense˜anza yn
para motivar los alumnos a aprender seg´n sus preferencias en un entorno amigable y lo
u
m´s cercano posible a su estilo de aprendizaje. El MAS-PLANG se ha construido bajo el
a
concepto central de un agente inteligente conocido como una entidad software que act´a enu
forma inteligente y semiaut´noma en representaci´n y beneficio del estudiante.
o o
En Sistemas Basado en Conocimiento esta el ”LP-Tutor: An Intelligent Tutoring
System For Linear Programming”[1] que hace uso de t´cnicas y herramientas de sistemas
e
basados en conocimientos. Incluye cuatro modelos de expertos para un comportamiento
inteligente de un STI, que se especificaron como un conjunto de m´dulos basados en reglas e
o
implementaron el uso de Prolog. La capacidad de explicaci´n del este tutor esta basada en
o
protocolos guardados durante la generaci´n de respuestas.
o
En Agentes Inteligentes esta una investigaci´n titulada ”Agentes Inteligentes en Edu-
o
caci´n”[6] que presentan algunas l´
o ıneas de investigaci´n del ´rea, como lo son las interfaces
o a
basadas en agentes inteligentes, agentes pedag´gicos, ”compa˜eros de aprendizaje los
o n 2
hipertextos adaptativos.
En MultiAgentes ”Ense˜anza del equilibrio ´cido-b´sico utilizando la tecnolog´
n a a ıa
multimedia y las t´cnicas de inteligencia artificial”[5] que presenta un sistema para la
e
ense˜anza del equilibrio ´cido-b´sico, generado bajo los principios de la inteligencia artificial
n a a
distribuida, capaz de actuar como un tutor inteligente. El sistema est´ formado por una
a
serie de agentes organizados en una sociedad centralizada, que a trav´s de su interacci´n
e o
le brindan al estudiante la posibilidad de recibir las clases, resolver ejercicios, evaluarse,
navegar libremente por los materiales docentes y consultar sus dudas. El tutorial inteligente
est´ dotado de un curso, conformado por clases con facilidades multimedia, en las que se
a
pueden apreciar gr´ficos, animaciones y problemas; posee adem´s las bases de conocimientos
a a
de cada uno de los sistemas expertos que la componen y fue concebido a partir del uso
del sistema SEU, que a su vez se estructur´ con herramientas de programaci´n visual, en
o o
particular el Borland Delphi, versi´n 2.0, sobre la plataforma de Windows’94.
o
En Redes Bayesianas ”Sistema tutor inteligente Aprender a aprender”[7] que imple-
menta redes bayesianas para la adaptacion y la interface. La implementacion del sistema
esta dividida en dos bloques, la plataforma de desenvolvimento y el dominio espec´ ıfico. La
plataforma de desenvolvimento es una de los componentes: modelo de interface, base de
conocimiento, m´dulo de adaptacion, m´dulo pedag´gico y m´dulo de presentaci´n. Las
o o o o o
redes bayesianas son usadas para hacer la adaptacion de la interface y seguimiento curricular
e escolar de los nuevos conocimientos que se presenten.
8

12. En STI’s ”Sistemas Inteligentes en el ´mbito de la Educaci´n”[11] dan una visi´n
a o o
general de algunas de las actividades que realizan los sistemas inteligentes educativos.
Para favorecer los procesos de aprendizaje en el estudiante muestran dos planteamientos
distintos. Uno, el de realizar una tutorizaci´n guiada mediante un proceso de transmisi´n de
o o
conocimientos a trav´s de estrategias de ense˜anza establecidas. Y otro, el de ofrecer una
e n
presentaci´n de material docente que permita al estudiante adquirir conocimientos a trav´s
o e
de sus propias estrategias de aprendizaje, seg´n un planteamiento ”constructivista”. En
u
particular, muestran los Sistemas Tutores Inteligentes (STI) y los entornos que permiten la
construcci´n de STI con planteamientos did´cticos y pedag´gicos conducidas por la idea de
o a o
una tutorizaci´n guiada. Tambi´n ven los sistemas que incluyen tecnolog´ hipermedia cuya
o e ıa
propuesta se amolda f´cilmente con los planteamientos constructivista. Por otro lado y desde
a
una visi´n no individualizada de la ense˜anza, presentan sistemas que incluyen capacidades
o n
para un aprendizaje colaborativo. Finalmente, se enfocan en ciertos modelos de formaci´n, o
necesarios en ´mbitos de la formaci´n reglada, continua y ocupacional, y las posibilidades de
a o
abordarlos desde la perspectiva tecnol´gica de la IA.
o
En STI’s el ”Sistema Inteligente de Tutorizaci´n Avanzada”[2], que combina la robustez
o
y la ”amigabilidad”de la multimedia en los actuales sistemas de e-learning con la sofisticaci´n
o
y complejidad de los STI. Se presenta un caso real de aplicaci´n de este sistema implementado
o
sobre la plataforma comercial de teleformacion LUVIT y cuyo objetivo es el entrenamiento
de los operadores de la maquinar´ producida por la empresa GEKA.
ıa
En STI’s ”Enfoque Sist´mico y Concepci´n Jer´rquica Multiniveles en los Sistemas
e o a
Tutoriales Inteligentes Multimedia”[8] plantea el problema del perfeccionamiento del proceso
de entrenamiento de los alumnos en la formulaci´n de modelos matem´ticos, se analiza
o a
la importancia de resolver los problemas a partir de los conceptos de la Multimedia e
Hipermedia, Internet, Ense˜anza Problem´tica, de la Cibern´tica y de la Teor´ de Sistemas,
n a e ıa
y finalmente se propone un novedoso m´todo de soluci´n basado en las ideas de los sistemas
e o
tutorial inteligente multimedia para el entrenamiento de estudiantes en la identificaci´n de
o
problemas y del m´todo de soluci´n m´s racional. El sistema act´a como un tutor inteligente
e o a u
que auxilia al estudiante en la identificaci´n de los problemas y m´todos de soluci´n.
o e o
Otros Proyectos:
Sistema con enfoque Pedag´gico, ”Evoluci´n de la ense˜anza asistida por
o o n
computadoras”[4] que pretende hacer una aproximaci´n a la evoluci´n de la ense˜anza
o o n
asistida por computadoras que, sin abarcar todo el recorrido, resalta algunos de los hitos
m´s significativos de esta trayectoria. Aunque lo expuesto tiene car´cter general, las afirma-
a a
ciones contenidas se sustentan de la experiencia en su aplicaci´n en las especialidades m´dicas.
o e
Sistema con enfoque Pedag´gico, ¿C´mo predecir la evoluci´n del alumno? [12] en el
o o o
cual exponen el funcionamiento y los resultados de un Sistema de Predicci´n, dise˜ado con
o n
la finalidad de predecir cu´l ser´ la evoluci´n de un alumno hasta el final del curso, a partir
a a o
de los resultados acad´micos obtenidos hasta un cierto instante de tiempo. Este Sistema
e
de Predicci´n forma parte de uno de los componentes de los llamados Sistemas Tutores
o
Inteligentes.
9

13. Sistema con enfoque de comunicaci´n ”Sistema Educativo Basado en Tecnolog´
o ıa
Internet”[9] es un proyecto de investigaci´n con el que pretenden desarrollar en un equipo de
o
trabajo interdisciplinario y una herramienta de teleeducaci´n basada en tecnolog´ Internet.
o ıa
Para ello se intentan aprovechar las innovaciones tanto en tecnolog´ web (Java, JavaScript,
ıa
VRML, XML, SMIL) como en pedagog´ integr´ndolas en un entorno para el aprendizaje
ıa a
s´
ıncrono y as´ıncrono. Con este proyecto se pretenden desarrollar un interfaz amigable para la
creaci´n y seguimiento de cursos que les facilite la comunicaci´n entre profesores y alumnos
o o
y la integraci´n de las nuevas tecnolog´ en el entorno educativo.
o ıas
6. Metodolog´
ıa
La realizaci´n de este trabajo se dividir´ en un proceso de tres fases que se describir´n
o a a
a continuaci´n:
o
Primera Fase: Se seleccionar´n las herramientas de IA apropiadas para implementar
a
el sistema, a partir de ello se dise˜ar´ el agente para el profesor y posteriormente se
n a
desarrollar´ este agente, ya teniendo funcionando el agente se proceder´ a realizar las
a a
pruebas de funcionamiento del agente.
Segunda Fase: Se dise˜ar´ el agente para el alumno y posteriormente se desarrol-
n a
lar´ este agente, ya teniendo funcionando el agente se proceder´ a realizar las pruebas de
a a
funcionamiento del agente del alumno en conjunto con el agente del profesor.
Tercera Fase: Se dise˜ar´ la arquitectura distribuida para el agente del alumno
n a
y el agente del profesor, para que estos se puedan comunicar no solo entre un agente de
alumno y un agente de profesor si no con mas agentes de alumnos y mas agentes de profesores.
7. Plan de Trabajo
Ver al final del documento el Cuadro 1.
10

14. Referencias
[1] Andreas Born. Lp-tutor: An intelligent tutoring system for linear programming.
´
[2] Oscar Guti´rrez y Teresa D´ Carmen Pag´s, Jos´ Javier Mart´
e ıez e e ınez. Sistema inteligente
de tutorizacion avanzada.
[3] Josep Llu´ de la Rosa Ram´n Fabregat Clara In´s Pe˜a, Jose-L Marzo. Multiagent
ıs o e n
system - plang.
[4] Dr. Juan Pedro Febles Rodr´ıguez y Lic. Odalys Bola˜os Ruiz Dr. Santiago Almeida Cam-
n
pos. Evoluci´n de la ense˜anza asistida por computadoras.
o n
[5] Dra. Milagros Rivas Canino Dra. Natacha Mora Pacheco y Lic. Aurora Pons Porrata DrC.
Ra´l Pelegrino Rodr´
u ıguez, DraC. Esmeralda L´pez Rodr´
o ıguez. Ense˜anza del equilibrio
n
a
´cido-b´sico utilizando la tecnolog´ ultimedia y las t´cnicas de inteligencia artificial.
a ıa e
[6] Gonzalo Villarreal Farah. Agentes inteligentes en educaci´n.
o
[7] Hugo F. S. Gamboa. Aprender a aprender, sistema tutor inteligente.
[8] Miguel Angel Garay Garcell. Enfoque sist´mico y concepci´n jer´rquica multiniveles en
e o a
los sistemas tutoriales inteligentes multimedia. 2002.
[9] Liliana Torres Barberis Carlos Delgado Kloos Ma Carmen Fern´ndez Panadero, Liliana
a
P. Santacruz Valencia. Sistema educativo basado en tecnologia internet. 1998.
[10] J Self. Theoretical foundations for intelligent tutoring systems. 1990.
[11] M. Urretavizcaya. Sistemas inteligentes en el ´mbito de la educaci´n.
a o
[12] Vallesp´ C. Camps J. Golobardes E. Bacardit J. Vernet D., Salam´ M. ¿c´mo predecir
ı o o
la evoluci´n del alumno?
o
11

15. Semestre Ene-May ’05 Verano ’05 Semestre Ago-Dic ’05
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
Selecci´n de las herramientas de
o
IA apropiadas para implementar
el sistema, y documentaci´n de
o
las herramientas IA
seleccionadas.
Dise˜ o y Desarrollo del agente
n
del Profesor.
Pruebas del funcionamiento del
agente Profesor.
Documentaci´n del primer
o
prototipo.
Publicaci´n de reportes o avances
o
de investigaci´n, para su
o
evaluaci´n interna y externa.
o
Dise˜ o y Desarrollo del agente
n
del Alumno.
Pruebas del funcionamiento del
agente Alumno.
Documentaci´n del segundo
o
prototipo.
Publicaci´n de reportes o avances
o
de investigaci´n, para su
o
evaluaci´n interna y externa.
o
Dise˜ o y Desarollo la
n
arquitectura distribuida del
sistema. Pruebas de
funcionamiento.
Documentaci´n del tercer
o
prototipo.
Publicaci´n de reportes o avances
o
de investigaci´n, para su
o
evaluaci´n interna y externa.
o
Evaluaci´n del desempe˜ o del
o n
sistema con la implementaci´no
del sistema distribuido.
Establecimiento de nuevas l´ıneas
de investigaci´n, para trabajos
o
posteriores.
Publicaci´n de reportes finales de
o
la investigaci´n, para su
o
evaluaci´n interna y externa.
o
Finalizaci´n y defensa del
o
documento de investigaci´n.
o
Cuadro 1: Cronograma de Actividades para desarrollar la Tesis
12