Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Integrantes:
LSI. Francisco Gnzalez Hrnandez
ISC. Ral Oramas Bustillos
Asesor:
Dr. Ramn Zatarain Cabada.
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
JavaSensei
Arquitectura JavaSensei
Modelo
Afectivo
Modelo del
Usuario
Agente
Pedaggico
Modelo de
Adaptabilidad
Ambiente
Inteligente
de
Aprendizaje
Motor STI
Modelo Experto
Modelo
Pedaggico
Dominio
1.
2.
3.
4.
5.
6.
Introduccin a Java
Variables y clculos
Instrucciones de seleccin
Instrucciones de repeticin
Mtodos
Arreglos
Habilidade
s
Ejercicio Recursos
Representacin
Representacin
JSON
JSON
Habilidade
s
Ejercicio Recursos
Representacin
Representacin
JSON
JSON
Habilidade
s
Representacin
Ejercicio Recursos
Representacin
JSON
JSON
Habilidade
s
Ejercicio Recursos
Representacin
Representacin
JSON
JSON
10
Total
Lecciones
Habilidades
27
Ejercicios
60
Recursos
40
Arquitectura JavaSensei
Emocin
Actual
Emocin
Previa
Habilidade
s
Estudiante
11
Calidad
Respuesta
Arquitectura JavaSensei
12
Avance
Estudiante
Maestra en Ciencias de la Computacin.
ETi
HG
TE
13
Esto se representa
en el sistema lgico
difuso con la siguiente
figura.
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
PECi
CR
TPE
15
Esto se representa
en el sistema lgico
difuso con la siguiente
figura.
PI
PE
PE
16
PO
PFO
Sistema de Recomendacin
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
20
Articulo Cientfico
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
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
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
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