Entre - pass

Se trata de un aprendizaje ubicuo, ya que se puede realizar en cualquier sitio, en cualquier momento y con cualquier dispositivo. El usuario establece su propia tabla de tiempos y los contenidos se adaptan a los requisitos del usuario.

Se crea un perfil del usuario y un agente se encarga de gestionarlo (introducir y extraer datos de la base de datos). Esto ofrece una serie de ventajas, como interacciones más intuitivas, que el usuario siente que el sistema se adapta a sus requisitos, lo que lo lleva a una experiencia más reconfortante.

Interfaz de Entre - pass

Para su arquitectura emplea un framework llamado "Agent Factory" que emplea un lenguaje de comunicación entre agentes, basado en los estándares de FIPA.

Arquitectura de la plataforma de agentes

SITUA

Es una de las muchas herramientas de aprendizaje que se pueden encontrar en la web. Nos hemos decidido por esta, porque utiliza agentes inteligentes durante el aprendizaje de los alumnos, además de estar desarrollado por la Universidad Vigo. Esta herramienta se encuentra inmersa dentro de ARIADNA que es un portal web que ofrece servicios relacionados con la tele formación. La razón de incluir SITUA dentro de ARIADNA es que las aplicaciones de tipo tele formación como ARIADNA presentan un esquema pasivo y lineal lo que puede llegar a desmotivar al alumno. Como ya se ha mencionado anteriormente en este blog la utilización de agentes mejorara la enseñanza y motiva a los estudiantes puesto que el sistema se adapta a sus necesidades. A continuación se muestra la arquitectura de SITUA.

MAS - PLANG

Hemos encontrado una herramienta llamada MAS - PLANG (MultiAgent System - PLANG) que se desarrolló con el objetivo de transformar las USD (Unidades de Soporte a la Docencia) en un sistema que se adapte a las necesidades del alumno. Esta adaptación pasa por elegir los materiales didácticos y herramientas de navegación, todo ello dependiendo del estilo de aprendizaje del estudiante, ya que lo categoriza según las habilidades que éste posea. Se usa HabitatPro, una herramienta diseñada para la personalización de contenidos y prospección de mercados utilizando técnicas de Inteligencia Artificial como el Razonamiento basado en Casos y la Lógica Difusa.

La razón de usar agentes inteligentes es mejorar la enseñanza y motivar a los estudiantes ya que se adapta al sistema de estudios de él.

Entorno de aprendizaje: selección de ejercicios de autoevaluación por diferentes niveles de dificultad.

Visualización de actividades realizadas por un estudiante.

Arquitectura

Agentes Pedagógicos Inteligentes

Los agentes inteligentes son sistemas naturales o computacionales que perciben su entorno y realizan acciones inteligentemente. Los Agentes Pedagógicos toman decisiones a cerca de cómo maximizar el aprendizaje de un alumno, y observa el “entorno” del estudiante en su proceso de aprendizaje. Para cumplir sus metas, el Agente Pedagógico puede actuar como un tutor virtual, un estudiante virtual o incluso como un compañero de aprendizaje que ayuda el estudiante a que ambos aprendan conjuntamente.

Buscando en la red encontramos el Autotutor desarrollado por el Tutoring Research Group de la Universidad de Memphis, el cual, apoya a los estudiantes a aprender manteniendo una conversación en un lenguaje natural. Tras décadas de investigación acerca de la tutoría humana se ha creado este Autotutor que implementa estrategias de tutores efectivas promoviendo ganancias significativas en el aprendizaje. Los resultados obtenidos con este Autotutor, apoyan la conclusión de que se trata de un sistema tutorial inteligente efectivo que usa estrategias pedagógicas apropiadas para los aprendices individuales.

Sistemas de aprendizaje colaborativo

Existen diversas aplicaciones de la IA en Educación que se desarrollan e investigan actualmente, y a lo largo de estas semanas nos parece interesante dar a conocer algunas de ellas, como por ejemplo los sistemas de aprendizaje colaborativo (LCS, que ya comentamos en un post anterior) en los que los estudiantes trabajan en grupo para resolver un problema, tanto con compañeros reales como simulados, de modo que el alumno aprende de los comentarios de sus compañeros y enserarles lo que él ya sabe (learning by teaching).

Un ejemplo es COLDEX del grupo COLLIDE.

ITS o LCS?

Hemos encontrado que se hace una distinción entre aplicaciones en sistemas inteligentes orientados a la educación:

1. Los sistemas tutores inteligentes (ITS) : Simulan un tutor que es capaz de adaptarse a las necesidades del estudiante, actuando como el "profesor" que más sabe de la materia.
   
2. Los compañeros de aprendizaje (LCS) : No son expertos en la materia e incluso pueden cometer errores. Adoptan actividades de aprendizaje, como alternativas de un tutor a otro.

Según nuestra opinión estos 2 se parecen en ciertos aspectos como que ambos conocen el estado de conocimiento del estudiante, sólo que el 1º de ellos actúa únicamente como tutor (autoritario) y el 2º puede actuar como tutor o como un compañero (no autoritario).

Otra diferencia es que el ITS se limita a enseñar y el LCS actúa de un modo más colaborador, pudiendo ser crítico, competidor... y en otros casos un tutor. En definitiva, el ITS siempre funciona como un tutor experto y el LCS podríamos definirlo como un estudiante más, que tiene un nivel alto, medio o incluso bajo.

El ITS es como un tutor que guía mediante estrategias de enseñanza establecidas, y el LCS muestra la materia y es el alumno quien se encarga de utilizar sus propios métodos didácticos.

Ahora veamos la arquitectura de un STI:

• "Modelo del estudiante": Contiene el cuerpo de conocimiento que caracteriza al usuario y lo representa. Es decir, sabe el conocimiento que el alumno tiene y los conocimientos mínimos necesarios para realizar las tareas. Este modelo debe ser capaz de almacenar la evolución del alumno y adaptar el sistema en base a sus respuestas.

• "Modelo del dominio": Contiene toda la representación del conocimiento en lo referente a los procesos de evaluación o la metodología. Será el que almacene la base de conocimiento y los mecanismos de resolución de problemas. Este módulo es el encargado de dirigir el módulo "Modelo didáctico" teniendo en cuenta los datos que se tienen en el "Módulo del estudiante".

• "Modelo pedagógico": Es el que cumple la función de tutor o profesor y tiene información para decidir qué tareas se le presentan al estudiante de acuerdo con los objetivos establecidos en el "Modelo del dominio".

• Interface: Contiene los mecanismos de representación (imagenes animadas, sonido, lenguaje oral, lenguaje escrito, reconocimiento de voz, etc). Gran parte del éxito de un programa educativo depende de la riqueza comunicadora que reúna.
  

Comenzamos...

Este blog ha sido creado para la asignatura de Sistemas Multiagente (Universidade de Vigo 2008) con la finalidad de ayudarnos a comprender como influye esta nueva tecnología en el mundo de la educación.

Gracias a las nuevas tecnologías, en la última década se ha prestado especial atención hacia los sistemas basados en agentes inteligentes.

Tienen aplicación en diversos campos, entre ellos la enseñanza. Se ha demostrado la efectividad en procesos de formación y apoyo a la labor tanto del profesorado como del alumnado.

Con los conceptos aprendidos hasta el momento y enfocando un poco el tema que nos ocupa, hemos llegado a la conclusión de que el uso de sistemas multiagente en la educación surge con la necesidad de profesores especializados, formación personalizada…

Se busca con esta tecnología realizar un seguimiento del progreso del alumno, que el estudiante asuma un rol más activo, ya que al tratar con agentes tutores hacen mejorar las áreas de conocimiento y el pensamiento crítico.

En posteriores publicaciones haremos referencia a las distintas herramientas de aulas virtuales y teleformación.