Instituto Tecnolgico de Culiacn

Ambiente Afectivo de Aprendizaje para

Java.

Integrantes:
LSI. Francisco Gnzalez Hrnandez
ISC. Ral Oramas Bustillos
Asesor:
Dr. Ramn Zatarain Cabada.

Maestra en Ciencias de la Computacin 2013-2015.

Culiacn Sinaloa, Febrero del 2015.

Contenido

Introduccin
Arquitectura JavaSensei
Modelo del experto
Modelo del estudiante
Formulas de Medicin de Avance del
Estudiante
Sistema de Recomendacin
Tecnologas Usadas
Video de la versin Beta
Referencias
Maestra en Ciencias de la Computacin.

Introduccin

En esta exposicin presentaremos el avance

del proyecto ILE (Intelligent Learning
Environment) JavaSensei, un ambiente
afectivo de aprendizaje para Java basado en
Web.

JavaSensei

Maestra en Ciencias de la Computacin.

Arquitectura JavaSensei
Modelo
Afectivo

Modelo del
Usuario

Agente
Pedaggico

Modelo de
Adaptabilidad

Ambiente
Inteligente
de
Aprendizaje

Motor STI

Modelo Experto

Maestra en Ciencias de la Computacin.

Modelo
Pedaggico

Modelo del experto

Modelo del experto: contiene el conocimiento

del experto y lo que el estudiante debe
aprender.
El sistema representa el conocimiento con
archivos JSON utilizando la Teora de Espacio
del Conocimiento[20].

Dominio
1.
2.
3.
4.
5.
6.

Introduccin a Java
Variables y clculos
Instrucciones de seleccin
Instrucciones de repeticin
Mtodos
Arreglos

Maestra en Ciencias de la Computacin.

Modelo del experto

Leccione
s

Habilidade
s

Ejercicio Recursos

Representacin
Representacin
JSON
JSON

Maestra en Ciencias de la Computacin.

Modelo del experto

Leccione
s

Habilidade
s

Ejercicio Recursos
Representacin
Representacin
JSON
JSON

Maestra en Ciencias de la Computacin.

Modelo del experto

Leccione
s

Habilidade
s
Representacin

Ejercicio Recursos

Representacin
JSON
JSON

Maestra en Ciencias de la Computacin.

Modelo del experto

Leccione
s

Habilidade
s

Ejercicio Recursos
Representacin
Representacin
JSON
JSON

Maestra en Ciencias de la Computacin.

Modelo del experto

10

Modelo del experto

Total

Lecciones

Habilidades

27

Ejercicios

60

Recursos

40

Maestra en Ciencias de la Computacin.

Arquitectura JavaSensei

Modelo Estudiante: representa el estado

cognitivo e emocional del estudiante [10].

Emocin
Actual

Emocin
Previa

Habilidade
s
Estudiante

11

Calidad
Respuesta

Maestra en Ciencias de la Computacin.

Arquitectura JavaSensei

12

Avance
Estudiante
Maestra en Ciencias de la Computacin.

Formulas de Medicin de Avance del

Estudiante

Habilidad Global : Es el avance que tiene el estudiante sobre

el dominio (conocimiento del curso).

ETi

HG
TE

Entre mas cercano sea el valor de HG a 1 mas conocimiento

del dominio posee el estudiante.

13

Esto se representa
en el sistema lgico
difuso con la siguiente
figura.

Maestra en Ciencias de la Computacin.

Formulas de Medicin de Avance del

Estudiante
Habilidad
de la
Leccion

Ejercici Ejercici Ejercici Ejercici Ejercici Ejercici Ejercici Ejercici Ejercici Ejercici
o1
o2
o3
o4
o5
o6
o7
o8
o9
o 10

Leccion 1

0.5

Ejercici Ejercici Ejercici Ejercici Ejercici Ejercici Ejercici Ejercici Ejercici Ejercici
o 11
o 12
o 13
o 14
o 15
o 16
o 17
o 18
o 19
o 20

Leccion 2

0.4

Ejercici Ejercici Ejercici Ejercici Ejercici Ejercici Ejercici Ejercici Ejercici Ejercici
o 21
o 22
o 23
o 24
o 25
o 26
o 27
o 28
o 29
o 30

Leccion 3

0.6

Habilidad
Global
0.5

14

Maestra en Ciencias de la Computacin.

Formulas de Medicin de Avance del

Estudiante

Calidad de la Respuesta : Es la calidad con la que el estudiante a

contestado el ultimo ejercicio, representa la capacidad del estudiante
de cometer fallas del conocimiento. CR es calidad de respuesta, PEC es
paso errneo cometido y TPE es total de pasos errneos.

PECi

CR
TPE

Entre mas cercano el valor a 1 mas mala es la calidad de la respuesta.

15

Esto se representa
en el sistema lgico
difuso con la siguiente
figura.

Maestra en Ciencias de la Computacin.

Formulas de Medicin de Avance del

Estudiante
El estudiante solo paso por
un paso errneo de los dos
que se encuentran en el
ejercicio.

PI

PE

PE

16

Calidad de Respuesta: 0.5

PO

PFO

Maestra en Ciencias de la Computacin.

Sistema de Recomendacin

Se realizo un sistema de recomendacin de tems basado en

rating. Otorgando con esto una mayor personalizacin. Esto
de acuerdo a las preferencias del usuario.

La escala utilizada fue la de Likert, la cual expresa el

acuerdo o desacuerdo (o desagrado) hacia un objeto. En la
escala 1 es de total desagrado y 5 de total agrado.
Representacin de la
escala ante el
recin usuario:
se

Cuando el usuario
registra al sistema, se generan los
item con un valor de 2 (neutral).
Tratando de solventar el arranque
en frio.
17

Sistema de Recomendacin

Recomendaciones de Recursos

18

Recomendaciones de Ejercicios

Tecnologas Utilizadas

19

Maestra en Ciencias de la Computacin.

Video de versin Beta

20

Maestra en Ciencias de la Computacin.

Articulo Cientfico

Del presente proyecto se creo el Articulo An Affective

Learning Environment for Java el cual fue enviado al
International Conference on Advanced Learning
Technologies - ICALT2015 el cual se encuentra ya en
revision.

21

Referencias
[1] Matthasdttir, . How to teach programming languages to novice
students? Lecturing or not. in International Conference on Computer
Systems and Technologies-CompSysTech. 2006.
[2] Jenkins, T. On the difficulty of learning to program. in Proceedings of
the 3rd Annual Conference of the LTSN Centre for Information and
Computer Sciences. 2002.
[3] Gomes, A. and A.J. Mendes. Learning to program-difficulties and
solutions. in International Conference on Engineering EducationICEE.
2007.
[4] Bernard, M. and E. Bachu, Enhancing the Metacognitive Skill of
Novice Programmers Through Collaborative Learning, in
Metacognition: Fundaments, Applications, and Trends. 2015, Springer.
p. 277-298.
[5] SIGCSE. 2015 [cited 2015]; Available from: http://www.sigcse.org/.
[6] Woolf, B.P., Building Intelligent Interactive Tutors. 2009, Amherst,
Massachusetts, Estados Unidos: Morgan Kaufmann Publishers.
[7] Picard, R.W., Affective computing. 2000: MIT press.
22

Maestra en Ciencias de la Computacin.

Referencias
[8] Brusilovsky, P. and E. Milln. User models for adaptive
hypermedia and adaptive educational systems. in The adaptive
web. 2007. Springer-Verlag.
[9] D'Mello, S., R.W. Picard, and A. Graesser, Toward an affectsensitive AutoTutor. IEEE Intelligent Systems, 2007(4): p. 53-61.
[10] DMello, S., et al. AutoTutor detects and responds to learners
affective and cognitive states. in Workshop on Emotional and
Cognitive Issues at the International Conference on Intelligent
Tutoring Systems. 2008.
[11] Cingolani, P. and J. Alcal-Fdez, jFuzzyLogic: a java library to
design fuzzy logic controllers according to the standard for fuzzy
control programming. International Journal of Computational
Intelligence Systems, 2013. 6(sup1): p. 61-75.
[12] Hall, M., et al., The WEKA data mining software: an update.
ACM SIGKDD explorations newsletter, 2009. 11(1): p. 10-18.
[13] Ekman, P., Facial Expressions. 1999.
23

Maestra en Ciencias de la Computacin.

Referencias
[14] Inversions, S., FaceGen modeller (Version 3.3)[computer
software]. Toronto, ON: Singular Inversions, 2008.
[15] Likert, R., A method of constructing an attitude scale.
Scaling: a sourcebook for behavioral scientists. Chicago:
Aldine, 1974: p. 233-243.
[16] Owen, S., et al., Mahout in action. 2011: Manning .
[17] Aleven, V., et al., A new paradigm for intelligent tutoring
systems: Example-tracing tutors. International Journal of
Artificial Intelligence in Education, 2009. 19(2): p. 105-154.
[18] Aleven, V., et al. The cognitive tutor authoring tools (CTAT):
preliminary evaluation of efficiency gains. in Intelligent
Tutoring Systems. 2006. Springer.
[19] Kumar, R., et al. Comparison of Algorithms for
Automatically Building Example-Tracing Tutor Models. in
Educational Data Mining 2014. 2014.
24

Maestra en Ciencias de la Computacin.

Referencias
[20] Doignon, J. P., & Falmagne, J. C. Knowledge spaces. 1999.
Springer.
[21] ASK-ELLE (Haskell Tutor): Gerdes, A. (2012). Ask-Elle: a
Haskell Tutor. PhD thesis, Universiteit Utrecht.
[22] JavaTutor: Wallis, M. (2011). JavaTutor-A Remotely
Collaborative, Real-Time Distributed Intelligent
TutoringSystem for Introductory Java Computer
Programming-A Qualitative Analysis.
[23] SQLT-Web: Mitrovic, A. (2003). An intelligent SQL tutor on
the web. International Journal of ArtificialIntelligence in
Education, 13(2), 173-197.
[24] ELM-ART: Brusilovsky, P., Schwarz, E., & Weber, G. (1996,
January). ELM-ART: An intelligent tutoring systemon World
Wide Web. In Intelligent tutoring systems (pp. 261-269).
Springer Berlin Heidelberg.
25

Maestra en Ciencias de la Computacin.