Tesis: AGENTE SELECTOR DE ESTRATEGIAS DE ENSEANZA-APRENDIZAJE PARA LA EDUCACIN BASADA EN COMPETENCIAS http://www.academia.

edu/3475223/Tesis_Agente_selector_de_estrategias_de_ensenanzaaprendizaje_para_la_educacion_basada_en_competencias RESUMEN El desarrollo de las tecnologas de la informacin y la comunicacin, aunado al desarrollo de la inteligencia Artificial, han propiciado la creacin de plataformas para la gestin del aprendizaje, tal es el caso de los Sistemas Tutores Inteligentes (STI). Los STI fueron creados con el objetivo de guiar de forma personalizada a los estudiantes en su proceso de aprendizaje. Para obtener mejores beneficios de estos sistemas, en este proyecto de tesis, se consider integrar en un STI el concepto de estilos de aprendizaje y la educacin basada en competencias. En este trabajo de investigacin se plantea la problemtica de incorporar en el mdulo tutor de un STI, un agente capaz de seleccionar la estrategia de enseanza ms adecuada al estilo de aprendizaje del alumno, para mostrarle los materiales didcticos de forma personalizada. Tambin se abord la problemtica de integrar un proceso que diagnostique si un alumno posee las competencias especficas de una asignatura, para determinar si es necesario cambiar la estrategia de enseanza, con el fin de apoyar el aprendizaje del alumno. Estos dos procesos fueron implementados en la plataforma Moodle, un sistema para crear cursos en lneaPara comprobar que el mostrar de manera personalizada los materiales didcticos a un alumno, le ayuda a obtener mejores calificaciones, se realiz un experimento con dos grupos de alumnos. A cada grupo de alumnos se le pidi registrarse en uno de dos cursos para que revisara un tema y contestara el examen correspondiente. Uno de los cursos presenta a los alumnos el material didctico de forma personalizada. Como no se observ una diferencia significativa, en la superioridad de las calificaciones logradas por los alumnos que recibieron el material personalizado, no se puede aseverar que mostrarle al alumno la informacin de acuerdo a su estilo de aprendizaje, conlleva a que obtenga un mejor desempeo que otro alumno, al cual no se le ensea conforme a su estilo de aprendizaje. Considerando esto, se realizaron algunas recomendaciones que pueden mejorar el escenario de la experimentacin, esperando obtener resultados ms contundentes.

TABLA DE CONTENIDOS

RESUMEN ............................................................................................................................ v SUMMARY .......................................................................................................................... vi TABLA DE CONTENIDOS .............................................................................................. vii LISTADO DE FIGURAS ..................................................................................................... x LISTADO DE TABLAS ..................................................................................................... xii CAPTULO 1 INTRODUCCIN ................................................................................... 1 1.1 Definicin del problema ............................................................................................... 1 1.2 Justificacin y Beneficios ............................................................................................. 2 1.3 Objetivo ........................................................................................................................ 3 1.3.1 Objetivo General.................................................................................................... 3 1.3.2 Objetivos Especficos ............................................................................................ 3 1.4 Hiptesis ....................................................................................................................... 4 1.5 Alcances y Limitaciones ............................................................................................... 4 1.6 Organizacin del documento ........................................................................................ 5

CAPTULO 2 MARCO TERICO ................................................................................ 7 2.1 Sistemas Tutores Inteligentes ....................................................................................... 7 2.2 Sistemas Gestores del Aprendizaje............................................................................. 10 2.2.1. Moodle ................................................................................................................ 11 2.2.2 Estndares de e-learning ...................................................................................... 12 2.3 Estilos de Aprendizaje ................................................................................................ 14 2.3.1 Modelos de estilos de aprendizaje ....................................................................... 14 2.3.2 Modelo VARK .................................................................................................... 20 2.4 Redes Bayesianas para la representacin de conocimiento ........................................ 21 2.5 Educacin Basada en Competencias .......................................................................... 30

CAPTULO 3 ESTADO DEL ARTE ........................................................................... 34 3.1 Trabajos que siguen la arquitectura de los STI........................................................... 34 3.1.1 ActiveMath .......................................................................................................... 34 3.1.2 Sistema Tutor Inteligente basado en Web, BITS ................................................ 35 3.1.3 Tutor Inteligente para aprendizaje basado en ejemplos....................................... 36 3.2 Trabajos que consideran Estilos de Aprendizaje ........................................................ 37 3.2.1 Diseo de un Sistema Tutor Inteligente basado en estilos cognitivos ................. 37 3.2.2 Learning styles, Personalisation and Adaptable e-learning ................................. 38 3.2.3 Modelado del Estudiante en Sistemas Tutores Inteligentes ................................ 42 3.2.4 Integrando Estilos de Aprendizaje y Comportamiento afectivo en un Ambiente de Aprendizaje Inteligente ................................................................................... 43 3.2.5 A Web-Based Intelligent Tutoring System on teaching and learning ElectricalProject .................................................................................................................. 44 3.3 Trabajos que consideran Competencias ..................................................................... 46 3.3.1 Arquitectura para un STI basado en Competencias............................................. 46 3.3.2 Intelligent Tutoring System Framework for the Acquisition of Knowledge and Competences ........................................................................................................ 48 3.4 Trabajos implementados sobre la plataforma Moodle ............................................... 51 3.4.1 Personalizacin de Itinerarios Formativos en Moodle adaptados a los Estilos deAprendizaje de Honey-Alonso ............................................................................. 51 3.4.2 Modificacin del mdulo SCORM para el soporte bsico del IMS-LD ............. 52 3.5 Comparacin de Trabajos ........................................................................................... 55

CAPTULO 4 PROPUESTA DE SOLUCIN ............................................................ 57 4.1 Propuesta de arquitectura............................................................................................ 57 4.2 Mdulo Conocimiento ................................................................................................ 59 4.3 Mdulo Interfaz .......................................................................................................... 60 4.4 Mdulo Tutor .............................................................................................................. 61

4.5 Mdulo estudiante ...................................................................................................... 62

CAPTULO 5 ANLISIS Y CONFIGURACIN DE MOODLE ............................ 63 5.1 Anlisis de los componentes de Moodle .................................................................... 63 5.1.1 Archivos PHP de Moodle .................................................................................... 64 5.1.2 Objetos globales de Moodle ................................................................................ 64 5.1.3 Funciones para acceder a la base de datos de Moodle ........................................ 65 5.2 Configuracin de Moodle ........................................................................................... 65 5.2.1 Creacin de un curso ........................................................................................... 66 5.2.2 Elaboracin, empaquetado e importacin de contenidos .................................... 67 5.2.3 Elaboracin de exmenes para evaluar temas del curso ...................................... 68 5.2.4 Configuracin de los campos de perfil del usuario ............................................. 70 5.2.5 Modificacin del men: Administracin del sitio ............................................... 71 5.2.6 Mdulos aadidos a Moodle................................................................................ 74

CAPTULO 6 IMPLEMENTACIN DEL PROTOTIPO ........................................ 96 6.1 Configuracin de la Red Bayesiana............................................................................ 96 6.1.1 Modelado ............................................................................................................. 96 6.1.2 Obtencin de las probabilidades .......................................................................... 98 6.2 Implementacin del proceso para el diagnstico de las competencias ..................... 102 6.2.1 Ubicacin de nuevas evidencias ........................................................................ 102 6.2.2 Inferencia sobre la red bayesiana....................................................................... 103 6.2.3 Recuperacin de los resultados generados por Elvira ....................................... 118 6.3 Implementacin del Agente Selector ........................................................................ 122 6.3.1 Proceso de seleccin del agente selector ........................................................... 123 6.3.2 Proceso para el filtrado de los contenidos ......................................................... 127

CAPTULO 7 EXPERIMENTACIN Y RESULTADOS....................................... 130

7.1 Caractersticas de la muestra examinada y del material didctico utilizado. ........... 130 7.2 Proceso realizado en la experimentacin.................................................................. 132 7.3 Resultados obtenidos ................................................................................................ 133 7.4 Discusin de resultados ............................................................................................ 140

CAPTULO 8 CONCLUSIONES Y TRABAJOS FUTUROS ................................. 142 8.1 Conclusiones ............................................................................................................. 142 8.2 Aportaciones ............................................................................................................. 143 8.3 Trabajos Futuros ....................................................................................................... 144

ANEXOS ........................................................................................................................... 145 Anexo A. Creacin y configuracin de cursos en Moodle ......................................... 145 Anexo B. Creacin de paquetes SCORM ................................................................... 149 Anexo C. Importar paquetes SCORM a Moodle ........................................................ 155 Anexo D. Creacin de exmenes utilizando Moodle ................................................. 160 Anexo E: Configuracin de campos de perfil del usuario .......................................... 167 Anexo F: Script para aadir las tablas a Moodle ........................................................ 170 Anexo G: Cuestionario VARK ................................................................................... 173 Anexo H: Interfaces para los catlogos ...................................................................... 176 Anexo I: Interfaces para las vinculaciones ................................................................. 177 Anexo J: Interfaces para capturar las probabilidades ................................................. 178 Anexo K: Formatos Elvira .......................................................................................... 179 Anexo L: Publicaciones .............................................................................................. 181 REFERENCIAS BIBLIOGRFICAS ........................................................................... 182

LISTADO DE FIGURAS Figura 1. Arquitectura bsica de un STI (Butz, Hua & Maguire, 2006) ................................ 9 Figura 2. Cuadrantes Cerebrales de Herrmann ..................................................................... 15 Figura 3. Una red bayesiana representando influencias causales entre cinco variables ....... 23 Figura 4. Una red bayesiana con dos estados y sus tablas de probabilidad condicional ...... 24 Figura 5. Arquitectura de ActiveMath .................................................................................. 35 Figura 6. Arquitectura de BITS ............................................................................................ 36 Figura 7. Arquitectura de ExBL. .......................................................................................... 37 Figura 8. Arquitectura de STI-SWS ..................................................................................... 38 Figura 9. El motor de procesamiento semntico de iLearn .................................................. 39 Figura 10. Diagrama de flujo de la interaccin del alumno en iLearn ................................. 41 Figura 11. Componentes bsicos del Mdulo del Estudiante .............................................. 43 Figura 12. Diagrama general del modelo de comportamiento afectivo ............................... 44 Figura 13. Principales caractersticas del editor de contenidos ............................................ 46 Figura 14. Arquitectura de STI-C ......................................................................................... 47 Figura 15. Representacin tradicional del rbol del conocimiento ...................................... 49 Figura 16. Representacin de los datos en el framework .................................................... 49 Figura 17. Arquitectura propuesta ........................................................................................ 58 Figura 18. Diagrama de secuencia del STI ........................................................................... 59 Figura 19. Organizacin de las carpetas de Moodle. ............................................................ 63 Figura 20. Diagrama entidad-relacin donde se guarda la informacin de los cursos ......... 67 Figura 21. Diagrama entidad-relacin de los paquetes SCORM.......................................... 68 Figura 22. Diagrama entidad-relacin de los exmenes creados en Moodle ....................... 69 Figura 23. Diagrama entidad-relacin de usuarios y campos del perfil del usuario ............ 71 Figura 24. Men Administracin del sitio con la opcin Configuracin incluida ............... 72 Figura 25. Fragmento de cdigo del archivo top.php ........................................................... 73 Figura 26. Cdigo del archivo itcmConfiguracion . php ........................................................ 74

Figura 27. Estructura y dominio de la tabla mdl_historial_vark .......................................... 77 Figura 28. Cuestionario VARK incorporado a Moodle ....................................................... 79 Figura 29. Estructura y dominio de la tabla mdl_estilos ...................................................... 80 Figura 30. Diagrama entidad-relacin del catlogo de estrategias ....................................... 80 Figura 31. Estructura de la tabla del catlogo de competencias ........................................... 82 Figura 32. Diagrama entidad-relacin para la vinculacin de tema, estilo y estrategia ....... 84 Figura 33. Diagrama entidad-relacin para vincular un tema a un examen ......................... 86 Figura 34. Diagrama entidad-relacin para vincular un tema a una competencia ............... 87 Figura 35. Diagrama entidad-relacin para las probabilidades de los nodos competencia .. 89 Figura 36. Estructura de la tabla mdl_rb_temas_competencias_comb ................................. 92 Figura 37. Estructura de la tabla mdl_rb_temas_competencias_porc .................................. 93 Figura 38. Diagrama entidad-relacin para las probabilidades de nodos tema .................... 95 Figura 39. Estructura para una red bayesiana en este proyecto de tesis ............................... 96 Figura 40. Representacin grfica de la red bayesiana utilizada en esta tesis...................... 98 Figura 41. Red bayesiana.................................................................................................... 101 Figura 42. Proceso de comunicacin entre Moodle y Elvira .............................................. 115 Figura 43. Retroalimentacin del examen y de porcentajes de competencia ..................... 120 Figura 44. Promedio general de calificaciones y de intentos realizados en cada curso ..... 133 Figura 45. Promedio general de calificaciones obtenido en cada intento por curso .......... 134 Figura 46. Distribucin de estilos de aprendizaje detectados en el curso Personalizado .. 135 Figura 47. Distribucin de estilos de aprendizaje detectados en curso No Personalizado 135 Figura 48. Promedio de calificaciones y de intentos reubicando a los alumnos ................ 136 Figura 49. Promedio general de calificaciones obtenido en cada intento por curso .......... 136 Figura 50. Promedio general de calificacin por cada uno de los estilos de aprendizaje .. 138 Figura 51. Promedios generales presentados por cada uno de los estilos de aprendizaje .. 139 Figura 52. Cantidad de alumnos diagnosticados con competencia en cada intento ........... 139

LISTADO DE TABLAS Tabla 1. Estndares de e-learning ......................................................................................... 13 Tabla 2. Caractersticas de los estudiantes segn cada cuadrante ........................................ 15 Tabla 3. Caractersticas de los estudiantes de acuerdo al modelo de Felder y Silverman... 16 Tabla 4. Caractersticas de los estudiantes en la clasificacin de Kolb ................................ 17 Tabla 5. Caractersticas de los estudiantes en el Modelo Programacin Neurolingstica . 18 Tabla 6. Caractersticas de los estudiantes del Modelo de los hemisferios cerebrales ......... 18 Tabla 7. Caractersticas de los estudiantes del Modelo de las Inteligencias Mltiples ........ 19 Tabla 8. Tabla de respuestas predefinidas ............................................................................ 20 Tabla 9. Identificacin de respuestas .................................................................................... 20 Tabla 10. Estrategias de enseanza-aprendizaje para el modelo VARK ............................. 21 Tabla 11. Conceptos de redes bayesianas ............................................................................. 23 Tabla 12. Conceptos de probabilidad ................................................................................... 25 Tabla 13. Algoritmos de inferencia ...................................................................................... 28 Tabla 14. Representacin del estilo de aprendizaje VARK dentro de iLearn ...................... 40 Tabla 15. Tabla comparativa del Estado del Arte ................................................................ 56 Tabla 16. Elementos aadidos al mdulo interfaz ................................................................ 60 Tabla 17. Archivos PHP de Moodle analizados ................................................................... 64 Tabla 18. Objetos globales de Moodle analizados ............................................................... 65 Tabla 19. Funciones analizadas de Moodle .......................................................................... 65 Tabla 20. Tablas donde se guarda la informacin de los cursos .......................................... 66 Tabla 21. Tablas donde se guarda la informacin de los paquetes SCORMS ..................... 68 Tabla 22. Tablas donde se guarda la informacin de los exmenes creados en Moodle ..... 69 Tabla 23. Tablas de usuarios y de los campos aadidos al perfil del usuario ...................... 70 Tabla 24. Archivos utilizados para aadir un elemento al men Administracin del sitio .. 72 Tabla 25. Tabla donde se almacenan las respuestas del cuestionario VARK ...................... 77 Tabla 26. Archivos utilizados para incorporar el cuestionario VARK en Moodle .............. 78

Tabla 27. Tabla de estilos de aprendizaje VARK ................................................................ 80 Tabla 28. Tabla relacionada con el catlogo de estrategias de enseanza-aprendizaje ........ 80 Tabla 29. Archivos que forman el catlogo de estrategias de enseanza-aprendizaje ......... 81 Tabla 30. Funcin de los archivos del catlogo de estrategias de enseanza ....................... 81 Tabla 31. Tabla relacionada con el catlogo de Competencias ............................................ 82 Tabla 32. Archivos que forman el catlogo de competencias especficas ............................ 82 Tabla 33. Funcin de los archivos del catlogo de competencias especficas ..................... 82 Tabla 34. Tablas relacionadas con la opcin Vincular tema, estilo y estrategia .................. 84 Tabla 35. Archivos que realizan la Vinculacin entre tema, estilo y estrategia ................... 84 Tabla 36. Funcin que desempea cada archivo al Vincular tema, estilo y estrategia ........ 85 Tabla 37. Tablas relacionadas con la opcin Vincular un tema a un examen ...................... 85 Tabla 38. Archivos creados para Vincular un tema con un examen .................................... 86 Tabla 39. Funcin que desempea cada archivo al Vincular un tema a un examen ............ 86 Tabla 40. Tablas relacionadas con la opcin Vincular un tema a una competencia ............ 87 Tabla 41. Archivos que realizan la Vinculacin entre un tema y una competencia ............. 88 Tabla 42. Funcin de cada archivo para vincular un tema a una competencia .................... 88 Tabla 43. Tablas relacionadas a la captura de probabilidades para un nodo competencia ... 89 Tabla 44. Archivos para editar las probabilidades de los nodos competencia ..................... 90 Tabla 45. Funcin de cada archivo para editar las probabilidades de nodos competencia .. 90 Tabla 46. Tabla de probabilidad condicional de un nodo tema ............................................ 91 Tabla 47. Informacin de los campos de la tabla mdl_rb_temas_competencias_comb ....... 93 Tabla 48. Informacin de la tabla mdl_rb_temas_competencias_comb ............................... 93 Tabla 49. Almacenamiento de las probabilidades de los nodos tema .................................. 94 Tabla 50. Tablas relacionadas con la captura de las probabilidades de un nodo tema ......... 94 Tabla 51. Archivos aadidos a Moodle para editar las probabilidades de los nodos tema .. 95 Tabla 52. Funcin de cada archivo para editar las probabilidades de un nodo tema ........... 95 Tabla 53. Informacin considerada para crear la red bayesiana para la experimentacin ... 98 Tabla 54. Funciones para formar el archivo con la estructura de la red bayesiana ............ 106

Tabla 55. Libreras y clases de Elvira utilizadas para la inferencia ................................... 117 Tabla 56. Caractersticas del grupo muestra utilizado en la experimentacin ................... 131 Tabla 57. Elementos utilizados en la experimentacin ...................................................... 131 Tabla 58. Alumnos categorizados por estilo y background del curso Personalizado........ 137 Tabla 59. Alumnos categorizados por estilo y background del curso No Personalizado.. 137

Captulo 1 INTRODUCCIN En la actualidad, es evidente que en las universidades y centros de enseanza se ha incrementado el uso de las tecnologas de la informacin y comunicacin en los procesos de enseanzaaprendizaje, lo cual ha dado origen a la creacin de plataformas para la gestin del aprendizaje, tales como los Sistemas Tutores Inteligentes (STI).Un STI es un sistema de software que tiene como objetivo guiar de forma personalizada a los estudiantes en su proceso de aprendizaje y/o formacin. Para lograr su objetivo, el STI debe modelar la enseanza, el dominio del conocimiento del experto, el entendimiento del estudiante sobre ese dominio, y realizar la comunicacin entre estos elementos. En este proyecto de tesis se considera integrar en un STI el concepto de estilos de aprendizaje y la educacin basada en competencias. Nuestra propuesta es incorporar un agente selector de estrategias de enseanza-aprendizaje en el mdulo tutor de un STI, para lo cual el agente integra en su proceso cognitivo el concepto de estilos de aprendizaje. El agente basa su ejecucin de acuerdo al resultado generado por un proceso que confirma si un alumno posee las competencias especficas de la materia que le ser enseada, este proceso est basado en una red bayesiana.

1.1 Definicin del problema Con el avance de la tecnologa computacional se ha incrementado el uso de las herramientas informticas en la educacin. En particular, gracias a las tcnicas de la IA, surgieron los llamados STI, los cuales tienen como objetivo ayudar y guiar a los estudiantes en su proceso de aprendizaje. Sin embargo, la mayora de estos sistemas muestran a los estudiantes la informacin de forma esttica y carecen de capacidad para adaptarse a las necesidades del estudiante as como de diagnosticar si el estudiante tiene las competencias propias de la asignatura, las cuales hoy en da forman parte de los programas educativos. Basado en lo anterior, consideramos que estos sistemas no contemplan los siguientes aspectos: Una estructura para almacenar el contenido educativo con caractersticas multimedia. Un proceso que seleccione una estrategia de enseanzaaprendizaje acorde al estilo de aprendizaje del alumno. Un proceso para seleccionar el contenido educativo que se mostrar al estudiante, segn su estilo de aprendizaje y la estrategia de enseanza asociada a l. Un proceso que diagnostique si el alumno posee las competencias asociadas a la asignatura que le ser enseada. En conclusin, las problemticas abordadas en este proyecto de tesis consistieron en incluir en un Sistema Tutor: a) un modelo para detectar el estilo de aprendizaje de cada estudiante, b) un proceso que, basado en el desempeo del estudiante, diagnostique si el alumno posee las competencias asociadas a la asignatura que le ser enseada, y

c) un agente selector que, de acuerdo al resultado obtenido por el proceso del diagnstico de las competencias, decida si cambia de estrategia de enseanza-aprendizaje, la cual es utilizada para seleccionar el formato en el cual se le presentar la informacin al alumno.

1.2 Justificacin y Beneficios Los STI son sistemas que permiten crear cursos sobre alguna asignatura en particular, en donde el estudiante puede autoevaluarse, retroalimentarse y ver los temas las veces que lo desee. Por estas razones, los STI se estn volviendo cada vez ms atractivos y tiles. Sin embargo, la mayora de estos sistemas no disponen de estructuras que les permitan tanto llevar acabo la enseanza en una forma adaptativa para cada estudiante, como el diagnosticar si el estudiante posee las competencias relacionadas con la asignatura. Por lo que, el considerar el estilo de aprendizaje del estudiante en la implementacin de un STI, puede ser utilizado para seleccionar la estrategia de enseanza ms apropiada al perfil del alumno, y as poder proporcionar una educacin individualizada, lo cual de acuerdo con un estudio realizado en (Bloom, 1984) se avala como la forma ms efectiva de aprendizaje. En este trabajo se implement, en el mdulo tutor de un STI, un agente que tiene como funcin, seleccionar la estrategia de enseanza-aprendizaje ms adecuada al perfil del alumno, para que de acuerdo a sta, se muestre la informacin al estudiante y as apoyarlo en la adquisicin de conocimientos, destrezas y finalmente competencias. La ejecucin del agente selector estar determinada por el resultado obtenido del proceso de diagnstico de las competencias. El implementar el enfoque de competencias en un STI servir como herramienta para sustentar a los programas de enseanza del ITCM que adoptaron el planteamiento de la educacin basada en competencias a partir del ao 2010.

1.3 Objetivo A continuacin, se presentan los objetivos generales y particulares del proyecto. 1.3.1 Objetivo General Crear un agente inteligente en el mdulo tutor de un STI, que incorpore el concepto de estilos de aprendizaje en la seleccin de estrategias de enseanza-aprendizaje, para apoyar la educacin basada en competencias. 1.3.2 Objetivos Especficos Incorporar en un STI un modelo para detectar el estilo de aprendizaje de cada alumno. Disear en el mdulo tutor de un STI, un agente que realice un proceso de seleccin de una estrategia de enseanza-aprendizaje, que favorezca al estilo de aprendizaje del estudiante.

Realizar la comunicacin entre el STI y el agente selector, para que de acuerdo a la estrategia de enseanza-aprendizaje seleccionada por el agente, se muestre la informacin al alumno. Incorporar en el mdulo de conocimiento de un STI el concepto de la educacin basada en competencias. Disear en el mdulo tutor de un STI, un proceso para diagnosticar si el alumno posee las competencias de la asignatura que le ser enseada.

1.4 Hiptesis La integracin en un STI de las estrategias de enseanza acordes al estilo de aprendizaje del alumno, le permiten a ste comprender de mejor forma los materiales didcticos y mejorar su desempeo. El diagnstico de las competencias especficas de una asignatura en un STI, permite identificar si es necesario cambiar la estrategia de enseanza utilizada para mostrar los contenidos al alumno.

1.5 Alcances y Limitaciones Existen varias versiones del Sistema Gestor del Aprendizaje Moodle, de las cuales se decidi trabajar con la versin 1.9.12. Dentro de Moodle, se pueden desarrollar distintos tipos de actividades, en este trabajo de tesis slo utilizamos las actividades SCORM y Cuestionario. Los archivos utilizados en la actividad SCORM, sern elaborados bajo el estndar de e-learning 1.2 utilizando el programa Reload Editor 1.3. Dentro de la literatura se encontraron distintos modelos que proponen una clasificacin de los estilos de aprendizaje que pueden presentar los alumnos, dentro de estos se eligi al modelo VARK para ser implementado en Moodle. Por cuestiones prcticas para disear los materiales didcticos utilizados en este trabajo de tesis, slo se utiliz una estrategia de enseanza asociada a cada uno de los estilos de aprendizaje. Los temas desarrollados fueron Arreglos y Matrices, correspondientes a la materia Fundamentos de Programacin. Dentro de la educacin basada en competencias, existen las competencias genricas y especficas, siendo estas ltimas las que se implementaron en este proyecto. El proceso que se integra en Moodle para realizar el diagnstico de las competencias, est diseado para determinar si un alumno obtuvo cierta calificacin debido a que contaba con el nivel requerido de la(s) competencia(s) especfica(s) asociada(s) al tema evaluado. Para realizar el diagnstico de las competencias, se utiliz el software Elvira en su versin 0.162.La implementacin del agente selector en Moodle, permite cambiar, en caso de ser necesario, la estrategia de enseanza-aprendizaje, la cual indica el formato en el cual se le debe presentar al alumno la informacin. Para que el agente selector realice el cambio de estrategia, depende del resultado obtenido por el proceso para el diagnstico de las competencias.

1.6 Organizacin del documento En sta seccin se describe cmo est organizado este documento, as como la informacin que contiene cada uno de los captulos. En el captulo 2, se presenta el marco terico que da fundamento a este trabajo. Se revisan los conceptos relacionados con Sistemas Tutores Inteligentes, Sistemas Gestores del Aprendizaje, Estilos de Aprendizaje, Educacin Basada en Competencias y Redes Bayesianas. El captulo 3, muestra los trabajos relacionados que involucran elementos considerados en esta investigacin. El captulo 4, describe la arquitectura propuesta para la solucin de este trabajo de tesis, detallando los mdulos que componen al STI, as como los elementos que forman a cada uno de ellos. En el captulo 5, se describe el anlisis y la configuracin realizados a Moodle para cumplir los objetivos de este proyecto. En el captulo 6, se detalla la implementacin del agente selector y del proceso para el diagnstico de las competencias. El captulo 7, presenta los resultados obtenidos relacionados con la evaluacin del prototipo. Por ltimo, en el captulo 8, se describen las conclusiones de este trabajo, as como las lneas de investigacin identificadas durante la implementacin del mismo.

Captulo 2 MARCO TERICO La Inteligencia Artificial (IA) es un campo perteneciente a las Ciencias Computacionales,que tiene como objetivo lograr que las computadoras acten con inteligencia yrazonamiento humano. La IA puede ser aplicada en una gran cantidad de reas, dentro delas cuales se encuentra la educacin. El utilizar las tcnicas de la IA en la educacin, dioorigen a los Sistemas Tutores Inteligentes (STI), los cuales actualmente son utilizados enlabores de enseanza-aprendizaje, dentro de los centros educativos.En esta seccin se revisan los conceptos relacionados con Sistemas TutoresInteligentes y Sistemas Gestores del Aprendizaje. Tambin se revisan los conceptos deEstilos de Aprendizaje, Estrategias de Enseanza y Educacin Basada en Competencias, loscuales estn siendo considerados en el campo educativo para promover el aprendizaje. Por ltimo se revisan los conceptos relacionados con las tcnicas de la IA utilizadas para eldiagnstico de situaciones. 2.1 Sistemas Tutores Inteligentes Actualmente la aplicacin de la IA en la Educacin constituye un campo de crecienteinters, donde se tratan de aplicar las tcnicas de la IA al desarrollo de sistemas deenseanza asistida por computadora, esto con el propsito de construir sistemas deenseanza inteligentes (Gonzlez, 2004).Los sistemas de enseanza asistida por computadora tuvieron su origen a finales delos aos 50, pero fue hasta finales de los aos 70 dnde, estos sistemas evolucionaron paraconvertirse en lo que hoy conocemos como STI (Gonzlez, 2004).Salgueiro (Salgueiro, 2005) cita a Guardia Robles (1993), quin present lasiguiente definicin para los tutores inteligentes: Un STI es un sistema de enseanza asistida por computadora, que utiliza tcnicas de Inteligencia Artificial, principalmente para representar el conocimiento y dirigir una estrategia de enseanza; y es capaz decomportarse como un experto, tanto en el dominio del conocimiento que ensea(mostrando al alumno cmo aplicar dicho conocimiento), como en el dominio pedaggico,donde es capaz de diagnosticar la situacin en la que se encuentra el estudiante y deacuerdo a ello ofrecer una accin o solucin que le permita progresar en el aprendizaje .Guardia Robles (1993) sintetiz el siguiente conjunto de caractersticas que debencumplir todos los STI:

S er inteligentes en comparacin con los sistemas tradicionales de enseanza asistida por computadora, siendo el diferencial de inteligencia los mtodos de larama de la IA.

Poseer la capacidad tanto para resolver el problema que se le presenta a unestudiante como tambin la capacidad de explicar cmo lo resolvi.

Utilizar tcnicas de IA para planeacin, optimizacin y bsquedas, dejando que elsistema decida el orden de presentacin del contenido al alumno.

Interactuar con el alumno de distintas formas: desde sistemas pasivos (que esperan para que el alumno realice una accin), hasta los que constantemente presentannueva informacin (tutor oportunista), con casos intermedios en los que se enseaun concepto en un momento determinado o slo cuando el alumno lo pide.

Utilizar nuevas tecnologas, por ejemplo, interfaces que hacen uso de la multimediay del WWW.

Hacer hiptesis basadas en el historial de errores del alumno y detectar la fuente del problema, no basta con indicarle los errores al estudiante.Los STI pueden ser vistos bajo el concepto de Agentes, es decir son sistemascomputacionales capaces de actuar de manera autnoma para satisfacer sus objetivos ymetas, mientras se encuentra situado persistentemente en un medio ambiente (Guerra,2010). Russell y Norvig (Russell & Norvig, 2004) sealan que: un agente es un proceso capaz de percibir a travs de sensores la informacin que proviene del ambiente donde estinsertado y reaccionar a travs de efectores. Los STI pueden ser diseados como un agenteinteligente o un sistema multiagente dependiendo del grado de especializacin que loconforme. La arquitectura bsica de un STI est compuesta por cuatro mdulos principales,los cuales se describen a continuacin. Arquitectura de los STI La arquitectura clsica de un STI consiste en un mdulo de

dominio del conocimiento , unmdulo del estudiante y un mdulo tutor tambin llamado mdulo de estrategias deenseanza . Estos mdulos operan de forma interactiva y se comunican a travs de unmdulo central que se suele denominar Interfaz de usuario (Milln, 2000). Esta arquitecturase representa en laFigura 1y a continuacin se describen cada uno de estos mdulos conms detalle.

Figura 1. Arquitectura bsica de un STI (Butz, Hua & Maguire, 2006) Mdulo de Dominio del Conocimiento Este mdulo almacena el material de la asignatura que le ser enseada al estudiante (Butz et al , 2006), esto con el objetivo de almacenar todos los conocimientos dependientes eindependientes del campo de aplicacin del STI. Bsicamente el dominio del conocimientoest compuesto de (Cataldi & Lage, 2009):

Conocimientos : son los contenidos que deben cargarse en el sistema, a travs delos conceptos, las preguntas, los ejercicios, los problemas y sus relaciones.

MARCO TERICO 12

Presentar en una nica pgina todas las calificaciones para los foros, cuestionarios ytareas y descargarse como un archivo en formato de hoja de clculo.

Permitir a los profesores definir sus propias escalas para calificar los cuestionarios,foros, tareas y glosarios.

Permitir la incorporacin de materiales empaquetados segn el estndar SCORM.Un paquete SCORM puede incluir pginas Web, vdeos, programas Javascript, presentaciones Flash y cualquier material que funcione en un navegador Web. 2.2.2 Estndares de e-learning Los estndares de e-learning permiten que un curso desarrollado con cualquier herramienta pueda ser visualizado en cualquier plataforma SGA, siempre y cuando el curso y la plataforma cumplan con el mismo estndar (Garca, 2011).La meta de la estandarizacin, consiste en etiquetar y empaquetar los llamadosobjetos de aprendizaje (OA) o LO por sus siglas en ingls (Learning Objects), los OA sonlos elementos ms pequeos que forman un curso en lnea, y pueden ser desde una imagenen formato JPG, una presentacin Power Point o cualquier

documento de Word. Las primeras especificaciones o pasos para la estandarizacin surgen de la necesidad deetiq uetar poner datos a estos OA, con el fin de poder localizarlos fcilmente cuando se requieran (Castro, 2002).Dentro de los estndares comunes se encuentran: los metadatos, empaquetamientode contenidos, secuenciacin de contenidos, interoperabilidad, perfiles de los estudiantes,tiempo de interaccin, etc., que son requeridos para que haya xito en la economa delconocimiento y obviamente para el futuro del e-learning. La forma en la que estosestndares pretenden etiquetar a los contenidos, es a partir de los metadatos, que esinformacin acerca de la informacin. El empaquetamiento se basa en el empleo dellenguaje XML (Extensible Markup Language) (Castro, 2002).La aplicacin de estndares ayuda a asegurar cinco habilidades dentro de los SGA(Castro, 2002).

MARCO TERICO 13

Interoperabilidad . La capacidad que tiene un sistema de trabajar en otro.

Reusabilidad . La facilidad de reutilizar los objetos de aprendizaje.

Gestin . La facilidad que brinda el sistema para tener la informacin concreta ycorrecta acerca del estudiante y de los contenidos.

Accesibilidad . La facilidad de que el estudiante pueda acceder fcilmente a loscontenidos apropiados, en el tiempo apropiado.

Durabilidad . La capacidad que tendr la tecnologa de eliminar la obsolescencia.Antes de que apareciera la frase e-learning, organizaciones alrededor del mundocomenzaron a trabajar en la creacin de especificaciones o estndares para las tecnologasrelacionadas con el aprendizaje (Castro, 2002). Los principales estndares de e-learning quese utilizan en la actualidad son los que se muestran en laTabla 1(Garca, 2011).Para el propsito de este proyecto utilizaremos el estndar SCORM 1.2, donde su principal caracterstica es responder a la posibilidad de cargar y trasladar contenidos(cursos) entre diferentes plataformas (Garca, 2011). El programa editor del SCORMutilizado en este trabajo es Reload Editor.Haciendo uso de estas herramientas, podremos elaborar los contenidos aplicando las estrategias de enseanza de acuerdo al estilo de aprendizaje de cada alumno. Tabla 1. Estndares de e-learning ESTNDAR AICC DESCRIPCIN Fue el primer estndar de e-learning que se adopt de manera generalizada. Creadoen 1988 por la Aviation Industry CBT Committee, para facilitar la formacin de los pilotos, basndose en los entrenamientos en lnea, pruebas y lecciones. IMS Global Consorcio formado por entidades educativas, pblicas y privadas. Su misin Consortium esdesarrollar y promover especificaciones abiertas para facilitar las actividades delaprendizaje online. IEEE LTSA Dentro del IEEE (Instituto de Ingenieros Elctricos y Electrnicos), el LTSA(Learning Technology Systems Architecture) se encarga de preparar normastcnicas, prcticas y guas recomendadas para el uso informtico de componentes ysistemas de educacin y de formacin. ADL SCORM Es el ms utilizado a nivel mundial. Creado por la administracin estadounidense para facilitar la formacin de sus funcionarios a lo largo de todo el pas. Tom partede otros estndares ya existentes y cre una base

slida (la versin 1.2) sobre la quehan ido apareciendo actualizaciones. Las versiones de paquetes SCORM son 1.2 y2004.

.3 Estilos de Aprendizaje Los conceptos que se describen en esta seccin, fueron tomados del Manual de Estilos deAprendizaje, diseado en el ao 2004, por la Direccin de Coordinacin Acadmica, de laDireccin General del Bachillerato (Gmez, 2004).En (Gmez, 2004) , definen que el trmino estilo de aprendizaje se refiere a l hechode que cada persona utiliza su propio mtodo o estrategias para aprender. Aunque lasestrategias varan segn lo que se quiera aprender, cada persona tiende a desarrollar ciertas preferencias o tendencias globales, tendencias que definen un estilo de aprendizaje. Son losrasgos cognitivos , afectivos y fisiolgicos que sirven como indicadores relativamenteestables de cmo los alumnos perciben interacciones y responden a sus ambientes deaprendizaje.Los rasgos cognitivos tienen que ver con la forma en que los estudiantes estructuranlos contenidos, forman y utilizan conceptos, interpretan la informacin, resuelven los problemas, seleccionan medios de representacin (visual, auditivo, kinestsico), etc. Losrasgos afectivos se vinculan con la motivacin y las experiencias que intervienen en el proceso de aprendizaje, mientras que los rasgos fisiolgicos

estn relacionados con elgnero y ritmos biolgicos.La nocin de que cada persona aprende de manera distinta a las dems, permite buscar las vas ms adecuadas para facilitar el aprendizaje, sin embargo se debe tener cuidado de no etiquetar, ya que los estilos de aprendizaje, aunque son relativamente estables, pueden cambiar; pueden ser diferentes en situaciones diferentes; son susceptiblesde mejorarse; y cuando a los estudiantes se les ensea segn su propio estilo de aprendizaje,aprenden con ms efectividad (Gmez, 2004). 2.3.1 Modelos de estilos de aprendizaje A continuacin se presentan algunos de los modelos ms conocidos en cuanto a estilos deaprendizaje. El Modelo de los Cuadrantes Cerebrales de Herrmann Este modelo se inspira en los conocimientos del funcionamiento cerebral. Lo describencomo una analoga de nuestro cerebro con el globo terrestre con sus cuatro puntoscardinales. Lo representan como una esfera dividida en cuatro cuadrantes (ver Figura 2), loscuales representan cuatro formas distintas de operar, de pensar, de crear, de aprender y, ensuma, de convivir con el mundo.

2. Cuadrantes Cerebrales de Herrmann