IEEE LATIN AMERICA TRANSACTIONS, VOL. 14, NO.

12, DECEMBER 2016 4799

Predominant Components of the Trust Models in

E-learning Environments
L. Chamba, A. Arruarte, and J. Elorriaga, Member, IEEE

1Abstract— The trust models (TM) play an important role in
making the decision to rely on unknown participants’ role when
there is a high level of uncertainty about the good or bad
performance thereof. Currently, there is no study on what should
be minimal components that must be considered to design new
TM. As the main objective of this work was to analyze the TM in
environments of e-learning and Virtual Learning Communities
(VLC). In this work identified three common components in the
TM analyzed: fiability, similarity and satisfaction, in addition,
the components of satisfaction and fiability are the most
predominant the TM and the similarity component is few used in
the TM.
Keywords— Trust model, virtual learning communities, e-
learning, multivariate analysis.
I. INTRODUCCIÓN
enseñanza-aprendizaje mediado por los entornos virtuales de
aprendizaje se evidencia por la confianza que exista entre cada
uno de los miembros de las comunidades que se conformen,
esto permitirá que se asegure un éxito en los ambientes de
formación e-learning. Como lo mencionan en [1] las TIC
presentan las posibilidades de establecer el aprendizaje
cooperativo, del trabajo en equipo entre los miembros de una
clase por medio de un modelo pedagógico integrador inserto
en comunidades virtuales de aprendizaje (CVA). De acuerdo
al Informe Horizon 2016 [4] publicado por el consorcio NMC
(New Media Consortium) en el contexto de la educación
superior, uno de los retos difíciles de solucionar es la
competencia que existe entre los modelos educativos de
formación: el tradicional versus el de los MOOCs (cursos
masivos abiertos en línea), además, de las tendencias del uso
del aprendizaje mixto en los próximos años. Esto lleva a
pensar que en los entornos e-learning y por medio de la

D
conformación de CVA se puede definir modelos de confianza
EL trabajo de [1]: “Formación universitaria por medio de
que permitan a estudiantes y profesores interactuar con total
la Web: un modelo integrador para el aprendizaje
libertad y con fines educativos.
superior”, se identifica las posibilidades de la Web como el
La confianza es uno de los principales componentes para
medio para definir la relación entre la enseñanza-aprendizaje
crear comunidad en escenarios no presenciales, donde el único
mediante tres variables: estudiante, profesor y medios
medio de contacto es el mediado por las TIC, todo esto con el
tecnológicos; además, con el auge de las Tecnologías de la
único fin de disminuir la incertidumbre entre los participantes
Información y Comunicación (TIC) las instituciones de
sobre el comportamiento de los demás, en escenarios donde la
Educación Superior no presencial han llegado a despegar de
confianza puede aumentar o disminuir con experiencias más
manera global y se corrobora con las múltiples ofertas que
recientes o cercanas entre los miembros de una comunidad [5]
existen de formación (e-learning) por parte de las grandes
[6] [7] [8] [9]. Se define a la confianza como la probabilidad
universidades a nivel mundial usando las TIC [2].
subjetiva con la que un individuo evalúa a otro, u otros grupos
Actualmente, en el proceso de formación universitaria sea
de individuos que realizan una acción en particular [10] [11].
presencial, mixto o virtual, el estudiante es el centro del
Dentro de los ambientes donde las decisiones cambian
aprendizaje, el profesor es el mediador o facilitador, mientras
constantemente, los investigadores han invertido esfuerzos
que la tecnología es un medio para lograr los fines educativos
con propuestas de gestión de confianza por medio de modelos,
[3]. En [1] los autores hablan de aprender en un campus
podemos encontrar trabajos en: ciencias de la computación,
virtual, debido a que es el espacio no físico donde se puede
comercio electrónico, organizacional, social,
vincular una verdadera comunidad de aprendices, el estudiante
comunidades/organizaciones virtuales, comunidades en línea,
solicita dudas, el profesor guía el aprendizaje y los materiales
comunidades científicas.
están al alcance de todos por medio de las bondades del
Los modelos de confianza (MC) juegan un papel
Internet. El estudiante y el profesor deberán sentirse
importante a la hora de tomar la decisión de confiar en
incorporados en una comunidad, para que ellos puedan
participantes desconocidos cuando hay un alto nivel de
contactar, relacionarse, formar grupos y socializar con
incertidumbre sobre el buen o mal desempeño de los mismos,
cualquiera de las personas que forman parte de la comunidad
sobre todo en ambientes cambiantes. Actualmente, no existe
virtual. Se llega al punto, donde el éxito del proceso de
un estudio bibliográfico sobre cuáles deben ser los
componentes mínimos que deben ser considerados para
1 diseñar nuevos MC. Como objetivo principal del trabajo, fue
L. Chamba. Carrera de Ingeniería en Sistemas, Universidad Nacional de
hacer un análisis de los MC en los entornos de e-learning y
Loja (UNL), Loja, Ecuador. E-mail: lachamba@unl.edu.ec
A. Arruarte. Departamento de Lenguajes y Sistemas Informáticos, CVA, que responda a la interrogante: ¿cuáles son los
Universidad del País Vasco (UPV/EHU), Donostia-San Sebastián, España. E- componentes mínimos que se deben usar para diseñar un
mail: a.arruarte@ehu.eus MC?
J. Elorriaga. Departamento de Lenguajes y Sistemas Informáticos, Para dar respuesta a la interrogante, se plantea la siguiente
Universidad del País Vasco (UPV/EHU), Donostia-San Sebastián, España. E- metodología: (1) búsqueda exhaustiva de MC en diversos
mail: jon.elorriaga@ehu.eus
Corresponding author: L. Chamba. contextos; (2) selección y filtro de MC en los contextos de:
4800
ciencias de la computación, comercio electrónico,
organizacional, social, comunidades/organizaciones virtuales,
comunidades en línea, comunidades científicas; (3)
identificación de los componentes mínimos o variables
comunes en los MC del paso (2); (4) definición del caso de
estudio para el análisis; (5) búsqueda y selección de 12 MC en
el entorno de e-learning y CVA; (6) descripción de los MC
seleccionados en (5); (7) aplicación de la técnica de análisis de
correspondencias múltiples (ACM) sobre los MC y las
variables (componentes mínimos) identificadas; y finalmente,
en (8) interpretación de los resultados obtenidos por el ACM,
que permitieron identificar que existen tres componentes
comunes en los modelos analizados: fiabilidad, similitud y
satisfacción, además, se descubre que los componentes de
satisfacción y fiabilidad son los más predominantes de los MC
y que el componente de similitud es un componente poco
usado en los MC.
La organización del artículo es la siguiente: en la sección II
se encuentran los conceptos teóricos que orientan a entender el
objeto de estudio. La sección III, describe algunas
investigaciones donde se han diseñado MC que han permitido
la gestión de la confianza en ambientes cambiantes. En la
sección IV, se describe bibliográficamente el contexto del
objeto de estudio: e-learning y CVA. La sección V, presenta la
experimentación realizada. En la sección VI, se describe los
resultados y la discusión. Finalmente, la sección VII, presenta
las conclusiones y trabajos futuros.
II. DEFINICIONES PRELIMINARES
En esta sección se menciona los términos o definiciones
que se va usar a lo largo del trabajo que serán de utilidad para
la comprensión del mismo.
A. E-learning y Comunidades Virtuales de
Aprendizaje
Se lo concibe al e-learning como el proceso enseñanza-
aprendizaje mediado por la tecnología. Es una de las
estrategias formativas que se ofrece a personas dispersas
geográficamente y que interactúan mediados por recursos
informáticos y de telecomunicación. Lo característico del e-
learning es que el proceso formativo es totalmente en un
entorno virtual, en el cual tiene lugar la interacción profesor-
alumnos, así como las actividades de los estudiantes con los
recursos de aprendizaje [12].
Por otro lado, se considera a una CVA [13] como un
conglomerado de personas cuyo fin común es el aprendizaje y
que realizan actividades de comunicación virtual con otros
congéneres con los cuales comparten opiniones/recursos [14].
Estas personas se encuentran comunicadas por medios
telemáticos y apoyadas por las TIC para hacer comunidad.
Existe variedad de recursos que permiten crear o gestionar
CVA: wikis, blogs, redes sociales, LMS, MOOCs, entre otros.
Las CVA pueden servir de apoyo en algunos niveles de
formación: escuela, bachillerato, institutos
técnicos/tecnológicos y educación superior, además, sirven
mucho de apoyo a la formación presencial o en algunos casos
cuando se las utiliza como una variante de la formación virtual
(e-learning) en instituciones educativas.
B. Concepto de confianza y reputación
El concepto de confianza es complejo y abstracto [15],
existen múltiples definiciones en diversos contextos. Muchas
IEEE LATIN AMERICA TRANSACTIONS, VOL. 14, NO. 12, DECEMBER 2016
veces confundido con términos como: credibilidad,
confiabilidad o lealtad [16]. Se la define como la medida en la
que una persona está confiada y ansiosa de actuar en base a
palabras, acciones y decisiones de otros. No existe un
consenso general sobre la definición de confianza [9]. Otro
término ligado a la confianza es la reputación. La reputación,
se define como la opinión o perspectiva de alguien acerca de
algo que se recoge a través de experiencias indirectas [17]. La
confianza y reputación son términos distintos, pero muy
cercanos a la hora de establecer relaciones sociales entre
individuos.
Dentro de las ciencias cognitivas, la confianza y reputación
son construidas mediante creencias subyacentes y es una
función del grado de estas creencias [18], con esto se trata de
reproducir el mecanismo humano de razonamiento acerca de
la confianza y reputación. Se considera al término confianza,
como el nivel de seguridad que se tiene sobre la capacidad de
un individuo para proporcionar información fiable, dicho de
otra manera, la confianza es la creencia que tiene un individuo
sobre su contraparte porque éste supone que su contraparte
puede hacer lo pactado o será recíproco aun existiendo una
oportunidad de desertar para conseguir rentabilidades más
altas [19] [20]. En el ámbito de la Teoría de Juegos, se
considera a la confianza como la probabilidad subjetiva que
una persona A espera que otra persona B, ejecute cierta acción
de la cual depende su propio bienestar [21]. A la inversa, la
desconfianza se define como la firme creencia en la
incompetencia de una persona para actuar de forma fiable y
segura en un contexto específico. La ausencia de confianza no
equivale a desconfianza, debe considerarse un estado neutral,
caracterizado por la falta de conocimiento en el que una
persona no posee suficientes evidencias para emitir un criterio
sobre otra [22].
Una fuente de información (FI), es un ente, individuo,
persona o agente que es objeto de valoración de un grado de
confianza directa o indirecta. Existen dos partes en las
relaciones de confianza: el fideicomitente, que es la FI que se
dispone a confiar en las demás FI y el fiduciario, que es el que
reacciona ante la buena voluntad del fideicomitente.
C. Características de la confianza
Se identifican siete características de la confianza:
integridad, previsibilidad, competencias, motivación [16],
transitividad, contextualización y dinamismo [22], todas ellas
fundamentales a la hora de hacer procesos de evaluación de la
confianza.
Integridad, relaciona a las FI a lo ético y honrado, la
mayoría de modelos de confianza tienen ésta característica, se
la utiliza, en ambientes cooperativos y que no compiten entre
sí.
Previsibilidad, reduce considerablemente la incertidumbre,
cuanto más predecible sea el comportamiento de una FI,
menor incertidumbre se tendrá para determinar la confianza en
ella. Esta característica es muy influyente entre la cooperación
de dos FI.
Competencia, es la habilidad de una FI para desempeñar
una actividad/tarea en un espacio de tiempo determinado o
circunstancial, se considera como información necesaria para
determinar la confianza entre las FI de acuerdo al rol que
interese.
Motivación, permite describir el interés que tiene una FI
CHAMBA et al.: PREDOMINANT COMPONENTS OF THE
para culminar con éxito una actividad/tarea asignada, ésta
característica puede ser considera a la hora de elegir a quién
atribuir tareas.
Transitividad, en algunas investigaciones definen que la
confianza es condicionalmente transitiva. Pero que la FI A
confíe en la FI B y que B confíe en la FI C no implica que A
confíe en C (Fig. 1). La decisión de confiar en una FI o
desconfiar de ella, o de hacerlo en una determinada cadena de
confianza, es decisión de la FI. No existen modelos que
permitan automatizar las relaciones de confianza [23].
Contextualización, depende del escenario o contexto en
donde se desenvuelva una FI que espera ser valorada directa o
indirectamente con un grado de confianza.
Dinamismo, por ser un entorno dinámico, a la confianza le
afectan los factores de tiempo y el grado de interacción entre
las FI.
Figura 1. Transitividad condicional de la confianza entre las FI.
Hay características a las siete descritas anteriormente,
donde la confianza no se cumple: simétrica (si la FI A confía
en FI B, no se cumple en el mismo enfoque que FI B confía en
FI A), distributiva (si la FI A confía en la FI B y C, no se
cumple en el mismo enfoque que A confía en B y A confía en
C) y asociativa (si la FI A confía en la FI B, no se cumple en
el mismo enfoque que las dos FI confíen en la C) [24].
D. Modelos de confianza y reputación
Un MC es una representación matemática o conceptual de
relaciones complejas y dinámicas [25], compuesto por factores
de confianza que definen una manera de evaluar
cualitativamente o cuantitativamente la interacción de FI en
ambientes cambiantes [26]. Los MC son herramientas útiles
que se usan para la toma de decisiones en entornos donde
existe incertidumbre sobre los resultados que se puedan
esperar como resultado de una acción particular [27].
Un modelo de reputación (MR) intenta guiar la decisión de
una FI en determinar cómo, cuándo y con quién interactuar
[28]. Además, intenta buscar las fuentes de reputación y
gestión de opiniones que permita alimentar el MC de una FI,
la reputación es un parámetro de la confianza [27].
Los modelos de confianza y reputación son usados para
inferir expectativas sobre el comportamiento futuro de FI
basados en experiencias previas. Estos modelos son
importantes porque permiten decidir cuando las FI deben
interactuar con otras en un determinado contexto [27].
E. Componentes mínimos de un modelo de confianza
De acuerdo al trabajo de [17] [19] [29], en el contexto de
entornos e-commerce y multi-agente, se han identificado tres
componentes mínimos que deben contener los MC: similitud,
4801
satisfacción y fiabilidad.
1) Similitud
Se define a la similitud como la relación que existe entre
las FI que comparten características comunes [30]. En
ambientes de distinta naturaleza e intereses, así como, en
entornos cooperativos/colaborativos, si una FI de una
comunidad tiene experiencia previa sobre otras FI que
producen o consumen recursos de FI desconocidos (sin
experiencia previa directa), deben tomar una decisión de
confiar en base a las recomendaciones (reputación) de otras FI
que tienen suficiente información sobre las FI desconocidas.
En este caso, se debe consultar a sus conocidos para averiguar
cuál de estas FI desconocidas pueden coincidir con las
preferencias comunes (perfil) a las de la FI que solicita la
recomendación. Así que, si la FI A quiere confiar sobre la FI
B, deberá evaluar la similitud entre las preferencias entre
ambos, previa una recomendación solicitada a sus conocidos.
Existe modelos matemáticos que permiten cuantificar la
similitud entre miembros de comunidades y que forman parte
de los modelos de reputación [31]. Además, se usa criterios de
similitud en los entornos cambiantes para estimar el
desempeño de FI cuando la información relacionada es
incompleta [32].
2) Satisfacción
La satisfacción es una medida de calidad y se la define la
como la percepción de la FI sobre la medida en que sus
necesidades, metas y deseos han sido cubiertas por completo,
además, la satisfacción es la confirmación de las expectativas
y considerada como el determinante principal de lealtad entre
las FI en ambientes cambiantes [33], por lo tanto, se considera
a la satisfacción como el nivel del estado de ánimo de una FI
que resulta de comparar el rendimiento percibido de un
producto o servicio con sus expectativas [34]. En los entornos
e-learning y CVA, las FI son autónomas, y en “X” escenario,
si tenemos dos FI, cualquiera de ellas puede tener diferentes
opiniones sobre un mismo tema. Por lo tanto, tienen diferentes
niveles de satisfacción sobre el mismo tema en común. Al
completar una interacción, el que consume (FI A) los recursos
tienen que calificar el desempeño del proveedor (FI B) de los
mismos (recursos) a través de la interfaz de respuesta con el
fin de informar su nivel de satisfacción de la interacción
actual. Esta información es importante porque el índice de
satisfacción representa el nivel de confianza de las FI sobre las
otras FI y recursos proporcionados por los entornos e-learning
y CVA. Finalmente, en el contexto del estudio, la satisfacción
es la respuesta de la FI consumidora a la evaluación de la
discrepancia entre las expectativas previas y el rendimiento
percibido del producto después de su consumo por parte de las
FI [35].
3) Fiabilidad
La fiabilidad se ha definido como la probabilidad del buen
funcionamiento de algo en un determinado espacio de tiempo
[36]. En un ambiente cooperativo, existe la posibilidad que
una FI puede engañar a otro en su propio beneficio. Con el fin
de asegurar la selección de un socio de confianza, es necesario
explorar la fiabilidad de las FI en los entornos e-learning y
CVA. Como sucede en el comercio electrónico, una FI podría
ser confiable si el precio de la interacción es lo
suficientemente baja, mientras que su fiabilidad puede
disminuir de manera significativa en el caso de que el precio
4802
de su interacción sea muy alto. La fiabilidad es una variable
que debe estar presente en la confianza para su desarrollo, es
un concepto de carácter multidimensional, puede adaptar
distintos nombres: integridad, deseo de reducir incertidumbre,
confidencialidad, sinceridad, capacidad de congeniar,
honestidad, entre otros. La fiabilidad desde la vertiente
cognitiva es la capacidad de que una FI debe realizar las tareas
de acuerdo a las expectativas y obligaciones de otros [37]. La
IEEE define a la fiabilidad como la habilidad que tiene un
sistema o componente de realizar funciones requeridas bajo
condiciones específicas en períodos de tiempo determinados
[38], de acuerdo a esa definición, en los entornos e-learning y
CVA es vital que a las FI se ofrezca mecanismos
estandarizados y de control del espacio donde ellas se
desarrollan.
F. Análisis multivariado
El análisis multivariado es un conjunto de técnicas
matemáticas y estadísticas que permiten describir e interpretar
datos provenientes de varias variables estadísticas estudiadas
conjuntamente [39]. Es un instrumento que: facilita el análisis
y síntesis de datos; la validación y desarrollo de conceptos
teóricos más adecuados; mayor precisión y perspectiva
conceptual; y la categorización de entidades e individuos de
un universo dado [40].
Dentro del análisis multivariado encontramos la técnica del
análisis de correspondencias múltiples que es un método
descriptivo para representar tablas de contingencia, es decir,
tablas donde recogemos las frecuencias de aparición de dos o
más variables cualitativas en un conjunto de elementos [41].
III. ESTADO DEL ARTE
En esta sección, se describe las investigaciones donde se
han diseñado MC que permiten la gestión de la confianza,
encontramos trabajos en áreas como: ciencias de la
computación, comercio electrónico, organizacional, social,
comunidades/organizaciones virtuales, comunidades en línea,
comunidades científicas. Todos estos trabajos tienen relación
directa con los entornos e-learning y las CVA. Por cada una de
las investigaciones se describe los puntos más relevantes, que
permitirán identificar los componentes comunes (sección II.E)
de cada uno de los MC y que posteriormente en la sección V,
servirán para el análisis de los MC.
A. Ciencias de la Computación
En las investigaciones relacionadas al entorno de Ciencias
de la Computación, encontramos a [42], que son los pioneros
en el diseño de modelos computacionales, proponen un
modelo computacional que puede ser implementado en un
sistema real para el cálculo automático de confianza y
reputación (similitud) en base a las valoraciones
proporcionadas por FI de confianza; [17], proponen
mecanismos computacionales para la confianza y la reputación
(similitud) en las sociedades virtuales, para ello usan el
paradigma de los sistemas multi-agente; [43], en su trabajo
doctoral, estudia uno de los problemas computacionales de
confianza en las Redes Sociales (sistemas complejos), que
radica en determinar cuándo una FI en la red debe confiar en
otra FI a la que no está conectada, para ello, plantea dos
algoritmos para el cálculo de la confianza, el primero basado
en valores binarios y el segundo en valores continuos
IEEE LATIN AMERICA TRANSACTIONS, VOL. 14, NO. 12, DECEMBER 2016
(fiabilidad); [44], propone que la confianza es necesaria para
fomentar las interacciones exitosas (satisfacción) y para filtrar
la gran cantidad de información en la Web, Golbeck identifica
tres componentes de confianza: contenidos, personas (FI) y
servicios; [45], en su trabajo plantea, que en los sistemas de
confianza, la idea básica es analizar y combinar los trazados
en las redes de relaciones de confianza con el fin de obtener
medidas de fiabilidad de nodos específicos, éstas puntuaciones
de reputación y medidas de confianza pueden ayudar a otras
partes para decidir (confiar o no) sobre una FI en el futuro;
[46], plantean un MC estadístico para implementar en
contextos muy sensibles y cambiantes (fiabilidad y
satisfacción), realizan sus pruebas en las calificaciones
obtenidas por medio de eBay; [47], definen que la confianza
juega un papel importante en la interacción y cooperación
(satisfacción) eficaz en sistemas multi-agente, además,
definen siete elementos comunes para el diseño de MC
computacionales; [48], realiza un análisis de la e-confianza, la
misma que se produce en contextos digitales entre agentes (FI)
de los sistemas artificiales distribuidos, su trabajo se apoya en
un enfoque no-psicológico y descansa sobre agente racional
ideal (FI), que es capaz de elegir la mejor opción para sí
mismo (similitud y fiabilidad), dado un escenario específico y
una meta a alcanzar, además, se proporciona un método para
la evaluación objetiva de los niveles de la e-confianza que se
desarrolla entre las FI; [49], proponen un MC dinámico para
organizaciones virtuales basado en el comportamiento de FI
(fiabilidad), se destaca un componente necesario para diseñar
otros modelos y tiene que ver con el almacenamiento y la
gestión de una base de datos de confianza (repositorio); [50],
presenta diversas nociones y teorías de la confianza (sociedad
modernas) proporcionadas por la revisión de literatura en el
campo del capital social, además, se analiza diferentes
definiciones de confianza, sus distintas dimensiones
(confianza interpersonal e institucional), relación con la
noción más amplia de capital social, y los diferentes factores
que afectan a las sociedades de agentes (FI) (fiabilidad); [51],
estudian la evaluación de la confianza en redes virtuales y los
servicios que prestan, se propone un MC basado en una red
bayesiana que representa la relación entre las redes virtuales y
los servicios; [52], describen cómo una red bayesiana puede
ser una herramienta eficaz para el razonamiento incierto y
mucho más eficiente para la evaluación de la confianza
dinámica (fiabilidad); [53], identifica que los sistemas de
reputación (satisfacción) existentes se enfrentan a problemas
(mal comportamiento en la Web), en vista de ello, plantea
desarrollar principios para el diseño de sistemas de reputación
que superen el problema del mal uso del anonimato en la Web,
mediante la realización de mejores pruebas de honradez en
línea (fiabilidad); [54], proponen un método de soporte de
decisiones para estimar el nivel de confianza, se desarrolla un
framework para estimar la confianza basado en dos
dimensiones: reputación (similitud) y la colaboración
(satisfacción); [55], realiza una revisión general de literatura y
la descripción de algunos de los MC y reputación más
representativos en el campo de las redes P2P (fiabilidad); [23],
describe una plataforma redes P2P, cuyo objetivo principal es
la formación de grupos de personas con “intereses comunes”.
Se define un perfil que contiene los intereses del usuario y es
utilizado por el sistema para la localización de usuarios afines
CHAMBA et al.: PREDOMINANT COMPONENTS OF THE
mediante un motor de búsqueda inteligente. Con los usuarios
encontrados se van formando los grupos de intereses comunes
(similitud); [56], proponen un MC para redes P2P basado en la
estadística bayesiana para mejorar la fiabilidad de las FI; [57],
proporciona un MC y reputación para entender el
comportamiento de un proveedor de reputación (similitud)
usando la teoría de probabilidades; [58], proponen un enfoque
para la reputación (similitud) basado en puntuación, por medio
de un tercero de confianza usando anclas de confianza
definidos por DNSSEC y SSL; [59], proponen un mecanismo
de reputación basado en algoritmos de agregación en redes
mesh aplicado a los sistemas inteligentes de transporte
(satisfacción); [60], definen un mecanismo de enrutamiento
en redes adhoc, calculando la confianza entre los
intermediarios que participan en el proceso de entrega de
información (fiabilidad); finalmente, en [61] [20], presentan
un MC computacional, donde se plantea que las FI cuya
información es similar (similitud) a la de la FI a confiar, se
obtienen a partir de información local de las FI por medio de
un algoritmo de filtrado colaborativo.
B. Comercio Electrónico
En el entorno de comercio electrónico, [62] presentan una
visión general de los sistemas existentes y propuestas que se
pueden usar para derivar medidas de confianza y reputación de
las transacciones por Internet (fiabilidad); [63], en su estudio
menciona que la interacción de las FI que son desconocidas
entre sí y que no tienen conocimiento de ellos es posible, y a
veces común (similitud). Actualmente, enfrentamos con el
problema de la sobrecarga de información que provoca
incertidumbre y riesgo, para abordar este problema, es posible
sólo a través de la dependencia en otra comunidad, en donde,
cada FI en una comunidad tiene una confianza global y un
fideicomiso local.
C. Organizacional
En el entorno organizacional, [64] determinan que la
confianza es uno de los factores críticos de éxito que permiten
mejorar las organizaciones, además, identifican elementos
como el fideicomitente, el fideicomisario y los factores que
afectan la confianza (similitud, satisfacción y fiabilidad). Los
investigadores [25], realizan un análisis de siete MC en
organizaciones, esa revisión les permite plantear la propuesta
de un modelo genérico de confianza inter-organizacional
(similitud, satisfacción y fiabilidad) que determinará la
confianza en modelos incompletos (falta de parámetros para
calcular confianza) que hayan sido diseñados.
D. Social
En el entorno social, [65] describen como representar al
modelado y gestión de la confianza en los sistemas digitales,
mediante la transformación de un concepto social de confianza
a un concepto digital especialmente en los nuevos sistemas
distribuidos (fiabilidad); [66], centra su análisis en el efecto de
la confianza en ambientes sociales, donde se considera a todo
un sistema abierto (FI y máquinas) como el escenario ideal
para hacer transacciones de confianza y en otros casos definen
los mecanismos para prevenir las relaciones engañosas
(fiabilidad); [67], describen un MC para redes sociales con el
objetivo de construir comunidades de confianza que inspiren a
los miembros (FI) a compartir sus experiencias, sentimientos y
opiniones de una manera abierta y honesta, sin el temor de ser
juzgado, la característica única del modelo es que el valor de
4803
confianza se deriva de la capital social construido en las redes
sociales durante un período de tiempo (fiabilidad y similitud);
[68], proponen un marco multidimensional para guiar el
proceso de diseño y evaluación de la integridad y consistencia
(fiabilidad) de los sistemas de reputación (similitud) basado en
los principios de la teoría de sistemas en el campo de ciencias
sociales; finalmente, [69], presentan un MC para determinar la
confianza en redes sociales, el modelo abarca factores básicos
como: la confianza recíproca (satisfacción), la reputación
(similitud) de una FI, recomendaciones fiduciarias de terceros
y la disposición de confianza.
E. Comunidades/Organizaciones Virtuales
En el entorno de comunidades/organizaciones virtuales,
[70] realiza un estudio en profundidad al modelo criptográfico
PGP, encontrando que el mismo no es mecanismo para
propagar opiniones de confianza en la Web de Confianza
(WoT) (satisfacción); [71], plantean un MC distribuido basado
en recomendaciones (similitud) de las FI; [15], son los
pioneros en el campo de MC para organizaciones virtuales,
proponen un MC que se basa en las características de la
confianza social como ocurre en la vida real, y se basa en un
mecanismo de reputación (similitud) del boca a boca; [72],
proponen un modelo para la eficacia de la educación en línea,
se plantean dimensiones como parte del modelo: interacción
de estudiante-estudiante, interacción estudiante-instructor,
apoyo y tutoría del instructor, tecnología de la información,
contenidos y diseño instruccional de los cursos (fiabilidad);
[73], proponen un modelo bayesiano (similitud) relacionado a
la teoría del capital social en el campo de las ciencias sociales
y las humanidades, además, se determina que el modelo es una
herramienta útil para comprender el capital social presente en
las comunidades virtuales; [74], realizan un análisis
exploratorio, para determinar indicadores del desarrollo de la
confianza en cursos en línea, en base al rendimiento
académico obtenido por medio de las mejores calificaciones
durante un período de tres años, y contrasta estos resultados
con uno de los cursos en línea con bajo rendimiento
académico por parte de sus estudiantes, se concluye que una
buena relación de confianza al inicio de cursos en línea puede
estar relacionada con el éxito en cursos posteriores
(satisfacción y fiabilidad); [75], argumentan en su
investigación, que la confianza cognitiva y afectiva están
relacionados con la cohesión de los grupos en los proyectos de
código abierto y concluyen que la confianza cognitiva muestra
una relación más significativa con los resultados del proyecto,
mientras que la confianza afectiva es más importante
relacionada con la cohesión del grupo y el beneficio
(satisfacción) percibido en comunidades virtuales; [76],
proponen un modelo integrado de confianza que abarca tanto
la visión tradicional de la confianza y la confianza inmediata
que se encuentra en los equipos virtuales, sostienen que las FI
forman actitudes de confianza (fiabilidad) a través de tres
rutas distintas en las diferentes etapas de una relación: la ruta
periférica, la ruta central, y la ruta habitual; [77], presentan un
modelo de gestión de la confianza para las comunidades
virtuales basado en los procesos y la confianza institucional,
se proponen algunos métodos eficaces para resolver o aliviar
algunos de los problemas típicos de la gestión de la confianza
comunidad virtual, como el problema de la motivación y la
deshonestidad (fiabilidad); [78], proponen la gestión de la
4804
confianza por medio de Redes de Markov para comunidades
virtuales gestionadas por la Web; [79], presentan la
arquitectura TRIC para ser utilizada por los sistemas de CCR
(Cross-Community Reputation), las principales características
de TRIC son utilizadas para proteger la privacidad e
integridad de los datos (fiabilidad) de las FI; [80], sugieren
que características afines (similitud) de los miembros de la
comunidad virtuales tienen un impacto positivo tanto en la
confianza y en el compromiso de las relaciones, la satisfacción
por interacciones previas no sólo aumenta el nivel de
confianza en los miembros de la comunidad virtual, sino que
también mejora la relación de compromiso y adherencia de los
miembros, además, se define que las políticas de privacidad
(fiabilidad) de los sitios mejoran el nivel de confianza de
manera significativa; [81], proponen un MC de los agentes
(FI) en una organización virtual, que puede ser utilizado para
decidir si es útil empezar, continuar o dejar de colaborar con el
agente (FI) evaluado (similitud y fiabilidad); [82], proponen
un MC para motivar la cooperación y apoyar a los agentes en
la toma de decisiones sobre las interacciones e intercambio de
datos en línea, una actualización periódica de los valores de
confianza hará que el modelos sea más eficaz, el modelo
propuesto permite que los agentes (FI) decidan si prestan
servicio a otro agente (FI) (fiabilidad); finalmente, [83],
propone un MC en sistemas distribuidos, utiliza información
interactiva histórica entre FI y se valora la confianza por
medio del comportamiento en comunidades virtuales
(fiabilidad).
F. Comunidades en Línea
En los entornos de comunidades en línea, [84] proponen
un MC para la gestión de comportamientos maliciosos en las
comunidades abiertas (fiabilidad), el modelo proporciona un
incentivo para un buen comportamiento y un castigo para los
malos, los autores concluyen que la confianza es transitiva y
presenta una regla de transitividad de confianza dentro del
modelo propuesto; [85], proponen un modelo para predecir
valores de confianza entre las FI basándose en un sistema de
calificaciones, no se utiliza valores de confianza explícitas,
con el uso de este modelo se puede predecir valores de
confianza (similitud) en la Web de Confianza (WoT) y luego
aplicarlo en las comunidades en línea; [86], proporcionan un
MC para evaluar la calidad del contenido y recomendar
(similitud) a los proveedores de contenido de confianza hacia
una comunidad por medio de la comunicación social en línea,
el modelo permite predecir la confianza y sobre todo
considerar a la desconfianza como un factor a considerar en
los MC y reputación donde se trabaje con la WoT; [87],
presentan un modelo matemático aplicando las teorías del
análisis de redes sociales, el modelo evalúa las interacciones
(fiabilidad) de los agentes (FI) en diferentes redes sociales, se
aborda el trabajo desde el punto de vista de Inteligencia
Artificial y la Psicología Social; [88], abordan un estudio que
permite comprender la clase de confianza que los gestores de
la comunidad en línea necesitan desarrollar para inducir a los
miembros (FI) a usar sus sitios de manera más eficiente
(fiabilidad); [89], abordan los problemas que ocurren en las
comunidades abiertas de conocimiento mediante un modelo
forOKCs compuesto por dos componentes: confianza en el
recurso y confianza en la FI (satisfacción), el modelo se basa
en la combinación de datos y la interacción de las FI en la
IEEE LATIN AMERICA TRANSACTIONS, VOL. 14, NO. 12, DECEMBER 2016
comunidad; finalmente, [90], propone modelar la evolución de
la confianza (espacio de investigación poco explotado) en las
comunidades en línea, establece que los MC prácticos ofrecen
oportunidades para nuevos algoritmos para descubrir las
relaciones de confianza en las comunidades en línea
(fiabilidad).
G. Comunidades Científicas
En las investigaciones relacionadas a las comunidades
científicas, [91] identifican un tipo de confianza basada en
valores que permitirá minimizar la incertidumbre (fiabilidad)
a la hora de compartir las comunicaciones científicas por
medio de las comunidades virtuales; [92], manifiestan que
cada vez más, las colaboraciones científicas son
multi/interdisciplinarias, y los científicos están trabajando en
colaboraciones informales para resolver problemas complejos
que requieren múltiples tipos de habilidades. Este tipo de
comunidades podrían ser integradas por FI con habilidades
complementarias o similares, que podrían tomar la decisión de
colaborar entre sí para resolver de manera más eficiente un
problema complejo, se sostiene que, dadas las diversas
habilidades que las colaboraciones implican, decidir que
participantes cooperan es cada vez crítico y difícil (similitud y
satisfacción), una de las soluciones pueden ser los MC y
reputación; [93], proponen un MC basado en técnicas de
aprendizaje aplicado a los contenidos (satisfacción), para
modelar la confianza utiliza el método de clasificación de
máquinas de vectores; [94], proponen un modelo que
determina las relaciones de confianza entre los miembros (FI)
de la comunidad de forma automática y objetiva (fiabilidad)
aplicando la minería de datos a las comunicaciones realizadas
en la comunidad; finalmente, [95], describen los diferentes
niveles de confianza y desconfianza en la comunidad
científica en un dominio dado, identifican factores que
ocasionan falta de confianza como: la falta de solidez,
credibilidad (fiabilidad), poca capacidad de respuesta, la
flexibilidad y la participación de los interesados (satisfacción),
datos erróneos, malas comunicaciones.
En todos los trabajos mencionados, se logra identificar que
existen componentes comunes que son usados para diseñar los
MC. Estos componentes son: similitud, satisfacción y
fiabilidad.
IV. CONFIANZA EN ENTORNOS E-LEARNING
Una de las tendencias del e-learning es la conformación de
CVA, porque permite a los sujetos producir conocimiento
fruto de la interacción social en donde los participantes
interactúan y aprenden conjuntamente [96].
La investigación de la confianza en los entornos e-learning
es un punto clave para el éxito de este tipo de formación,
porque se trata de identificar esos nexos no presenciales que
permitan confiar en FI sin interacciones previas directas o
indirectas. El estudio de la confianza se aplica en el e-learning,
específicamente en el contexto de las CVA.
Con el devenir del Internet de las Cosas [97] y el apoyo
que las TIC brindan a la formación presencial o virtual (e-
learning), la participación en tiempo real y colaborativa por
personas distribuidas y en paralelo en diversos lugares
geográficos es una realidad. Para ello, y como sucede en el
mundo presencial, deben existir nexos de confianza entre los
CHAMBA et al.: PREDOMINANT COMPONENTS OF THE
participantes que permitan intercambiar o compartir
opiniones/recursos a la hora de trabajar en un fin común
(comunidad). Existen trabajos previos sobre una de las
tendencias posibles por medio del e-learning [98] como son
las comunidades virtuales (CV) [99] [100] [101] [102], donde
clasifican tipos de comunidades y una de ellas, las CVA que
son sujetas de estudio en este trabajo.
De acuerdo a la revisión de literatura [103] [104] [105]
[101], existen investigaciones desarrolladas en el campo de
CVA orientadas a educación superior, que han permitido
identificar el potencial que las CVA tiene sobre el aprendizaje,
así como los nuevos roles que los personas involucrados en el
entorno de comunidad deben desarrollar o tomar en cuenta a la
hora de trabajar por un fin común [106].
Los modelos innovadores de e-learning, al incorporar
conceptos de comunidad, pueden crear escenarios que
propicien un entorno favorable para la investigación y la
construcción colectiva de conocimiento, ya sea por el diseño
de actividades colaborativas, trabajos entre pares y sobre todo
por la aplicación del aprendizaje horizontal [13]. En ambientes
de CVA se articula el desarrollo del e-learning, los
participantes pueden compartir recursos y experiencias, que
permitan afianzar sus conceptos o creencias. Las
investigaciones en ambientes universitarios [103] [104] [105]
[101] comprueban la validez útil de las CVA en el
mejoramiento académico de los participantes en modelos e-
learning. Por tal motivo, se ratifica la relación directa entre el
e-learning y las CVA, que permite diferenciar notablemente
este tipo de formación de cualquier otra forma de formación a
distancia.
En base al fundamento teórico y a la búsqueda exhaustiva
de literatura, ha permitido identificar 12 trabajos relacionados
a la gestión de confianza en ambientes educativos, entre los
cuales se destacan, ocho trabajos que pertenecen al entorno e-
learning [107] [108] [109] [110] [111] [112] [113] [97] y
existen cuatro trabajos relacionados a la gestión de confianza
en entornos de CVA [114] [115] [16] [116]. Los trabajos
relacionados a la gestión de la confianza en los entornos e-
learning difieren de los trabajos en CVA en el diseño y campo
de aplicación de sus componentes, por lo tanto, un análisis
comparativo de estos modelos, ayudará a entender, mejorar y
proponer nuevos MC orientados a los entornos e-learning y
CVA.
V. EXPERIMENTACIÓN
A. Características de los componentes
Corroborado con la revisión del estado del arte de la
sección III, para la experimentación se va a usar los tres
componentes comunes definidos en la sección II: similitud,
satisfacción y fiabilidad.
B. Modelos de confianza seleccionados
Se describen 12 trabajos [114] [107] [108] [115] [109] [16]
[110] [111] [112] [113] [116] [97] relacionados con los MC
existentes en los entornos e-learning y CVA, para la
experimentación nos centraremos exclusivamente en la
descripción de las principales características de cada modelo.
1) Entornos e-learning
Dentro de los ocho trabajos relacionados, encontramos:
4805
• [107], abordan el estudio de la relación entre la
confianza y el rendimiento (académico) en entornos de
aprendizaje a distancia en línea, basada en tres factores como:
relación de confianza entre estudiantes-profesor (motivación),
relación estudiantes-EVA (entorno virtual de aprendizaje) y la
relación entre estudiantes-tecnología; que pueden afectar al
bajo rendimiento académico de los estudiantes en los
ambientes de educación a distancia.
• [108], abordan la importancia de la confianza de los
alumnos en el contexto del aprendizaje a distancia en línea,
para ello se realizó una investigación cuantitativa y cualitativa,
en donde se confirma que la confianza es importante dentro
del soporte de comunidades/ambientes de aprendizaje que
brindan los entornos e-learning.
• [109], describen un e-learning confiable basado en la
confianza y en la calidad de la evaluación por medio de un
modelo basado en SOA (Service Oriented Architecture).
• [110], estudian cómo facilitar la confianza y cómo
conservar la privacidad en los entornos de e-learning, se
utiliza un mecanismo de gestión de identidad (alumnos) por
medio de seudónimos, se plantea un modelo de transferencia
de reputación de persona a persona, y un foro de discusión
para evaluar el modelo propuesto. Además, manejan
conceptos relacionados a factores de seguridad de la
información y componentes de protocolos criptográficos.
• [111], abordan la confianza del estudiante en la
Educación a Distancia (EaD), la investigación se realiza para
explorar en una población de estudiantes los cambios en la
satisfacción (estudiantes que inician cursos y los que ya han
cursado) y su significado en el desarrollo de la confianza en
EaD. Se plantean hipótesis a comprobar usando técnicas
estadísticas como el t-test.
• [97], presenta un trabajo de cómo generar confianza
en e-learning, por medio de la identificación de factores
sociales y técnicos que pueden influir en la percepción de los
estudiantes en la confianza en los entornos e-learning, se
identifican 12 factores de confianza, al igual que otras
investigaciones, los factores de reputación, calidad de
contenidos y estilo comunicativo del instructor permiten un
mayor grado de confianza por parte de los estudiantes.
• [113], describen un trabajo relacionado a la búsqueda
de un MC en el e-learning, con el objetivo de reducir la
incertidumbre en las actividades que cumplen los estudiantes
para lograr las metas de aprendizaje. Existe un MC conceptual
para actividades en e-learning, el mismo que cuantifica el
valor de confianza que el estudiante debe asignar a una
actividad docente basado en el logro de resultados de
aprendizaje y en la reputación.
• [97], presentan un modelo para evaluar la confianza
de los usuarios en los sistemas de e-learning, es un MC de
usuario basado en la nube para la parte subjetiva (0 o 1) y otro
basado en una matriz de capacidad para la confianza objetiva
(niveles y pesos de confianza).
2) Entornos CVA
Dentro de los cuatro trabajos, encontramos:
• [114], presentan un modelo del proceso para la
construcción del capital social en las CVA, factor importante
dentro de las CVA en la actualidad, debido a que los
estudiantes al relacionarse entre sí, intercambian experiencias
4806 IEEE LATIN AMERICA TRANSACTIONS, VOL. 14, NO. 12, DECEMBER 2016

ricas en conocimiento y experiencia, es un factor presente en Modelo

Componentes
la mayoría de MC. Similitud Satisfacción Fiabilidad
Evaluación Certificado
• [115], presentan una propuesta de un control de dinámica, estático,
acceso dinámico basado en la confianza en CVA, que variable parámetro con
permitirá que las interacciones no sean cerradas o controladas [109] N/Aa discreta [0,5], valor real [0,5],
por un superadministrador, sino que sean abiertas y que vector con 4 vector con 3
permitan lograr el objetivo propuesto por las CVA que es parámetros parámetros
compartir conocimiento de manera duradera en espacio y
tiempo. Evaluación
• [16], presentan una propuesta de un MC genérico con valores
orientado a CVA, compuesto por seis factores que permiten discretos, Proveedor de
estimar el valor de confianza de los participantes de una CVA, [0,1], servicios para
confianza seleccionar los
y cada factor controlado por un peso de acuerdo a las
[97] N/Aa subjetiva, receptores de
necesidades de la CVA.
pesos de servicios
• [116], presenta un trabajo relacionado al control en valores de apropiados
CVA por medio de la confianza y la incertidumbre que confianza
ocasiona en estudiantes que participan en CVA, se estudian [0,0.5]
tres variables: valoración directa, retroalimentación y normas
de cooperación recibidas. Las variables de retroalimentación y Factor de
normas cooperación inculcan confianza en las CVA y reducen privacidad y
la incertidumbre. Factor de seguridad,
Factor de
credibilidad, protocolos de
credibilidad,
[112] para evaluar la
para evaluar la autenticación
VI. RESULTADOS Y DISCUSIÓN reputación
experiencia
directa para
Los MC presentados en la sección V.B son comparados y participantes
analizados sobre la base de los tres componentes mencionados
en la sección V.A. Los resultados se resumen en la TABLA I. Experiencia
Integridad para
Reputación por directa para
control de la
TABLA I interacciones predecir la
ANÁLISIS COMPARATIVO DE LOS MODELOS DE CONFIANZA honestidad de
[113] pasadas en confianza
estudiantes y
cursos, cumple (estudiante/do
Componentes las expectativas docentes
Modelo cente)
Similitud Satisfacción Fiabilidad
Análisis Factor de
Encuesta para Factor de
correlacional reputación,
La experiencia detectar los experiencia
sobre otros [16] similitud de N/Aa
personal, factores de directa
[107] factores de perfiles,
importante para confianza en presentimiento
crear confianza confianza en
EaD Acreditación,
EaD
Retroalimentaci Normas de asegura
Existe un [116] ón, para una cooperación contenidos de
Predictor del buena reputación calidad
comportamiento Se utiliza la garante
futuro escala de 0 a 5 (instructor/alto
[110] (reputación para calificar a rango en Grado de Control de
Historial de confianza acceso por
como participantes comunidad) de [115] acceso para
componente de reputación básica autenticación
reuptación
identidad)
Se Capital Social
[114] N/Aa N/Aa
experimenta al
inicio y fin de N/Aa = No aplica
un semestre Para hacer el análisis comparativo entre los MC se usó la
(estudiantes), técnica multivariante: análisis de correspondencias múltiples
se concluye N/Aa (ACM), en correspondencia a datos no métricos, presentes al
[111] N/Aa
que es analizar los 12 modelos frente a las variables identificadas
importante (tres componentes de confianza). Se transformó los valores de
para el la TABLA I en valores cualitativos en dos categorías, “Si”
desarrollo de cuando el componente es parte del MC y “No” cuando no lo
EaD está. Se observa en la TABLA II el proceso de transformación.
Relación Entorno Virtual
online cara a de Aprendizaje,
[108] N/Aa cara fomenta factor clave en
la confianza EaD
CHAMBA et al.: PREDOMINANT COMPONENTS OF THE 4807

TABLA II una falencia en estos modelos. La reputación por medio de la

MATRIZ DE CONTINGENCIA PARA EL ANÁLISIS DE
CORRESPONDENCIAS MÚLTIPLES
experiencia previa de los conocidos es un factor fundamental
en los entornos e-learning y CVA para obtener confianza.
Componentes Además, existen dos MC [114] [111], donde los componentes
Modelo de similitud y fiabilidad no son parte de ellos, se puede
Similitud Satisfacción Fiabilidad
[107] Si
Si Si interpretar que los MC consideran como componente
importante para establecer confianza la experiencia directa con
Si Si
[110] Si los participantes.
Si No En el ambiente CVA existen dos MC [115] [116], que
[111] No cumplen los tres componentes de confianza, mientras que,
[108] No
Si Si cuatro de los MC [107] [110] [112] [113], en el entorno e-
learning cumplen los tres componentes de confianza, se
Si Si observa un porcentaje superior debido a que existe un número
[109] No
Si Si
mayor de modelos relacionados al e-learning. Con esto se
[97] No puede asegurar que la mayoría de los modelos en el entorno
Si CVA cumple el análisis de MC propuesto en la investigación.
[112] Si Si
El MC presentado en [16] define una primera
Si Si aproximación al modelo propiamente dicho para ambientes
[113] Si
Si
CVA, el resto de modelos están orientados al campo de e-
[16] Si No learning y EaD, que tienen mucha relación con las CVA.
Si Si
[116] Si
VII. CONCLUSIONES
Si Si
[115] Si En este trabajo, se ha realizado un análisis exhaustivo de
[114] No
Si
No
12 MC más representativos para los entornos e-learning y
CVA, usando tres componentes de confianza en conjunto con
el análisis de correspondencias múltiples (ACM). El ACM
Para el ACM necesitamos la matriz de Burt (TABLA III), permitió identificar que la satisfacción constituye el primer
que contiene todas las tablas de contingencia simples entre las componente (presente en todos los modelos) importante,
variables. La TABLA III permite identificar que los 12 MC mientras que la fiabilidad es relevante a nivel intermedio y la
analizados, tienen como componente principal de confianza a similitud es el componente débil en estos modelos. En base al
la satisfacción, además, los modelos usan la cantidad de análisis realizado, la satisfacción, fiabilidad y similitud deben
experiencia directa para el cálculo de la satisfacción de cada ser los componentes mínimos de un nuevo MC, respondiendo
participante, algunos de estos doce modelos tienen escalas a la pregunta de investigación. Como otro aporte del trabajo,
semánticas de valoración y otros, normas de cooperación. se determinó la relación entre los tres componentes de
confianza, destacando que la similitud entre participantes debe
TABLA III
MATRIZ DE BURT PARA EL ANÁLISIS DE CORRESPONDENCIAS ser investigada y propuesta por nuevos MC; la fiabilidad debe
MÚLTIPLES ser un componente a usar para proteger la privacidad y
honestidad de los participantes. Estas relaciones descritas
Componentes Similitud Satisfacción Fiabilidad
representan cómo se deben implementar y medir nuevos MC.
Como trabajos futuros, se plantea adaptar parámetros de cada
Si No Si No Si No
uno de los modelos estudiados por medio de una nueva
Si 7 0 7 0 6 1 propuesta de un MC para CVA. Además, se puede agregar
No 0 5 5 0 3 2 nuevos componentes de confianza para hacer el ACM en otros
Si 7 5 12 0 9 3 MC en los entornos e-learning y CVA.
No 0 0 0 0 0 0
AGRADECIMIENTOS
Si 6 3 9 0 9 0
Este trabajo es financiado por la SENESCYT del Gobierno
No 1 2 3 0 0 3 de Ecuador (Beca número: AR7L1069) y fue parcialmente
soportado por las universidades: Universidad Nacional de
Existe nueve MC [107] [108] [115] [109] [110] [112] Loja (UNL), Universidad Técnica Particular de Loja (UTPL)
[113] [116] [97], que tienen como componente de confianza a y Universidad Internacional del Ecuador (UIDE). La
la fiabilidad, esto revela que es el segundo factor en investigación es también financiada por el Gobierno Vasco
importancia, debido a que los participantes confían más en (IT722-13, IE12-333) y la Universidad del País Vasco
entornos donde se realice un control/monitoreo de todos los (UPV/EHU) (UFI11/45).
participantes que puedan engañar a otros, sea por la creación
de ambientes de calidad, por mecanismos de seguridad de la REFERENCIAS
información o incluso considerando su privacidad. Para cinco
modelos [114] [108] [109] [111] [97], el componente de [1] J. M. Duart and A. Sangrà, “Formación universitaria por medio de
la web: un modelo integrador para el aprendizaje superior,”
similitud no se considera en sus propuestas, esto hace notar Aprender en la Virtualidad, pp. 7–33, 2000.
4808
[2] E. Vazquez-Cano and E. López Meneses, “The educational
philosophy of MOOCS and university education,” RIED. Revista
Iberoamericana de Educación a Distancia, vol. 18, no. 2, pp. 25–
37, 2015.
[3] C. Holgado Sáez, Nuevos Tiempos, Universidad y TIC´s: ¿Qué
aporta Internet al profesor de Lenguas Modernas?, 1st ed., vol. 1,
no. 1. Área de Innovación y Desarrollo, S.L, 2016.
[4] L. Johnson, S. Adams Becker, M. Cummins, V. Estrada, A.
Freeman, and C. Hall, “NMC Horizon Report: 2016 Higher
Education Edition,” Texas, 2016.
[5] C. M. Ridings, D. Gefen, and B. Arinze, “Some Antecedents and
Effects of Trust in Virtual Communities,” Journal of Strategic
Information Systems, vol. 11, pp. 271–295, 2002.
[6] J.-M. Leimeister and H. Krcmar, “Revisiting the Virtual
Community Business Model,” in Tenth Americas Conference on
Information Systems, 2004, pp. 1–11.
[7] E. G. Park, “Trust in Virtual Communities,” in Encyclopedia of
Virtual Communities and Technologies, 2005, pp. 449–451.
[8] G. Burauskas and J. I. Aldama, “Trust in Virtual Communities,”
Lund University Informatics, 2008.
[9] S. Sanz, C. Ruiz, and I. Pérez, “Concepto, Dimensiones y
Antecedentes de la Confianza en los Entornos Virtuales,” Teoría y
Praxis, vol. 6, pp. 31–56, 2009.
[10] P. B. Laat, “Trusting Virtual Trust,” Ethics and Information
Technology, vol. 7, no. 3, pp. 167–180, Sep. 2005.
[11] G. Liu, “Trust Management in Online Social Networks,” Macquarie
University, 2013.
[12] M. Area Moreira and J. Adell Segura, “E-learning: enseñar y
aprender en espacios virtuales,” Tecnología Educativa. La
formación del profesorado en la era de Internet., pp. 391–424,
2009.
[13] F. Castro Fernández, “E-learning 2.0 y Comunidades Virtuales en la
ELAO de la Expresión Escrita del Inglés como Lengua Extranjera,”
Universidad Nacional de Educación a Distancia, 2011.
[14] G. Espinoza-Ami, L. Chamba-Eras, A. Arruarte, and J.-A.
Elorriaga, “Cadenas de Confianza por Medio de Extensiones de
Seguridad del Sistema de Nombres de Dominio Aplicadas a
Comunidades Virtuales de Aprendizaje,” in IX Congreso de Ciencia
y Tecnología, 2014, pp. 200–209.
[15] A. Abdul-Rahman and S. Hailes, “Supporting Trust in Virtual
Communities,” in 33rd Annual Hawaii International Conference on
System Sciences, 2000, pp. 1–9.
[16] L. Chamba-Eras, A. Arruarte, and J.-A. Elorriaga, “Modelo de
Confianza para Comunidades Virtuales de Aprendizaje,” in
Congreso Internacional de Informática Educativa (TISE), 2011, pp.
80–87.
[17] J. Sabater and C. Sierra, “Review on Computational Trust and
Reputation Models,” Artificial Intelligence Review, vol. 24. pp. 33–
60, 2005.
[18] B. Esfandiari and S. Chandrasekharan, “On how agents make
friends: Mechanisms for trust acquisition,” Proceedings of the
Fourth Workshop on Deception Fraud and Trust in Agent Societies
Montreal Canada, vol. 222, no. 19th of June, pp. 27–34, 2001.
[19] J. P. Soto Barrera, “Una Arquitectura Multi-Agente y un Modelo de
Confianza para Gestionar el Conocimiento en Comunidades de
Práctica,” Universidad de Castilla La Mancha, 2010.
[20] F. Yuan and S. Liu, “A Computational Trust Model Based on
Indirect Information,” Journal of Information and Computational
Science, vol. 11, no. 5, pp. 1545–1553, Mar. 2014.
[21] D. Gambetta, “Can We Trust Trust?,” in Trust: Making and
Breaking Cooperative Relations, 1988, pp. 213–237.
[22] J. J. Teca Nemesio, “Representación matemática de la
incertidumbre en modelos genéricos de gestión de la confianza,”
Universitat Politècnica de València, 2011.
[23] R. Melendreras-Ruíz, R. Berenguer-Vidal, and A. García-Collado,
“Desarrollo de la Plataforma de Colaboración basada en Grupos de
‘Intereses Comunes’ y Redes Peer to Peer: P2People,” IEEE Latin
America Transactions, vol. 2, no. 1, pp. 57–62, 2004.
[24] L. Viljanen, “Towards an Ontology of Trust,” Computer, vol. 3592,
pp. 175–184, 2005.
[25] M. D. Rojas López, L. M. Londoño Vásquez, and M. E. Valencia
Corrales, “Modelos de Confianza , Análisis desde la Organización,”
Sistemas, Cibernética e Informática, vol. 12, no. 2, pp. 13–19, 2015.
[26] J. P. Soto, A. Vizcaíno, J. Portillo-Rodríguez, and M. Piattini, “Why
Should I Trust in a Virtual Community Member?,” in Lecture Notes
IEEE LATIN AMERICA TRANSACTIONS, VOL. 14, NO. 12, DECEMBER 2016
in Computer Science, vol. 5784, 2009, pp. 126–133.
[27] R. Hermoso Traba, “El concepto de confianza en sistemas
organizativos: un enfoque de coordinación para agentes software,”
Universidad Rey Juan Carlos, 2011.
[28] S. D. Ramchurn, T. D. Huynh, and N. R. Jennings, “Trust in
Multiagent Systems,” The Knowledge Engineering Review, vol. 19,
no. 1, pp. 1–25, 2004.
[29] E. Majd and V. Balakrishnan, “Analysis of Trust Models to Improve
E-Commerce Multi-Agent Systems,” in First International
Conference on Advanced Data and Information Engineering
(DaEng), 2014, vol. 285, pp. 615–622.
[30] S. San Martín Gutiérrez and C. Camarero Izquierdo, “Determinants
of online buyer trust. A comparison with the auction system,”
Cuadernos de Gestion, vol. 10, no. Especial, pp. 43–61, 2010.
[31] F. Saiz, “Experiencias en el uso de criterios de similitud en el
estudio de comunidades.,” Arch. Biol. Med. Exp., vol. 13, pp. 387–
402, 1980.
[32] A. Caballero Martínez, “Definición de un Modelo de Gestión de las
nociones de Confianza y Reputación entre Agentes. Enfoque
Basado en la Similitud entre tareas.,” Universidad de Murcia, 2008.
[33] F. J. Rondán Cataluña, M. J. Sánchez Franco, and Á. F. Villajero
Ramos, “Análisis de clases latentes en La relación entre calidad de
servicio, satisfacción y confianza con la intención de recompra,”
Conocimiento, innovación y emprendedores : camino al futuro, pp.
2025–2036, 2007.
[34] A. A. Mejías-Acosta and S. Manrique-Chirkova, “Dimensions of
customers satisfaction at Universities Banks: an approach using
factors analysis,” Ingeniería Industrial, vol. XXXII, no. 1, pp. 43–
47, 2011.
[35] V. Martinez-Tur and N. Tordera, “Comparación de Modelos
Causales sobre Satisfacción del Usuario,” Estudios sobre consumo,
vol. 34, no. September, pp. 13–22, 1995.
[36] J. D. Musa, A. Iannino, and K. Okumoto, Software reliability
Measurement prediction application McGraw- Hill series in
software engineering and technology. New York: McGraw-Hill
Book Company, 1987.
[37] C. Medina Molina, M. Rey Moreno, Á. F. Villarejo Ramos, and R.
Rufín Moreno, “Efectos del apego, la fiabilidad y la desconfianza
sobre la calidad de relación: propuesta de un modelo de medida en
entornos tecnológicos,” in XIX Jornadas Hispano-Lusas de Gestión
Científica, 2009, pp. 1–18.
[38] S. B. IEEE, “IEEE Standard Glossary of Software Engineering
Terminology.” pp. 1–84, 1990.
[39] C. M. Cuadras, Nuevos Métodos de Análisis Multivariante. 2007.
[40] C. Lozares Colina and P. López-Roldán, “El análisis multivariado:
definición, criterios y clasificación,” Papers : revista de sociologia,
vol. 37, no. 37, pp. 009–29, 1991.
[41] D. Peña, Análisis de datos multivariantes. Valencia, 2002.
[42] L. Mui, M. Mohtashemi, and A. Halberstadt, “A Computational
Model of Trust and Reputation,” in 35th Hawaii International
Conference on System Sciences, 2002, pp. 1–9.
[43] J. Golbeck, “Computing and Applying Trust in Web-Based Social
Networks,” University of Maryland, 2005.
[44] J. Golbeck, “Trust on the world wide web: a survey,” Foundations
and Trends in Web Science, vol. 1, no. 2, pp. 131–197, 2006.
[45] A. Jøsang, “Trust and Reputation Systems,” in Foundations of
Security Analysis and Design IV, vol. 4677, 2007, pp. 209–245.
[46] A. Rettinger, M. Nickles, and V. Tresp, “A Statistical Relational
Model for Trust Learning,” in 7th International Conference on
Autonomous Agents and Multiagent Systems (AAMAS), 2008, pp.
763–770.
[47] G. Lu, J. Lu, S. Yao, and Y. Yip, “A Review on Computational
Trust Models for Multi-Agent Systems,” The Open Information
Science Journal, vol. 2, no. 2, pp. 18–25, Mar. 2009.
[48] M. Taddeo, “Modelling Trust in Artificial Agents, a First Step
Toward the Analysis of e-Trust,” Minds and Machines, vol. 20, pp.
243–257, 2010.
[49] C. Zhenzhen and T. Wenzhong, “A Behavior-Based Dynamic Trust
Model of Virtual Organization,” in Third International Symposium
on Information Science and Engineering, 2010, pp. 391–395.
[50] F. Gómez Mármol, “Trust and Reputation Management in
Distributed and Heterogeneous Systems,” University of Murcia,
2010.
[51] L. Wen, P. Lingdi, W. Chunming, and J. Ming, “Distributed
Bayesian Network Trust Model in Virtual Network,” Second
CHAMBA et al.: PREDOMINANT COMPONENTS OF THE
International Conference on Networks Security, Wireless
Communications and Trusted Computing, vol. 3, pp. 71–74, 2010.
[52] B. Jin, Y. Wang, Z. Liu, and J. Xue, “A Trust Model Based on
Cloud Model and Bayesian Networks,” Procedia Environmental
Sciences, vol. 11, no. Part A, pp. 452–459, Jan. 2011.
[53] T. W. Simpson, “e-Trust and Reputation,” Ethics and Information
Technology, vol. 1, pp. 29–38, 2011.
[54] Z.-P. Fan, W.-L. Suo, B. Feng, and Y. Liu, “Trust estimation in a
virtual team: A decision support method,” Expert Systems with
Applications, vol. 38, no. 8, pp. 10240–10251, Aug. 2011.
[55] A. Medić, “Survey of Computer Trust and Reputation Models – The
Literature Overview,” International Journal of Information and
Communication Technology Research, vol. 2, pp. 254–275, 2012.
[56] H. M. Xu, Y. L. Liu, T. Q. Li, H. Yang, and L. J. Wang, “A Novel
Trust Model Based on Bayes Statistics,” in International
Conference on Quality, Reliability, Risk, Maintenance, and Safety
Engineering (ICQR2MSE), 2012, pp. 934–937.
[57] Y. Haghpanah-Jahromi, “A trust and reputation mechanism through
behavioral modeling of reviewers,” University of Maryland, 2012.
[58] M. Vyshegorodtsev, D. Miyamoto, and Y. Wakahara, “Reputation
Scoring System Using an Economic Trust Model: A Distributed
Approach to Evaluate Trusted Third Parties on the Internet,” in 27th
International Conference on Advanced Information Networking and
Applications Workshops, 2013, pp. 730–737.
[59] F. Arieta, L. T. Barabasz, A. Santos, and M. Nogueira, “Mitigating
flooding attacks on mobility in infrastructure-based vehicular
networks,” IEEE Latin America Transactions, vol. 12, no. 3, pp.
475–483, 2014.
[60] L. F. Sirotheau Serique and R. T. De Sousa, “Evaluating trust in ad
hoc network routing by induction of decision trees,” IEEE Latin
America Transactions, vol. 10, no. 1, pp. 1332–1343, 2012.
[61] A. D. R. Oliveira, L. N. Bessa, T. R. Andrade, L. V. L. Filgueiras,
and J. S. Sichman, “Trust-based recommendation for the social
Web,” IEEE Latin America Transactions, vol. 10, no. 2, pp. 1661–
1666, 2012.
[62] A. Jøsang, R. Ismail, and C. Boyd, “A Survey of Trust and
Reputation Systems for Online Service Provision,” Decision
Support Systems, vol. 43, no. 2, pp. 618–644, Mar. 2007.
[63] G. A. Afzali Boroujeni, “A Trust Model for Epinion Dataset,” in e-
Commerce in Developing Countries: With focus on e-Security,
2013, pp. 1–7.
[64] C. M. Zapata Jaramillo and M. D. Rojas López, “Una Revisión
Crítica al Modelado de la Confianza a Nivel Organizacional,”
Estudios Gerenciales, vol. 26, no. 116, pp. 193–208, Jul. 2010.
[65] Z. Yan and S. Holtmanns, “Trust Modeling and Management: from
Social Trust to Digital Trust,” in Computer Security, Privacy and
Politics: Current Issues, Challenges and Solutions, 2007, pp. 1–27.
[66] M. J. Smith, “A New Model for Trust and Reputation: Learning
About Competence and Commitment,” University of Maryland,
2009.
[67] S. Nepal, W. Sherchan, and C. Paris, “STrust: A Trust Model for
Social Networks,” in International Joint Conference of IEEE
TrustCom-11/IEEE ICESS-11/FCST-11, 2011, pp. 841–846.
[68] T. Ažderska and B. Jerman, “A Novel Systemic Taxonomy of Trust
in the Online Environment,” in Towards a Service-Based Internet,
2011, pp. 122–133.
[69] A. Netrvalova and J. Safarik, “Trust Model for Social Network,” in
European Simulation and Modelling Conference: Modelling and
Simulation (ESM), 2011, pp. 102–107.
[70] A. Abdul-Rahman, “The PGP Trust Model,” in EDI Forum: The
Journal of Electronic Commerce, 1997, pp. 1–6.
[71] A. Abdul-Rahman and S. Hailes, “A Distributed Trust Model,” in
Workshop on New Security Paradigms, 1997, pp. 48–60.
[72] J. W. Peltier, W. Drago, and J. a. Schibrowsky, “Virtual
Communities and the Assessment of Online Marketing Education,”
Journal of Marketing Education, vol. 25, no. 3, pp. 260–276, Dec.
2003.
[73] B. Daniel, J. Zapata-Rivera, and G. McCalla, “A Bayesian
Computational Model of Social Capital in Virtual Communities,” in
Communities and Technologies, 2003, pp. 287–305.
[74] N. W. Coppola, S. R. Hiltz, and N. G. Rotter, “Building Trust in
Virtual Teams,” IEEE Transactions on Professional
Communication, vol. 47, no. 2, pp. 95–104, Jun. 2004.
[75] M. Lane, G. van der Vyver, and P. Basnet, “Trust in Virtual
Communities involved in Free/Open Source Projects: An Empirical
4809
Study,” in 15th Australasian Conference on Information Systems:
Managing New Wave Information Systems: Enterprise, Government
and Society (ACIS), 2004, pp. 1–11.
[76] Y.-T. C. Hung, A. R. Dennis, and L. Robert, “Trust in Virtual
Teams: Towards an Integrative Model of Trust Formation,” in 37th
Hawaii International Conference on System Sciences, 2004, pp. 1–
11.
[77] M. Kui, W. Yue, Z. Xu, X. Xiaochun, and Z. Gengdu, “A Trust
Management Model for Virtual Communities,” in Fifth
International Conference on Computer and Information Technology
(CIT), 2005, pp. 741–745.
[78] D. Maua and F. Cozman, “Managing Trust in Virtual Communities
with Markov Logic,” in IV Workshop on MSc Dissertation and PhD
Thesis in Artificial Intelligence WTDIA, 2008, pp. 1–5.
[79] N. Gal-Oz, T. Grinshpoun, E. Gudes, and I. Friese, “TRIC: An
Infrastructure for Trust and Reputation Across Virtual
Communities,” in Fifth International Conference on Internet and
Web Applications and Services, 2010, pp. 43–50.
[80] J.-J. Wu, Y.-H. Chen, and Y.-S. Chung, “Trust Factors Influencing
Virtual Community Members: A Study of Transaction
Communities,” Journal of Business Research, vol. 63, no. 9–10, pp.
1025–1032, Sep. 2010.
[81] S. Neata, A. Urzica, and A. M. Florea, “Trust Model for Virtual
Organizations,” in 13th International Symposium on Symbolic and
Numeric Algorithms for Scientific Computing, 2011, pp. 357–364.
[82] X. Qin, C. Zhang, Q. Lei, and Y. Guo, “A Trust Model for Data-
Sharing in Virtual Communities,” in International Conference on
Computer Science and Automation Engineering (CSAE), 2012, vol.
1, pp. 558–562.
[83] T. Qin, “Research Overview of Trust Model in Distributed
Systems,” Journal of Chemical and Pharmaceutical Research, vol.
5, no. 12, pp. 738–744, 2013.
[84] J. Wang and H.-J. Sun, “A New Evidential Trust Model for Open
Communities,” Computer Standards & Interfaces, vol. 31, no. 5, pp.
994–1001, Sep. 2009.
[85] M. Mansoury, H. R. Shahriari, and M. Shajari, “Trust Evaluation
Using Items Ratings in Online Communities,” in 20th Iranian
Conference on Electrical Engineering (ICEE), 2012, pp. 780–783.
[86] Y. A. Kim and M. a. Ahmad, “Trust, Distrust and Lack of
Confidence of Users in Online Social Media-Sharing
Communities,” Knowledge-Based Systems, vol. 37, pp. 438–450,
Jan. 2013.
[87] T. Švec and J. Samek, “Trust Evaluation on Facebook Using
Multiple Contexts,” in 21st Conference on User Modeling,
Adaptation, and Personalization., 2013, pp. 1–10.
[88] H.-Y. Lee, H. Ahn, H. K. Kim, and J. Lee, “Comparative Analysis
of Trust in Online Communities,” Procedia Computer Science, vol.
31, pp. 1140–1149, 2014.
[89] X. Yang, Q. Qiu, S. Yu, and H. Tahir, “Designing a Trust
Evaluation Model for Open-Knowledge Communities,” British
Journal of Educational Technology, vol. 45, no. 5, pp. 880–901,
Sep. 2014.
[90] J. Piorkowski, “Trust Discovery in Online Communities,”
University of Maryland, 2014.
[91] H. Hummels and H. E. Roosendaal, “Trust in Scientific Publishing,”
Journal of Business Ethics, vol. 34, no. 2, pp. 87–100, 2001.
[92] O. Rana and A. Hinze, “Trust and Reputation in Dynamic Scientific
Communities,” IEEE Distributed Systems Online, vol. 5, no. 1, pp.
1–5, 2004.
[93] W. Wang, G. Zeng, M. Sun, H. Gu, and Q. Zhang, “Learning
Content Trust Based on Two Level Factoid Ranking Model,” in 31st
Annual International Computer Software and Applications
Conference, 2007, pp. 1–8.
[94] F. Skopik, H. L. Truong, and S. Dustdar, “Trust and Reputation
Mining in Professional Virtual Communities,” in Web Engineering,
vol. 5648, 2009, pp. 76–90.
[95] H. Glenn, D. Tingley, S. Sánchez Maroño, D. Holm, L. Kell, G.
Padda, I. Runar Edvardsson, J. Asmundsson, A. Conides, K.
Kapiris, M. Bezabih, P. Wattage, and S. Kuikka, “Trust in the
fisheries scientific community,” Marine Policy, vol. 36, no. 1, pp.
54–72, Jan. 2012.
[96] M. I. Salinas and S. M. Viticcioli, “Innovar con blogs en la
enseñanza universitaria presencial,” Revista electrónica de
tecnología educativa, vol. 27, no. 1135–9250, pp. 1–22, 2008.
[97] W. Tan, S. Chen, J. Li, and L. Li, “A Trust Evaluation Model for E-
4810 IEEE LATIN AMERICA TRANSACTIONS, VOL. 14, NO. 12, DECEMBER 2016

Learning Systems,” Systems Research and Behavioral Science, vol. de Aprendizaje y Objetos de Aprendizaje. Actualmente es miembro del grupo
31, no. 3, pp. 353–365, 2014. de investigación GaLan de la Facultad de Informática de la UPV/EHU.
[98] D. Schneckenberg, “El ‘e-learning’ transforma la educación
superior,” Educar, no. 33, pp. 143–156, 2004.
[99] R. Tirado Morueta and J. Martínez Garrido, “Creando Comunidades Ana Arruarte Lasa, licenciada en Informática UPV/EHU es
Virtuales de Aprendizaje: Análisis del Progreso de las profesora de la Euskal Herriko Unibertsitatea / Universidad del
Interacciones,” Revista de Educación, pp. 297–328, 2010. País Vasco (UPV/EHU) desde 1.989. Desarrolla su actividad
[100] C. Zuñiga Vega and E. Arnáez Serrano, “Comunidades Virtuales de investigadora en el grupo de investigación GaLan de la
Aprendizaje, Espacios Dinámicos para Enfrentar el Siglo XXI,” Facultad de Informática de la UPV/EHU. Defendió la tesis
Tecnología en marcha, vol. 23, pp. 19–28, 2011. doctoral, centrada en aspectos de entornos de desarrollo de
[101] S. Teijero, “Internet y el Carácter Social de las Comunidades Sistemas Tutores Inteligentes, en 1998. Su investigación se enmarca en la
Virtuales de Aprendizaje.” pp. 1–19, 2013. Informática educativa y, en concreto, en diversos aspectos y usos de los
[102] E. Pineda Ballesteros, T. Meneses Cabrera, and F. R. Téllez Acuña, Mapas Conceptuales, adquisición semiautomática de Dominio pedagógico,
“Análisis de Redes Sociales y Comunidades Virtuales de evaluación automática de resúmenes, modelado de estudiante abierto.
Aprendizaje. Antecedentes y perspectivas,” Revista Virtual
Universidad Católica del Norte, no. 38, pp. 40–55, 2013.
[103] F. Ke, “Forming Virtual Learning Community within Online Jon Ander Elorriaga Arandia es profesor de la Euskal
Course: Students’ Perspectives,” Association for Educational Herriko Unibertsitatea / Universidad del País Vasco
Communications and Technology. pp. 432–442, 2004. (UPV/EHU). Desarrolla su actividad investigadora en el grupo
[104] J. Mayorga, C. Celorrio, E. Lorenzo, J. Vélez, B. Barros, and M. F. de investigación GaLan de la Facultad de Informática de la
Verdejo, “Comunidades Virtuales de Aprendizaje Colaborativo: de UPV/EHU desde 1991. Defendió la tesis doctoral, centrada en
los Metadatos a la Semántica,” Revista Iberoamericana de aspectos de Aprendizaje Automático y Razonamiento Basado
Inteligencia Artificial, vol. 11, no. 33, pp. 47–60, 2007. en Casos aplicados a la planificación instruccional, en 1998. Su investigación
[105] M. G. Rodríguez and R. C. Santos, “Comunidades Virtuales de se enmarca en la Informática educativa y, en concreto, en diversos aspectos y
Aprendizaje: aproximación a su estudio en la Universidad de usos de los Mapas Conceptuales, adquisición semiautomática de Dominio
Ciencias Informáticas,” in Virtual Educa, 2012, pp. 1–15. pedagógico, evaluación automática de resúmenes, modelado de estudiante
[106] S. Padilla and M. López de la Madrid, “Competencias Pedagógicas abierto.
y Función Docente en las Comunidades Virtuales de Aprendizaje,”
Estudios pedagógicos (Valdivia), vol. 39, no. Especial, pp. 103–119,
2013.
[107] S. Sousa, B. Hudson, and D. Lamas, “Trust and Performance in
Online Distance Learning,” in Pädagogischenen Akademie des
Bundes in Oberösterreich, Universitäatsverlag Rudolf Trauner:
Trauner Verlag, 2004, pp. 12–27.
[108] S. Sousa, D. Lamas, and B. Hudson, “Understanding Learners’
Trust within an Online Distance Learning Context,” in International
Conference e-Society (IADIS), 2006, pp. 24–28.
[109] Y. Liu, D. Chen, and J. Sun, “A Trustworthy E-learning Based on
Trust and Quality Evaluation,” in International Conference on E-
Business and E-Government (ICEE), 2011, pp. 1–4.
[110] M. Anwar and J. Greer, “Facilitating Trust in Privacy-Preserving E-
learning Environments,” IEEE Transactions on Learning
Technologies, vol. 5, no. 1, pp. 62–73, Jan. 2012.
[111] A. Horvat, M. Krsmanovic, M. Dobrota, and M. Cudanov,
“Students` Trust in Distance Learning: Changes in Satisfaction and
Significance,” Journal for Theory and Practice Management, vol.
18, no. 69, pp. 47–54, Dec. 2013.
[112] Y. Wang, “Building Trust in E-Learning,” Athens Journal of
Education, vol. 1, no. 1, pp. 9–18, 2014.
[113] W. Wongse-ek, G. B. Wills, and L. Gilbert, “Towards a Trust
Model in E-learning: Antecedents of a Student’s Trust,” in
International Conference e-Society (IADIS), 2013, pp. 1–5.
[114] B. Daniel, G. Mccalla, and R. Schwier, “A Process Model for
Building Social Capital in Virtual Learning Communities,” in
International Conference on Computers in Education (ICCE), 2002,
pp. 6–7.
[115] S. Wang and Q. Liu, “Trust-based Access Control in Virtual
Learning Community,” in Integration and Innovation Orient to E-
Society, vol. 2, 2007, pp. 1194–1200.
[116] Y.-W. Shih, “Control in Virtual Learning Communities: An
Investigation from the Views of Trust and Effectiveness
Uncertainty,” International Journal of Information and Education
Technology, vol. 3, no. 2, pp. 185–188, 2013.

Luis Antonio Chamba Eras, profesor e investigador en la

Universidad Nacional de Loja (UNL), es Ingeniero en
Sistemas Informáticos y Computación en UTPL y tiene un
Máster en Ingeniería Computacional y Sistemas Inteligentes
en UPV/EHU, Magister en Educación a Distancia en UNL.
Actualmente, es estudiante doctoral en Ingeniería Informática
en la Euskal Herriko Unibertsitatea/Universidad del País Vasco. Sus líneas de
investigación son: Computación Social, Inteligencia Artificial en Educación,
Modelos de Confianza Computacional, e-confianza, Comunidades Virtuales