Sistema De Tutoría Inteligente En Redes De Telecomunicaciones De Sensores Inalámbricos (WSN), Basado En Estándares Abiertos e Interoperables

Texto completo

(1)Universidad Distrital Francisco José de Caldas. SISTEMA DE TUTORÍA INTELIGENTE EN REDES DE TELECOMUNICACIONES DE SENSORES INALÁMBRICOS (WSN), BASADO EN ESTÁNDARES ABIERTOS E INTEROPERABLES. Francisco Javier Zamora Navarro. Universidad Distrital Francisco José de Caldas Facultad de Ingeniería Maestría en ciencias de la Información y las Telecomunicaciones Bogotá, Colombia 2015.

(2)

(3) SISTEMA DE TUTORÍA INTELIGENTE EN REDES DE TELECOMUNICACIONES DE SENSORES INALÁMBRICOS (WSN), BASADO EN ESTÁNDARES ABIERTOS E INTEROPERABLES Francisco Javier Zamora Navarro. Tesis presentada como requisito parcial para optar al título de: Magíster en Ciencias de la Información y las Telecomunicaciones. Director: Ing. Elvis Eduardo Gaona García, MSc.. Línea de Investigación: Tecnologías de Información y Telecomunicaciones Grupo de Investigación: GITUD. Universidad Distrital Francisco José de Caldas Facultad de Ingeniería Maestría en ciencias de la Información y las Telecomunicaciones Bogotá, Colombia 2015.

(4)

(5) .. A mi madre, tías, a cada miembro de mi familia,. quienes. me. han. motivado,. inspirado,. apoyado siempre de infinitas e incansables formas y merecen cada esfuerzo y logro que retribuya de alguna forma su compañía y amor irrestrictos. A la Universidad Distrital y todos los amigos y amigas que allí he conocido por perfeccionar pacientemente con su quehacer todo lo que les fue encomendado. Francisco J. Zamora N..

(6)

(7) Agradecimientos El presente trabajo de investigación no hubiese sido posible sin la colaboración del Ingeniero José Daniel Peña Jiménez, Gerente de HTM Medellín, amigo y cogestor de la iniciativa cex.com.co, un portal que soporta una comunidad de aprendizaje de hardware y software para sistemas embebidos, en la cual se espera implementar la propuesta de ITS interoperables y estandarizados desarrollada en este proyecto. El ingeniero Peña facilitó el hosting y la instalación de MOODLE y demás infraestructura requerida por este proyecto. De igual manera, la paciencia y guía del Ing. Elvis Eduardo Gaona García, MSc., director del proyecto y del grupo GITUD, y en su momento Coordinador de la Maestría cuando fue aprobado el anteproyecto de esta investigación bajo las circunstancias particulares de la Política de Estudiantes no Graduados, ha sido vital para la culminación de este trabajo, al igual que la paciencia y comprensión de los revisores y jurados, los ingenieros Roberto Ferro E. PhD., y César A. Perdomo Ch. MSc. A todos ellos y a quienes mi frágil memoria y premura me impiden mencionar, mi eterna gratitud.. Ing. Francisco J. Zamora N. [email protected] [email protected] Bogotá, Colombia Diciembre 09 de 2015 ..

(8)

(9) Resumen y Abstract. IX. Resumen. Esta tesis de Maestría presenta una justificación, un resumen minucioso de antecedentes de investigación y una propuesta de desarrollo. práctico y entorno de. investigación en el campo de Sistemas de Tutoría Inteligente (ITS) mediante una metodología actualizada para el modelamiento, diseño e implementación de un curso adaptativo con estándares e-learning sobre Redes de Sensores Inalámbricos (WSN) para la Facultad de Ingeniería de la Universidad Distrital Francisco José de Caldas, basado en herramientas libres, modelamiento ontológico, adaptatividad por razonamiento basado en casos (CBR), evaluación computarizada adaptativa (CAT) con teoría de respuesta al ítem (IRT), objetos de aprendizaje (OA) SCORM inteligentes e interoperables sobre LMS MOODLE y apoyo externo con gestor de evaluación TAO. En este primer curso inteligente, abierto, en línea para la Facultad de Ingeniería de la UDFJC, se propone una validación de resultados mediante. análisis estadístico por. modelo de ecuación estructural y se recomiendan lineamientos para trabajos futuros que deben integrar tecnologías pertinentes como agentes múltiples inteligentes, depósitos de registros de aprendizaje (LRS), estándares IMS, portafolios digitales (eportfolios), cursos abiertos masivos en línea (MOOC), analítica del aprendizaje (LA), minería de datos educativa (EDM) e interfaces cerebro – computadora (BCI).. Palabras clave: Sistema de Tutoría Inteligente (STI), adaptatividad, Teoría de Respuesta al Ítem (TRI), estándares IMS para e-learning, ontologías, LMS MOODLE, Objetos de Aprendizaje (OA)..

(10) X. Título de la tesis o trabajo de investigación. Abstract This master's thesis presents a rationale, a detailed summary of background investigation and practical development proposal and research framework in the field of intelillent tutoring systems (ITS) using an updated methodology to model, design and deploy an adaptive course with e-learning standards related to wireless sensors networks (WSN) for the Engineering Faculty at Universidad Distrital Francisco José de Caldas, using free tools, ontological modeling, adaptivity by case based reasoning (CBR), computerized Adaptive Testing (CAT) with item response theory (IRT), intelligent SCORM learning objects (OA) LMS MOODLE interoperable, and support for external assessment engine TAO. During this first intelligent, open, online course for the UDFJC Enineering Faculty, a results validation is proposed through statistical analysis by means of structural equation model (SEM). and recommended guidelines for future work which should integrate. relevant technologies such as multiple agent systems, learning records store (LRS), IMS standards, digital portfolio (e-portfolios), massive open online courses (MOOC), learning analytics (LA), educational data mining (EDM) and brain computer interfaces (BCI).. Keywords: Intelligent Tutoring Systems (ITS), adaptivity, Item Response Theory (IRT), IMS e-learning standards, Ontologies, LMS MOODLE, Learning Objects (LO)..

(11) Contenido. XI. Contenido Pág. Resumen.. ................................................................................................................ IX. Lista de figuras ............................................................................................................. XIII Lista de tablas .............................................................................................................. XV Lista de abreviaturas................................................................................................... XVI Introducción 1.. ................................................................................................................. 1. Justificación, revisión de antecedentes y tendencias de la investigación y el. desarrollo de ITS ............................................................................................................. 9 1.1 1.2 1.3. Justificación de la investigación en ITS.......................................................... 10 Orígenes ........................................................................................................ 14 Definiciones ................................................................................................... 18 1.3.1 Arquitectura de ITS ............................................................................. 20 1.3.2 Modelos de Conocimiento ................................................................... 21 1.3.3 Modelos de Estudiante ........................................................................ 24 Antecedentes................................................................................................. 25 1.4 2.. Elementos de un modelo escalable de Sistema de Tutoría Inteligente para un. curso de ingeniería en línea ......................................................................................... 41 Infraestructura genérica para e-learning ........................................................ 42 Implementación de Adaptatividad mediante extensiones de LMS .................. 46 Adaptatividad en pruebas computarizadas (CAT) en MOODLE ..................... 51 2.3.1 El banco de preguntas ........................................................................ 52 2.3.2 El proceso de la prueba ...................................................................... 55 2.3.3 Parámetros de la prueba y operación.................................................. 57 2.4 Tutoría inteligente en lazo interno y externo mediante interoperabilidad de objetos de aprendizaje ............................................................................................. 60 2.4.1 Plantilla SCORM 2004 para implementación de ITS LO’s ................... 63 2.4.2 Arquitectura de ITS interoperables ...................................................... 67 2.5 Ontologías y Mapas Conceptuales en el modelamiento de ITS ..................... 72 2.5.1 Protégé ............................................................................................... 75 2.1 2.2 2.3.

(12) XII. Título de la tesis o trabajo de investigación 2.5.2. 3.. CmapTools Ontology Editor (COE) ......................................................76. Implementación de un curso inteligente interdisciplinar en el dominio de las. Redes de Sensores Inalámbricos (WSN)......................................................................79 3.1 Infraestructura ................................................................................................79 3.2 Ajustes de configuración del LMS y extensiones ............................................80 3.3 Creación de Cursos Redes de Sensores Inalámbricos (ITS) e interdisciplinares (DDuC, SE2)..................................................................................84 3.3.1 Extensiones de navegabilidad semántica, adaptatividad y preferencias de aprendizaje ...................................................................................................85 3.3.2 Actividad de evaluación adaptativa (CAT) empleando análisis IRT ......95 3.3.3 Diseño ontológico de contenidos sobre redes de sensores inalámbricos WSN 99 3.3.4 Escalabilidad a MOOC.......................................................................105 Revisión de la implementación .....................................................................107 3.4 4.. Diseño de la investigación y análisis de la información de la metodología. propuesta para ITS.......................................................................................................111 4.1 4.2 4.3 4.4. Instrumentos ................................................................................................112 Procedimientos.............................................................................................112 Muestras ......................................................................................................113 Análisis Estadístico ......................................................................................114 4.4.1 Prueba-t y prueba-u ...........................................................................114 4.4.2 Prueba de conocimiento: análisis.......................................................115 4.4.3 Comparación del incremento en conocimiento...................................115 4.4.4 Conocimientos en los cursos de referencia e ITS (extrapolable a DDuC, SE2, WSN) ......................................................................................................117 4.5 Discusión......................................................................................................118 5.. Conclusiones y recomendaciones ......................................................................121 5.1 5.2. A.. Conclusiones ................................................................................................121 Recomendaciones........................................................................................123. Anexo: Algoritmo práctico para pruebas adaptativas........................................127. B. Anexo: contenido del CD/DVD adjunto ...............................................................129 6.. Bibliografía ............................................................................................................131.

(13) Contenido. XIII. Lista de figuras Pág. Antecedentes y expectativas de la tecnología educativa (a) Máquina de Figura 1-1: pruebas Pressey, 1926; (b) Máquina educativa de Skinner. 1961; (c) Sistema PLATO IV, 1984; (d) MOODLE móvil, 2013, y (e) Paradigma interfaz cerebro-máquina –BCI-, película The Matrix, 1999. (Wikipedia, Inglés, 2015)....................................................... 18 Figura 1-2: Arquitectura simplificada de un sistema de tutoría inteligente interoperable con LMS (elaboración propia). .................................................................. 21 Figura 1-3: Arquitectura de GRAPPLE (De Bra, 2011) ............................................ 33 Figura 1-4: GALE, herramienta de autoría adaptativa, el principal componente de GRAPPLE (adaptado de tutorial en línea Dave Smits). .................................................. 34 Figura 1-5: Arquitectura del moderno sistema GIFT (Sottilare, 2012). ........................... 36 Figura 2-1: Componentes de navegación tradicionales y semántico en MOODLE para el curso WSN-ITS. A) Vista general del curso con enlaces a recursos y actividades. B) Controles de guía de navegación directa. C) Mapa conceptual interactivo para navegación. (Scherl, A.; 2012) ....................................................................................... 47 Figura 2-2: Detalle de otros componentes para el curso MOODLE WSN-ITS. D) Menú de navegación. E) Actividad de aprendizaje tipo página Web F) Hipervínculo en texto. (Scherl, A.; 2012) .................................................................................................. 49 Figura 2-3: Detalle de un mapa de navegación del bloque Web Semántica para cursos MOODLE (Scherl, A; 2012) ................................................................................. 50 Figura 2-4: Generación de preguntas para pruebas a partir de ontologías con SeMCQ (Tosic, M; et al. 2011). ...................................................................................... 55 Figura 2-5: Ejemplo de resultados de un intento de quiz adaptativo (Franco, 2015). 57 Figura 2-6: Estructura de actividades y archivos en el SCORM PIF de la plantilla de ITS como LO estándar e interoperable (Soares, 2013).................................................. 64 Figura 2-7: Ejecución de plantilla ITS como LO SCORM en MOODLE ................... 65 Figura 2-8: Despliegue de un Objeto de Aprendizaje (LO) profesional tipo SCORM 2004 (Focus Educational, 2015). .................................................................................... 67 Figura 2-9: Ontología para tipos de documentos educativos (Sarker, et al. 2008) .. 74 Figura 2-10: Ontología para el desempeño del aprendiz, Learner Performance (Sarker, et al. 2008). ....................................................................................................... 74 Figura 2-11: Interfaz Protégé 5.0 Beta escritorio (en: protegewiki.standford.edu/wiki/) 76.

(14) XIV. Título de la tesis o trabajo de investigación. Figura 2-12: Ontología COE sobre duración de batería de un sensor inalámbrico de Semantic Sensor Network Incubator Group (W3C, 2011) ............................................... 77 Figura 3-1: Seleccionando etiquetas (tags) para definir nivel de complejidad de preguntas al editar quizes adaptativos MOODLE. ........................................................... 83 Figura 3-2: Bloques de Navegación, Adaptatividad y Preferencias en el curso WSN. 87 Figura 3-3: Ajustes de bloque Navegación Web ...................................................... 88 Figura 3-4: Mini mapa de Navegación Web. ............................................................ 89 Figura 3-5 Edición de los Metadatos en bloque Navegación Web .................................. 91 Figura 3-6: Descriptores IEEE LOM .............................................................................. 92 Figura 3-7: Bloque de preferencias de aprendizaje del estudiante ................................. 93 Figura 3-8: Mapa conceptual de una trayectoria de aprendizaje en un curso (o paquete) generado a partir de los metadatos semánticos de la Navegación Web en el ITS .......... 94 Figura 3-9: Representación gráfica de las relaciones semánticas entre TODOS los objetos de aprendizaje de un paquete de cursos en MOODLE. ...................................... 95 Figura 3-10: Banco de preguntas de prueba simuladas (dummy) .................................. 97 Figura 3-11: Acceso a gestor de preguntas y pruebas TAO desde MOODLE mediante LTI. ................................................................................................................................. 98 Figura 3-12: Reportes generados por extensión Adaptive Quiz ..................................... 98 Figura 3-13: Cmap asignatura de apoyo transversal DDuC (elaboración propia) ......... 100 Figura 3-14: Cmap asignatura de apoyo transversal SE2 (elaboración propia) ............ 101 Figura 3-15: Repositorio de contenidos del curso, accesible desde GoogleDrive. ........ 101 Figura 3-16: Mapa de conceptos sobre WSN ampliando texto de R. Faludi (2010) ...... 103 Figura 3-17: Ontología (OWL) para red de sensores (Guo, 2009). ............................... 104 Figura 3-18: Revisión de la infraestructura propuesta de ITS para WSN (elab propia) . 108 Figura 3-19: Cmap resumen de la investigación (Elaboración propia) ......................... 108 Figura 3-20 Elementos del proyecto Agentes Inteligenes (recomendación a futuro), ITS, y preferncias de aprendizaje. ........................................................................................... 109 Figura 3-21 Arquitectura MAS sugerida para continuar la investigación en ITS............ 110 Figura 4-1: Distribución de grupos de prueba, referencia original (Scherl, 2012) ......... 113 Figura 4-2: Rangos de valores aceptables en el análisis de la prueba (Scherl, 2012). . 114 Figura 4-3: Análisis de ítems para la prueba de conocimiento (Scherl, 2012). ............. 115 Figura 4-4: Incremento de conocimiento entre grupo ITS y tradicionales (Scherl, 2012). ..................................................................................................................................... 116 Figura 4-5: Comparación de índice de dificultad de ítems para los grupos en estudio (Scherl, 2012) ............................................................................................................... 117 Figura 4-6: Diagrama de trayectorias del modelo estructural propuesto para los cursos (Scherl, 2012) ............................................................................................................... 118.

(15) Contenido. XV. Lista de tablas Pág. Tabla 2-1: Ejemplo de pregunta MOODLE exportada como tabla WORD, adaptado de Campbell (2015). ............................................................................................................ 54 Tabla 2-2: Cantidad de preguntas y error estándar, complementando a Franco( 2015). 58 Tabla 2-3: Comparativo de principales diferencias SCORM y eXperience API.......... 62 Tabla 2-4: Ejemplos de código Web para lazos internos y externos de ITS sobre ángulos entre líneas, adaptado de (Soares, G; et al., 2013). .......................................... 69 Tabla 3-1: Requerimientos de infraestructura para sistema ITS propuesto ................ 80.

(16) Contenido. XVI. Lista de abreviaturas Abreviatura ADDIE ADL AHS AI AIED ARIADNE ATS CAT CBM CBR CBT CSS CTA CTAT DCMI DDuC EDM FCM FIPA GIFT GRAPPLE GALE GIFT HTML ICAI IEEE IMS IMS-LD IMS-QTI FIRT IRT IT ITS JADE JDK JRE LCMS LMS. Término Analisis, Design, Development, Implementation and Evaluation Advanced Distributed Learning Adaptive Hypermedia System Artificial Intelligence Artificial Intelligence in Education Alliance of Remote Instructional Authoring and Distribution Networks for Europe Sistema de Tutoría Adaptativo (Adaptive Tutoring System) Computerized Adaptive Testing Constraint Based Model Case Based Reasoning Computer Based Training ó Constraint Based Tutor Cascade Style Sheets Cognitive Task Analysis Cognitive Tutor Authoring Tool Dublin Core Metadata Initiative Diseño Digital con Microcontroladores (curso UDFJC) Educational Data Mining Fuzzy Cognitive Map Foundation for Intelligent Physical Agents Generalized Intelligent Framework For Tutoring Generic Responsive Adaptive Personalized Learning Environment GRAPPLE Adaptation Learning Environment Generalized Intelligent Framework for Tutoring Hyper-Text Markup Language Intelligent Computer-Aided Instruction The Institute of Electrical and Electronic Engineers IMS Global Learning Consortium IMS Learning Design IMS Question & Test Interoperability Fuzzy IRT Teoría de Respuesta al Ítem (Item Response Theory) Information Technology Sistema de Tutoría Inteligente (Intelligent Tutoring System) JAVA Agent Development Environment JAVA Development Kit JAVA Runtime Environment Learning Content Management System Learning Management System.

(17) Contenido Abreviatura LO LOM LRS MAS MCQ MT MOODLE NLP OWL PHP QoI RDF/S RIUD SCORM SCORM-CAM SCORM-NS SCORM-RTE SE2 SOPHIE SRL TIC UDFJC VLE WIMP WSN XML xAPI. XVII Término Objeto de Aprendizaje (Learning Object) Learning Object Metadata Learning Record Store Multi Agent System Multiple Choice Question Model Tracing Modular Object Oriented Dynamic Learning Environment Natural Language Processing Web Ontology Language (Personal Home Page tools, 1995 ); PHP: Hypertext Preprocessor (1997… ) Quality of Interaction Resource Description Framework/Schema Repositorio Institucional Universidad Distrital FJC Sharable Content Object Reference Model SCORM-Content Aggregation Model SCORM Navigation and Sequenciation SCORM Run-Time Environment Sistemas Embebidos 2 (Curso UDFJC) Sophisticated Instructional environment Self Regulated Learning Tecnologías de Información y Comunicación Universidad Distrital Francisco José de Caldas Virtual Learning Environment Windows, Icons, Menus, Pointer Wireless Sensor Network Extensible Markup Language Experience API (Tin Can API).

(18)

(19) Introducción . Desde 1997 tras la vinculación del autor como profesor en la Universidad Distrital Francisco José de Caldas, se dio inicio a un proceso de investigación y desarrollo en el área de aplicaciones de las Tecnologías de Información y Comunicación (TIC – IT) en la educación de tecnólogos e ingenieros, bajo la profunda convicción de que el uso de las computadoras, Internet y la Web pueden mejorar y facilitar dramáticamente la manera en que aprendemos y enseñamos.. Sin embargo, la inmensa diversidad de enfoques y. experiencias revisadas y adaptadas al contexto local dejan el sin sabor de que sin el enfoque correcto, el tiempo y esfuerzo requeridos no se compadecen con los resultados obtenidos y que además por la dinámica institucional no se facilitan ni apropian los procesos innovativos de las viejas pero funcionales prácticas didácticas y administrativas del modelo educativo establecido y reconocido. Dada la importancia y pertinencia de las redes de sensores inalámbricos (Wireless Sensor Networks – WSN1) como campo reciente de investigación y desarrollo a nivel académico, científico, ambiental e industrial, se implementa un novedoso sistema de capacitación abierto y en línea, sobre “Fundamentos de WSN y Aplicaciones” como un caso de aplicación de una nueva metodología para el diseño rápido con sistemas de tutoría inteligente (Intelligent Tutoring Systems – ITS) en ambiente Web, empleando recursos educativos abiertos (OER) y estándares e-learning de interoperabilidad según IEEE, ADL e IMS. La metodología empleada generará productos educativos libres de referencia que permitirán familiarizar tanto a los investigadores en redes de telecomunicaciones con los aspectos fundamentales de WSN y sus aplicaciones, como. 1. El actual resultado y la evolución de esta investigación se pueden acceder a través de: http://comunidad.udistrital.edu.co/fzamora/2015/12/05/proyecto-de-investigacion-en-sistema-webde-tutoria-inteligente/. Para mayor información y solicitud de acceso, favor comunicarse con: [email protected].

(20) 2. Introducción. sensibilizar también a los educadores hacia la evolución del e-learning, con una metodología práctica de autoría de cursos en línea empleando ITS, OER y con estándares de interoperabilidad (IEEE, ADL-SCORM e IMS-LD) amigables con el mlearning y el u-learning (móvil y ubicuo respectivamente), considerando la tendencia a los MOOC, que sirva también como un modelo de referencia para caracterizar, actualizar, dinamizar, flexibilizar y mejorar mediante tecnología de punta los procesos de enseñanza y aprendizaje (modelo pedagógico) en la Facultad de Ingeniería de la Universidad Distrital Francisco José de Caldas, sin dejar atrás la motivación para reflexionar sobre los nuevos roles y modelos laborales para los docentes de ingeniería que aseguren una digna subsistencia en esta era de capitalismo informático. En el contexto de la formulación del problema, se puede decir que existe gran interés investigativo en las redes de sensores inalámbricos particularmente por sus aplicaciones ambientales, pero también porque dada la naturaleza autónoma de sus nodos sensores, plantean retos para el diseño de dispositivos de control empotrados (embedded systems), sistemas de radio y protocolos de red que propicien el mínimo consumo de energía, ocurrencia de errores y maximicen el alcance de propagación, la velocidad y cantidad de información transmitida, optimizando el rendimiento de sus sistemas de alimentación basados en baterías, según A. Hać (2003).. Pero no existen actualmente. en los planes de estudio de pregrado y posgrado de la Facultad de Ingeniería de la Universidad Distrital FJC cursos de fundamentación en WSN que incentiven decididamente la investigación y desarrollo de soluciones propias bajo las mencionadas consideraciones. Desafortunadamente el e-learning es considerado aún como un accesorio opcional de la presencialidad y la falta de una estrategia decidida para su implementación con calidad, incorporándolo proactivamente a la misión y visión institucionales, lo ha infectado además de los desatinos de la presencialidad, el libertinaje (no la libertad) de cátedra y la improvisación. Además de las formas de creación de nuevos contenidos digitales o reutilización de los ya existentes, o de la colaboración en línea como estrategia para potenciar el aprendizaje, en particular la aplicación de la inteligencia artificial al e-learning suministra una forma novedosa y descomplicada (luego de su desarrollo) de seguimiento y personalización o adaptabilidad a las capacidades y necesidades de cada estudiante (sistemas de tutoría inteligente ITS), como lo demuestran sus resultados por más de dos.

(21) Introducción. 3. décadas de su implementación, según A. Baylari y G. A. Montazer (2009), desde la perspectiva centrada en el estudiante, ya que brinda mejores niveles de seguimiento y acompañamiento individualizado al proceso de aprendizaje basado en competencias, sin demandar atención adicional por parte del facilitador o profesor (luego de un diseño eficiente e implementación), como sí le requeriría el emplear los métodos tradicionales de enseñanza e interacción de la presencialidad.. En el caso de los estudiantes de. posgrado es particularmente grave el déficit de seguimiento individual de su progreso y oportuna retroalimentación, pues dada la diversidad de sus perfiles, competencias de entrada y expectativas, la falta de prácticas de enseñanza flexibles para adultos que satisfagan las necesidades individuales de cada estudiante genera sin duda altos niveles de insatisfacción que conllevan a los ya conocidos y preocupantes índices de deserción e insatisfacción académica en estos programas. La pregunta principal de investigación es cómo se puede diseñar e implementar un curso universitario electivo para la Facultad de Ingeniería de la UDFJC en plataforma LMS que utilice tecnologías disponibles y estándares para realizar tareas de tutoría inteligente, reduciendo al mínimo necesario la intervención de profesores reales durante su ejecución? Bajo la hipótesis de que un plan adecuado para el uso estratégico de TIC en el aprendizaje, la docencia, la investigación y la extensión debe asegurar la excelencia, la permanencia y el liderazgo de la Universidad Distrital FJC en el panorama de la formación profesional de calidad a nivel nacional e internacional, este proyecto de investigación se ocupa de formular un modelo para el diseño e implementación de cursos para ingeniería que desplieguen la funcionalidad de Sistema de Tutoría Inteligente (ITS) vinculando a las reconocidas ventajas de una plataforma LMS Web e hipermedial, las herramientas y técnicas adecuadas,. que por su pertinencia, persistencia e. interoperabilidad, aseguren la fusión gradual, definitiva y exitosa de las TIC con el currículo universitario moderno. El objetivo general del proyecto es dotar a la Facultad de Ingeniería de la Universidad Distrital FJC, con un modelo y prototipo de curso electivo inteligente abierto y en línea, introductorio sobre Redes de Sensores Inalámbricos (WSN) y Aplicaciones, sobre una plataforma LMS MOODLE 2.X, desarrollado bajo una novedosa propuesta metodológica.

(22) 4. Introducción. que implementa tutoría inteligente adaptativa a partir de estándares abiertos para interoperabilidad. Los objetivos específicos del proyecto son los siguientes: •. Desarrollar y/o reutilizar recursos educativos abiertos según estándares e-. learning, en mínimo tres objetos de aprendizaje sobre los contenidos teórico-prácticos del curso propuesto. •. Implementar un sistema de tutoría inteligente (ITS) para algunos o todos los. módulos del curso o los cursos en plataforma Web MOODLE LMS con tecnologías libres e interoperables. •. Describir un modelo pedagógico de e-learning, que involucre principios de. ontologías, psicometría IRT, modelos difusos, estándares de interoperabilidad ADL e IMS de contenidos y evaluación, para la Facultad de Ingeniería •. Aportar los elementos metodológicos y resultados prácticos suficientes para. suscitar interés, investigación y desarrollo con expectativas doctorales, con enfoque bottom-up, sobre e-learning de avanzada, ITS, psicometría IRT, estándares, tecnologías para interoperatividad y propiciar el establecimiento una política institucional definitiva de e-learning frente a los OER y los MOOC. Resaltando en primera instancia que el estado de la cuestión en ITS no aspira aún a sustituir radicalmente a los expertos o docentes de las disciplinas, sino por el contrario, interactuar con ellos para aprender, definir y comunicar sus mejores prácticas y liberarlos de las labores tediosas y rutinarias, pero necesarias, de su quehacer docente para que se concentren en la investigación y extensión, y, en segunda instancia, reconociendo que las tecnologías de información actuales ha madurado hasta un nivel propicio para que los ITS trasciendan del ámbito científico hacia el tecnológico, entonces está plenamente justificada la iniciativa de investigación y desarrollo de ITS adaptativos e interoperables sobre plataforma LMS para la Facultad de Ingeniería, con la expectativa de que sus resultados indiscutiblemente favorables finalmente sustenten la hipótesis de que una estrategia adecuada de adopción gradual y planificada de TIC para la educación superior permitirá obtener mejores resultados (calidad, cobertura e impacto), reduciendo esfuerzos y tiempos, para toda la comunidad académica y administrativa de la Facultad y la UDFJC..

(23) Introducción. 5. El creciente y generalizado uso de la tecnología en educación ha despertado el interés de compañías e inversionistas en este sector, además de las extensas y complejas investigaciones de los últimos años, para mejorar los procesos de aprendizaje, haciéndolo más amplio, permanente y rápido.. Tradicionalmente el estudio de las. barreras para la implementación definitiva de ITS en la comunidad educativa se ha enfocado solamente en los estudiantes, descuidando la importancia que tiene la indiferencia de los educadores y las instituciones frente a esta revolución educativa del mundo moderno. Sin embargo, tendencias actuales como. el aprendizaje social informal, los cursos. abiertos masivos en línea (MOOC), la minería de datos educativas, la estandarización propuesta por la Web Semántica y el requerimiento global de elevar la competitividad de las naciones a través de la calidad del aprendizaje en la primaria, la secundaria, la universidad y la industria, constituyen una coyuntura particularmente propicia para la adopción generalizada de la investigación y desarrollo de los ITS en aras de optimizar los costos la educación pero mejorando sus resultados mediante la personalización del aprendizaje con el apoyo de las TIC. La gran inversión en investigación y desarrollo de ITS no ha arrojado aún los resultados concretos deseados. La complejidad en el modelamiento del aprendiz y del tutor, la falta de estandarización en las tecnologías de generación e intercambio de información en la educación, el costo (típicamente 200 o más horas de desarrollo con expertos por cada hora de tutoría inteligente en línea), la rigidez y filosofía de los sistemas ITS y el nivel de conocimientos que requiere el desarrollo y uso de estos sistemas, son los principales problemas que deben resolverse para la implantación de esta tecnología en todos los tipos de centros educativos y de entrenamiento empresarial. En la presente investigación se abordan las consideraciones para el diseño y desarrollo ágil y práctico de un ITS para un curso de ingeniería en línea sobre plataforma LMS MOODLE en un área que requiere fortalecimiento en la Facultad de Ingeniería de la UDFJC, como lo son las redes de sensores inalámbricos (en lo sucesivo WSN, por su sigla en inglés Wireless Sensor Networks).. Se generan recomendaciones y una. metodología de implementación de ITS a partir de una extensa revisión de los.

(24) 6. Introducción. antecedentes y el estado de la cuestión.. Los ITS constituyen una aplicación completa. del e-learning, tema que ha fascinado al autor desde hace 18 años cuando se vinculó como profesor de planta a la Universidad Distrital Francisco José de Caldas. El. proyecto pretende. prototipado rápido de. proporcionar un modelo. para la investigación, el diseño y. ITS interoperables sobre LMS aplicados a cursos de. profesionalización en ingeniería, a partir de la integración innovadora de tecnologías y estándares disponibles.. También se pretende catalogar una revisión exhaustiva de. publicaciones y desarrollos previos relacionados con ITS, sistemas tutores adaptativos (ATS) y sistemas hipermediales adaptativos (AHS); ponderar el uso de extensiones complementarias para implementar adaptatividad ITS en el LMS MOODLE, frente al desarrollo de complejos entornos ITS en código propio, sofisticadas herramientas de autoría, entornos externos de interdependencia o. sistemas multi agente educativos;. describir los modelos funcionales de ITS a partir de ontologías propias para la Facultad y la Universidad; diseñar un modelo del dominio de las WSN y la estructura de recursos y actividades con estándares e-learning para un curso virtual, a partir de ontologías, y especificar las pruebas y el análisis estadístico sobre sistema propuesto para evaluar su desempeño. El proyecto tiene como alcance la protocolización de la implementación eficiente de ITS en cursos para plataforma LMS MOODLE a través del modelamiento ontológico del dominio y los actores, la navegación suplementaria adaptativa e interdisciplinar sobre objetos de aprendizaje inteligentes mediante web semántica o mapas conceptuales, la evaluación adaptativa computarizada involucrando IRT y modelo difuso y la descripción de la estrategia de validación estadística de resultados aplicando análisis de trayectorias. Las limitaciones de este proyecto están representadas en la relación entre el extenso dominio de temas involucrados para un equipo de investigación de una sola persona, así como las dificultades logísticas para adquirir, publicar, administrar autónomamente y mantener la funcionalidad propuesta de contenidos y aplicaciones requeridas por esta metodología en los servidores propios de la Facultad y la Universidad, a la luz de las Políticas que la Institución ejerce para tal fin. Así mismo la carencia de una reglamentación que posibilite que ciertos cursos del currículo de la Facultad de Ingeniería puedan tomarse en modalidad presencial, en línea o bimodal con la misma validez.

(25) Introducción. 7. (créditos) en cada caso para los estudiantes, lo cual sesga el perfil y la disponibilidad de un espacio muestral adecuado para la investigación y desarrollo de ITS sobre LMS y desestimula la necesidad de vincularse a este tipo de proyectos por parte de estudiantes y profesores..

(26)

(27) 1. Justificación, revisión de antecedentes y tendencias de la investigación y el desarrollo de ITS En este capítulo se presenta una justificación y breve descripción de los orígenes del uso de la tecnología en los procesos educativos, la evolución a la par con las ciencias de la computación, las telecomunicaciones e Internet, algunos antecedentes de proyectos destacados en este campo, así como las principales definiciones, tendencias percibidas en el estado de la cuestión y recomendaciones sobre el enfoque y uso eficaz de la tecnología orientada hacia ITS para la educación en ingeniería. Los vertiginosos progresos en micro y nanotecnología que permiten la miniaturización, bajo costo y aún menor consumo de potencia de dispositivos electrónicos, han incentivado la investigación y desarrollo de particulares redes a gran escala pero de pequeños sensores y actuadores inalámbricos de corto alcance que se encuentran inmersos en el mundo natural a nuestro alrededor, en nuestros propios hábitats urbanos y que. están revolucionando la manera en que. percibimos y controlamos nuestro. entorno, según H. Karl y A. Willig (2005). Las aplicaciones de esta tecnología de redes de sensores inalámbricos (WSN) a la prevención y estudio de desastres ambientales y civiles, al control del consumo de los recursos energéticos,. y al diseño de redes y. protocolos robustos de telecomunicaciones con restricciones, entre otros muchos temas, hacen de las WSN un tema pertinente de investigación a nivel de posgrado.. Sin. embargo, es frecuente no poseer conocimiento adecuado sobre el tema a nivel de pregrado y por ello surge la iniciativa de crear un curso moderno, ágil y muy eficaz (empleando inteligencia artificial para brindar adaptabilidad y flexibilidad a través de instancias individualizadas de aprendizaje), sobre los fundamentos de WSN y sus protocolos de enrutamiento, que prepare al investigador para profundizar sobre dicha tecnología..

(28) 10. Modelo ITS para curso WSN con estándares interoperables. Sobre esta necesidad y teniendo en cuenta que la mayoría de profesores de ingeniería poseen conocimientos de e-learning por inmersión en el medio, por motivación propia y/o por requerimientos institucionales, pero que no se han documentado suficientemente las metodologías rápidas para diseñar cursos en línea exitosos, que tengan en consideración estándares de accesibilidad, reusabilidad, interoperatividad y durabilidad (persistencia), que implementen además las investigaciones y desarrollos de hace más de dos décadas, en aplicaciones prácticas de la ingeniería de software y la inteligencia artificial a los procesos de enseñanza y aprendizaje que han permitido desarrollar sistemas tutores inteligentes (ITS) los cuales han demostrado mejoras significativas en los procesos de instrucción (no necesariamente de formación) mediados por tecnología y, dado que el escenario ideal de aprendizaje implicaría una tutoría directa e individualizada (según B. Bloom, 1984) acorde con las necesidades y expectativas de cada aprendiz, pero que éste es un modelo impráctico desde el punto de vista logístico para las instituciones educativas, especialmente a nivel de posgrados, surge entonces la alternativa de considerar los avances y convergencia en e-learning y computación (tradicional y ubicua), inteligencia artificial, redes de telecomunicación (Internet), psicología del aprendizaje y psicometría, para analizar, diseñar e implementar dicho curso sobre Fundamentos de WSN y aplicaciones, de acuerdo a estándares e-learning que aseguren la calidad, la interoperabilidad de contenidos y actividades en diversas plataformas, así como la adaptabilidad del sistema a las necesidades y expectativas individuales de los aprendices, respondiendo oportunamente, además, a las recientes tendencias de prestigiosas instituciones internacionales que han asumido los MOOC como ingeniosa estrategia de negocio para divulgar globalmente su experiencia y posicionamiento en el mercado educativo profesional.. 1.1 Justificación de la investigación en ITS Generalmente la mayoría de resúmenes de investigación sobre sistemas adaptativos, adaptables o inteligentes aplicados a la educación, o específicamente referidos a la enseñanza (reducida a simple tutoría a veces) o por otro lado al aprendizaje, comienzan especificando la intención de mejorar los resultados académicos de los estudiantes (como por ejemplo sus calificaciones), o que se sientan más cómodos de alguna manera durante su proceso de formación. Sin embargo, las necesidades y características de los demás actores del proceso, los profesores y las instituciones, no son consideradas.

(29) Capítulo 1. 11. suficientemente y esa es una de las barreras para la adopción y popularización de los ITS. Aunque las ventajas de los ITS en el sentido mencionado han sido comprobadas por más de cuatro décadas de investigación y desarrollo, sus costos de implementación, requerimientos de infraestructura y especificidad de sus principales campos de aplicación no habían permitido que estos sistemas tuviesen una destacada utilidad ni representaran beneficio justificable para la educación, vista además como negocio por algunos actores que si están dispuestos a pagar los costos que indiscutiblemente conlleva la calidad de este activo en los estados financieros de la sociedad moderna. Pero la gran penetración de la que disfrutan las tecnologías de información y comunicación en las sociedades modernas, que además ha auspiciado comunicación interdisciplinar, innovación, convergencia y reducción significativa de costos en los dispositivos personales y portátiles de comunicación y computación, está cambiando el panorama elitista de los ITS.. La tecnología personal está adquiriendo un grado de. generalización de hardware sin precedentes, en donde la funcionalidad depende cada vez más del software que es fácilmente reemplazable y mejorable dentro de un margen de costos manejable. Como muestra de ello, se puede contrastar el costo estimado de la reciente compañía que desarrolló la aplicación Whatsapp en unos 18 billones de dólares, con la compra del legendario gigante del hardware ATMEL (julio de 2015) por parte de la desconocida oriental Dialog, por 4.2 billones de dólares. Las tendencias y convergencias tecnológicas, además, han revaluado muchas de las complejas y sofisticadas investigaciones y desarrollos de ITS en las dos últimas décadas, particularmente en lo relativo a la persistente iniciativa de desarrollar sistemas inteligentes educativos autónomos o aislados de cualquier interacción con otras plataformas de aprendizaje, las cuales generalmente eran criticadas en alguna medida en las publicaciones fruto de estas investigaciones, y cuyas repercusiones no trascendían el impacto meramente académico. Adicionalmente, existe falta de evidencia científica contundente que compruebe o descarte algunos de los principales mitos sobre educación y tecnología: los nativos digitales de los años 90 saben y piensan diferente y no puede enseñárseles de manera.

(30) 12. Modelo ITS para curso WSN con estándares interoperables. anacrónica; los sistemas educativos (en particular los ITS) deberían adaptarse a los diversos estilos de aprendizaje de los estudiantes y los aprendices modernos deberían estar en capacidad de autorregular sus propios procesos de aprendizaje (Kirschner; Merrienboer, 2013). En este contexto y dado que, por un lado, los gobiernos muestran gran preocupación porque las nuevas generaciones ya no quieren profesionalizarse en disciplinas que involucran ciencias, tecnología, ingeniería ni matemáticas (de aquí la iniciativa global STEM), pero que cuando lo hacen, la calidad de los resultados obtenidos en el proceso formativo no siempre es la adecuada ni esperada, lo cual genera gran discriminación en los perfiles laborales y salariales de los recién egresados, surge entonces una necesidad imperiosa de formación de calidad, particularmente en áreas STEM, no ajena al estado del arte de las TIC, asequible, que por lo pronto solo está siendo asumida por las grandes universidades privadas del mundo, quienes a manera de inversión están promoviendo a nivel global excelentes cursos masivos abiertos en línea (MOOC), gratuitos en acceso más no en certificación. Mientras tanto, los gobiernos del tercer mundo siguen en la puja entre presupuesto, cobertura y calidad en una educación cuyo modelo tradicional nunca podrá atender a las crecientes necesidades y demandas de la sociedad y el sector productivo moderno. Pero por otro lado, las corporaciones, grandes empresas y las universidades privadas, son ya conscientes de que sus mercados ya no son solo locales sino globales y la única forma de participar en la feroz competencia es utilizar la tecnología para reformular sus relaciones de costo, beneficio y oportunidad para estar omnipresentes, al menos virtualmente, y revisar la logística que actualmente demandan sus procesos exclusivamente presenciales. Pero si se retoma la memoria cercana y el reconocimiento a los buenos profesores universitarios, cada vez menos comunes, cuyo estilo de tutoría y carisma vale la pena emular y replicar a toda costa, aunque nunca fue preocupación obtener con ellos las mejores calificaciones, entonces vale la pena preguntarse qué es lo que puede replicarse de su exitoso método de enseñanza y comunicación o al menos tratar de emular a partir de técnicas de inteligencia artificial (AI) mediante los ITS. En efecto, el módulo de tutoría, o adaptación de un ITS es el responsable de esta tarea y no es menos importante que el modelo del estudiante, aunque actualmente sea el menos personalizable y no refleja ni preserva la cultura local de las naciones ni regiones. Sería muy bueno acceder a un.

(31) Capítulo 1. 13. curso gratuito en línea, de por ejemplo Redes de Sensores Inalámbricos, en el cual además de seleccionar los contenidos y ruta de aprendizaje, pudiese escoger presentación de temas y evaluaciones al estilo de Nancy Morales, Vytautas Gabriunas o Janceb Flantermesky como parte de la personalización (profesores indiscutiblemente destacados de la Facultad de Ingeniería de la Universidad Distrital Francisco José de Caldas a finales del siglo XX). Pero lamentablemente muchas de las especificidades de la personalidad de los buenos profesores o de las buenas instituciones educativas no son objeto de estudio o modelamiento por parte de los investigadores de ITS, quienes en su afán de aplicar la teoría atómica de sistemas, se enfocan en los modelos independientes para el dominio de conocimiento (experto), el de adaptación (tutor) y el del estudiante, olvidando que en múltiples ocasiones una misma persona puede desempeñar dos o más de los roles simultáneamente en un ITS, y que existe un contexto social y económico que debería tenerse en cuenta en el diseño. Es importante destacar la propuesta de Novak y Cañas (2008) sobre cómo una adecuada representación gráfica y estructurada de un conocimiento, a partir de los denominados mapas conceptuales, puede reemplazar volúmenes enteros de información escritos por un experto sobre un tema particular. Esta idea ha sido retomada y formalizada por la web semántica (Berners L., 2006) para establecer ontologías de diferentes dominios mediante un metalenguaje estándar que puedan entender tanto humanos como máquinas (agentes inteligentes en Internet, por ejemplo). Entonces parece que están dadas las condiciones para que se pueda retomar el problema de la complejidad y costo de desarrollo de los ITS: un lenguaje formal universal para describir el conocimiento, la experiencia y por qué no la personalidad, entendible tanto por humanos como por programas agentes que navegan la web y desempeñan labores específicas con inteligencia artificial en representación de usuarios humanos o no, tecnologías ubicuas, asequibles masivamente y computacionalmente capaces de desempeñar o acompañar el rol de un ITS, iniciativas de interacción social, comunicación y repercusión globales que justifican la inversión en ITS y ofrecen nuevos modelos de negocio a partir de la competitividad educativa en una sociedad enteramente globalizada, interconectada y fascinada por la estandarización..

(32) 14. Modelo ITS para curso WSN con estándares interoperables. 1.2 Orígenes Las tecnologías precursoras de los sistemas de tutoría inteligente se remontan a los comienzos del siglo XIX con el sueño de la “máquina analítica” de Charles Babbage, el primer computador analógico nunca terminado. En 1926 Sidney L. Pressey publica un artículo sobre su máquina evaluativa, un mecanismo que intentaba automatizar la evaluación y el aprendizaje suministrando respuesta y estímulo inmediato, al paso individualizado de cada aprendiz (primitivas leyes del aprendizaje). Aunque inflexible, incorporaba las teorías del aprendizaje y estrategias pedagógicas de la época (p.ej. dar un dulce como estímulo ante una respuesta correcta). No fue sino hasta mediados del siglo XX que Alan Turing vinculó el pensamiento a la tecnología computacional de la época, basada en electrónica de tubos de vacío, sistema binario, decisiones lógicas y almacenamiento masivo primitivo de datos.. Propuso la. “Prueba de Turing” para medir la inteligencia de una máquina que no es más que la habilidad de la máquina para responder preguntas hechas por un humano, emulando el estilo humano: ¿qué tan bien puede comunicar (la máquina) su conocimiento implícito? (Shute, et al. 1994). Nótese que ello no necesariamente implica que la máquina articule palabras o luzca como un humano, como es el caso de los chatbots2. Curiosamente en la actualidad se usan los conceptos de Prueba de Turing en muchos sistemas informáticos para un propósito inverso para el que fue creada dicha prueba. En estos sistemas se requiere asegurar que un usuario humano es quien está accediendo a la aplicación y no un agente computarizado y para ello se solicita el ingreso de un CAPTCHA (Completely Automated Public Turing test to tell Computers and Humans Apart - prueba de Turing completamente automática y pública para diferenciar computadoras de humanos) que contiene información que actualmente no puede ser procesada por sistemas prácticos de inteligencia artificial. A la vez que gradualmente emergían los computadores los psicólogos educativos empezaban a publicar que los procesos de tutoría individualizada cuidadosamente. 2. Ver por ejemplo chatbots destacados que pueden superar muchas de las pruebas de Turing, como http://www.alicebot.org, www.cleverbot.com o www.mitsuku.com ..

(33) Capítulo 1. 15. diseñados producían el mejor aprendizaje para la mayoría de las personas (e.g. Bloom, 1956; Carroll, 1963; Crowder, 1959; Glaser, 1976; Skinner, 1957), por lo que fue bastante natural pensar en aplicar los computadores a la tarea de la enseñanza individualizada. Desde los años 70 hasta el presente los sistemas de tutoría inteligente ITS han sido objeto de continua investigación en aras de suministrar tal instrucción individualizada, aunque a partir del presente siglo y milenio, se habla más de instrucción personalizada, dado el auge de las redes sociales a través de Internet. En los años 60 estaba de moda la instrucción programada (PI) (Gagné, 1965) que consistía en dividir la enseñanza en una serie delimitada de pasos, identificando plenamente las competencias de entrada y salida de cada paso y brindando realimentación inmediata para poder avanzar en secuencia lineal estricta por todo el currículo.. Esta concepción fue fácilmente. implementable a través de las máquinas, y se conoce como instrucción asistida por computadora (CAI) o entrenamiento basado en computadora (CBT). Desde el siglo pasado B. Bloom publica los resultados de una célebre investigación en la que concluye que el aprendizaje más eficiente proviene de la tutoría humana uno a uno, constituyéndose en el eje que soporta y justifica la investigación en ITS. Posteriormente la jerarquización del conocimiento en su taxonomía lo haría más famoso aún. Uno de los sistemas CAI precursores fue PLATO (Programmed Logic for Automatic Teaching Operations) que entró en funcionamiento en 1960 en la Universidad de Illinois, y que tuvo varias generaciones, con innovaciones pioneras, como pantalla táctil en 1984 la última generación fue PLATO IV, sistema que se apagó definitivamente en 2006. Este tipo de sistemas típicamente evaluaba si las respuestas eran correctas para proseguir, en caso contrario entraba en un bucle remedial hasta obtener los resultados esperados para continuar.. La remediación tradicional implicaba solicitar repetir los materiales de. entrenamiento y luego evaluar nuevamente de la misma manera.. La remediación. implica, sin embargo, tratar de encontrar las causas del error, tratarlo especialmente, ajustar el nivel de dificultad de la prueba, hasta obtener el resultado correcto. Este es uno de los aspectos principales de la personalización. Los sistemas inteligentes deben clasificar el tipo de error y suministrar tratamientos correspondientes. La inteligencia artificial (AI) es un campo extenso de investigación y desarrollo por sus infinitas aplicaciones, sin embargo, su aplicación a la educación está dada por los.

(34) Modelo ITS para curso WSN con estándares interoperables. 16. lineamientos de la psicología cognitiva, que se centran específicamente en cómo el cerebro humano representa eficientemente, almacena, recupera y comunica el conocimiento, entendido sencillamente como una gran colección de hechos y habilidades – correctas o difusas. Los tutores cognitivos se especializan en esta representación desde el punto de vista informático. Esta concepción de la representación del conocimiento ha evolucionado desde la arquitectura especializada de bases de datos y motores de inferencia propuesta para los sistemas expertos en los años 80, hasta la web semántica, ontologías y sistemas multi agente inteligentes en la Web de nuestros días, pasando por supuesto por la implementación de las teorías constructivistas de aprendizaje con la masificación del acceso a Internet en los años 90, inicialmente a través de iniciativas de comerciales privadas que empezaron a ofrecer servicios de gestión de aprendizaje (LMS) basados en la Web, y luego, a comienzos del tercer milenio, mediante aplicaciones libres, como la emblemática MOODLE (Martin Dougiamas, 2002), que resulta ser actualmente el sistema gratuito de cursos en la Web más popular y adaptable. Durante prácticamente dos décadas las investigaciones y desarrollos en ITS y LMS fueron totalmente independientes y desarticuladas y solo a partir de 2012 se perciben iniciativas de integración seria de unos y otros. Ello motivado, entre otras, porque la tecnología de telecomunicaciones e internet empezó a promover las redes personales (PAN) y las empresas ven ahora una oportunidad más clara para ofrecer servicios de aprendizaje a través de ellas, para lo cual es conveniente establecer una convergencia para estos desarrollos. El proceso de enseñanza aprendizaje se basará siempre en la “corrección del error”, que en principio puede atribuirse desprevenidamente a insuficiencia o imprecisión de los conocimientos.. Sin embargo, los modelos que explican y definen el error han. evolucionado significativamente en los últimos años.. Se encontró también que los. errores son esperados (no es conveniente evitar que ocurran) durante las diferentes etapas el proceso de aprendizaje, ya que no es posible que el cerebro interprete adecuadamente conocimientos o habilidades para las cuales no está preparado (recuérdense los gratamente promovidos mitos de la navidad como el Niño Dios y Santa Claus, sobre cuyos orígenes, rivalidad y ontologías nadie quiere hacer un paper). Por lo.

(35) Capítulo 1. 17. tanto es posible estudiar y clasificar dichos errores y tratar de rastrearlos para reemplazarlos por los conocimientos o procedimientos correctos. Esta es la base de los tutores rastreadores (tracing tutors) y los sistemas de producción (de reglas). Estas y otras concepciones novedosas de los errores han surgido precisamente del interés y evaluación de resultados en los ITS. En la Figura 1-1 se aprecian algunos antecedentes destacados y expectativas del uso de la tecnología en educación desde el siglo pasado hasta nuestros días presentes y venideros..

(36) Modelo ITS para curso WSN con estándares interoperables. 18. Figura 1-1:. Antecedentes y expectativas de la tecnología educativa (a) Máquina de. pruebas Pressey, 1926; (b) Máquina educativa de Skinner. 1961; (c) Sistema PLATO IV, 1984; (d) MOODLE móvil, 2013, y (e) Paradigma interfaz cerebro-máquina –BCI-, película The Matrix, 1999. (Wikipedia, Inglés, 2015).. 1.3 Definiciones El propósito de las investigaciones en ITS es desarrollar sistemas que emulen las principales características de una tutoría individualizada por un humano particularmente en disciplinas relacionadas con la solución de problemas.. Es por ello importante.

(37) Capítulo 1. 19. caracterizar cuales son esos comportamientos que hacen que una tutoría humana sea considerada acertada, para tratar de replicarlos en un sistema programable, sin desconocer que no existe una solución única y genérica para todo tipo de situación. Tal como establece Merril (et Al., 1992), uno de los modelos de tutoría más ventajosos para la solución de problemas y fácil de implementar en un ITS es el modelo de rastreo (model tracing o example tracing), técnica que se viene investigando desde mediados de los 80. En este tipo de tutoría las intervenciones son generalmente frecuentes y directas, cuando el sistema detecta un error en procedimiento o respuesta por parte del estudiante. Algunos investigadores son detractores de esta técnica y argumentan que se limita la capacidad para que el estudiante aprenda de sus propios errores (aprendizaje activo, aprender haciendo) o de que piense en soluciones alternativas a las recomendadas por el sistema experto. Varios estudios han documentado la efectividad de la tutoría humana uno a uno, entre ellos el más famoso, Bloom (1984). La tutoría individualizada en diversos dominios ha demostrado ser más eficiente en tiempo de aprendizaje y en desempeño subsiguiente. Se cree que ello radica en que los buenos tutores humanos son capaces de encontrar un delicado equilibrio entre la cantidad de trabajo autónomo y control del estudiante en el proceso, frente a la cantidad de intervención y guía para evitar que el estudiante aqueje confusión o frustración. La tutoría puede ser directa cuando se le indica al estudiante cual es específicamente el error en un paso de solución de problema en el momento en que se comete (incluso sugiriendo todos los pasos desde un comienzo), o indirecta, cuando se permite al estudiante fallar y luego se le dan pistas sobre el paso en el que cometió el error para permitir que él mismo lo descubra (Skinner, 1968 vs. Bruner, 1961 respectivamente). En cualquier caso la tutoría se centra en la presencia del error y en la percepción de la magnitud, causas (diagnóstico) e importancia de éste, según percibe el tutor, para determinar la acción a seguir (momento y tipo de retroalimentación acorde a contenidos disponibles y preferencias de aprendizaje). La implementación de algunas o de todas estas consideraciones en el manejo de los errores al solucionar problemas, redunda en la complejidad del modelo del tutor programable que se desea emular. Los ITS tienen varias definiciones clásicas, como la de Conati: es un campo interdisciplinar que investiga cómo divisar sistemas educativos que suministren instrucción adaptada a las necesidades de los estudiantes, tal como lo hacen muchos.

(38) Modelo ITS para curso WSN con estándares interoperables. 20. buenos profesores. Una de las actividades educativas más emuladas es la solución de problemas, sin embargo también se ven beneficiadas por la computación el diseño instruccional, la autoría de materiales,. el estudio de ejemplos, las simulaciones. interactivas, la comunicación didáctica y los juegos educativos. Y Graesser define a los ITS. como. entornos. computarizados. de. aprendizaje. que. incorporan. modelos. computacionales de las ciencias cognitivas, del aprendizaje, lingüística computacional, inteligencia artificial, matemáticas y otros campos que desarrollan sistemas inteligentes bien especificados. El acrónimo ITS reemplazó a ICAI, usado durante muchos años con el mismo propósito.. 1.3.1 Arquitectura de ITS Un ITS típicamente consta de cuatro componentes básicos que se muestran en la Figura 1-2 y se explican a continuación. El modelo del dominio, también conocido como modelo cognitivo/experto, consiste de conceptos, hechos, reglas y estrategias para solución de problemas del dominio objeto del ITS. Es una fuente de conocimiento experto, y un estándar para evaluación del desempeño del estudiante y diagnóstico de errores (inferencia de causas y propuesta de soluciones). El modelo del estudiante puede considerarse como una capa exterior del modelo del dominio. Representa estados cognitivos y afectivos del estudiante relacionados con la evolución de los avances del proceso de aprendizaje.. A medida que el estudiante. avanza paso a paso en la solución de problemas el sistema se dedica al proceso de rastreo de modelo e indica desviaciones del mismo. El modelo pedagógico, o de tutor, o de estrategia de enseñanza acepta información de los modelos de dominio y estudiante y concibe estrategias de tutoría mediante acciones específicas. Compara las evidencias del conocimiento del estudiante con sus metas de tutoría y presenta actividades pedagógicas acordes. Sigue el progreso del estudiante, elabora un perfil de fortalezas y debilidades relativas a las reglas de producción (rastreo de conocimiento)..

(39) Capítulo 1. 21. El módulo de interfaz de usuario es la fachada del ITS, integra la información requerida para interactuar con el usuario.. En el caso del LMS la interfaz es regulada por la. funcionalidad de éste y es un factor importante para la aceptación (afectividad) del usuario. Figura 1-2:. Arquitectura simplificada de un sistema de tutoría inteligente interoperable. con LMS (elaboración propia).. 1.3.2 Modelos de Conocimiento Existen tres tendencias para modelar el razonamiento en el dominio del conocimiento que son modelo basado en reglas, modelo basado en restricciones y sistema experto. . Modelo basado en reglas:. Es un conjunto de reglas que los estudiantes deben seguir paso a paso para la solución de problemas. Estas reglas se deducen de un proceso de observación de las diferentes estrategias para resolver problemas por parte de usuarios expertos y novatos, denominado análisis de tarea cognitiva (Cognitive Task Analysis, CTA) y generan un conjunto de tareas cuyos modelos se representan por reglas de producción estructuradas como un árbol de descomposición de metas o como espacios de estado en los que cada regla o transición corresponde a una acción u operación para realizar una tarea. Algunas de las reglas o transiciones se pueden marcar como informales o defectuosas, o.

(40) Modelo ITS para curso WSN con estándares interoperables. 22. anotadas con pistas u otra información didáctica. Normalmente utilizado en dominios del conocimiento bien estructurados, como las matemáticas. El tutor rastreador de modelo (Model Tracing – MT) se relaciona con el modelo basado en reglas y consiste en que cuando el aprendiz realiza una tarea con un tutor cognitivo, este sigue su razonamiento analizando las reglas que fueron aplicadas y así sugerir el paso siguiente, brindar demostraciones, evaluar habilidades aplicadas e inferir metas del aprendiz. Este modelo da prevalencia a la evaluación del proceso de razonamiento más que atenerse tan solo a la solución correcta, y asume que se conoce el punto de partida y llegada de un problema, lo cual limita su aplicación en dominios pobremente definidos o complejos los cuales son difíciles de modelar. . Modelo basado en restricciones:. El CBM (Constraint Based Model) expresa los requerimientos que cualquier solución a un problema debe satisfacer, a diferencia de la captura del conocimiento involucrado en la solución paso a paso del mismo (modelo basado en reglas).. El CBM analiza los. resultados obtenidos en su itinerario verificando que las restricciones se hayan respetado (Ohlsson, 1992), distinguiendo entre conocimiento procedural y declarativo (aproximación cognitivista). CBM representa el espacio de solución en término de abstracciones, se enfoca en los productos, incluyendo los intermedios, definiendo resultados y comportamientos aceptables, lo cual alivia las limitaciones de construcción de ITS que anticipan todas las posibles rutas y errores en dominios complejos. . Modelo Experto:. Consiste en la integración de un sistema experto para representar y racionar en un dominio de conocimiento. En éstos se emula la habilidad de decisión de un experto humano. Una forma de aplicación consiste en comparar las soluciones del experto y las del estudiante (GUIDON, MYCIN), o una segunda forma que compara soluciones ideales con las del aprendiz (Auto-tutor y Design-First). Pero desarrollar un sistema experto para dominios pobremente definidos es costoso y difícil, adicionalmente algunos expertos no pueden justificar sus inferencias o suministrar explicaciones apropiadas para el aprendizaje..

(41) Capítulo 1. 23. Las principales dificultades de los ITS radican en su costo, pues se ha verificado que por cada hora de tutoría inteligente se deben invertir entre 200 y 300 horas de trabajo de desarrollo por parte de expertos, a pesar de que las herramientas de autoría están equilibrando esta desproporción paulatinamente. Adicionalmente está el hecho de que los ITS se basan en dominios disciplinares y no es trivial su generalización para justificar sus costos. Por ello los usos más frecuentes de ITS ocurren en cursos básicos comunes a múltiples disciplinas del saber, que poco cambian en el tiempo, así como para entrenamiento militar. En el presente milenio las preocupaciones de los ITS han puesto en la mira a los dominios de conocimiento pobremente definidos (por ejemplo las artes, leyes diseño, diagnóstico médico, para los cuales no es posible definir soluciones correctas o incorrectas, no hay soluciones únicas o se basan en convenciones y no en leyes naturales), así como la influencia de la afectividad y las emociones en el proceso de aprendizaje (Affective Learning).. En este orden de ideas el énfasis de ITS cambia. frecuentemente de uno a otro en los elementos constitutivos de su arquitectura y ello enmarca su desarrollo en dicha generación. Vale la pena aclarar que aunque existen los dominios pobremente definidos o estructurados, también incluso dentro de dominios bien definidos del conocimiento existen áreas pobremente definidas, tal como es el caso de la creatividad dentro de la ingeniería. En dominios pobremente definidos o estructurados se pueden diseñar ITS aplicando ciertas metodologías preferentes, como basada en modelos, en restricciones, aprendizaje por descubrimiento (exploración o construcción de modelos), análisis de casos y colaboración. Los últimos representan el auge del enfoque constructivista. El énfasis en estos dominios pobremente definidos se está moviendo hacia estrategias de enseñanza o mixtas que involucran LMS no dedicados que soporten métodos no didácticos como la instrucción socrática, la exploración asistida por pares, aprendizaje con simulaciones y exploraciones o aprendizaje informal en entornos colaborativos. Se nota entonces un giro hacia énfasis en la metodología, más que en los dominios del.

(42) Modelo ITS para curso WSN con estándares interoperables. 24. conocimiento, así como en interfaces que fomenten la productividad y no la restricción de su labor. En las conferencias sobre ITS se percibe que actualmente la atención se concentra en el trabajo en grupo y la conexión con ambientes inteligentes en la Web, el aprendizaje auto regulado y en los aspectos emocionales y sus efectos en el aprendizaje.. 1.3.3 Modelos de Estudiante La personalización de los servicios es muy importante en Internet, especialmente en los sistemas de aprendizaje basados en la Web. En general, los sistemas personalizados toman en cuenta las interacción. preferencias de aprendizaje, intereses y comportamientos de. del usuario, ofreciendo servicios ajustados a éstos. Sin embargo, la. capacidad de aprendizaje del estudiante generalmente es descuidada como un importante factor en la aplicación de mecanismos de personalización. Además demasiadas estructuras de hipervínculos en los sistemas de aprendizaje basados en la Web implican una sobrecarga de información para los alumnos. En consecuencia, la desorientación en la Web (perdidos en el hiperespacio), la sobrecarga cognitiva, la falta de mecanismos adaptativos y la sobrecarga de información constituyen los principales temas de investigación. Las principales enfoques introducidos para modelar los estudiantes en la última década se encuentran perfectamente resumidos por Chrysafiadi y Virvou (2013) y se nombran a continuación: capas, perturbación, estereotipos, técnicas de aprendizaje de máquinas, teorías cognitivas, modelos basados en restricciones, modelamiento difuso de estudiantes, redes Bayesianas y modelamiento ontológico del estudiante. Se pretende establecer qué modelar, cómo y por qué, en el modelo del estudiante. En consecuencia la investigación teórica sobre estos modelos es abundante, así como sus contextos y se remite a la referencia de Chrysafiadi y Virvou, para su mejor conocimiento..