Diseño de un sistema tutor inteligente basado en estilos
cognitivos
Diego Caviedes Pulido1, Víctor Hugo Medina García2, Omar García Palencia3
Resumen - Este artículo, se enfoca en el uso de los estilos
cognitivos de la psicología para el diseño de un Sistema Tutor
Inteligente (STI), caracterizado principalmente por tener la
capacidad de adaptarse a las necesidades del estudiante,
mostrando la información de forma apropiada según el perfil
del usuario y las metas del curso, el principal aporte de este
documento, es plantear la forma como se pueden fusionar la
tecnologías de los sistemas multi-agentes y la web semántica
para potenciar las características de un Sistema Tutor
Inteligente.
Abstract - This paper focus in the use of cognitive styles in
the design of an intelligent tutorial system (STI), mainly
characterized by having the capacity to adapt to the necessities
of the student, showing the information in appropriate form
according to the profile of the user and the goals of the course.
The main contribution of this paper is to describe a way to
combine the technologies of multi-agent systems and the Web
semantic Web to harness the characteristics of a STI.
I. INTRODUCCION
E L aprendizaje puede ser considerado como el acto de
adquirir conocimiento, este proceso, ha sido estudiado
con un enfoque científico por la psicología cognitiva
establecida por Wilhem Wundt’s en 1879, desde este
entonces se han creado varias teorías al respecto, como las
expresadas por Neisser [1], Mahoney [2], Bandura [3], en la
actualidad las principales tendencias sobre la ciencia de la
adquisición de conocimientos hablan del aprendizaje con
comprensión[4] y el aprendizaje significativo, estos estudios
evidencian un enfoque hacia la forma como el aprendiz
procesa la información y como se debe presentar la misma
para que sea de interés hacia el estudiante.
Existen taxonomías que buscan clasificar las metas y
objetivos de la educación como la planteada por Beginning
en 1948 o estudios como los realizados sobre el aprendizaje
por Jean Piaget, los cuales tienen bastante relevancia en la
educación. Para el caso de los entornos Web se debe tener
muy claro cual es la población a quien esta dirigido el curso
Este artículo se recibió el 2 de agosto de 2009. Y el trabajo fue realizado
en gran parte en la Maestría de Ciencias de la Información y las
Comunicaciones de la Universidad Distrital Francisco José de Caldas en
Bogotá - Colombia.
1 Estudiante de la Maestría en Ciencias de la Información y las
Comunicaciones de la Universidad Distrital Francisco José de Caldas
(e-mail: dcaviedesp@gmail.com).
2 Profesor Titular de la Facultad de Ingeniería de la Universidad Distrital
Francisco José de Caldas (e-mail: vmedina@udistrital.edu.co).
3 Profesor Asociado de la Universidad de Medellín (e-mail:
ogarci@udem.edu.co).
y el tipo de información que se va a transmitir, y es de suma
importancia seleccionar el estilo cognitivo que se va a
implementar.
Hoy en día, como en muchas otras ramas de la ciencia, la
educación se ha apoyado en la tecnología con sistemas
tutores, inteligencia artificial (IA) y la realidad virtual,
concatenados en lo que se puede llamar Entornos Virtuales
de Aprendizaje (EVA), en particular los agentes y la Web
semántica pueden proveer a las personas herramientas
cognitivas, con un enfoque pedagógico conformando un
EVA acorde con los requerimientos de cada estudiante.
Para el diseño de un sistema tutor es indispensable tener
en cuenta los aspectos psicológicos y técnicos que se van a
utilizar como es el caso de los agentes inteligentes y el estilo
cognitivo en el cual se debe desarrollar el agente, por tal
motivo en la primera parte de este artículo se hace una
definición sobre estilos cognitivos, en la segunda parte se
analizan los casos específicos de Estilos Cognitivos en la
Educación Basada en la Web, en la última parte se aplicará
un estilo cognitivo para el diseño de un agente pedagógico
extendiendo sus capacidades con el uso de la Web
semántica.
II. ESTILOS COGNITIVOS
El termino “Estilo Cognitivo” fue utilizado inicialmente
por Allport en los años 30, y hace referencia a la forma
como cada individuo percibe la información y la acopla en
su esquema mental para dar como resultado el aprendizaje,
señala que, las preferencias para el aprendizaje están
enmarcadas por la cantidad de estilos cognitivos que maneje
la persona, de tal forma que entre mas estilos utilice tendrá
una mayor capacidad para abordar los problemas de
aprendizaje.
Existen hasta el momento varias propuestas de estilos y
cada una está limitada por el individuo y el tipo de
información que se va a transmitir, algunas de las propuestas
son:
• Dependiente e independiente de campo
• Convergente y divergente
• Holista y serialista
• Impulsivo y reflexivo
En este aspecto no existe una última palabra, por tal
motivo lo que se debe hacer es analizar el contexto en el
cual se va a implementar cada estilo y evaluarlo dentro del
grupo de usuarios a los que está dirigido el curso.
 III. APLICACIÓN DE LOS ESTILOS COGNITIVOS BASADOS EN
LA EDUCACION APOYADA EN LA WEB
Actualmente existen diferentes modelos y teorías
aplicadas a la educación basada en la Web como: iWeaver,
FSLSM y AES-CS, con un alto potencial para crear
ambientes de aprendizaje [5]. Para el presente diseño se ha
tenido en cuenta estos modelos, con el fin de que el mejor se
adapte para el diseño del agente pedagógico propuesto, será
implantado, para experimentar su funcionamiento, en un
curso virtual sobre bases de datos relacionales.
A. IWEAVER
Fue desarrollado en el marco de una tesis doctoral [6],
implementa el estilo de aprendizaje planteado por Dunn &
Dunn; y propone que cuando un estudiante ingresa por
primera vez debe completar un cuestionario diseñado por
Rundle y Dunn, este ayuda ha crear un perfil de cada
estudiante, el cual se verá reflejado en la forma como el
entorno se debe adaptar al usuario.
B. FSLSM
En el FSLSM [7], según este estudio el aprendizaje se da
en dos pasos, el primer paso es el de recepción, en el se
involucra la información externa e interna recibida por el
estudiante, este en un proceso interno, selecciona lo que le
interesa y desecha el resto; el segundo paso es el
procesamiento, en el cual se puede dar la memorización, el
razonamiento, reflexión o acción, introspección o
interacción. Según este estudio se tiende a clasificar a los
estudiantes dentro de un modelo o estilo de aprendizaje, y
propone que también se debe considerar un estilo para la
enseñanza el cual debe estar paralelo al del estudiante, por
este motivo propone cuatro dicotomías que responden el
mismo número de preguntas, dichas dicotomías son:
• Qué tipo de información prefiere percibir el
estudiante - Sensorial o intuitiva.
• A través de cuál canal sensorial prefiere percibir la
información externa - Visual/Auditivo.
• Cómo prefiere el estudiante los procesos de
información - Activos o reflexivos.
• Cómo el estudiante prefiere el proceso de
entendimiento - Secuencial o globalmente.
De esta forma lo que se plantea es que para cada
estudiante debe existir un estilo correspondiente en la forma
de enseñar.
C. AES-CS
El Sistema de Educación Adaptativa basada en Estilos
Cognitivos (Adaptive Educational System based on
Cognitive Styles - AES-CS) [8] tiene como principal
característica que puede adaptarse al estilo cognitivo y al
nivel de conocimiento adquirido por el estudiante. Este
modelo esta organizado en tres componentes, modelo del
dominio, modelo del estudiante y módulo de adaptación.
El modelo del dominio es el conjunto de conceptos que
están vinculados entre si formando una red semántica, el
modelo del estudiante debe reflejar exactamente las
características de cada usuario, se utilizan tres características
principalmente para construir dicho modelo:
• Perfil personal
• Perfil cognitivo
• Perfil del conocimiento.
El módulo de adaptación soporta las diferentes técnicas
para acondicionar el entorno, al estudiante acorde con el
estilo y el conocimiento de cada uno. Como estrategia
cognitiva dentro del AES-CS se utiliza la dependencia e
independencia de campo.
Cada uno de estos modelos utiliza una o varias de las
teorías planteadas anteriormente como estilos cognitivos, y
las adaptan para ser usadas en un entorno virtual de
aprendizaje (EVA), para el caso de este estudio en el cual se
pretende diseñar un agente de software inteligente que
maneje la estructura pedagógica de un EVA inteligente, se
ha decidido utilizar el modelo de Felder y Silverman
(FSLSM), ya que esta diseñado específicamente para la
utilización en cursos de ingeniería. En 1999 fue utilizado
para implementar un curso virtual [9], en 2004 este modelo
fue utilizado como parte de una tesis doctoral [10], esto
demuestra que el modelo funciona y puede ser utilizado
exitosamente en el desarrollo de un EVA.
IV DISEÑO DE UN AGENTE PEDAGÓGICO Y SU ENTORNO
Los Agentes Pedagógicos [11] o Sistemas Tutores
Inteligentes [12] son utilizados en e-Learning como tutores o
compañeros de estudio, asistiendo en los procesos de
aprendizaje con seres humanos en una variedad de
dominios, tienen la característica de ser activos pero no
dominantes, actuando como colaboradores, competidores,
incluso, como alborotadores o críticos de una persona, por
estas características ayudan de manera fundamental en la
labor del aprendizaje. El agente podría aportar al estudiante
contenidos, comunidades o actividades de cómputo
específicas. Es necesario en este punto hacer uso de las
técnicas de Inteligencia Artificial para poder razonar e
inferir sobre las necesidades del estudiante [13], estas
características generalmente son manipuladas a través de
entornos virtuales de aprendizaje como los portales.
Otro tipo de agentes pedagógicos son los animados, este
tipo de agente tiene el mismo comportamiento pero incluye
la imagen de una persona, animal u objeto para dar
personalidad y causar mayor atención en el estudiante [14].
Esta clase de agentes pedagógicos se pueden dividir en
dos tipos de comportamientos:
• Tutores
• Facilitadores
Los tutores guían al estudiante transmitiendo el
contenido de su base de conocimiento y los facilitadores son
los que tienen un comportamiento dinámico, tratando de
entender las necesidades del estudiante; algunas de las tareas
que deben cumplir estos agentes son las de monitoreo
individual, monitoreo de la dinámica de grupo, clasificación
de contenidos y cambio de los comportamientos según las
necesidades del estudiante, estos comportamientos se deben
traducir mediante la presentación de información,
cronograma de actividades o el formato como se muestren
los contenidos.
Para poder materializar estos comportamientos el sistema
de agentes debe apoyarse en una base de conocimiento, esta
no solo debe existir sino que debe ser manejada y
manipulada por los agentes, esta base de conocimiento se
puede dividir en 3 partes para mejorar su diseño:
- Dominio del Conocimiento (DC): Dominio del tema.
- Inferencia del Conocimiento (IC): Metaconocimiento.
- Conocimiento del Tutor (CT): Conocimiento del grupo de
estudiantes.
Estos conocimientos se pueden ver claramente en un
diagrama de componentes de un sistema tutor como el que
muestra la figura 1, en este caso el DC esta representado por
el modulo del dominio y es donde se almacena toda la
información referente al tema que se esta tratando en el
curso. El IC esta representado en el módulo pedagógico el
cual debe inferir cual, cuando y como debe presentarse el
material al estudiante. Por último el CT esta representado
por el modulo del estudiante, el cual debe modelar al
estudiante, este es quizás el modulo mas complejo, ya que se
debe ver a cada estudiante desde varios niveles, para lograr
esto se pueden utilizar dos técnicas, plantear una red
estructurada sobre las áreas de conocimiento que el
estudiante domina o realizar reconocimiento de patrones a
las diferentes actividades realizadas por el estudiante.
Modulo
Estudiante
Modulo Modulo
Estudiante
Interfas Pedagógico
Modulo del
Dominio
Fig. 1. Diagrama de componentes. Fuente: Mohamed Ally
Conceptualmente cada módulo propuesto en este modelo
será interpretado como:
- Modulo pedagógico: este módulo debe inferir cual
material, cuando y como debe presentarse al
estudiante, según el modelo pedagógico que se este
utilizando y la información generada por el módulo
del estudiante.
- Modulo interfase: este modulo debe adaptar la
interfases de usuario acorde con los lineamientos
dados por el modulo pedagógico.
- Modulo estudiante: este modulo debe modelar al
estudiante, se deben tener claro que el modulo tiene
dos fases, en la primer fase el usuario debe ser
evaluado para crear una base de conocimiento
inicial, en la segunda fase debe mantener una
instancia del usuario y al terminar dicha instancia
debe actualizar la información del mismo para
mantener la base de conocimiento actualizada
- Modulo Dominio: En este modulo es donde se
almacena toda la información referente al tema que
se esta tratando en el curso.
Para entender mejor y tener clara la arquitectura que se
va a utilizar en este proyecto se propone en la figura 2 el
modelo de un Sistema Tutor Inteligente (STI) [15].
http - Servidor
Agente Presentación
Agente Agente
ME
Usuario Pedagógico
MD
MP
Plataforma de Agentes
Fig. 2. Arquitectura de un SIT. ME: Modelo del estudiante. MD: Modelo
del Dominio. MP: Modelo Pedagógico. Fuente: (Hendler, 2001)
Como se puede ver en la figura 2 el agente pedagógico
(PeA) se encuentra estrechamente relacionado con el agente
de presentación (PreA) y el agente usuario (UsA). A
continuación se describen las principales tareas o servicios
que debe cumplir cada uno de estos componentes:
PeA
- Debe consultar y recibir la información del usuario a
UsA.
- Debe construir la estructura de navegación acorde con el
modelo pedagógico y el modelo del usuario.
PreA
- Debe vincular la interfase de usuario (IU), acorde con la
estructura diseñada por PeA.
- Debe manejar las solicitudes del usuario.
- Debe mantener informado a UsA sobre las actividades
del usuario.
UsA
- Debe evaluar y crear el modelo del estudiante, que
ingresa por primer vez.
- Debe construir un modelo del estudiante el cual debe ser
permanente y actualizado con la información que es
transmitida desde PreA.
- Debe transmitir a PeA la información necesaria según
sus peticiones.
Cada uno de estos agentes se apoya claramente sobre un
modelo determinado e infiere un nuevo modelo propio para
cada estudiante en este caso se debe
tener en cuenta que el sistema
multiagente tiene la capacidad de
intercambiar conceptos y aprender de
los mismos de tal forma que se puedan
implementar algoritmos que le
permitan a los agentes en tiempo real
tomar decisiones que no pueden ser
descritas como un conjunto de reglas
predefinidas [16], los modelos que se
utilizan son:
- Modelo Pedagógico (MP).
- Modelo del Dominio (MD).
- Modelo del Estudiante (ME).
A continuación se presenta cada
modelo y la forma como interactúa con
los agentes.

A. Modelo Pedagógico (MP)

Este modelo se encuentra
estrechamente relacionado con el estilo
cognitivo que se este utilizando, para
nuestro caso se a escogido usar
FSLSM, el cual se trato anteriormente,
este modelo puede ser representado
como un conjunto de reglas las cuales
determinan el como, cuando y cual
información o ejercicio se debe
presentar al estudiante, por ejemplo: Si
la actitud del estudiante es secuencial el
uso de mapas conceptuales no es una
buena decisión, es preferible mostrar la
información en forma sucesiva o, si es
una persona activa es una buena
practica el uso de los foros.

B. Modelo del Dominio (MD)

Este modelo contiene los diferentes
conceptos y relaciones entre los
mismos que conforman el
conocimiento de un experto sobre un
tema y el cual se pretende transmitir,
para modelar este conocimiento se
puede hacer uso de los mapas
conceptuales, no solo en el diseño del
mismo sino en la presentación al
estudiante, se debe tener en cuenta que
para tener concordancia con el MP el
dominio debe modelarse como una sola
estructura pero la forma de presentar
los contenidos deben estar acordes con
el estilo cognitivo de cada estudiante; Fig. 3. a) Diagrama de secuencia sobre el registro del estudiante. b) Diagrama de secuencia sobre la
desde el punto de vista del diseño, la interacción del STI y el estudiante. Fuente: Los autores
idea es modelar dicho conocimiento
como una red semántica de conceptos y ontología puede ser convertida en clases con herramientas
posteriormente convertirlo en una ontología [17], dicha como Protege, las cuales son utilizadas por los agentes
inteligentes, posteriormente se explicará como se utilizan
estos objetos para construir la interfase adaptada a cada
usuario.
La idea es crear una red semántica de conceptos,
organizada semánticamente y ejercicios que evalué cada uno
de los conceptos de diferentes formas y niveles de
complejidad, estos niveles de complejidad y la jerarquía
entre conceptos ayuda a crear el árbol de navegación.
C. Modelo del Estudiante (ME).
El ME es quizás el modelo mas importante de todo el
STI, en él se almacena todo lo relacionado con el usuario y
permite inferir el comportamiento del Sistema Tutor, esta
conformado por dos tipos de información, por una parte se
almacena la información básica y las respuestas del
cuestionario que permite crear el primer perfil del
estudiante, para nuestro caso se utiliza el “Index of Learning
Styles (ILS)” [18]. Por otra parte se debe almacenar toda la
información relacionada con las acciones, logros y
desaciertos del estudiante, esta información permite adaptar
el entorno del curso al estudiante según sus capacidades.
La forma de almacenar y presentar la información para
transmitir el conocimiento esta basada en el modelo
“overlay” [19], el cual propone manejar el conocimiento del
aprendiz como un subconjunto del dominio o conocimiento
del experto, los conceptos deben ser presentados
gradualmente y en la medida en que el aprendiz adquiera
dicho conocimiento debe tender a ser igual, por lo menos en
sus partes mas importantes al conocimiento experto.
Estos tres modelos son la fuente de información de los
agentes, es importante diferenciar dos etapas durante el
trabajo con el estudiante y el STI, primero como se ve en la
figura 3(a), el STI debe crear un perfil inicial de el usuario,
posteriormente, ya sea en la misma sesión o en otra como se
ve en la figura 3(b), el sistema debe interactuar con el
usuario para ir creando el árbol de navegación y su
respectiva interfase gráfica de usuario (GUI).
El MD debe tener unas características de jerarquía entre
sus conceptos y niveles de complejidad entre sus ejercicios,
esto se debe a que el PeA crea un árbol de navegación con
una estructura como la que se muestra en la figura 4.
Fig. 4. Esquema de navegación. Fuente: Los autores.
V. MEJORAS AL SISTEMA TUTOR INTELIGENTE BÁSICO
El modelo general visto anteriormente para un STI,
cumple con los diferentes requerimientos mínimos como
[20]: Autonomía, Sociabilidad, Reactividad, Veracidad
Un aspecto que diferencia un agente de software
inteligente con un componente normal de software es la
capacidad de ser proactivo, esto quiere decir, por ejemplo,
que el agente podría proponer nuevos contenidos, nuevos
estilos o herramientas cognitivas que permitan ayudar a
lograr su meta, el sistema como esta planteado inicialmente
(Figura 4) es una plataforma cerrada que solo puede mostrar
la información con la cual es creada la MD, esta debilidad
que se plantea con las plataformas de agentes se han
solucionado con la creación de interfaces o servicios Web,
que expongan las acciones de los agentes a otras plataformas
independientes de su arquitectura, esta capacidad que se
puede considerar como negociación [21] entre plataformas
extiende las capacidades básicas, pero continúan teniendo
debilidades frente a las tecnologías como las planteadas por
la Web semántica, es por esto que se propone potenciar
dichas interfaces con el uso de los servicios Web semánticos
(SWS) [22], esta tecnología permite extender las
posibilidades del MAS proveyendo características como el
descubrimiento, invocación, composición y monitoreo de los
SWS desde un punto de vista semántico [23].
Para poder hacer uso de esta tecnología el STI, debe
modificarse adicionando un nuevo agente de integración a
servicios web (WsiA), como se puede ver en la figura 5, el
cual se encargaría de hacer uso del SWS, evaluar el
contenido semántico, de acuerdo a la OWL-S o un WSDL-S
y verificar la existencia de los vínculos ya almacenados, es
importante aclarar que estas definiciones no están
desarrolladas solo para los seres humanos sino también para
los agentes de software.
http - Servidor
Agente Presentación
ME Agente Agente Agente
Usuario Pedagógico WSI
MD
MP
Plataforma de Agentes
Fig. 5. Arquitectura de un SIT-SWS. Los autores
VI. PROPUESTA DE DESARROLLO
Para implementar lo propuesto en la figura 5, existen
herramientas que permiten lograrlo adecuadamente, la
plataforma de agentes seleccionada es JADE, los modelos
pueden ser implementados en cualquier base de datos
relacional, la interfase gráfica (GUI) se desarrolla haciendo
uso de las librerías AWT de Java, esta interfase se comunica
con el Agente de Presentación el cual procesa las solicitudes
de acuerdo a su comportamiento, en el framework de trabajo
que proporciona la plataforma se tienen unas librerías
especializadas para el trabajo con ontologías, en este caso lo
ideal es modelar las ontologías con herramientas
especializadas como Protege, esta herramienta permite
exportar las ontologías como clases java compatibles con la
plataforma JADE, para la creación del agente WsiA se
utiliza el framework WSIG [24], el cual crea una interfase
que permite traducir el descriptor WSDL en tModels y estos
en mensajes ACL, los cuales son interpretados por los
agentes de la plataforma, de esta forma el agente WsiA se
convierte en un gateway que administra las solicitudes desde
un cliente o hacia un servicio, por último es necesario
extender el framework para poder hacer uso de un descriptor
semántico como WSDL-S o OWL-S, en la figura 6 se
presenta un esquema de la arquitectura.
Cliente
WSDL – OWL-S
Ontología
WSIG Servlet
tModels
WsiA Agentes
ACL ACL
JADE
JAVA
Fig. 6. Arquitectura de implementación. Los autores
VII. CONCLUSIONES
La inclusión a los STI de las tecnologías de la Web
semántica, como los SWS, son una buena alternativa que se
abre para eliminar posibles debilidades que presentan los
STI, es claro que estas herramientas están en etapas de
investigación y desarrollo, pero existen y cuentan con un
amplio marco de trabajo, prometiendo hacia un futuro ser las
tecnologías de mayor uso en la web, suministrando a los
entornos una mayor capacidad de adaptación y mejorando el
uso en la red.
Para que estas características de semántica e inteligencia
tengan coherencia y fundamento es necesario hacer uso de la
psicología cognitiva adaptándola y utilizando sus avances,
los cuales pueden ser implementados con herramientas
tecnológicas como las que provee la Web semántica.
REFERENCIAS
[1] NEISSER. U, Cognition and reality. San Francisco. Freeman. 1976
[2] MAHONEY. M. J. Cognition and behavior modification. Cambridge.
M. A. Ballinger. 1974.
[3] BANDURA. A, 1976. Social learning theory. Englewood Cliff; N.J;
Prentice-Hall.
[4] NATIONAL ACADEMY PRESS, 2000 “How People Learn: Brain,
Mind, Experience, and School”. Expanded Edition (2000).
[5] RICHARD MALINSKI 2004, Virtual Learning and Higher Education.
[6] WOLF CRISTIAN. 2007. Construction of an adaptive e learning
environment to address learning styles and an investigation of the
effect of media choice. Doctoral dissertation, RMIT U. Melbourne,
http://www.adaptivelearning.net/media/pdf/cw_phdthesis_whole.pdf
[7] RICHARD FELDER, L. SILVERMAN. “Learning and Teaching
Styles In Engineering Education”.
[8. EVANGELOS TRIANTAFILLOU, ANDREAS POMPORTSIS,
STAVROS DEMETRIADIS, “The design and the formative
evaluation of an adaptive educational system based on cognitive
styles”
[9] CURTIS A. CARVER, JR., RICHARD A. HOWARD, AND
WILLIAM D. LANE, SM.” Enhancing Student Learning Through
Hypermedia Courseware and Incorporation of Student Learning
Styles”. IEEE TRANSACTIONS ON EDUCATION, VOL. 42, NO. 1,
February 1999.
[10] PEÑA I, Intelligent Agents to Inprove Adaptivity in a Web Based
Learning Enviroments, Tesis Doctoral, Universidad de Girona, 2004
[11] W LEWIS JOHNSON, JEFF W. RICKEL Y JAMES C. LESTER,
“Animated Pedagogical Agents: Face-to-Face Interaction in
Interactive Learning Environments” International Journal of Artificial
Intelligence in Education, Volumen 11 pp 47, 78
[12] JAMES HENDLER, “Agents and the Semantic Web”, The Semantic
Web, March/April 2001, pp 30-37
[13] CHUNSHENG YANG. “Intelligence in MAS-Based Distributed
Learning Environments” ,Designing Distributed Environments with
Intelligent Software Agents. Idea Group Publishing, 2004
[14] AMY L. BAYLOR, “The Impact of Pedagogical Agent Image on
Affective Outcomes”, Proceedings of Workshop on Affective
Interactions: Computers in the Affective Loop, International
Conference on Intelligent User Interfaces, San Diego, CA, 2005,
http://garnet.acns.fsu.edu/~abaylor/PDF/image_iui.pdf
[15] JAMES HENDLER, 2001 “Agents and the Semantic Web”, The
Semantic Web, March/April, pp 30-37
[16] JOSÉ M. VIDAL, 2003. “Learning in Multiagent Systems: An
Introduction from a Game-Theoretic Perspective”, In Eduardo Alonso,
editor, Adaptive Agents: LNAI 2636. Springer Verlag,
[17] NICOLA GUARINO, 1998 “Formal Ontology and Information
Systems”, Proceedings of FOIS’98, Trento, Italy. Amsterdam, pp.3-15
[18] FELDER R, SPURLIN J. , 2005 “Applications, Reliability and
Validity of the Index of Learning Styles”. Tempus Publications
[19] CARR GOLDSTEIN 1977 “Overlays: A theory of modeling for
computer aided instruction”. M.I.T. , AI-memo 406.
[20] CASTILLO S ANDRÉS. “Modelos y plataformas de agentes software
móviles e inteligentes para la gestión del conocimiento en el contexto
de las tecnologías de la información”. Tesis doctoral 2003
[21] ROSA MARÍA GIL IRANZO, 2004 Agents negotiating in a Semantic
Web Architecture, Tesis Doctoral, Departament de Tecnología
Universitat Pompeu Fabra, pg 30
[22] FUHUA LIN, LARBI ESMAHI, LAWRENCE POON. 2004
“Integrating Agents and Web Services into Adaptive Distributed
Learning Environments” ,Designing Distributed Environments with
Intelligent Software Agents. Idea Group Publishing,
[23] BO LEUF, The Semantic Web Crafting Infrastructure for Agency, N
1, John Wiley, England, 2006, p71.
[24] FABIO LUIGI BELLIFEMINE, GIOVANNI CAIRE, DOMINIC
GREENWOOD, 2007, Developing Multi-Agent Systems with JADE,
Ed WILEY