Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción
Dentro del software educativo, las aplicaciones de modelado y simulación ocupan un lugar
importante, especialmente en la educación universitaria (de Jong et al. 1992). Es fácil
establecer similitudes entre los entornos de modelado y simulación en los ámbitos científico
y educativo. Tanto el hecho de que las técnicas de ingeniería de software utilizadas no
diferirán sustancialmente como que, especialmente en el ámbito universitario, no exista, en
muchos casos, una excesiva distancia entre ambos tipos de entornos, pueden ser apuntados
como motivos de estas similitudes.
Por otro lado, en Model-Lab se crearon clases dedicadas para el manejo e interpretación de
expresiones y funciones matemáticas, lo que permite su reutilización de forma sencilla.
Además se posibilita la ampliación de la librería de funciones disponibles para crear
modelos sin tener que modificar el código de la aplicación, pudiendo incluso integrar en
Model-Lab librerías de funciones creadas y compiladas en otros lenguajes. Aunque esto
supone un importante aumento de la complejidad a la hora de crear la clase que implementa
esta funcionalidad, este esfuerzo se ve compensado por la mayor potencia y flexibilidad y
la disminución de las necesidades de mantenimiento.
Se ha apuntado que la integración con otras herramientas software puede ser una
característica importante de un entorno de modelado y simulación (Van Milgen et al.,
1996). La interdisciplinaridad de determinados métodos o herramientas a menudo plantea la
conveniencia de integrar entornos inicialmente creados separadamente. Es el caso, por
ejemplo, de las redes de neuronas artificiales, que se han ido aplicando de forma creciente a
ámbitos muy distintos, incluyendo la economía, la biología o la medicina. Esto ha llevado a
considerar la posibilidad de añadir funciones basadas en redes de neuronas artificiales en el
entorno de modelado orientado a la ecología Model-Lab; y así mismo, elementos basados
en lógica proposicional a resolver por Expert-Lab. Al disponer de la herramienta Neuro-
Lab, y Expert-Lab, se decidió integrarlas en el entorno, de forma que las redes de neuronas
o los sistemas lógicos diseñados en este último fueran utilizables desde Model-Lab. Al
haber diseñado Neuro-Lab y Expert-Lab usando una estructura jerárquica de clases, la
creación de una librería de funciones es casi inmediata, ya que basta incluir en ella las
clases deseadas, en este caso la clase que implementa una red de neuronas, que al ofrecer
además persistencia, cubre las funcionalidades deseadas de poder utilizar diseños
previamente realizados con las herramientas Neuro-Lab/Expert-Lab. La adición de las
funciones pertinentes a Model-Lab, como se ha descrito anteriormente, se realiza sin
necesidad de modificar el código, sino a tráves de una aplicación de mantenimiento de la
librería de funciones.
Conclusiones
Los entornos de modelado y simulación son elementos susceptibles de ser ampliados, sea
permitiendo la inclusión de nuevas funciones en una librería (ej: Roselló et al, 1998), o de
bloques constitutivos completos (Odum y Peterson, 1996). La utilización de técnicas de
programación orientada a objetos, creando clases separadas para el manejo de librerías de
funciones o algoritmos, y la definición de interfaces abiertas que permitan añadir de forma
directa, sin necesidad de recompilación, este tipo de elementos, aun suponiendo un esfuerzo
inicial de desarrollo mayor, se ve compensado por las ventajas que aporta de ampliabilidad
sin necesidad de mantenimiento.
Corbett F.D., Card, H.C. (1998). Java tools for research and education in artificial neural
networks. Proceedings of the 1998 11th Canadian Conference on Electrical and
Computer Engineering, CCECE (IEEE Comp. Soc.) 1: 417-420
Chandy, K. Mani; Kinity, Joseph; Rifkin, Adam; Zimmerman, Daniel. (1998) Framework
for structured distributed object computing. Paralell Computing, 24: 1901-1922.
de Jong, T., van Andel, J., Leiblum, M., Mirande, M. (1992). Computer assisted learning in
higher education in the Netherlands, a review of findings. Computers & Education,
19:381-386.
Fox G., Furmanski W. (1997). Java for parallel computing and as a general language for
scientific and engineering simulation and modeling. Concurrency Practice and
Experience, 9: 415-425.
Freedman J.A., Skapura D.M. (1992). Neural networks: algoritms, applications and
programming techniques. Addison-Wesley, New York. 400 pp.
Fulcher J. (1998). Laboratory support for the teaching of neural networks. International
Journal of Electrical Engineering Education, 35: 29-36.
Odum H.T., Peterson N. (1996). Simulation and evaluation with energy systems blocks.
Ecological Modelling, 93: 155-173.
Reed J.A., Afjeh A.(1997) Using Java to develop educational engineering software. Paper
presented at 1997 ASEE Annual Conference, Milwaukee, WI, USA, 15-18 Junio.
Roselló E. G., Fernández R.B., Suárez E. F.(1998). Desarrollo de una herramienta software
de modelado matemático. Paper presented at 3º Simposio de Investigación y
Desarrollo de Software Educativo. Evora , Portugal, 3-5 Sep.
Schawbe D., Rossi G. (1998). Object Oriented approach to web-based applications design.
Theory and Practice of Object Systems, 4 : 207-225.
Schwetman H. (1995). Object-oriented simulation modeling with C plus plus /CSIM17.
Paper presented at 1995 Winter Simulation Conference, WSC'95, Arlington, USA.
Van Milgen J., Boston R., Kohn R., Gerguson J. (1996). Comparison of available software
for dynamic modelling. Annales de zootechnie (Paris), 45: 257-273.