FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS Versión 1.

0 1
DIRECCIÓN DE DEPARTAMENTO ACADÉMICO Pág. 1 de 6
PROFESIONAL DE COMPUTACIÓN Y ELECTRÓNICA

ROBOTICA EDUCATIVA
(Sílabo)
I. INFORMACIÓN GENERAL
1.1. Programa de Estudios : Educación Especialidad de Matemática y Computación
1.2. Escuela Profesional : Educación
1.3. Modalidad : Presencial
1.4. Curso : Robótica educativa
1.5. Prerrequisito : No aplica
1.6. Código del curso : CEDS1332
1.7. Laboratorio :
1.8. Semestre Académico : 2027-1
1.9. Periodo Académico : IX Semestre
1.10. Créditos :3
1.11. Horas Semanales :
Teoría :2
Práctica :2
1.12. Duración : 16 semanas
Fecha de inicio :
Fecha de termino :
1.13. Docente : isalvador22@unprg.edu.pe

II. SUMILLA
El curso de Robótica Educativa tiene como resultado de aprendizaje el desarrollo de la capacidad “Enriquece
las experiencias de aprendizaje enseñanza mediante la robótica educativa”, que contribuye a la competencia
“Orienta el proceso de enseñanza aprendizaje de la matemática incorporando un conjunto de contenidos
complementarios a su formación”. Es un curso de naturaleza teórico-práctica, enmarcada en el enfoque por
competencias que posibilita una metodología activa en un entorno real de enseñanza aprendizaje situando al
estudiante como protagonista de su aprendizaje y al docente como facilitador del proceso formativo. Plantea
actividades que posibilitan el conocimiento de los fundamentos pedagógicos de la robótica educativa, robots:
tipos y elementos, técnicas Do it yourself (DIY), modelos de aprendizaje de robótica educativa, la robótica como
elemento motivador, recursos para robótica educativa, construyendo un robot básico, construcción de
máquinas simples y mecanismos, construcción de máquinas simples y programación básica de un robot y
desarrolla las habilidades “analiza datos, construye representaciones gráficas, interpreta resultados, formula y
aplica estrategias de resolución, comunica matemáticamente, utiliza la tecnología y formula diseños
metodológicos”.

III. COMPETENCIA PROFESIONAL

“Enriquece las experiencias de aprendizaje enseñanza mediante la robótica educativa”

IV. CAPACIDAD DEL CURSO

“Orienta el proceso de enseñanza aprendizaje de la matemática incorporando un conjunto de contenidos
complementarios a su formación”.

V. DESEMPEÑOS DE LAS UNIDADES DIDÁCTICAS

D1: Identifica los diferentes tipos de sistemas expertos, teniendo en cuenta fundamentos de lógica
proposicional y de las metodologías de inteligencia artificial.
D2: Construye sistemas expertos, utilizando varios lenguajes de programación de computadoras.

VI. PROGRAMA DE CONTENIDOS

VI.1. UNIDAD I: Fundamentos de lógica proposicional y sistemas expertos
 FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS Versión 1.0 2
DIRECCIÓN DE DEPARTAMENTO ACADÉMICO Pág. 2 de 6
PROFESIONAL DE COMPUTACIÓN Y ELECTRÓNICA

UNIDAD I: Fundamentos de lógica proposicional y sistemas expertos

Desempeños Habilidades requeridas Semana Conocimientos Evidencias de

Actividades
(Fecha) Aprendizaje

Socialización del Tarea

Explicar los fundamentos Lectura y socialización
sílabo. Investigación
teóricos de Inteligencia del syllabus. Lectura del
Sem. 1 Fundamentos de la sobre el Index
artificial teniendo en cuenta
Inteligencia Artificial index Report en IA de la Report de
la situación problemática a
Universidad de Stanford Inteligencia
resolver. .
Artificial

Diferencia los tipos de Características y Realiza un análisis Tarea: Análisis

Agentes Inteligentes según Sem. 2 tipos de Agentes PAMA de agentes PAMA de agentes
sus componentes y la Inteligentes inteligentes inteligentes
función que realizan

Desarrollo un agente de Agente de reflejo Desarrolla un agente de Tarea: Agente de

Sem. 3
reflejo simple simple reflejo simple. reflejo simple
Identifica los
diferentes
Problemas de
tipos de Búsqueda Ciega Resuelve un ejercicio
sistemas con grafos teniendo en cuenta la Tarea: Búsqueda
expertos, Sem. 4 a ciegas con
explícitos. búsqueda ciega con
teniendo en (Ej. Aspiradora y grafos explícitos. grafos explícitos.
cuenta Emplear métodos de otros).
búsquedas en base a
fundamentos criterios de decisión y a la
de lógica realidad problemática Problemas de
proposicional Resuelve un ejercicio
Búsqueda Ciega sin Tarea: Búsqueda
y de las teniendo en cuenta la
Sem. 5 grafos explícitos. a ciegas sin
búsqueda ciega sin
metodologías (Ej. Misioneros y grafos explícitos.
grafos explícitos.
de caníbales y otros).
inteligencia
artificial. Comprende la sintaxis del
Sintaxis de Desarrolla programa en Tarea: Programa
lenguaje de programación
Python Sem. 6 programación en Python de gráficas en
Python Python

Sistematiza los
Presenta y expone su Avance Producto
conocimientos adquiridos en
la elaboración del proyecto Proyecto de producto acreditable: Acreditable:
Sem 7
de investigación de acuerdo Investigación Proyecto de Proyecto de
a la estructura investigación investigación
predeterminada.
Desarrolla agentes
inteligentes resolventes de Examen Online de Desarrolla su Examen Examen Online
problemas que utilicen Sem 8
Unidad I online de Unidad I. de Unidad I.
búsqueda informada o
ciegas.

VI.2. UNIDAD II: Sistemas Expertos y Programación Lógica.

 FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS Versión 1.0 3
DIRECCIÓN DE DEPARTAMENTO ACADÉMICO Pág. 3 de 6
PROFESIONAL DE COMPUTACIÓN Y ELECTRÓNICA

Unidad II: Sistemas Expertos y Programación Lógica.

Habilidades Semana Evidencias de

Desempeños Conocimientos Actividades
requeridas (Fecha) Aprendizaje

Comprende la teoría
Construye Fundamentos de Lógica
de la lógica difusa y
difusa. Declaración de Desarrolla programa Tarea: Programa con
sistemas sus aplicaciones
Sem. 9 Conjuntos difusos y con funciones de funciones de lógica
expertos, lógica difusa difusa
funciones
utilizando
varios Utilizar técnicas de Desarrolla programa
Variables y reglas Tarea: Programa con
lenguajes de Inteligencia Artificial Sem. 10 difusas con creación de reglas
reglas de lógica difusa
programación considerando las difusas
metodologías
de establecidas y los Mecanismos de
Desarrolla programa Tarea: Programa con
computadoras principios de Sem. 11 inferencia: Mandani y con mecanismos de mecanismos de
. ingeniería de Sugeno inmferencia inferencia
software.
Utiliza modelos de Fundamentos de
aprendizaje aprendizaje
supervisado para automatizado:
resolver problemas
Concepto, tipos, Tarea: Modelo de Red
de clasificación. Desarrolla un modelo
Sem. 12 modelos y algoritmos Neuronal Perceptrón
con redes neuronales
Aprendizaje con pesos definidos
Supervisado con Redes
Neuronales:

Realiza el Tipos de redes

entrenamiento y
neuronales, estructura Tarea: Modelo de Red
evaluación del
de una red Neuronal, Desarrolla un modelo Neuronal Perceptron
sistema inteligente Sem 13
capas de una red con redes neuronales con cálculo de pesos
teniendo en cuenta
los objetivos neuronal
planteados.
Sistematiza los
conocimientos Presentación y Presenta y expone su Producto
adquiridos en la Exposición del producto producto acreditable: Acreditable:
elaboración del Sem. 14
acreditable Proyecto de Proyecto de
proyecto de investigación investigación
investigación.
Desarrolla un
sistema de lógica Examen Final de Examen Online de
Desarrolla el Examen
difusa en base a Sem. 15 Segunda Unidad Unidad II.
de Unidad II
una problemática
planteada
Desarrolla un
sistema de lógica Examen Aplazados de Desarrolla el Examen Aplazados
difusa en base a Sem. 16 Segunda Unidad Examen de de Unidad II.
una problemática Aplazados
planteada.

VII. SISTEMA DE EVALUACIÓN

 FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS Versión 1.0 4
DIRECCIÓN DE DEPARTAMENTO ACADÉMICO Pág. 4 de 6
PROFESIONAL DE COMPUTACIÓN Y ELECTRÓNICA

Habilidades requeridas Evidencias de Instrumentos

Desempeños
Aprendizaje de
Evaluación
Reconoce los fundamentos y la evolución Lista de Cotejo
Identifica los diferentes Tarea: Investigación sobre el
histórica de la Inteligencia Artificial para
tipos de agentes Índex Report de Inteligencia
entender sus tendencias futuras y sus
inteligentes y métodos Artificial.
aplicaciones
de búsqueda, teniendo Diferencia los tipos de Agentes Inteligentes
en cuenta las según sus componentes y la función que Tarea: Agente de reflejo simple. Lista de Cotejo
metodologías de realizan
inteligencia artificial. Tarea: Método de búsqueda con
Desarrollo un agente de reflejo simple Lista de Cotejo
costo uniforme.
Desarrolla un agente con el método de Tarea: Búsqueda a ciegas con
Lista de Cotejo
búsqueda ciega con grafos explícitos. grafos explícitos.
Desarrolla un agente con el método de Tarea: Búsqueda a ciegas sin
Lista de Cotejo
búsqueda ciega sin grafos explícitos. grafos explícitos.
Comprende la sintaxis del lenguaje de Tarea: Programa de gráficas en
Lista de Cotejo
programación Python Python
Sistematiza los conocimientos adquiridos en la
Avance Producto Acreditable:
elaboración del proyecto de investigación de Lista de Cotejo
Proyecto de investigación
acuerdo a la estructura predeterminada.
Desarrolla agentes inteligentes resolventes de
Test de
problemas que utilicen búsqueda informada o Examen Online de Unidad I.
Evaluación
ciegas.
Construye agentes de Comprende la teoría de la lógica difusa y sus Tarea: Programa con funciones
Lista de Cotejo
aplicaciones de lógica difusa
aprendizaje
Tarea: Programa con reglas de
Utilizar técnicas de Inteligencia Artificial Lista de Cotejo
automatizado, utilizando lógica difusa
considerando las metodologías establecidas y
lógica proposicional y Tarea: Programa con
los principios de ingeniería de software. Lista de Cotejo
mecanismos de inferencia
métodos estadísticos. Utiliza modelos de aprendizaje supervisado para Tarea: Modelo de Red Neuronal
Lista de Cotejo
resolver problemas de clasificación. Perceptrón con pesos definidos
Utiliza modelos de redes neuronales para Tarea: Modelo de Red Neuronal Lista de Cotejo
resolver problemas de clasificación. Perceptrón con cálculo de pesos
Sistematiza los conocimientos adquiridos en la Producto Acreditable: Proyecto Lista de Cotejo
elaboración del proyecto de investigación. de investigación
Desarrolla un sistema de lógica difusa en base a Test de
Examen Online de Unidad II.
una problemática planteada Evaluación
Desarrolla un sistema de lógica difusa en base a Test de
Examen Aplazados de Unidad II.
una problemática planteada. Evaluación

VIII. SISTEMA DE CALIFICACIÓN

Evidencias de aprendizaje Sigla Peso Cronograma

Asistencia a Sesiones de Aprendizaje e Intervenciones orales PAC 20% Permanente

Entrega de trabajos (Entrega de ejercicios, Foros temáticos) PTU 20% Permanente
Examen de Unidad PEU 30% 8º semana
15º semana
Producto acreditable: Proyecto de Investigación PPY 30% 7º semana
14º semana
Promedio Final = (PAC * 0.2) + (PTU * 0.2) + (PEU * 0.3) + (PPY * 0.3)

Criterios de Calificación
 La calificación será en una escala de cero a veinte.
 Puntualidad en la entrega de trabajos.
 La nota mínima aprobatoria es 10.5 en el PROMEDIO FINAL (PF).
 Los exámenes no rendidos, así como los trabajos no presentados en las fechas indicadas,
serán evaluados con la nota mínima CERO (00), en caso el estudiante no se justifique con la
debida acreditación en un plazo máximo de una (01) sesión posterior a la evaluación.
 FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS Versión 1.0 5
DIRECCIÓN DE DEPARTAMENTO ACADÉMICO Pág. 5 de 6
PROFESIONAL DE COMPUTACIÓN Y ELECTRÓNICA

 Cualquier intento de copia en examen o trabajo será evaluado con nota CERO (00).
 Tienen derecho de dar examen de aplazados aquellos estudiantes cuyo promedio final sea
mayor igual a 7,5 de nota.
 El 30% de inasistencias inhabilita al estudiante en el curso.

IX. METODOLOGÍA DE ENSEÑANZA – APRENDIZAJE Y ACTIVIDADES DE INVESTIGACIÓN

FORMATIVA
El desarrollo de la asignatura contempla el empleo de una metodología activa, siendo el estudiante
el protagonista de su aprendizaje y el docente desarrollará el rol de mediador del proceso. Para ello
se han seleccionado un conjunto de estrategias que permitirán que el estudiante construya el
conocimiento, desarrolle habilidades y fortalezca actitudes y valores:

 Conferencia (teoría): El profesor responsable impartirá la temática o contenidos

conceptuales con apoyo del material preparado para este fin.
 Interrogación didáctica (teoría y práctica): Basada en la formulación de preguntas acorde
con las competencias específicas, con el fin de motivar al estudiante a participar
activamente y permitirle el descubrimiento de la naturaleza del tema tratado.
 Análisis de ejercicios: Se promoverá el estudio en equipos de trabajo con el fin de
incrementar sus capacidades de análisis e interpretación de los contenidos conceptuales y
la discusión sistemática sobre los casos desarrollados y propuestos.
 Proyecto de investigación: Se promoverá la investigación independiente del alumno para
generar la capacidad de análisis en cada investigación, desarrollar su capacidad de
expresión y comunicación de conocimientos, así como la discusión de ideas

Para el desarrollo pedagógico de la asignatura se utilizará los materiales tecnológicos:

Computador, aula virtual de la universidad y Google meet.

El software informático que se utilizará en el curso será: Microsoft Excel, Netbeans, Visual
Prolog, Python, Google Colab.

Se fomentará la investigación formativa exigiendo la formulación de un proyecto de

investigación que será tomado como producto acreditable, será avanzado semana a semana y
cuya presentación formal será a mitad y final de ciclo.

X. ACTIVIDADES DE TUTORÍA: ÁREA ACADÉMICA

Los estudiantes contarán con asesoramiento virtual, donde podrán expresar sus dudas o
comentarios a través de Google meet en un horario coordinado con la docente y cuyo enlace
se encontrará dentro del Aula Virtual de la Universidad

XI. REFERENCIAS
Cervantes, J. (2017). Introducción a la programación web con Java: JSP Y Servlets, JavaServer García,
Alberto (2013) Inteligencia Artificial: Fundamentos, practica y aplicaciones. Alfaomega Grupo
Editor. ISBN 978-607-707-467-0
Giarratano, Joseph & Gary Riley (2001) Sistemas Expertos, principios y programación. Ed. Ciencias
Thomson. ISBN 970-686-059-2
Kong, Maynard, (1993) Inteligencia Artificial. Pontificia Universidad Católica del Perú. Fondo Editorial,
Rich, Elaine & Kevin Knight, (1994). Inteligencia Artificial. Ed McGraw-Hill. ISBN 0-07-450364-2
Russell, Stuart & Peter Norvig, (2004) Inteligencia artificial, un enfoque moderno. Ed Prentice Hall. ISBN
84-205-4003-X
Winston, Patrick. (2010). Inteligencia Artificial. Ed. Pearson. ISBN 13: 9780201518764

Lambayeque, …. de ……..…… de 20…..

FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS Versión 1.0 6
DIRECCIÓN DE DEPARTAMENTO ACADÉMICO Pág. 6 de 6
PROFESIONAL DE COMPUTACIÓN Y ELECTRÓNICA

FIRMA
_________________________________
Dr. Ivan Eduardo Salvador Briceño
Docente del Curso