vendimia 2012 ponencia
TRANSCRIPT
Sistemas de soporte para ambientes virtuales de
aprendizaje, basados en agentes inteligentes
Pilar Alexandra Moreno1
Universidad Nacional Abierta y a Distancia
UNAD Colombia [email protected]
Erika María Sandoval Valero2
Universidad Nacional Abierta y a Distancia
UNAD Colombia [email protected]
Carlos Alberto Rojas López3
Universidad Nacional Abierta y a Distancia
UNAD Colombia
RESUMEN
Los lectores encontrarán apartes de la propuesta y parte del desarrollo del proyecto de investigación
denominado “Agente inteligente como sistema de soporte para ambientes virtuales de aprendizaje”, el
cual pretende ofrecer a la comunidad académica de la Universidad Nacional Abierta y a Distancia
(UNAD), el proceso para crear un modelo de agente inteligente como apoyo a estudiantes en ambientes
virtuales de aprendizaje, sirviendo como soporte y orientación en el campus virtual de la institución. El
artículo está estructurado en los siguientes ítems: introducción, metodología, avances del desarrollo,
conclusiones y bibliografía.
1 Ingeniera de Sistemas. Especialista en Aprendizaje Autónomo. Magister en E-learning. Docente universitario-investigador.
Experiencia en análisis, diseño y desarrollo de sistemas informáticos en áreas empresariales, administrativas y académicas.
Ponente en eventos nacionales e internacionales, relacionados con temas de Ingeniería de Software, AVA y TIC aplicadas a
la educación.
2 Ingeniera de Sistemas. Especialista en Gerencia de Sistemas informáticos. Especialista en entornos virtuales de aprendizaje. Tesista de maestría en software libre y estudios de maestría en entornos virtuales de aprendizaje. Docente
investigador universitario en las áreas de Ingeniería de software y TIC aplicadas a la educación.
3 Especialista en Gerencia de Sistemas Informáticos, Ingeniero de Sistemas. Experiencia como programador e ingeniero de
software así como en investigación. Docente catedrático en ingeniería y tecnología de sistemas. Ponente en eventos
nacionales e internacionales, relacionados con temas de Ingeniería de Software
El tipo de investigación que se está desarrollando es aplicada, basada en la utilización de conceptos y
avances en los campos de la inteligencia artificial, los ambientes virtuales de aprendizaje y sistemas de
soporte, para desarrollar una innovación tecnológica, tipo sistema inteligente como alternativa de
solución a las necesidades de soporte que presentan los estudiantes de la UNAD en el campus virtual.
Palabras claves - Agentes inteligentes, inteligencia artificial, ambientes virtuales de aprendizaje (AVA),
sistemas de soporte y orientación, consejería virtual, tecnologías de la información y la comunicación
(TIC)
ABSTRACT
Readers will find excerpts of the proposal and development of the research project entitled "Intelligent
Agent as a support system for virtual learning environments", which aims to provide the academic
community of the National Open and Distance University (UNAD), the process to create a model of
intelligent agent to support students in virtual learning environments, serving as support and guidance in
the virtual campus of the institution. The paper is structured in the following items: introduction,
methodology, development progress, conclusions and bibliography.
The type of research that is being developed is applied, based on the use of concepts and developments
in the fields of artificial intelligence, virtual learning environments and support systems, to develop a
technological innovation, intelligent system as an alternative type of solution support the needs of
nursing students of UNAD virtual campus.
Keywords. Intelligent agents, artificial intelligence, virtual learning environments (VLE), support and
guidance systems, virtual counseling, information technology and communication (ICT)
I. INTRODUCCIÓN
La educación virtual ha roto el paradigma que calificaba la educación como una actividad que se debía
realizar única y exclusivamente a través de la interacción presencial, de sus actores, convirtiéndose en
una formación, completamente flexible, llenando un espacio vacío existente en el entorno educativo
tradicional y en el entorno social; el mayor de ellos es sobrepasar el espacio y el tiempo.
A medida que han ido apareciendo nuevas herramientas y tecnologías, la educación virtual ha dejado de
ser una enseñanza que con la ayuda de la tecnología, las computadoras, cámaras Web y herramientas de
multimedia, es impartida a través de Internet. La educación virtual es el espacio perfecto para promover
la interacción con otras culturas, desarrollar habilidades investigativas, crear ambientes de colaboración,
diseñar estrategias de aprendizaje y compartir experiencias y conocimientos.
Surgen una serie de dificultades, como lo es el crecimiento de las diversas aplicaciones de información,
comunicación y estructuración de contenidos, pero con una integración relativamente pobre, lo cual
conlleva al desarrollo de herramientas que suplan este problema. Una pregunta importante es ¿estas
herramientas son adecuadas?, y si son adecuadas se debe profundizar en otras áreas, como la
Inteligencia artificial, con el fin de crear sistemas mas dinámicos, interactivo y que propicien un
aprendizaje colaborativo.
La inteligencia artificial es un campo de estudio donde convergen muchas áreas como la computación,
física, matemáticas, psicología, sociología, lingüística, biología, las cuales en un ambiente tradicional no
tendrían puntos en común, ni enfoques teóricos en discusión. Actualmente la inteligencia artificial no es
un área exclusiva para la computación o la electrónica, o está enfocada en la robótica, ya se habla de
sistemas expertos, autómatas celulares, computación cuántica, agentes autónomos y una infinidad de
conceptos aplicados a producir soluciones de hardware y de software, teniendo este último una ventaja
considerable ya que ha permitido crear una gran cantidad de seres, aplicaciones y entornos que simulan
a los reales.
En cuanto a la Universidad Nacional Abierta y a Distancia UNAD Colombia, como institución oficial de
educación superior y a distancia, actualmente desarrolla procesos formativos mediante el uso de una
plataforma educativa en línea y un “Campus Virtual” donde bajo la modalidad de la mediación virtual se
realizan una multiplicidad de actividades académicas y servicios conexos, como el de “Consejería
Virtual”, cuya labor es atender y acompañar los procesos de aprendizaje de los estudiantes en el Campus
Virtual de la UNAD (Consejería Virtual, 2008) y lograr, por un lado, la disminución del impacto de
aprender en un ambiente en línea, es decir los problemas ocasionados por los elementos propios de esta
modalidad de instrucción, tales como ‘la barrera tecnológica’ (Levy, 2006) y la necesidad de desarrollar
competencias específicas para aprender en este medio, y por otro, favorecer la adaptación de los
estudiantes y su permanencia en el sistema.
Con los preliminares presentados, nace el proyecto que se describe a continuación, el cual se está
desarrollando, teniendo como campos de estudio la inteligencia artificial, la educación virtual como
modalidad de educación, el campus virtual de la Unad como medio de implementación y a sus
estudiantes como usuarios recurrentes del sistema, quienes tienen necesidad sentida de orientación
constante y eficiente para lograr un adecuado desarrollo de sus actividades académicas a través del
campus virtual.
El desarrollo del anteproyecto contó con un proceso cuya rigurosidad investigativa, académica y
conceptual le permitió obtener una propuesta actual, acorde a las necesidades detectadas, encaminada en
la línea de investigación de Ingeniería del software y del cual se empiezan a generar productos con miras
a que sus resultados sean aprovechados por la Unad y por la comunidad científica en general.
El campus virtual de la UNAD cuenta con una población de más de 15.000 estudiantes, los cuales
desarrollan sus procesos formativos, ofreciéndose aproximadamente 450 cursos a través de esta
mediación; para atender las necesidades de estos actores, la Consejería Virtual de la UNAD ha creado
un “Sistema de Soporte” que brinda apoyo y orientación tanto pedagógica como técnica, la cual es dada
exclusivamente a través de espacios asincrónicos, denominados Foros de Atención, sin que exista en la
actualidad ningún sistema estandarizado de ayudas que agilicen las respuestas a consultas de temas
reiterativos que hacen los estudiantes. La Consejería se encuentra frente a un servicio cuyas necesidades
han rebasado enormemente su capacidad de respuesta tal y como se demuestra en el Informe del Sistema
de Soporte y Consejería Virtual (UNAD, 2009), según el cual para agosto de 2009, el personal de la
Consejería había atendido 19.967 usuarios de campus virtual, con un total de 367.381 registros en los
Foros de Atención mencionados anteriormente. En este mismo informe se evidencia la gran cantidad de
temas o discusiones abiertas por los usuarios, las cuales, por la naturaleza de la herramienta tecnológica
utilizada para atender las consultas, es decir el Foro, deben ser respondidas por escrito e individualmente
por los operarios de la Consejería.
Por otro lado, en el mencionado informe (UNAD, 2009) se recogieron otros datos que evidencian aún
más las debilidades del sistema para dar respuesta a los estudiantes de Campus Virtual, entre dichos
datos resaltan los siguientes: (1) el tiempo establecido como límite máximo para recibir atención es 48
horas y las respuestas están demorando hasta 124 horas, (2) la misma situación puede ser consultada y
atendida varias veces en diferentes espacios, (3) los estudiantes obtienen respuestas diferentes de
acuerdo a la persona encargada de brindar el soporte.
Todo lo anterior llevó a la realización de una investigación completa al sistema de consejería virtual en
2010. Dicho estudio se denominó “Temática de las Consultas de Consejería Virtual, UNAD Colombia.
Tipología y Jerarquización” (Moreno y Rotundo, 2010). Los resultados obtenidos evidenciaron que el
sistema de soporte de la consejería virtual de la UNAD presenta en la actualidad debilidades que le
dificultan atender de manera eficiente las necesidades de la comunidad virtual de aprendizaje a la que
sirve, especialmente las de los estudiantes, quienes son los usuarios principales del servicio. Además,
dicho estudio establece como recomendaciones:
a) Implementar el menú de ayudas para uniformar y normalizar las respuestas dadas al estudiante y
atender de forma automática las consultas recurrentes, es decir aquellas que se repiten varias veces. Sólo
implementando un sistema de ayuda inteligente, el sistema de consejería virtual daría respuesta de
manera estandarizada y automatizada a aproximadamente 10.000 consultas.
b) Crear un espacio en el campus virtual de acceso público que contenga opciones estandarizadas en el
menú de ayuda.
c) Utilizar la tipología obtenida para desarrollar una herramienta de declaración de errores.
d) Sistematizar el proceso de declaración de errores y sustituir el foro de atención por una herramienta
automática donde el estudiante no tenga que escribir problemas sino seleccionarlos de un menú o
sistema inteligente.
Según la literatura consultada, la incapacidad de los sistemas de soporte de responder a las necesidades
de los estudiantes en línea genera en ellos altos niveles de frustración e incide negativamente en su
desempeño, llegando algunas veces a ocasionar el abandono de los cursos. (Davidson-Shivers y
Rasmussen 2006, Borges 2005, Simonson, Smaldino, Albright y Zvacek 2006).
Al terminar este proyecto, se pretende obtener una propuesta de agente inteligente para el campus virtual
donde los estudiantes tendrían un apoyo dirigido con mayor precisión a los problemas de mayor
frecuencia que afectan su proceso de aprendizaje, el cual, a su vez, permita aplicar los principios del
aprendizaje auto dirigido y la búsqueda de soluciones de manera independiente, tan importante para la
educación a distancia.
El estudio de esta problemática es factible debido a que existen registros de los datos obtenidos de la
tipología y jerarquización de consultas en los espacios asíncronos de la Consejería Virtual y se cuenta
con acceso irrestricto a esta información. Por otro lado, se ha realizado como primer paso un estado del
arte que permitirá determinar cuál es el modelo de agente inteligente más apropiado para el campus
virtual, asegurando que el alcance de la investigación es también factible de manejar en el tiempo y los
recursos propuestos para la investigación.
Por todo lo anterior se ha establecido como formulación del problema a solucionar: ¿Cómo diseñar un
modelo de agente inteligente que permita el apoyo y orientación de estudiantes en ambientes virtuales de
aprendizaje y que sirva como sistema de soporte y orientación del campus virtual Unad?
II. METODOLOGÍA DEL PROYECTO
Para poder llevar a cabo el objetivo propuesto en el proyecto de investigación: “Desarrollar un modelo
de agente inteligente para el apoyo a estudiantes en ambientes virtuales de aprendizaje, que sirva como
sistema de soporte y orientación en el campus virtual UNAD.”, se presenta la siguiente metodología de
trabajo.
El estudio corresponde a una investigación aplicada, en tanto se basa en la utilización de los conceptos y
desarrollos teóricos dados en los campos de la inteligencia artificial, los ambientes virtuales de
aprendizaje y en sistemas de soporte, para desarrollar un sistema tipo inteligente como alternativa de
solución a las necesidades de soporte que presentan los estudiantes de la UNAD en el campus virtual,
tomándose así como investigación aplicada para el desarrollo de una innovación tecnológica.
La realización del proyecto se fundamenta en el análisis e investigación independiente de los tipos más
comunes de agentes inteligentes y técnicas de inteligencia artificial y su relación con los sistemas de
soporte para ambientes virtuales de aprendizaje, a través de un cuadro comparativo donde se tengan en
cuenta aspectos tales como: aplicabilidad, efectividad, compatibilidad, rendimiento, versatilidad, y
facilidad de programación.
De otro lado, el estudio también corresponde a un desarrollo tecnológico porque a lo largo de la
investigación se desarrollará un sistema tipo agente inteligente, en donde se evidencie la aplicación de
los modelos estudiados en el modelo resultante. En el momento el proyecto se encuentra en el la
segunda fase de desarrollo de todo el proceso, en la Figura 1 se muestran las diferentes etapas que se han
trazado para cumplir los objetivos planeados.
Figura 1. Esquema de trabajo por etapas
A manera de detalle cada etapa comprende:
Primera etapa. Realizar el estado del arte sobre agentes inteligentes y servicios de apoyo al estudiante
en ambientes virtuales de aprendizaje, el cual permitirá el cumplimiento del primer objetivo relacionado
con la determinación del tipo de agente inteligente apropiado para desarrollar un sistema de apoyo a
estudiantes de ambientes virtuales de aprendizaje. Además se presenta y justifica el tipo de agente
inteligente a utilizar en el diseño del sistema de apoyo. En esta primera etapa se obtendrá como
resultado el estado del arte como tal, el cual se considera un producto conceptual.
Segunda etapa. De acuerdo al análisis y comparación cualitativa entre los agentes inteligentes
estudiados y su relación con los tipos de servicio de apoyo a estudiantes en ambientes virtuales de
aprendizaje y una vez seleccionado el tipo de agente inteligente a implementar, se realiza el diseño del
modelo de agente inteligente para el sistema de apoyo y orientación a estudiantes en ambientes virtuales
de aprendizaje. De tal forma que el producto de esta etapa es el modelo es en sí mismo y corresponde a
un producto de carácter conceptual.
Tercera etapa. En esta etapa se determinan los componentes hardware, software y demás requisitos que
deben contemplarse en el desarrollo del sistema inteligente, acuerdo al modelo de agente inteligente
seleccionado y a las necesidades de consulta de los estudiantes en campus virtual. Aquí se realiza un
proceso de análisis de datos e información referente a las necesidades de consulta de los estudiantes del
campus virtual Unad, de acuerdo a la jerarquía y tipificación de las temáticas de consulta obtenidas en el
estudio “Temática de las Consultas de Consejería Virtual, UNAD Colombia. Tipología y
Jerarquización” (Moreno 2010), el cual antecede a este proyecto y se convierte en la fuente de
información principal en cuanto a las necesidades y principales temáticas de consulta de los estudiantes
del campus virtual Unad. En esta etapa se genera el diseño como tal del sistema inteligente. Este
producto es conceptual.
Cuarta etapa. Se realiza la construcción del prototipo funcional del sistema inteligente que se propone
para el campus virtual de la UNAD, de acuerdo con el diseño establecido. El producto como tal es el
prototipo de sistema de agente inteligente, considerado como un producto tecnológico. De acuerdo a las
normas para construcción de prototipos de llevarán a cabo las pruebas requeridas para el afinamiento del
mismo, aclarando que se harán de forma independiente, sin llegar a implementarlo y probarlo en el
campus virtual de la UNAD.
Quinta etapa. Esta es la última fase del proceso, en donde de forma contundente se dará respuesta a la
formulación del problema ¿Cómo diseñar un modelo de agente inteligente que permita el apoyo y
orientación de estudiantes en ambientes virtuales de aprendizaje y que sirva como sistema de soporte y
orientación del campus virtual Unad?. En esta etapa se realizará la sistematización completa del proceso
de ingeniería del software llevado a cabo en el diseño del modelo de agente inteligente para el sistema
de apoyo y orientación a estudiantes en ambientes virtuales de aprendizaje. Esta sistematización será un
producto de carácter conceptual y pedagógico. Aquí se confirmará la pertinencia del proyecto en cuanto
a los aportes a la Ingeniería del software, a nivel de modelado y diseño del sistema inteligente.
En cuanto a los instrumentos a aplicar, en esta investigación no se hace necesario ningún instrumento de
recolección de datos, ni guión de encuesta ni cuestionario con escala Likert, ya que los datos ya existen:
la información fue recogida durante los dos últimos años en los Foros de la Consejería Virtual de la
UNAD Colombia, donde los estudiantes habían publicado sus consultas durante todo este tiempo. Esta
información ya existente se denomina datos secundarios y se constituye como base para el análisis en
esta investigación: “Los datos secundarios son datos que ya han sido recopilados por otras personas con
sus propios instrumentos o para propósitos diferentes (Thames Valley University, 2009) al de un
investigador”. Los datos secundarios que se constituyen la muestra de la investigación, por otro lado,
son válidos ya que, de acuerdo a la clasificación de Krysik (2005) son del nivel “micro”, es decir que
provienen de una fuente oficial, en este caso de la Vicerrectoría de Medios y Mediaciones Pedagógicas
de la UNAD como unidad en donde se realizó la investigación que recopiló.
Por último, como fuentes secundarias, el tema se fundamenta en resultados de investigaciones
preliminares, desarrollos de software anteriores, consultas en revistas científicas, académicas,
ponencias, materiales escritos como libros, tutoriales y guías, así como en páginas Web relacionadas con
el tema.
III. AVANCES DE LA INVESTIGACIÓN
La primera parte de la investigación consiste en consolidar un estado de arte que permita el diseño de un
modelo de agente inteligente para el servicio de apoyo a estudiantes en ambientes virtuales de
aprendizaje, haciendo el estudio de teorías, casos de éxito e investigaciones que se han publicado para
resolver problemas similares a los determinados en esta investigación.
Existen diferentes conceptos de la inteligencia artificial, cada una de ellas nos conducen a definir dos
aspectos básicos de la Inteligencia Artificial: entender y modelar sistemas inteligentes y construir
máquinas inteligentes. El primero de ellos da una visión científica de la IA y el segundo ingenieril.
Para José Cuena, [Cuena, 1997] la IA puede verse desde dos perspectivas, como Ciencia, entendiendo
la naturaleza de la inteligencia, y como Ingeniería, construyendo artefactos que presentan una
conducta inteligente. Juan Pazos [Pazos et alt., 1997] afirma que la IA como Ciencia trata del
estudio del comportamiento inteligente, siendo su fin conseguir una teoría de la inteligencia que
explique la conducta que observa en seres de naturaleza inteligente y que guíe la creación de
entes artificiales capaces de alcanzar dicho proceder inteligente. Por otra parte, como Ingeniería la
IA se ocupa de los conceptos, la teoría y la práctica para la construcción de máquinas inteligentes. En
[Nilsson, 1971] se integra el concepto de Ciencia e Ingeniería, considerando que la IA tiene como
objeto el estudio del comportamiento inteligente en las máquinas. A su vez, el comportamiento
inteligente supone percibir, razonar, aprender, comunicarse y actuar en entornos complejos. El
concepto de IA se considera tan amplio que usualmente se divide en dos clases, que [Kremer, 2001]
explica con definiciones simples y concretas:
IA débil. Maquinas que pueden actuar como si fueran inteligentes.
IA fuerte. Máquinas que actúan inteligentemente con mentes reales y conscientes.
Pensar que la IA pueda igualar o superar la inteligencia humana es difícil, hay capacidades como
el arte y las emociones que no se pueden imaginar en máquinas (IA fuerte). Tal vez IA no debería
ser comparada a la mente humana. El objetivo, sin embargo, es conseguir una IA tan provechosa
como sea posible y no simplemente copiar el cerebro humano (AI Débil). [Rich y Knight, 1991]
utiliza la definición de IA débil y su uso en computadoras para determinar que el objetivo de la IA
es estudiar cómo hacer posible que los computadores realicen tareas que, por el momento, hacen
mejor los humanos. Este concepto guía el propósito de esta tesis, ya que se quiere construir un
sistema inteligente que, cooperando con los humanos y basándose en sus conocimiento, optimice los
resultados de una tarea crítica que actualmente realizan usando solo su inteligencia.
Para llevar a cabo el objetivo global de la IA, esta se ha dividido en una serie de áreas de
investigación, cada una con unos propósitos específicos que permiten aportar conocimientos y
métodos particulares que ayudan al cumplimento de la meta general. Entre estas están las redes
neuronales artificiales, el procesamiento del lenguaje natural, la visión artificial, el reconocimiento de
formas, la robótica inteligente y los sistemas basados en el conocimiento. Uno de los ejemplos más
claros de IA débil serían los sistemas basados en el conocimiento, entre los que se encuentran los
sistemas expertos y los sistemas de tutorización inteligentes.
Los Sistemas Basados en el Conocimiento centran su arquitectura y funcionamiento en la visión
cognoscitiva, es decir, de estructuración del conocimiento. Dentro de esta estructura se puede
distinguir la visión constructivista de los Sistemas de Tutorización Inteligentes que pretenden que el
utilizador, en general estudiante o aprendiz, guíe su propio proceso de aprendizaje, mientras que los
Sistemas Expertos tienen una visión conductista dando una respuesta razonada a estímulos o factores
externos.
Para el desarrollo del agente de esta investigación, el tipo de sistema concreto es el que encierra a los
Sistemas Basados en el Conocimiento, los cuales tratan problemas complejos en un dominio
determinado y necesitan un elevado conocimiento sobre el mismo. Sus principios fundamentales son:
Emulación de la capacidad de resolución del ser humano, Utilización de las mismas fuentes del
conocimiento que utiliza el experto humano y la Aplicación a un dominio específico.
[Guida y Tasso, 1994] clasifica los Sistemas Basados en el Conocimiento según el papel que
realiza en el entorno en términos de responsabilidades y tareas. Esta clasificación es la
siguiente:
Sistema soporte: Sistema que ayuda al usuario en su toma de decisiones pero no lo remplaza. La
responsabilidad última es del usuario, el sistema actúa como asesor o consultor ofreciendo
conocimientos y competencias.
Sistema prescriptivo: Sistemas que dirigen al usuario en la ejecución de una tarea o en la toma de
decisiones. Necesita la participación del usuario, aunque el sistema puede dirigir y controlar. La
responsabilidad, en consecuencia, es compartida. Mejoran la calidad del trabajo y reducen el tiempo
de ejecución.
Sistema autónomo: Sistemas que no interactúan con el usuario, sino que lo remplazan, son
autónomos en sus decisiones, por tanto la responsabilidad final es del sistema.
[Waterman, 1986], por su parte, incide en el grado de evolución del sistema, es decir, en el estado en
que se encuentra respecto a su posible uso o aplicación. Su clasificación es la siguiente:
Prototipo de demostración: Sistema reducido que se utiliza para presentaciones y demostraciones y
hace referencia a un sistema más completo que está sin desarrollar, aunque si especificado.
Muestra que el futuro sistema será viable solucionando una porción del problema.
Prototipo de investigación: Sistema mediano que funciona de manera aceptable pero que debe ser
revisado y probado. Es una versión inicial del futuro sistema.
Prototipo de campo: Sistema mediano o grande que está siendo probado en un entorno real y
responde a las expectativas.
Modelo de producción: Sistema de gran tamaño ya probado en un entorno real de usuario y que ha
conseguido buenos resultados y responde a las necesidades de eficiencia y calidad requeridas.
Sistema comercial: Sistemas con las mismas características del modelo de producción y que están
siendo utilizados regularmente.
Los anteriores apartes han mencionado algunos de los aspectos más representativos en cuanto a las
generalidades y la clasificación de los sistemas inteligentes, enfatizando en los sistemas basados en el
conocimiento, dando como resultado que los autores del proyecto estudien una de las siguientes
posibilidades como solución para desarrollar el agente:
1. Diseño de un modelo de agente en el cual se puedan enlazar los clústers o jerarquías de consultas que
se establecieron como trabajo previo, con perfiles o estereotipos de estudiantes (consultantes), de tal
forma que con base en ello se pueda evaluar una técnica de aprendizaje automático que permita hacer
matching o emparejamiento, y de esta forma obtener la respuesta adecuada a la pregunta o situación
consultada.
2. Contando con la tipología y jerarquización de consultas atendidas en la consejería virtual y el sistema
de soporte de la Unad, es viable una solución vía estructuración de información con sus respectivos
mecanismos de navegación. Es decir, la implementación de una metodología de refinamiento iterativo
de preguntas, recorriendo la jerarquía hasta llegar a la pregunta específica que se necesita solucionar.
Aquí se pueden tener en cuenta las características y perfiles del estudiante, usuario del sistema de
soporte, ya que la respuesta dependería de quién está preguntando, con esto se apuntaría a generar una
respuesta personalizada.
3. Si la información no depende de las características del usuario, es diseñar un mecanismo de
búsqueda en el texto, tipo Google, o usar un esquema tipo recomendador de contenidos. Para ello se
establecería un mapa jerárquico de preguntas, a modo de sistema de Preguntas Frecuentes - FAQ
estructurada y una interfaz para navegarla; aprovechando que las respuestas están predefinidas para cada
pregunta.
Pensando en un sistema más inteligente involucraría, por ejemplo, opciones como:
- Un modelo en donde el usuario pudiera plantear la pregunta en lenguaje natural (español) y el sistema
le presentara las preguntas que cree se acercan a lo que está preguntando.
- Un modelo del usuario, que vaya registrando incidencias y sugiriendo áreas donde el estudiante tiene o
ha tenido problemas, de tal forma que el sistema le presente las posibles soluciones y sugerencias de más
temas o cosas por aprender.
- Optar por framework y/o herramientas ya construidas, que por sus características, se pueda adaptar a
un ambiente de aprendizaje virtual. Básicamente son plataformas completas basadas en agentes para la
colaboración, con aplicación al caso particular de educación. En este caso, el diseño dependería de las
especificaciones y requerimientos propios de la herramienta seleccionada.
El trabajo que sigue consistirá en realizar un sistema de caracterización de las anteriores alternativas,
estableciendo parámetros tales como facilidad, pertinencia, tiempo de desarrollo, costos, accesibilidad,
adaptabilidad y otros más; para así contar con un marco de referencia que ayude en la toma de
decisiones en cuanto a la mejor opción de trabajo a seguir.
IV. CONCLUSIONES
La propuesta presentada en este artículo representa un gran aporte investigativo de las líneas
mencionadas: Ingeniería de software, Inteligencia artificial y Ambientes virtuales de aprendizaje, puesto
que los proyectos de este tipo son muy pocos.
El proceso investigativo generará productos de diferente índole:
- Cognitivos: estado del arte, modelo de agente inteligente para soporte a estudiantes en ambientes
virtuales de aprendizaje, el cual corresponde a un producto de carácter conceptual, diseño del agente
inteligente,
Tecnológicos: prototipo de sistema de agente inteligente, sistematización completa del proceso de
ingeniería del software
Pedagógico: proceso de ingeniería de software para el desarrollo del agente.
El diseño de un modelo de agente inteligente para el servicio de apoyo a estudiantes en ambientes
virtuales de aprendizaje, permitirá obtener el conocimiento experto necesario para el desarrollo del
agente inteligente, el cual se convierte en gran riqueza personal como investigadores, para el equipo de
trabajo y para el programa, también en general, para los ingenieros de sistemas quienes pueden conocer
varios aspectos del proceso que no son tratados en los currículos universitarios, de esta manera pueden
ampliar sus capacidades profesionales orientándolos así, en los procedimientos utilizados en el
desarrollo de sistemas inteligentes para soporte.
El realizar una completa, especializada y variada consulta y estudio de diferentes referencias
bibliográficas permiten tener bases en cuanto a conceptos, proceso y modelos para el desarrollo del
prototipo de sistema de agente para desarrollar un prototipo de agente inteligente como sistema de
soporte para el campus virtual de la Universidad Nacional Abierta y a Distancia.
BIBLIOGRAFÍA
[1] Bananthy, B.B. (1987). Instructional Systems Design. In Davidson-Shivers, G., y Rasmessen, K.
(2006). Web Based Learning: Design, Implementation and Evaluation (pp. 19). New Jersey: Pearson
Education.
[2] Davidson-Shivers, G., y Rasmessen, K. (2006). Web Based Learning: Design, Implememntation and
Evaluation. Upper Saddle River, New Jersey: Pearson Education.
[3] Fernández Manjón, Baltasar y otros. “Sistema de ayuda inteligente mediante integración de
tecnologías y reutilización de la información”. Universidad Complutense de Madrid (2005). Pág 26-
36.
[4] Hecking, M., Kemke, C.. Nessen, E., Dengler, D., Gutmann, M., Hector, G., 1988. Tite SINIX
Consultant - A Progress Report. Memo Nr. 28. University of Saarlndes, Saarbriicken, Germany.
[5] Hernández, R., Fernández, C. y Baptiste, P (1991). Metodología de la Investigación. McGraw-Hill
Interamericana de México, S.A. de C.V.
[6] Institute for Higher Education and Policy. (2002). Benchmarks for Success in Internet-Based
Distance Education. In Moore, M., y Kearsley, G. (2005).
[7] Kearsley, G., 1988. Online Help Systems: Design and Implementation. Ablex Publishing
Corporation, Norwood, New Jersey, USA.
[8] Kearsley, G. (2004). Online help systems: design and implementation. In Gil, A., y García, F.J.
(2002). Sistemas de apoyo en línea al usuario (pp. 19).
[9] Keegan, D. (2003). The role of student support services in elearning systems. Retrieved from:
http://www.fernuni-hagen.de/ZIFF/ZP_121.pdf
[10] Krysik, J. (2005). Research for Effective Social Work Practice. In Hernández, R., Fernández, C. y
Baptiste, P (2007). Capítulo 7. Metodología de la Investigación. Cuarta edición. Retrieved from:
http://fespinoz.mayo.uson.mx/capitulo7.pdf
[11] Morten, Fagerberg y Rekkedal (2005). Student support systems for online education available in
NKI’s integrated systems for Internet based learning.
[12] Moreno, P y Rotundo, M. (2010). Temática de las Consultas de Consejería Virtual, UNAD
Colombia. Tipología y Jerarquización. Unad Florida.
[13] Rekkedal y Qvist-Eriksen, 2003. Student Support, a critical factor for success. Retrieved from:
http://learning.ericsson.net/socrates/doc/conf/sss_rome_rekkedal.doc
[14] Tashakkory, A. y Teddlie, C. (1998). Mixed methodology; Combining qualitative and quantitative
approaches. (pp 19). London, Sage Publications.
[15] Thames Valley University (2009). Secondary data collection. Retrieved from:
http://brent.tvu.ac.uk/dissguide/hm1u3/hm1u3text2.htm
[16] UNAD Colombia (2009). Informe Sistema de Soporte y Consejería Virtual.
[17] Winkels, R., Breuker, J., den Haan, N., 1991. Principles and Practice of Knowledge Representation
in EUROHELP. En Proceedings of the International Conference of the Learning Sciences. Evanston,
Illinois.
[18] Wilensky, R., Arens Y., Chin 0., 1984. Talking to Unix in English: an overview of UC.
Communications of the ACM, Vol. 27, No.6.