Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Perspectivas Tecnológicas para La Mejora de Los Chatbots Educativos en AIML - Trad - Portugues
Perspectivas Tecnológicas para La Mejora de Los Chatbots Educativos en AIML - Trad - Portugues
Educación en Tecnología
versión impresa ISSN 1851-0086 versión en línea ISSN 1850-9959
http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S1850-
99592017000200002&lang=es
ARTICULOS ORIGINALES
Brasil
fabiojpaz@gmail.com , csclovis@gmail.com ,
alkrassmann@gmail.com , liane@penta.ufrgs.br
Resumen
Los agentes conversacionales o chatbots se explotan cada vez más en la educación para
brindar numerosos beneficios, como permitir que los estudiantes interactúen y se relacionen de
una manera más humana con los entornos virtuales de aprendizaje (VLE). Sin embargo, desde
la aparición del proyecto ALICE (1995) y el lenguaje AIML, han surgido pocas soluciones de
código abierto para la creación de chatbots. A pesar de su facilidad de uso, AIML tiene
limitaciones inherentes a una lógica basada en reglas. En este sentido, este artículo analiza las
posibilidades de código abierto existentes para desarrollar chatbots, presentando sugerencias
sobre formas de mejorar el uso de AIML con el uso del lenguaje de programación JavaScript y
el acceso a bases de datos externas (BD). Los resultados del estudio señalan algunas
soluciones que involucran las técnicas mencionadas,dotando al chatbot de mayores
posibilidades de búsqueda y respuestas.
Resumen
Los agentes conversacionales o chatbots se han explotado cada vez más en la educación
porque brindan numerosos beneficios, ya que permiten a los estudiantes interactuar e informar
de manera más humana a los entornos de aprendizaje virtuales. Desde la aparición del
Proyecto ALICE (1995) y el lenguaje AIML, han surgido pocas soluciones de código abierto
para la creación de chatbots. A pesar de la facilidad de uso, AIML tiene limitaciones inherentes
a la lógica basada en reglas sobre los patrones de entrada y salida. Este artículo analiza las
posibilidades de código abierto para el desarrollo de agentes conversacionales, presentando
sugerencias de formas de mejorar el uso de AIML agregando el uso del lenguaje de
programación JavaScript y el acceso a bases de datos externas. Los resultados del estudio
apuntan a algunas soluciones a las técnicas mencionadas, proporcionando al chatbot para
tener mayores posibilidades de búsqueda y respuestas.
1. Introducción
Entre los chatbots el pionero fue ELIZA creado en 1966 por Weizenbaum [14] ,
donde su programación se basaba en guiones. Sin embargo, en 1995 el Dr.
Richard Wallace creó el lenguaje de marcado AIML (Lenguaje de marcado de
inteligencia artificial) que actualmente es el punto de partida para muchos
interesados en el procesamiento del lenguaje natural [15] . Funciona según
reglas: cuando una entrada encuentra una coincidencia, el chatbot realiza una
acción, como responder o abrir una página web.
Aunque existen otras soluciones para crear chatbots, AIML se usa ampliamente
debido a su facilidad de uso. Aguiar y Vitorino [16] advierten que para mejorar
su base de conocimientos es necesario ampliar el contenido cubierto o afinar el
patrón de preguntas de los usuarios, incluyendo más alternativas y
posibilidades. Sin embargo, se observa que algunos ajustes de orden técnico o
tecnológico también permiten cierto nivel de mejora de los AIML haciendo que
la interacción con ellos se acerque más al tipo de conversación que se puede
establecer con humanos ya que esta tiene un mayor valor educativo, según un
estudio comparativo presentado. por Hill et al [17] .
2.2. ChatScript
2.3. Fachada
Según Wilcox [24] ya se han escrito 800 reglas del modelo Façade, que se
tradujeron en 6.800 reglas de Jess, un número pequeño para trabajar con el
procesamiento del lenguaje natural. En la Figura 4 , se muestra un ejemplo de
una regla de fachada.
A lo largo de los años, ha surgido una variedad de intérpretes AIML que utilizan
Java, Ruby, Python, C ++, C #, Pascal y otros. Entre ellos PandoraBots que
también tiene un servicio para alojar chatbots en Internet. Según McNeal y
Newyear [15], las mejores opciones para crear un chatbot en AIML son
Program-Z y Program-O, pero actualmente solo Program AB es capaz de
interpretar la versión 2.0 de AIML. En esta investigación se instaló un chatbot
utilizando Program-O para ejemplificar los procedimientos, por ser de código
abierto y por su practicidad de uso y gran comunidad de usuarios. La Figura
5 muestra la arquitectura del sistema.
Sin embargo, para operar este procedimiento es necesario tener una extensión
( plugin ) en el navegador del usuario que realiza la solicitud, llamada Allow-
Control-Allow-Origin, que permite utilizar AJAX para solicitar cualquier sitio web
desde cualquier fuente. Sin embargo, instalar este complemento en el
navegador de todos los usuarios que van a utilizar el chatbot resulta caro. Para
facilitar este proceso, es posible cambiar el código Program-O para forzar una
búsqueda en la base de datos cada vez que se inserta una nueva entrada en el
chatbot y no se encuentra una respuesta en su propia base de conocimiento
(categorías AIML). Para lograr este objetivo, se creó una base de datos, como
se muestra en la Figura 12
Figura 12. Imagen de la base de datos creada
Conclusiones
Los chatbots y asistentes virtuales son una tendencia hoy en día, trayendo
información de una manera interactiva, rápida y conveniente. Este artículo
presentó el estado del arte en la construcción de chatbots haciendo una
síntesis de las posibilidades de código abierto disponibles para su construcción.
Aunque limitada, AIML sigue siendo la tecnología más utilizada para la
construcción de agentes conversacionales en educación por su facilidad de
uso, sin embargo se están desarrollando nuevas posibilidades con gran
potencial como Word2vec, ChatScript, Façade.
Para explorar el uso de AIML, se presentaron algunos métodos de mejora
usando JavaScript y acceso a una base de datos externa, ampliando y
permitiendo posibilidades de mejora en la conversación con chatbots. En el
caso de utilizar JavaScript, se presentaron ejemplos de cálculos matemáticos,
el retorno de la función de fecha y hora del sistema, la posibilidad de utilizar el
buscador de Google y la interacción con imágenes (lámpara on / off). En cuanto
al acceso a DB externo, se presentó la posibilidad de realizar solicitudes con
AJAX (requiriendo la instalación de un plugin) y cambiar el código fuente del
sistema (sin necesidad de plugin), ejemplificando las respuestas generadas en
el estudio respectivo.
Referencias
[2] R. Wallace (1995, 24 de junio), ALICE: Entidad informática de Internet lingüística artificial: La
Fundación ALICE AI. [en línea] Disponible: http://alicebot.blogspot.com.br [ Enlaces ]
[3] B. Abu Shawar y E. Atwell, Diferentes métricas de medidas para evaluar un sistema de
chatbot. Association for Computational Linguistics, 2007. [ Enlaces ]
[5] A. Krassmann, et al., “Percepción inicial de los usuarios del mundo virtual: un estudio sobre
los impactos de los estilos de aprendizaje y la experiencia digital”. Fundación y Editorial
Internacional de Investigaciones Educativas. 2017, págs. 95-112.
[6] F. Sgobbi, et al., “Mundo virtual 3D e Internet de las cosas para motivar un cambio de
comportamiento saludable”. Revista Iberoamericana de Educación en Tecnología y Tecnología
en Educación. Núm. 19, 2017, págs. 7-15.
[8] Jr. Jacob, et al., "Proceso de creación de un modelo informático afectivo para
chatbots". Actas de la XXII SBIE - XVII WIE, 2011, págs. 1784-1791.
[10] MMN André, et al., "Iaiml: Un mecanismo para tratar la intencionalidad en aiml
Chatbots". Herramientas con Inteligencia Artificial, 18ª Conferencia Internacional IEEE
sobre. IEEE, 2006, págs. 225-231. [ Enlaces ]
[11] LK Fryer, et al., "Estimular y mantener el interés en un curso de idiomas: una comparación
experimental de Chatbot y compañeros de tareas humanos". Las computadoras en el
comportamiento humano, 2017, págs. 461-468. [ Enlaces ]
[12] Y. Mou y X. Kun, "La desigualdad de los medios: comparación de las interacciones
sociales iniciales humano-humano y humano-IA". Las computadoras en el comportamiento
humano, 2017, págs. 432-440. [ Enlaces ]
[14] JE Weizenbaum, “Un programa informático para el estudio de la comunicación del lenguaje
natural entre el hombre y la máquina”. Comunicaciones de la ACM, v. 9, n. 1, págs. 3644, 1966.
[17] J. Hill et al, "Conversaciones reales con inteligencia artificial: una comparación entre las
conversaciones en línea entre humanos y humanos y las conversaciones entre humanos y
chatbot". Computadoras en el comportamiento humano. 49. DOI: 10.1016 / j.chb.2015.02.026,
págs. 245-250, 2015.
[20] B. Abushawar y E. Atwell, "Chatbots: ¿son realmente útiles?", LDV-Forum - Band 22 (1),
págs. 31-50, 2007.
[21] J. Patterson y A. Gibson, “Fundamentos de redes neuronales y aprendizaje profundo” en
Deeplearning. O'Reilly Media, Inc., 1005. 1 Ed., Pág. 41-80, 2017.
[28] E. Aguiar, et al., "La construcción del conocimiento matemático con el compromiso y la
mejora de las habilidades cognitivas con el apoyo de un agente conversacional". RELATEC
Revista Latinoamericana de Tecnología Educativa. vol. 10, no. 2, págs. 21-35, 2011.
Clóvis da Silveira
Agentes conversacionales
Universidad Federal de Rio Grande do Sul
Av. Paulo Gamo, 110 - Porto Alegre -BrasilPaís
csclovis@gmail.com
Aliane Krassmann
Mundos Virtuales 3D
Universidad Federal de Rio Grande do Sul
Av. Paulo Gamo, 110 - Porto Alegre -BrasilPaís
alkrassmann@gmail.com
Clóvis da Silveira
Estudiante de doctorado en Informática en la Educación (PPGIE / UFRGS), Máster en
Diversidad Social e Inclusión Social (línea de investigación Inclusión Digital), Especialista en
Educación a Distancia, Licenciada en Informática.
Aliane Krassman
Estudiante de doctorado en Informática en la Educación (PPGIE / UFRGS), Máster en
Informática, Especialista en Redes de Computadoras y Licenciada en Informática.