1 Material Educativo computarizado con alto nivel de Interacción como apoyo para la enseñanza de las operaciones básicas en matemáticas (Suma, Resta, Multiplicación y División de Números Naturales) Saludo. Quiénes somos (nombres de nosotros y de los directores) (nombre del proyecto) Grupo ACME Agradecimientos por la asistencia Dar inicio a la sustentación (preguntas al final) Autores: Directores: Johanna Ramírez Camacho Sergio A. Rojas Oscar Romero López Lilian Bejarano
2 Contenido Descripción del problema Componente Hipermedia HiperespacioControl de Navegación Interfaz Componente Tutor Módulo Experto Módulo de Diagnóstico Módulo Didáctico Prueba Piloto Conclusiones y Trabajo Futuro Bibliografía Recomendada
3 1. Descripción del ProblemaAnálisis de Necesidades Educativas Falta de personalización Omisión del estilo cognitivo del alumno La Metodología de enseñanza es de acuerdo al estilo cognitivo del profesor Debilidad en la formación de estructuras mentales sólidas en cursos superiores Una necesidad educativa es la discrepancia entre un estado educativo ideal (debe ser) y otro existente (realidad). Para un promedio de 35 alumnos existe sólo un profesor que guia la enseñanza. Cada individuo tiene un estilo personal de procesar la información lo cual no es tenido en cuenta. De acuerdo cómo el profesor ha desarrollado su estilo de aprendizaje asi mismo intenta transmitir los conocimientos. Según las pruebas de competencias realizadas por el Ministerio de educación, se encuentra un gran porcentaje de estudiantes de bachillerato que aún no saben sumar, multiplicar, o incluso leer.
4 Dominio del Problema Enseñanza de los algoritmos básicos en aritmética (suma, resta, multiplicación y división de Naturales). Estudiantes de 4° de primaria Dirigido a alumnos entre 9 y 11 años de edad. Población de estudiantes seleccionada: Colegio El Minuto de Dios Emplear un Modelo Pedagógico Constructivista. En la educación básica primaria de 1 – 3° grado es integral y las materias incluyen temas de otras materias a la vez, y en cursos superiores se requiere el dominio de este tema para aplicarlo en la solución de problemas. Inicialmente se realizarón estudios en colegios de la zona 4a de Bogotá pero finalmente se trabajó con el Minuto de Dios porque disponía de recursos computacionales y ofreció facilidades para el desarrollo del proyecto. Constructivista: este modelo es el propuesto por el Miniterio de educación en los lineamientos curriculares y consiste en promover situaciones de aprendizaje significativas para el estudiante donde se enfrente a situaciones contextualizadas, es decir, no enseñar = 11, sino 3m + 8m = 11m.
5 Solución Aplicable Material Educativo Computarizado MECEnfoque Algorítmico: Secuencias predeterminadas para lograr metas mesurables. Enfoque Heurístico: Aprendizaje se logra por situaciones experienciales. MEC del tipo Sistema Tutor Inteligente Un MEC es una herramienta de apoyo para el proceso de enseñanza-aprendizaje donde se puede aprovechar sus beneficios en cuanto a la interactividad y personalización de la enseñanza. Un MEC del tipo STI posee un enfoque tanto algorítmico como heurístico.
6 Arquitectura Básica de un STIComponente Tutor Módulo Experto o Dominio Pedagógico Módulo de Diagnostico Módulo Didáctico Componente Hipermedia Hiperespacio Los STI Son sistemas basados en conocimiento, que pretenden simular el comportamiento de un tutor humano. 1) Componente hipermedia: Este componente es el tutorial multimedia tradicional que se divide en los siguientes subsistemas: a) El Módulo interfaz: Es el que presenta la información y obtiene la reacción del alumno. b) El hiperespacio: Es la información o contenido que se va a mostrar. c) El módulo control de navegación: Es el encargado de comunicar al componente hipermedia con el componente tutor, adaptando el hiperespacio a las ordenes que da el Módulo tutor. 2) Componente tutor: Este componente mantiene toda la actividad inteligente del sistema. Realiza un seguimiento de la interacción del alumno controlando los conocimientos que éste adquiere a través de la evaluación. a) Dominio pedagógico o Módulo Experto: Establece el orden en que se van a presentar los conceptos, las relaciones que existen entre ellos, la dificultad de aprendizaje de cada concepto, sus prerrequisitos y los diferentes puntos de vista en que puede ser expresado y explicado cada concepto. En este módulo se implementa un sistema experto, que posee el conocimiento de un especialista en el área y ciertas características para la solución de problemas. b) Módulo didáctico o Módulo de Currículo y Tutoría: Este módulo es el encargado de adaptar el sistema al ritmo del alumno aplicando estrategias de enseñanza. La decisión de qué información mostrar en cada momento depende de tres variables: Decisión de currículo, selección de material didáctico y evaluación de la actividad del alumno. c) Módulo de Diagnóstico del Alumno: En este módulo se guarda toda la información necesaria del alumno para tener un sistema adaptativo (modelamiento del usuario). Control de Navegación Interfaz
7 Ingeniería del ProyectoModelo de Procesos Unificado consistente con Objectory Process Fases: Construcción Etapas: Análisis Diseño Desarrollo Prueba Piloto Prueba de Campo Concepción Elaboración Johanna: Uno de los propósitos de nuestro proyecto es crear una base histórica de la metodología de desarrollo de software educativo que sirva como fundamento para trabajos futuros, por tal motivo la ingeniería del proyecto apunta a este fin. Oscar: Proceso Unificado Es iterativo e incremental. Una iteración es un conjunto bien definido de actividades, con un plan y unos criterios de evaluación bien establecidos que acaba en una versión ya sea interna o externa. Cada ejecutable incorpora mejoras incrementales sobre los otros. Está dirigido a los casos de uso: determina la planeación, el análisis de riegos, la comunicación con el cliente, etc. Está dividido en fases: tiempo entre hitos donde se determina si se puede pasar a la siguiente fase En cada fase se entrega un artefacto o producto. Fase de Iniciación o Concepción: establece el dominio del problema y el alcance del proyecto. Fase de elaboración: se reunen requerimientos más detallados, se hace análisis y diseño de alto nivel. Se crea un plan de construcción. - Fase de Construcción: confecciona el sistema a lo largo de una serie de iteraciones. Se realiza análisis, diseño, implementación y pruebas. Fase de Transición: pruebas betas, afinación del desempeño y entrenamiento del usuario. Transición
8 Modelamiento del SistemaDiagramas de Casos de Uso Componentes: * Casos de Uso * Actores los casos de uso: representan una interacción específica entre el usuario y el sistema o entre los mismos componentes del sistema. Se utilizan para establecer el comportamiento deseado del sistema, para verificar y validar su arquitectura, para las pruebas y para la comunicación entre las personas involucradas con el proyecto. El térmico actor se emplea para llamar así al usuario o sistema externo, que desempeña un papel concreto o requiere información del sistema actual (MEC). Actor Caso de Uso
9 2.1 Hiperespacio Micromundos Explorativos ¿Qué son?Descripción del micromundo Elementos del micromundo Personajes Herramientas: recta, contímetro, regletas Historia, Retos, mecanismos de medición del desempeño. Teorías pedagógicas ¿Qué son?: Son ambientes lúdicos de aprendizaje donde se viven experiencias que sirven de base para que el alumno genere o apropie conocimiento. El micromundo emplea un lenguaje de programación sintónico, es decir no hay que aprenderlo, simplemente se está sintonizado con sus instrucciones Descripción del micromundo: Se diseñó un micromundo bajo una trama espacial futurista donde el alumno es el héroe de la historia. El peril del mircomundo se escogió por medio de una encuesta de preferencias. Personajes: El protagonista llamado TAHAN es el mismo alumno. Intervienen además antagonistas que son los mismos alienígenas y extraterrestres y algunos personajes que guían a TAHAN. Herramientas: Las regletas de Cuisenaire son un material didáctico acorde con las características psicológicas del período evolutivo de alumnos de educación básica primaria, con las cuales se consigue: Establecer equivalencias Comprobar la relación de inclusión en la serie numérica. En cada número están incluídos los anteriores. Trabajar manipulativamente las relaciones ser mayor que, ser menor que, y ser igual a de los número, basándose en la comparación de longitudes. Introducir la composición y descomposición de los números. Iniciar las cuatro operaciones aritméticas básicas de forma manipulativa. Comprobación empírica de las propiedades Conceptos de doble y mitad Trabajar intuitivamente la multiplicación como suma de sumandos iguales Asociar los colores con la longitud
10 Teorías del Aprendizaje como fundamento del MicromundoAspectos Conductismo Cognoscitivismo Constructivismo Formato del MEC Algorítmico Habilidad Intelectual Estadios Cognitivos Micromundos Explorativos Estructura del MEC Obj. Instruccional Anális. de tareas Planific. Refuerzo Estructura Hipertexto (Procesamiento de la Información) Estrategias Pedagógicas Y Diseño del MEC Ejercitación Refuerzo y retroalimentación Fases del aprendizaje Org. del contenido Aptitud y Tratamiento Autocontrol naveg. Reto, Fantasía y Curiosidad El Refuerzo positivo fortalece la probabilidad de repetición de una acción. En esta escena se están tratando dos tipos de refuerzo: uno auditivo y otro visual. El alumno puede ver la consecuencia de sus acciones haciendo poco probable que se repitan las acciones erróneas. La Gestalt: Motivación:Existen dos tipos de motivación: la intrínseca que es la producida por la misma fantasía del micromundo la cual genera inetrés y curiosisdad en el estudiante, y la extrínseca ocuure cuando se comunica formalmente la meta y se genera una expectativa. En la transferencia se busca generalizar lo aprendido en otros contextos. Aquí el alumno emplea las propiedades de la división en el desarrollo de un reto (llegar al castillo). Procesa. Info: propone una analogía entre máquinas computacionales y el proceso cognitivo humano. Interacc A y T: de acuerdo a las habilidades y destrezas de cada individuo se debe presentar el material didáctico. Piaget: identificó patrones de desarrollo cognoscitivo asociados a patrones de desarrollo orgánico (madurez del sistema nervioso). De acuerdo a este estadio se le pueden presentar al alumno situaciones donde deba clasificar y ordenar, formar relaciones, asimilar conocimientos sobre conjuntos y representaciones geométricas, comprender la idea de número, realizar operaciones espaciales y temporales, y posee un Razonamiento inductivo. Gagné: Motivación: inicialmente se le indica cuál es el reto al estudiante: Construir una nave para poder escapar de Sustracciolandia. Comprensión: cambios en la estimulación que activen la atención, percepción selectiva: se le presentan avisos en colores vistosos con el fin de atraer la atención en el estudiante en lo que se desea aprender. Adquisición: sugerir esquemas para codificación y empaquetado Recordación: recuperación de lo aprendido previamente: se pide realizar además de la resta, una adición. Generalización: variedad de contextos: La suma se aplica en otro contexto. Desempeño: respuesta del alumno en ejercicios Realimentación: refuerzo, información de retorno: cuando el alumno realiza una acción incorrecta se le avisa. Habilidades Intelectuales (Gagné) Discriminación (diferenciar entre a y b): criterios de divisibilidad Diferenciar con base en conceptos: propiedades de la suma (dardos y globos) Uso de reglas: solución de algoritmos: suma, resta, etc.
11 2.2 Control de Navegación Hipermedia Elementos: HipertextoSistema de Pistas y ayudas Mapas Orientación Navegación Contenidos Ejercitación y práctica Evaluación Sesiones de retroalimentación El control de navegación se llevará a cabo por medio de los elementos del Hipermedia. Hipermedia: denomina una estructura de información electrónica cuyos nodos contienen información en diversos formatos (texto, audio, video, gráficos, etc.). Hipertexto: Estructura de texto que posee vínculos a otro tipo de información. Como se observa en la gráfica se empleo una estructura hipertexto mixta, es decir, una mezcla entre estructuras lineales, ramificadas y jerárquicas. La aplicación constructivista del hipertexto permite a la persona: construir sus propios conocimientos en función de sus necesidades e intereses, ya que solo accede a la información que requiere. y permite la adquisición de un conocimiento asociativo intenso que pueda facilitar su posterior transferencia y aplicación.
12 2.3 Interfaz Principios psicológicos sobre percepciónPercepción selectiva Reglas de organización de la percepción Reglas de Proximidad Reglas de Semejanza Zonas de Comunicación Elementos Visuales Sonidos Texto La Interfaz permite la presentación interactiva del material y captura las acciones del alumno. Para el diseño de las Interfaces se tuvo en cuenta los siguientes aspectos: Percepción selectiva: cambios de estimulación permiten centrar la atención. En la escena se presenta un cambio visual que estimula la percepción selectiva de 3 componentes en una resta: minuendo, sustraendo y diferencia Reglas de organización: Reglas de proximidad: en esta regla Se tiende a considerar como un grupo las cosas que están juntas, como por ejemplo los tres bloques de texto identifican 3 conceptos diferentes. Reglas de semejanza: Se tiende a ver como un grupo o conjunto, los objetos de la misma forma, tamaño o color. En este caso cada bloque de texto posee un tamaño diferente y un color diferente. Zonas de comunicación Elementos visuales: Como se observa el realismo en las imágenes es moderado ya que existe evidencia para sustentar que la adición de realismo más allá de cierto límite tiene poco efecto en sostener la atención del estudiante y mejorar su rendimiento. Se buscó por otro lado crear la ilusión de profundidad de campo o perspectiva y crear el balance de imagen, es decir, atender proporcionadamente la relación entre los objetos que aparecen en la pantalla y sus bordes. Finalmente se tuvo en cuenta la Teoría del color para contrastar los textos y las imágenes que se querían resaltar. Sonidos: Se emplearon tres tipos: de tipo icónico como el producido por los botones, la palabra en las narraciones (como en la introducción del MEC) y la música extradiagética o música de fondo cuyo objetivo es producir un sentimiento en el alumno (entusiasmo, tristeza, susto, etc.) Texto: texto a doble espacio y con una densidad de máximo 80 caracteres por línea, permite una lectura rápida y precisa. El texto está escrito con letras mayúsculas y minúsculas y no en mayúsculas sostenidas ya que proporciona mayor legibilidad y velocidad de lectura. El tamaño de la letra debe estar entre 0.3 y 0.5 mm para un lector que se encuentra de 40 a 60 cm de la pantalla El alumno controla la aparición del texto a su propio ritmo.
13 3.1 Módulo Experto Sistema Experto Hechos Motor de Base de Inferenciaexplicación El Módulo Experto emplea una técnica de IA llamada Sistemas Expertos que en nuestro caso simula a un profesor en la solución de algoritmos aritméticos y en la orientación del alumno en dichos procedimientos. Al SE ingresan los datos o hechos referentes a las acciones que realiza el Alumno y se almacenan en la base de hechos, luego esta información es enviada al motor de inferencia el cual controla el proceso de razonamiento del SE Utilizando los datos que se le suministran, recorre la base de conocimientos para alcanzar una solución y almacenando las conclusiones intermedias en la base de hechos. Cuando el proceso termina, se retorna una explicación al alumno y se genera al mismo tiempo un reporte de la cadena de razonamiento llevada a cabo para orientar al alumno. Base de Conocimiento Alumno Genera un reporte
14 Base de Conocimientos Diseño del Conocimiento Árboles Y/OIniciar Diseño del Conocimiento Árboles Y/O Reglas de Producción Objetivo: Realizar Sustracción Paso 1 ¿Número de columnas? Hay Múltiples columnas 1 columna: Escribir dígito SI la cifra de arriba es menor que la de abajo ENTONCES Debes pedir prestado Regla de Producción Paso 1. procesar la columna actual: ¿#superior < #inferior? Paso 2. procesar lo demás: ¿Número de columnas por procesar? Una de las fases más importantes en el desarrollo de un SE es el Diseño del Conocimiento. En éste se busca modelar el conocimiento sobre el dominio del problema, es decir, en la solución de los algoritmos aritméticos. Inicialmente nos apoyamos en el método de representación en Arboles Y/O con el fin de identicar los objetivos y subobjetivos en la solución de una tarea específica. Como se observa en el gráfico de la derecha, se tiene una porción del árbol Y/O para la solución de una sustracción entre dos números de dos o más cifras. Luego, llevamos esta representación en árboles Y/O a una representación de reglas de producción, es decir de la forma SI condición ENTONCES acción. si no Pedir prestado Escribir dígito Múltiples columnas 1 columna: Escribir dígito Paso 1 Paso 2
15 Motor de Inferencia Lógica deductivaReglas de Inferencia: Modus Ponens, Modus Tollens, Ley del Silogismo. Si la cifra de arriba es menor que la de abajo ENT debes pedir prestado la cifra de arriba es menor que la de abajo debes pedir prestado Expresión Formal: A = la cifra de arriba es menor que la de abajo B = debes pedir prestado El SE emplea la inferencia como mecanismo de razonamiento sobre la base de conocimiento. La estrategia de Control empleada es el encadenamiento hacia delante puesto que se requería realizar un proceso de Supervisión y Control sobre las acciones del estudiante. El modus Ponens y la ley del silogismo son las reglas de inferencia más utilizadas en el encadenamiento hacia delante. A B A B
16 3.2 Módulo de Diagnóstico Fases del Diagnóstico: InferenciasInterpretación Clasificación Niveles de Diagnóstico Individual Epistémico Comportamiento El diagnóstico en STI cumple una función importante: inferir y recolectar información referente al alumno y sus acciones. Fases del Diagnóstico: En un proceso diagníostico se deben seguir las siguientes fases: - INFERENCIAS: diagnóstico que reconstruye los procesos internos y estados sobre las bases del comportamiento observable. - INTERPRETACIÓN: la visión interpretativa ilumina la necesidad pedagógica para entender al estudiante antes de ayudarlo. - CLASIFICACION: El propósito de clasificar o evaluar observaciones e inferencias de acuerdo a las expectativas. Niveles de Diagnóstico Comportamiento: solo se preocupa del comportamiento observable del estudiante sin tener en cuenta el estado del conocimiento. Se registran acciones como teclear una respuesta o acceder a un hipervínculo. Epistémico: trata con el estado del conocimiento del estudiante incluyendo aspectos de su modelo del dominio (modelo general) y su estrategia de conocimiento (procedimiento de inferencia). Individual: Este nivel recopila información acerca de las características personales del individuo como las preferencias, aptitudes y destrezas. Estos niveles de diagnóstico buscan generar un modelo del estudiante que represente sus estructuras mentales observables e inobservables, como también su perfil cognitivo.
17 Modelo del Estudiante Arquitectura del Modelo del Estudiante por Perturbación Conocimiento del experto Conocimiento del estudiante Para modelar el estudiante se siguió una arquitectura de perturbación la cual se observa en la gráfica. Este modelo representa el conocimiento poseído por el estudiante y que no se encuentra en el dominio del conocimiento del experto. El modelo de perturbación extiende el conocimiento del experto con la adición de una librería de errores (bug library) que modela aquellas estructuras cognitivas del estudiante mal construídas o inconsistentes. Malentendidos (Misconceptions) del estudiante.
18 3.2.1 Nivel de diagnóstico EpistémicoModelo de Seguimiento o Rastreo (Tracing Model) Modelo de Reconstrucción Modelo del Estudiante Modelo Determinístico Sistema Experto Tratamiento incertidumbre Modelo Probabilístico
19 Modelo de Seguimiento (Tracing Model)Operador empleado por el alumno Sistema Experto Base de Conocimiento Modelo del estudiante En este modelo, inicialmente se captura el operador aritmético de control empleado por el alumno en un estado determinado en la solución de un problema. Este operador representa el comportamiento observable del alumno. Luego el SE busca una regla aplicable en la base de conocimiento que empareje el operador empleado por el alumno y si la encuentra la envía al modelo del estudiante como parte de una estructura cognitiva bien formada. Por otro ado, si no encuentra alguna correpondencia entre el operador y las reglas de la base de conocimiento, entonces el SE procede a buscar una correspondencia en la librería de errores y al encontrar el error lo envía como una estructura cognitiva mal formada (regla mala). Librería de Errores
20 Modelo de Seguimiento (Tracing Model)Operadores Aritméticos de control Librería de Errores Basada en la Teoría de la Reparación (Repair Theory) siempre-Pedir prestado-izquierda 6 Problema: 23 – 17 = ? La teoría de la reparación es un intento por explicar cómo las personas aprenden habilidades procedimentales con una atención particular en cómo y por qué se producen las equivocaciones. La teoría sugiere que cuando un procedimiento no puede ser desempeñado por culpa de algún inconveniente, el individuo aplica varias estrategias para superar el impasse. Estas estrategias (meta-acciones) son llamadas reparaciones (repairs). Algunas reparaciones resultan correctas, teniendo en cuenta que la mayoría generan resultados incorrectos y de ahí aparecen los errores procedimentales. Según esta teoría los errores ocurren a causa de prejuicios que son introducidos en los ejemplos proporcionados por la retroalimentación recibida durante la práctica (opuesto a las equivocaciones en la memorización de fórmulas o instrucciones). Por ejemplo, uno de los errores identificados en los alumnos durante el aprendizaje de la sustracción es: Suponiendo un problema de 2 cifras: 23-17, el alumno escribe correctamente la respuesta gracias a que posee la regla cognitiva Siempre-Pedir ... Luego, cuando se enfrenta a un problema de 3 cifras tal como: , el alumno intenta aplicar la regla que ya poseía, lo cual genera un impasse ya que el alumno ha asociado el pedir prestado con la última cifra de la izquierda y no con la cifra adyacente a la izquierda. Entonces intenta reparar el impasse a través de la regla PP-No decre... Generando así el error. Después que se ha identificado el error, el módulo experto explicará cuál debe ser la regla cognitiva aplicable con el fin de superar el error, en este caso Siempre pedir pre..izq adyacente. impasse Problema: 365 – 109 = ? Pedir prestado-No decrementar- Excepto el último. 166 Siempre-Pedir prestado- izquierda adyacente 256
21 Modelo de Seguimiento (Tracing Model)Librería de Errores Generativa empleando Árboles de Aprendizaje A B C D E A: Animales vertebrados B: Reptiles C: Mamíferos D: mamíferos acuáticos E: mamíferos terrestres Se desea Clasificar al “Murciélago” F G F: Mamíferos que vuelan G: Murciélago Las librerías de errores pueden ser enumerativas, formando catálogos de los posibles errores que pueda cometer el alumno. Sin embargo esta librería puede generar ciertas restricciones en el momento que no se encuentre una regla de error aplicable a la acción cometida por el alumno, por tal motivo empleamos una librería de errores generativa con el fin de proporcionarle un enfoque dinámico a la generación de la librería. Este tipo de librería incluye mecanismos psicológicos que explican los errores en términos de su proceso de generación, busca prevenir la ocurrencia de errores y diagnóstica patrones generativos usando más esquemas estáticos de reconocimiento.
22 Modelo de ReconstrucciónNormas Triangulares Configuración: Configuración Ideal: Suponiendo una Tarea T, se tienen las siguientes configuraciones: En el modelo de reconstrucción se aplicó el método de las reglas triangulares para tratar con la incertidumbre. La fuente principal de incertidumbre consiste en identificar cuál ha sido la cadena de razonamiento que ha llevado a una determinada respuesta por parte del alumno. Configuración: conjunto de reglas aplicables a una tarea específica. Cadena de razonamiento del alumno. Configuración Ideal: conjunto de reglas que indican el procedimiento correcto para resolver una tarea T. r5 r4 r2 r7 r1 Configuración 1 Configuración 2 Configuración 3 r8 r3 r6 r5 r2 r1 r2 r3 r7 r6
23 Modelo de ReconstrucciónSea C = < r1, .... r n> CF (C) = Donde ki = profundidad del nodo r en el árbol de invocación (k1 = 1). m CF (ri) 2ki i=1 r1(0.7) r2 (0.3) r3 (0.6) r4(0.2) r5 (0.8) r6(0.65) C =
24 3.2.2 Nivel de diagnóstico IndividualEstilos Cognitivos para el procesamiento aritmético Holístico Porción violeta: alumno holístico. Analítico Porción verde: alumno analítico. En la actualidad este nivel ha sido motivo de muchas investigaciones, pero pese a su complejidad son pocas las aplicaciones concretas que se han hecho al respecto. Dentro de este nivel se han detectado varias categorías como la arquitectura cognitiva, el aspecto motivacional, intencional, circunstacial, entre otros. Nuestro aporte especifico como el mayor elemento innovador del proyecto es el modelamiento del estudiante en la categoría estereotípica. En esta categoría se miden aspectos de la personalidad y preferencias individuales que son valiosas en la selección de temas y estilos de presentación, con el fin de generar una mayor personalización de la enseñanza. Una rama de la psicología llamada sicología cognitiva ha generado aportes importantes en la determinación de las características individuales mas relevantes que influyen en un proceso de aprendizaje. Esto dio origen a la clasificación de los estilos cognitivos. Un estilo cognitivo es la manera individual en que los humanos procesamos la información, representando el modo típico de percibir, pensar, recordar, y solucionar problemas. Acomodador Divergente Convergente Asimilador
25 3.2.2 Nivel de diagnóstico IndividualEspecialización Hemisférica del cerebro Hemisferio Derecho Imágenes Intuitivo Simultánea Receptivo Imaginativo Impulsivo Hemisferio Izquierdo Palabras Analítico Secuencial Activo Realista Planificado
26 3.2.2 Nivel de diagnóstico IndividualDIVERGENTE: (Imaginativo - Visual) Absorben la realidad. Creación de ideas Perciben la información a través de una experiencia y la expresan reflexivamente. Creen en sus propias experiencias. ASIMILADOR: (Analizador – Auditivo). Puede crear modelos teóricos. Prefieren conceptos abstractos . Perciben la información abstracta y la procesan reflexivamente. Se destacan en el razonamiento inductivo
27 3.2.2 Nivel de diagnóstico IndividualCONVERGENTE: (Alumno de sentido común. Práctico - Visual): Aplicación práctica de las tareas. Buscan la utilidad. Perciben la información abstracta la procesan activamente. Prefieren tratar más con las cosas utilizan un razonamiento hipotético deductivo. ADAPTADOR O ACOMODADOR: (Alumno kinestésico): Aplicación de experiencias adaptar el aprendizaje a situaciones de su propia vida Aprenden por ensayo y error, autodescubrimiento; Perciben la información concretamente y la procesan activamente.
28 3.2.2 Nivel de diagnóstico IndividualANALÍTICO Tratan información sobrante. Empleo de heurísticas Estilo de barrido Mejor MCP estratégicamente más flexibles sensitivos a las relaciones p/ t No requieren orientación Independencia de campo HOLÍSTICO No tratan información sobrante. Empleo de algoritmos bien definidos Emplean un estilo de centrado. MCP bastante volátil. Emplean enfoques globales. rígidos en sus procedimientos. relativamente sensitivos a p/t Requieren constante orientación Cada uno de estos estilos cognitivos posee un tratamiento específico, sin embargo el hecho de identificar que estilo cognitivo posee un individuo de acuerdo a su comportamiento observable no resulta una tarea sencilla, puesto que muchas de las variables que se deben analizar presentan cierto nivel de ambigüedad, por ejemplo: el alumno asimilador posee un nivel alto de conceptualización, pero a cuánto equivale el valor “alto”?. Inicialmete se intentó tratar el problema por medio de un sistema experto, pero debido a la ambigüedad de las variables se opto por intentar tratar el problema por medio de un SLD. Este sistema sin embargo requería una base de conocimientos equivalente a más de reglas para poder funcionar correctamente. Por tal motivo se recurrió a la literatura acerca de técnicas de IA sobre aprendizaje de máquina con el fin de construir una herramienta que pudiera “aprender“ a identificar los estilos cognitivos de acuerdo al comporrtamiento observable del alumno sin tener que crear una base de conocimiento de antemano. De aquí nació la idea de emplear un Sistema Clasificador para la identificación adaptativa del estilo cognitivo de cada alumno.
29 Algoritmo de DistribuciónSistema Clasificador Algoritmo Genético Información Mensaje Ambiental Algoritmo de Distribución Sistema de Reglas y Mensajes Acción Los sistemas clasificadores (SC) fueron propuestos por Holland como un modelo de aprendizaje maquinal por refuerzo basado en Algoritmos Genéticos. Los SC son un intento por simular el proceso cognitivo de los seres vivos superiores, donde se realizan representaciones del mundo exterior (modelos mentales). El SC posee una arquitectura básica como la siguiente: Posee unos detectores que sensan la información del ambiente. Los detectores son como los ojos y oidos del SC. Posee además unos detectores encargados de ejecutar una acción de acuerdo a la entrada sensada. Por ejemplo dar una paso adelante. Internamente el SC posee un sistema de reglas y mensajes que representan el conocimiento adquirido por el SC durante su interacción con el ambiente. Antes de enviar una respuesta al efector, cada regla en el sistema de reglas compite por ser activada por el mensaje ambiental, y por medio del Algoritmo de distribución se determina cuál es la regla que activará el detector. Luego de determinar la regla ganadora, ésta envía un mensaje al efector para que a su vez éste envíe un mensaje o acción al ambiente. Este sistema resultaría poco eficiente sino existiera un mecanismo adaptativo que se ajustara a las necesidades del ambiente por medio de la inclusión de nuevas reglas al SC y la eliminación de aquellas que son obsoletas, esta es la función que cumple el algoritmo genético. Los objetivos principales que atenderá el SC son: Determinar los rangos estimativos para la identificación de cada estilo cognitivo. Permitir que el SC aprenda por medio de un método inductivo a clasificar las característcicas cognitivas de cada estilo. A continuación explicaremos algunos detalles funcionales de cada uno de los componentes del SC. Para poder ver claramente cómo el SC aprende por medio de la inducción, hemos realizado una aplicación bajo el enfoque animat empleando SC. La idea principal de esta aplicación es simular el aprendizaje de un ratón en un ambiente desconocido para él, donde tendrá que aprender a evadior obstáculos y encontrar comida. Recompensa Señal de Realimentación
30 Sistema de reglas y Mensajes1 Efectores 1 Detectores # 1 . El ratón recibe por medio de los detectores un mensaje ambiental que está codificado en binario, realiza un procreso interno y envia un mensaje al ambiente también en forma binaria. Internamente el ratón posee una base de conocimiento representada por reglas o también llamadas clasificadores. Los clasificadores son patrones de reconocimiento o modelos mentales del ambiente. Un clasificador está compuesto por dos partes: Una condición (en amarillo) que posee un alfabeto ternario (0,1,#) Una Acción (en rosado) que posee un alfabeto binario.
31 Sistema de reglas y MensajesCondición Acción 1 # # # 1 # 1 1 1 1 Si hay un objeto adelante Comer 1 1 # 1 1 1 1 1 1 Si hay un objeto blanco Llamado queso adelante Comer
32 Sistema de reglas y Mensajes Codificación de los detectoresQ : 001 B : 010 A : 011 C : 100 L : 000 M : 101 MM : 110 MV : 111 M MM A Q El campo de percepción del ratón se limita unicamente a las 8 casillas que se encuentran alrededor de él. Como cada elemento tiene una codificación binaria de 3 bits, entonces los detectores tienen una longitud de 24 bits en total. 1 ....
33 Sistema de reglas y MensajesEfectores Noroeste 000 Norte 001 Noreste 010 Oeste 111 Este 011 Suroeste 110 Sur 101 Sureste 100
34 Sistema de reglas y MensajesMensaje ambiental: Posición NE hay comida 1 C1 1 # C2 # 1 Suponiendo que al SC ingresa un mensaje ambiental indicando que en la posición NE existe comida. El funcionamiento interno es similar al proceso de inferencia realizado por un SE donde el mensaje ambiental empareja con la parte condición de un clasificador activandolo y enviando la parte acción en busca de emparejar con la parte condición de otro clasificador. Población de clasificadores C3 1 # C4 # 1
35 Algoritmo de Distribución de CréditosBucket Brigade Etapa 1: 325 526 245 87 Ganancias Casa Compensación Envian apuestas activa # 1 Mensaje # 1 1 El Sistema de reglas y mensajes funciona bien hasta el momento en que para un mismo mensaje se activan varios clasificadores. Pare decidir cuál de los clasificadores enviará su mensaje, se emplea el algoritmo de distribución de créditos. Al algoritmo de Bucket Brigade simula una cadena de económica donde se compite por el derecho de participar en una subasta, y el ganador es quien envía su mensaje ya sea para volver a realizar el proceso o para enviar el mensaje hacia el ambiente. Realiza Pago
36 Algoritmo de Distribución de CréditosBucket Brigade Etapa 2: los impuestos.... Impuesto de Apuesta: para aquellos clasificadores que apuestan pero no ganan. Impuesto de Vida: Para toda la población de clasificadores con el objetivo de eliminar clasificadores mediocres.
37 Algoritmo Genético Son Algoritmos de búsqueda estocástica que simulan los procesos de evolución biológica en busca de los mejores individuos Operadores genéticos: Selección Cruce Mutación Este mecanismo es el encargado de inyectar nuevos clasificadores al SC como también de eliminar aquellas que han tenido un desempeño pobre. Selección: representa la selección natural en los organismos donde el ser más fuerte o más “apto” sobrevive y domina al más débil. Cruce: Recombinación del material genético entre dos cromosomas, lo cual produce dos nuevos cromosomas con características de los cromosomas padres. Mutación: Alteración en el material genético. Intercambio de un bit en cualquier posición de memoria.
38 Aplicación del SC en el MECSistema Clasificador Detectores Efectores Recompensa
39 Sistema de refuerzo del SC(R(t) = 200 m(FD (t)) + K ) 100 100 Puntaje actual Medida de desempeño Medida de desempeño Puntaje anterior Número de Evaluaciones Número de Evaluaciones
40 Desempeño del SC
41 Características cognitivas3.3 Módulo Didáctico Sistema Experto Realiza la evaluación Resultados de la evaluación Modulo Didáctico Descripción funcional del módulo didáctico Sistema Clasificador Características cognitivas Estilo Cognitivo
42 3.3 Módulo Didáctico Sus decisiones se basan en:Estilo Cognitivo del usuario Evaluación del alumno Curriculo Retroalimentaciones Personalizadas Convergente: 1, 2 Divergente: 1, 2 Asimilador: 1, 2 Adaptador: 1 Analítico: 1 Holístico: 1, 2
43 4. Prueba Piloto RG1 O1 X O2 RG2 O3 O4 Aspectos a medir:Desempeño académico Prueba de Actitudes frente al MEC El carácter de “piloto” en una prueba hace referencia a que funciona como modelo o con carácter experimental
44 Resultados Prueba de POST-TEST del grupo Piloto
45 Resultados Prueba de POST-TEST del grupo de Control
46 Aspecto Motivacional según Prueba de ActitudesAspectos evaluados Motivación: 95 % a favor Contenidos: 93 % a favor Ejercitación: 90 % a favor Evaluación: 80% a favor Aprendizaje: 87 % a favor Ritmo: 100 % a favor Interfaz: 100 % a favor
47 5. Conclusiones y Trabajo FuturoEl desarrollo de software educativo debe apuntar a la búsqueda de sistemas más complejos y robustos, capaces de entender el estado cognitivo de cada alumno, tomar decisiones y personalizar el material didáctico. El desarrollo del software educativo no debe fundamentarse en un sola teoría del aprendizaje, puesto que cada una hace aportes significativos en el entendimiento del proceso enseñanza-aprendizaje Los micromundos explorativos promueven el aprendizaje significativo a través de ambientes lúdicos donde el alumno construye sus propias estructuras cognitivas, convirtiéndose en un agente activo en el aprendizaje y no sólo un recipiente de conocimientos. Johanna: micromundos
48 5. Conclusiones y Trabajo FuturoLos sistemas expertos son de gran ayuda en el campo de la educación, ofreciendo al estudiante retroalimentación inmediata por medio de la modelación de las estructuras mentales subyacentes. Las técnicas de simulación genética permiten gran adaptabilidad a un ambiente arbitrario. Por su parte un SC, permite además, aprender inductivamente por medio de un mecanismo de refuerzo, evitando crear bases de conocimiento exhaustivas. Johanna: SC
49 5. Conclusiones y Trabajo FuturoEl modelo de seguimiento en el nivel diagnóstico puede llegar a ser una herramienta altamente desmotivadora aunque genere un modelo menos influenciado por la incertidumbre. Por otro lado, el modelo de reconstrucción aunque no afecte el aspecto motivacional, se ve afectado por un nivel alto de incertidumbre. Johanna: prueba piloto El MEC cumple una función importante en el proceso de enseñanza-aprendizaje ya que el 70% de los alumnos que lo emplearon, superan satisfactoriamente más del 70% de los objetivos instruccionales para los cuales fue diseñado el software educativo
50 5. Conclusiones y Trabajo FuturoSistema Clasificador Difuso Sistema de Lenguaje Natural MEC distribuido Empleo de VRML Programación Neuro Lingüística PNL EOA y las ondas Teta Emplear la herramienta J Builder · El mundo real está lleno de valores discontinuos, es multivariable y posee señales de ruido, por lo tanto es difícil pretender modelar el perfil cognitivo de un estudiante con métodos rígidos y determinísticos. Se propone emplear un Sistema Clasificador Difuso para la determinación del estilo cognitivo del estudiante ya que este tipo de sistemas emplea la lógica difusa para manipular valores que poseen cierto nivel de incertidumbre y ambigüedad (p,ej: nivel de abstracción del alumno, nivel de interés, etc). · En este proyecto se realizó un primer prototipo del diseño de un subsistema de Lenguaje Natural. Se espera que futuros trabajos se refine este modelo y se llegue a implementar este tipo de sistemas para lograr así establecer un nivel superior de comunicación del MEC con el usuario y ofrecer de esta manera una mayor orientación remedial al alumno durante su proceso de aprendizaje. El empleo del subsistema de Lenguaje Natural es útil además porque ayuda a detectar correctamente aquello que el alumno no entiende o no sabe, y lo que sí entiende; con el fin de establecer un modelo del estudiante más acorde con la realidad. · Es necesario promover la colaboración y el trabajo grupal, ya que éste establece mejores relaciones con los demás alumnos, les agrada la clase, se sienten más motivados, aumenta su autoestima y aprenden habilidades sociales más efectivas al trabajar en grupos cooperativos[1]. Para aprovechar al máximo las ventajas del aprendizaje colaborativo se puede pensar en realizar un material educativo computarizado que trabaje en ambientes distribuidos, es decir, que los equipos de cómputo se encuentren en red y donde la interacción de cada alumno sea bajo el mismo entorno de aprendizaje. · Se espera que en proyectos posteriores se realicen ambientes hipermedia mucho más refinados que permitan altamente la interacción alumno-MEC. Se propone realizar ambientes virtuales en 3D empleando el lenguaje VRML (Virtual Reality Modeling Language) el cual consume pocos recursos computacionales. · Con el objetivo de personalizar correctamente el material didáctico se puede recurrir a la literatura sobre PNL (Programación NeuroLingüística). PNL es un modelo coherente, formal y dinámico de cómo funciona la mente humana, cómo procesa la información y la experiencia, y las diversas implicaciones que esto tiene para el éxito personal. Los planteamientos de la PNL no sólo han resultado novedosos sino que han echado por tierra las metodologías habituales utilizadas en los ambientes escolares y en el aprendizaje. En el campo de la educación sus aplicaciones van desde la solución a diversos problemas de aprendizaje, mejoramiento de la creatividad, estrategias para aprender efectivamente, aprendizaje de las matemáticas, aprendizaje de la física y la química, solución de conflictos en el aula, hasta el mejoramiento de la efectividad del docente; entre otros. · Según Jean Stine[2], el Estado Óptimo de Aprendizaje (EOA) es un momento de agudeza mental propio para llegar al punto máximo de entendimiento. El EOA está directamente relacionado con las ondas electromagnéticas teta que emite el cerebro. Las ondas teta están en el orden de los cuatro a los siete ciclos por segundo (CPS) y están muy cercanas a las ondas alfa (8-12 CPS) las cuales se producen en estados de relajamiento y meditación. Investigaciones realizadas por el científico Mihaly Csikszentmihalyi de la Universidad de Chicago, demostraron que los componentes mentales del estado de relajación profunda y el estado de concentración están estrechamente relacionados y por tal motivo se puede adquirir un EOA en un momento preciso si antes se logra un estado de relajamiento, y luego se desaceleran las ondas mentales sólo un ciclo por segundo hasta llegar al EOA. Proponemos entonces emplear métodos de relajamiento como los proporcionados por el nidrayoga, donde a través de los mantras hindúes (música para meditar que se puede encontrar en formatos *.mp3 ó *.wav), la respiración profunda y las imágenes mentales sobre elementos de la naturaleza (ríos, árboles, jardines celestiales, etc, que pueden ser presentadas en formatos *.jpg, *.gif ó *.bmp) se puede llegar a relajarse antes de comenzar una sesión de estudio, con el objetivo de aprovechar al máximo lo que se enseña, alcanzando por su puesto un EOA. Se recomienda emplear en trabajos futuros una plataforma de desarrollo más robusta como por ejemplo Jbuilder, ya que Visual J++ no soporta multiplataforma y es poco veloz en la conexión con controles ActiveX. [1] WENGER, Op.cit. p, 248. [2] STINE, Jean Marie. Multiplique el poder de su mente. Prentice Hall. México
51 6. Bibliografía RecomendadaWenger Etienne, Artificial Intelligence and Tutoring Systems. Computational and Cognitive Approaches Communication of Knowledge. Galvis Panqueva Alvaro. Ingeniería de Software Educativo Ediciones Uniandes. Giarratano Joseph, Expert Systems, fundamentals and Programming Goldberg David E., Genetic Algorithms in Search, Optimization, and Machine Learning Holland J.H., Induction: Processes of Inference, Learning and Discovery. Brown, J.S. y VanLehn, K. Repair theory: A generative theory of bugs in procedural skills. Cognitive Science. Witkin H.A., & Goodenough D.R., Cognitive Styles: Essence and Origins.
52 Comentarios y Sugerencias ¡¡¡Gracias por su Atención!!!¿Preguntas? Sugerencias... ¿Cómo Contactarnos? - Grupo ACME: - Oscar Romero: - Johanna Ramírez: - Sergio Rojas: - Lilian Bejarano: ¡¡¡Gracias por su Atención!!!
53 Reglas de Inferencia Lógica Deductiva: Razonamiento lógico en el que las conclusiones deben desprenderse de sus premisas verdaderas. Lógica Proposicional: Sólo puede tratar con afirmaciones completas. Es decir, no puede examinar la estructura interna de una afirmación. Emplea conectores lógicos más no cuantificadores. Modus ponens: [p(pq)] q) Modus tollens: [(pq) q] p Ley del Silogismo: [(pq)(qr)] pr
54 Metodología de desarrollo de cada IteraciónAnálisis Contexto del Problema Análisis de necesidades educativas Lineamientos curriculares Análisis de problemas existentes Análisis de posibles causas Solución Computarizada Gestión de Riesgos Modelado del dominio en Casos de Uso Modelado estático en diagramas de clases Diseño Diseño Educativo Análisis de tareas de aprendizaje Micromundo Evaluación Formativa y Diagnóstica Estrategias tutoriales Retroinformación, refuerzo y nivel de logro Motivación: Reto, Fantasía y Curiosidad Diseño Comunicacional Principios sicológicos sobre percepción Zonas de comuniccación Diseño Computacional Diagramas, Asociaciones
55 Módulo de Lenguaje NaturalAnálisis Morfológico Análisis Sintáctico Gramáticas y analizadores Análisis Semántico Procesamiento Léxico Procesamiento a nivel de oración: Semántica aproximadamente composicional Semántica de Montague Razonamiento ampliado con una base de conocimiento Procesamiento de la Pragmátcia y el discurso Uso de la atención en la comprensión Modelo de creencias Planes para la conmprensión Acciones del Habla Representación del conoc. Por Guiones
56 Componente Gestión de UsuariosModelo de datos Modelos lógicos basados en registros: Modelo relacional Lenguaje de Consulta: SQL Normalización Primera Forma Normal 1FN Conexión con la lógica de aplicación: se crea un origen de datos Se crea un puente JDBC:ODBC Se crea un objeto de tipo Connection Se crea un objeto de tipo Statement para poder emplear sentencias SQL
57 Tratamiento de la IncertidumbreError nivel 2 Error nivel 3 r1(0.7) r2 (0.3) r3 (0.6) r4(0.2) r5 (0.8) r4(0.2) r1(0.7) r2 (0.3) r3 (0.6) r4(0.2) r5 (0.8) r6(0.65) Impacto: 0.05 Impacto: 0.025