modelo inteligente generico para adaptatividad de … · las diferentes actividades de enseñanza...
TRANSCRIPT
Demetrio Ovalle Ph.D.
Rosa Maria Vicari, PhD
Ricardo Silveira , PhD
MODELO INTELIGENTE GENERICO PARA
ADAPTATIVIDAD DE CURSOS VIRTUALES
Néstor Darío Duque Méndez, PhD(c)
Educación virtual - Introducción
Néstor Darío Duque Méndez 2
“Aunque han sido muchas las promesas, acerca de la revolución
e-learning y usando el estado del arte en tecnologías
multimedia, un cerrado escrutinio permite revelar que muchos de
los sistemas e-learning que nos rodean, son poco más que el
viejo aprendizaje apoyado por computador basado en texto
pero ahora corriendo en la Red Global”
Dastbaz et Al.(2006),
Educación virtual
Néstor Darío Duque Méndez 3
La nuevas tecnologías permitirán lograr la individualización de
la enseñanza, reflejada en procesos que, reconociendo al
estudiante en particular, permitirán omitir los temas
dominados, facilitar que el alumno vaya a su paso, planeando
más de una secuencia instructiva y utilizando estrategias
multimodales.
Las diferentes actividades de enseñanza aprendizaje
potenciarían los procesos cognitivos, estimularían al aprendiz,
apoyarían la autoestima del estudiante y en ultimas mejorarían la
efectividad del proceso en ambientes virtuales ricos en
contenidos [Eraut 1970],[Stolurow 1970], [Alfaro 1998].
[Eraut 1970],[Stolurow 1970],
En el inicio….
Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales
Sistemas Adaptativos
Néstor Darío Duque Méndez 4
La adaptación abarca los procesos de adaptar las características
de un sistema para alcanzar alguna meta.
ADAPTACION
Adaptabilidad Adaptatividad
Proceso automático
Controlado
por el sistema
Proceso ajuste
Controlado
por el usuario
‘customización’ personalización
Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales
Sistema de Cursos Adaptativos
Néstor Darío Duque Méndez 5Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales
Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 6
SISTEMAS EDUCATIVOS ADAPTATIVOS
MODELO
ALUMNO
MODELODEL
DOMINIO
Estrat
egia
de
adap
taci
ón
Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 7
SISTEMAS EDUCATIVOS ADAPTATIVOS
Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 8
Modelo Estudiante (revisión)
Estado del Arte
Néstor Darío Duque Méndez 9Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 9
EsfuerzosPedagogíaTecnología educativa
Tecnologíasinformáticas
Escenarios pedagógicos
Grafo pedagógico
cursos contenidos
Técnica:•Modelos•Herramientas•plataformas
Pedagógica:•Metodologías•enfoques•Diseño instruccional•didáctica
Apr
endi
z
Tuto
r
Adaptación
sobre los
contenidos
Néstor Darío Duque Méndez 10Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales
Conjugación Tecnologías
(vicari 2005) (vicari 2004) (Merida y Fabregat 2003). (Martins etAl. 2004), (Duque 2004), (ITS 2004) (cibereduca 2006) (Brusilovsky y Maybury 2002), (Brusilovsky, y
Peylo 2003), (Vasilakos 2004), (Fiaidhi 2004), (Bull and Reid 2003)
Vanguardias en IA en Sistemas Educativos Virtuales
Néstor Darío Duque Méndez 11Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 11
Acercamiento (Generación de Curso personalizado)
Néstor Darío Duque Méndez 12Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 12
Duque et al 2007
Acercamiento
Néstor Darío Duque Méndez 13Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 13
Modelo genéricoFramework Esfuerzos
Tecnologías informáticas
PedagogíaTecnología educativa
EstrategiaAdaptación
Estructura cursoMaterialesActividades
Taxonomía ObjetivosModelo estudiante
SMA
Metadatos
Acercamiento
Néstor Darío Duque Méndez 14Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 14
Estrategia de adaptación
Contribuciones
Néstor Darío Duque Méndez 15MModelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 15
•No confinado a un curso•Orientado por objetivos y logros •Separación entre estructura y materiales (metadatos)•Separación entre estrategia y curso•Rico modelo de estudiante (asociado metadatos)•Esquema genérico de estrategia de adaptación
•SMA: Distribución modularidadescalabilidad
Modelo Adaptativo de propósito general
Estrategia de Adaptación
Néstor Darío Duque Méndez 16Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 16
El conjunto A representa la unión de los conjuntos de características adaptables (por decir algo: tamaño, tipo de formato, tipo de interacción, estrategia, etc.). El conjunto Brepresenta la unión de los conjuntos de los determinantes de la adaptación (Por ejemplo: Sexo, edad, estilo de aprendizaje, etc.), y podrían tomarse otras opciones, haciendo tan complejo el ámbito como se considere prudente. Entonces:
k
n
k
n
i
i BAR ∏∏==
×⊆11
l
n
l
k
n
k
n
i
i ZBAR ∏∏∏===
××⊆111
�
Θ
==
= ∏ ∧=∈ αii
n
i
n
iniz xZXxxxtZtr ,
11
,...,2,1 )(/
Que puede ser generalizada así:
Para ambos casos se pueden definir conjunto de restricciones de la forma:
Θ puede ser reemplazado por cualquier operador de comparaciónRestricciones de pertenencia, restricciones de cardinalidad o la composición de estas u otras.
Contribuciones
Néstor Darío Duque Méndez 17Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 17
SMA
Entidades basadas en conocimiento
Capacidad de comunicación e interacción
Adaptación y aprendizaje
Distribuir conocimiento Modular
Contribuciones esperadas
Autonomía de agentes
Habilidad social
Flexibilidad
Escalabilidad
Integración posterior
Motivaciones
Estrategia de Adaptación
Néstor Darío Duque Méndez 18Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 18
Qué Adapta Cómo
CuandoQué Determina la
adaptación
Características
Relevantes
Plan de
Curso,
Selección
Actividades/
materiales
Educativos
Reglas de
adaptación
soportadas
por diversas
técnicas
Al inicio de un
curso (plan
inicial)
En el
transcurso, para
orientar el
proceso
(replanificación
)
Perfil Académico
psicopedagógico
Psicológico.
Características
permanentes y no
permanentes.
Contextuales
Preferencias (Nivel
de dificultad
deseado, nivel de
interacción
preferido).
Parte de Objetivos
Educativos (abierto),
Separación
Estructura /
Recursos,
Estilo Aprendizaje
(abierto),
Varios planes
Neutral a enfoques
pedagógicos y
taxonomías
Modelos SMA
Néstor Darío Duque Méndez 19Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 19
Modelos SMA
Néstor Darío Duque Méndez 20Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 20
Modelo de la organización
Modelos SMA
Néstor Darío Duque Méndez 21Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 21
Diagrama de inferencia
Modelos SMA
Néstor Darío Duque Méndez 22Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 22
Plantilla textual para la conversación
AI Planning
Néstor Darío Duque Méndez 23Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 23
Operadores de SHOP2 son de la forma (h(v ) Pre Del Add)
Metodos M= (h(v ) Pre1 T1 Pre2 T2 . . . Pren Tn).
O = (UE.id (UE.prereq) (ф) (h(UE.id)) (UE.size))
Para cada OE compuesto M=(OE.id (f(OE.id)) (g(OE.id)))
M=(OE.id ((UE1.LS UE1.id)(UE2.LS UE2.id)…(UEn.LS UEn.id))
Planificador SHOP2
Problema (S, T, D)
Software
Néstor Darío Duque Méndez 24Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 24
Referencias
Néstor Darío Duque Méndez 25Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales Néstor Darío Duque Méndez 25
1. http://www.iit.demokritos.gr/um2007/, 2. Brusilovsky, P y Maybury. From Adaptive Hypermedia to the Adaptive Web. ACM. 2002.3. Dastbaz, M. Mustafa, A. Stoneham, R. Issues in Design and Development of Personalised E-Learning Systems. ED-MEDIA 2006. World Conference on Educational Multimedia, Hypermedia & Telecomunications. Orlando. USA. 2006.4. Zaitseva, Larissa y Boule, Cathrine. Student Models in Computer-Based Education. ICALT035. Limoanco, T. Sison, R. Learner Agents as Student Modeling: Design and Analysis. ICAL03.6. Sosnovsky, S y Brusilovsky, P Layered Evaluation of Topic-Based Adaptation to Student Knowledge. 20057. Mehtay, Niedereey, Stewarty, Degemmis, Lops y Semeraro. Ontologically-enriched Unified User Modeling for Cross-System Personalization.UM05.8. Alonso, C.M; Gallego, D.J.; Honey, P. Los estilos de aprendizaje. Procedimientos de Diagnostico y Mejora. 4a Edición. Ediciones Mensajero, Bilbao. 1999.9. Fleming, Neil. VARK. A Guide to Learning Styles. 2001. Disponible en http://www.vark-learn.com/10. Duque Méndez, Néstor Darío. Modelo de cursos virtuales adaptativos en un ambiente de planificación inteligente. Tesis de Maestría. Universidad Nacional de Colombia Sede Medellín. Colombia 2005.11. Mérida, D., Fabregat, R. SHAAD: sistema hipermedia adaptable, adaptativo y dinámico para la entrega de contenidos hipermedia. Institut d’Informàtica i Aplicacions (IIiA) Universitat de Girona (UdG)12. Self, John. Formal Approaches to Student Modelling. AAI/AI-ED Technical Report No.92. 199413. Alonso, C., Gallego, D. y Honey, P. Los estilos de aprendizaje. Procedimientos de diagnóstico y mejora. Bilbao: Ediciones Mensajero. 1995.14. Rojas, G. Jiménez , C. Estilos de aprendizaje y estilos de pensamientos en estudiantes universitarios de la ciudad de Temuco.15. Gardié, O. DIDC: Diagnóstico Integral de Dominancia Cerebral. Maracay: GQ sistemas. 1998.16. Gardner, Howard. Multiple intelligences go to school: Educational implications of the theory of multiple intelligences. Educational Researcher, 1989..17. De Gregori, W. El cerebro en la docencia. Asociación internacional de cibernetica social. Colombia. 1997.18. Guardia Robles, B. Asesores inteligentes para apoyar el proceso de enseñanza de lenguajes de programación. Tesis de Maestría. Instituto Tecnológico y de Estudios Superiores de Monterrey. 1997.19. Tsiriga, Victoria y Virvou, Maria. Dynamically Initializing the Student Model in a Web-based Language Tutor. 2002.20. Ido Roll, Ryan S. Baker, Vincent Aleven, Bruce M. McLaren, Kenneth R. Koedinger. Modeling Students’ Metacognitive Errors in Two Intelligent Tutoring Systems. User Modeling UM05. 2005.21. Baker, R. Corbett, A. Wagner, A.Human Classification of Low-Fidelity Replays of Student Actions. ITS 2006.22. Lopes Rodrigues, Lúbia. Carvalho, Marco. Emotional and Motivational ITS Architecture. UM2005.23. Picard, Rosalind W. Building an Affective Learning Companion. MIT Media Laboratory. http://www.media.mit.edu/affect. http://affect.media.mit.edu ITS 2006.24. Sarrafzadeh,A. Hosseini, H, Fan, Ch y Overmyer, S.Facial Expression Analysis for Estimating Learner’s Emotional State in Intelligent Tutoring Systems25. De Silva, R., Madurapperuma, A. Marasinghe, A. Osano, M. Integrating Animated Pedagogical Agent as Motivational Supporter into Interactive System. The 3rd Canadian Conference on Computer and Robot Vision (CRV'06)
Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales
Referencias
Néstor Darío Duque Méndez 26
26. Conati, Merten, Muldner y Ternes: Exploring Eye Tracking to Increase Bandwidth in User Modeling. 357-366. UM200527. Mödritscher, F. García-Barrios,V. Gütl,C. Helic, D. The first AdeLE Prototype at a Glance. Institute for Information Systems and Computer Media, Faculty of Computer Science at Graz University of Technology, Austria. ED-MEDIA 2006. World Conference on Educational Multimedia, Hypermedia \& Telecomunications. Orlando. USA. 200628. Vicente, Angel Towards tutoring systems that detect students' motivation: an investigation. Tesis doctoral. University of Edinburgh. 2003. 29. Souto, Palazzo, Viccari, Diehl, Madeira, Verdin, Wainer y Engler. Modelo de ensino adaptativo na Internet baseado em Estilos Cognitivos de Aprendizagem. PPGC – UFRGS. Brasil. 2000.30. Shoham, Yoav. Agent-oriented programming. Artificial Intelligence. 60(1). 1993.31. Fernández Chamizo, C. Gómez Sanz, J. Pavón Mestras, J Desarrollo de Agentes software. Modelos y Arquitecturas de Agentes.. 200332. Bigus, J. P. and J. Bigus. Constructing Intelligent Agents Using Java. John Wiley and Sons, Inc., New York, NY 2001.33. Weber, Gerhard, Specht, Marcus. User Modeling and Adaptive Navigation Support in WWW-based Tutoring Systems Department of Psychology, University of Trier, Germany. UM-97.34. Carro, R. , Pulido, E. y Rodríguez, P. Creación de cursos adaptativos en TANGOW mediante tareas, reglas y elementos multimedia. Escuela Técnica Superior de Informática, Universidad Autónoma de Madrid. 200335. Cobo, P.; Fortuny,J. El sistema tutorial AgentGeom y su contribución a la mejora de las competencias de los alumnos en la resolución de problemas de matemáticas. 2004.36. De Bra, Paul, Calvi, L. AHA: Adapative Hipermedia Architecture. Eindhoven University of Technology (TUE). 1998.37. Fabregat, J.; Marzo, C.; Peña, I. Teaching Support Units. Computers and Education in the 21st Century: Kluwer Academic Publishers.38. Duque Méndez, Néstor Darío. Modelo de cursos virtuales adaptativos en un ambiente de planificación inteligente. Tesis de Maestría. Universidad Nacional de Colombia Sede Medellín. Colombia 2005.39. Cho, Michael, Rovick, Evens. A Curriculum Planning Model for an Intelligent Tutoring System. Graduate College of the Illinois Institute of Technology. 1998.40. Carmona C, Bueno D, Guzmán E, Conejo R. SIGUE: Making Web Courses Adaptive Second International Conference, AH 2002.41. Castells P., Macías J. A. Diseño interactivo de cursos adaptativos. 200042. Brusilovsky, Peter. Vassileva, Julita. {\it Course sequencing techniques for large-scale web-based education}. Engineering Education and Lifelong Learning, Vol. 13 Nos. 1 y 2. 200343. Zaitseva, Larissa y Boule, Cathrine. Student Models in Computer-Based Education. ICALT03.44. Yoav. Agent-oriented programming. Artificial Intelligence. 60(1). 1993. 45. Giraffa, L. M. M.; Viccari, R. M. Intelligent tutoring systems built using agents techniques. Revista de Educação, Ciência e Cultura, Canoas: La Salle, p.23–40,1999.46. Silveira, R. A.; Bica, F.; Viccari, R. M. JADE – Java Agents for Distance Education framework. Em: Iberoamerican Workshop on Distributed Artificial Intelligence and Multi-Agent Systems, 2000, Atibaia, São Paulo. Anais.47. Duque M, Néstor D. Reporte de investigación. Doctorado en Ingeniería. Universidad Nacional de Colombia. Medellín. Colombia. 2006.48. Moreno, M. Rosete, A. Simón, A. Valdés,R. Leyva, E. Socorro, R. Pina, J. Fernández, F. Metodologías Orientadas a Agentes: Un Estudio Comparativo. Seguridad en Cómputo e Inteligencia Artificial. Pereira. Colombia. 2005.49. Iglesias, Carlos A. Garijo, Mercedes. González, José C. Metodologías Orientadas a Agentes. http://tornado.dia.fi.upm.es/caepia/numeros/6/iglesias.ps50. Manrique, Y. Salgado, D. Construcción del prototipo de un Ambiente Inteligente Distribuido de Aprendizaje, utilizando MAS. Trabajo de grado. Universidad Nacional de Colombia. Manizales. 2004
Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales
Referencias
Néstor Darío Duque Méndez 27
51. DeLoach Scott A. “Analysis and Design using MaSE and agentTool ”, 2001. http://en.afit.af.mil/ai/publications/Conference/MaSE-maics20001.pdf52. Deloach, S. Mutiagent Engineering: A Methodology And Language For Designing Agent Systems. Agent-Oriented Information Systems (Aois´99), 1999. P.53. Iglesias, Carlos Angel. Definición de una metodología para el desarrollo de sistemas multiagente. Tesis doctoral. Departamento de ingeniería de sistemas telemáticos. Universidad Politécnica de Madrid.54. Wooldridge, M., Jennings, N., & Kinny, D. 2000. The Gaia Methodology for Agent-Oriented Analysis and Design. http://citeseer.ist.psu.edu/cache/papers/cs/26098/http:zSzzSzwww.ecs.soton.ac.ukzSz~nrjzSzdownload-fileszSzjaamas2000.pdf/wooldridge00gaia.pdf55. Zambonelli F., J. N. Y. W. M. Developing Multiagent System: The Gaia Methodology Acm Transactions On Software Engineering And Methodology., 2003, 12(3): 317-370.56. Gómez, J. Sanz, R. F. The Ingenias Methodology. Fourth Iberoamerican Workshop On Multi-Agent Systems Iberagents 2002.57. Duque Méndez, N. Manrique, Y. Sistemas Multiagente en Web para un Ambiente Distribuido de Aprendizaje. Encuentro de Investigación sobre Tecnologías de Información Aplicadas a la Solución de Problemas EITI-2005. Medellín. 58. Java Agent DEvelopment framework. Departamento de Ingeniería de la Información de la Universidad de Parma. http://jade.tilab.com.59. Duque, N. Agudelo, A y otros. Sistema Multiagente para la Evaluación Personalizada en Cursos Virtuales. Encuentro de Investigación sobre Tecnologías de Información Aplicadas a la Solución de Problemas EITI-2006. Medellín60. Castaño, N. SMA Aplicado a la Gestión de Tráfico de Voz en Redes LAN. Tesis para optar al titulo de Magíster en Automatización Industrial. Director Néstor Darío Duque. Manizales. 2006. 61. Grupos GAIA y GITIR. Sistema Multiagente para Gestión de Redes. Convocatoria para la financiación de proyectos de investigación conjuntos entre grupos de trabajo académico de la Universidad de Caldas y Universidad Nacional. Manizales. 2006.62. Duque Méndez, Néstor Darío. Modelo de Cursos Virtuales Adaptativos en un Ambiente de Planificación Inteligente. Tesis de Maestría Ingeniería de Sistemas. Universidad Nacional de Colombia. Medellín 200563. Duque, N. , Ovalle, D. , Jiménez, J. Artificial intelligence for automatic generation of Customized courses. ED-MEDIA 2006--World Conference on Educational Multimedia, Hypermedia & Telecommunications. USA.64. Karagiannidis C., Koumpis A., Stephanidis C. (1996), Deciding ’What’, ’When’, ’Why’, and ’How’ to Adapt in Intelligent Multimedia Presentation Systems. 12th European Conference on Artificial Intelligence.Budapest, Hungary65. Paques H, Liu L, and Pu C(2004), Adaptation Space: A Design Framework for Adaptive Web Services. Georgia Institute of Technology, USA66. Duque M, Néstor D. Reporte de investigación. Doctorado en Ingeniería. Universidad Nacional de Colombia. Medellín. Colombia. 2006.67. Alencar, W. S. Sistemas tutores inteligentes baseados em Redes Neurais. MSC. Dissertation. Federal University of Goiás. Brasil. 200068. Martins, W., Diniz de Carvalho, S. An intelligent tutoring system based on self-organizing maps- design, implementation and evaluation. ITS 2004. Brasil69. Papanikolaou, K.A. Magoulas, G.D. y Grigoriadou, M. Computational Intelligence in Adaptive Educational Hypermedia. 2000 IEEE70. Langley, P., “Machine learning for adaptive user interfaces”, in Proc. of the 21st German Annual Conference on Artificial Intelligence. 1997. Disponible en: http://www.isle.org/~langley/adapt.html.71. Stevens, R. Soller, A. Cooper, M. Sprang, M. Modeling the development of problem solving skills in chemistry with a web-based tutor. Brasil. ITS 2004.72. Tate, Austin. Hendler, J. y Drummond M. AI Planning: Systems and Techniques. AI Magazine. 199073. Vassileva, J. Reactive Instructional Planning to Support Interacting Teaching Strategies. 1995.74. Proyecto ADAPTAPLAN. disponible en http://adenu.ia.uned.es/adaptaplan/75. Duque M, Nestor Dario. Guzmán y Jiménez R, Claudia. AI Planning for automatic generation of customized virtual courses. 16th European Conference on Artificial Intelligence. Valencia. España. 2004
Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales
Referencias
Néstor Darío Duque Méndez 28
76. Chorfi, H y Jemni, M. PERSO: Toward and adaptive e-learning system. 2004.77. Leake, David B. Learning Adaptation Strategies by Introspective Reasoning about Memory Search. 1993.78. de Lacerda, C. Komosinski, L. Pacheco, L. Uma Base Teórica para Construção de Sistemas RBC Educacionais IV Congresso RIBIE, Brasilia 1998.79. Jimenez, Jovani. Un Modelo de Planificación Instruccional usando Razonamiento Basado en Casos en Sistemas MultiAgente para entornos integrados de Sistemas Tutoriales Inteligentes y Ambientes Colaborativos de Aprendizaje Apoyados en Computador. Tesis doctoral. Colombia. 200680. Ovalle C, Demetrio A. Jiménez B, Jovani A.. Planificación Instruccional usando CBR en Ambientes Inteligentes Distribuidos de Aprendizaje. Universidad Nacional de Colombia. 200581. Salcedo Lagos, Pedro. Inteligencia Artificial Distribuida y Razonamiento Basado en Casos en la Arquitectura de un Sistema Basado en el Conocimiento para la Educación a Distancia (SBC-ED). 200082. Vélez Langs, O. Técnicas de computación evolutiva en un agente de interfaz inteligente. Tesis doctoral. España. 200583. Komosinski, L. de Lacerda, C. Borges, P. Aprendizagem Mediada por Algoritmos Genéticos. IV Congresso RIBIE, Brasilia 199884. Rosete, A. Duque N. Modelo para optimizar la personalización de cursos virtuales. Propuesta doctoral. CUJAE. Cuba. 2004.85. http://www.educationaldatamining.org/index.html86. Baker, R. Corbett, A. Wagner, A.Human Classification of Low-Fidelity Replays of Student Actions. ITS 2006.87. Minaei-Bidgoli, Behrouz. Data Mining For A Web-Based Educational System.Doctoral Thesis, Michigan State University. 2004.88. Ivon Arroyo, Tom Murray, Beverly P. Woolf, Carole Beal, Inferring unobservable learning variables from students' help seeking behavior, Computer Science Department, University of Massachusetts Amherst. Intelligent Tutoring Systems. 7th International Conference,ITS2004. Maceió, Brasil.89. Jadud, M. A first look at novice compilation behaviour using bluej. Computer Science Education, 2005.90. Kölling, M., Quig, B., Patterson, A. and Rosenberg, J. The bluej system and its pedagogy. Journal of Computer Science Education, Special Issue on Learning and Teaching Object Technology. 2003.91. Ng Cheong Vee, Meyer, Mannock.Understanding novice errors and error paths in Object-oriented programming through log analysis. ITS 200692. Kay, J. Maisonneuve, N. Yacef, K. Zaïane,O. Mining patterns of events in students’ teamwork data. ITS 2006.93. Sanabria G, J. Minería Web utilizando Lógica Difusa: Importancia, Estado del Arte. Universidad Nacional de Colombia. Bogotá. 2006.94. Sanabria G, J. Aplicación de Diferentes Técnicas de Minería de Datos en el Sistema de Información Académica de la Universidad de los Llanos. 2006.95. Sankar K Pal, Varun Talwar, Pabitra Mintra. Web Mining in softcomputing framework: relavance, state of the art and future directions. IEEE transactions on neuronal networks, vol 13, no 5. 2002.96. Suraj, Z. Delimita, P. On certain algorithm for feature selection: A Hybrid Approach. Universidad de Rzeszow, Polini. ISFUROS. Cuba. 2006.97. Stathacopoulou, R. Magoulas, G. D. Grigoriadou, M. Neural Network-based Fuzzy Modeling of the Student in Intelligent Tutoring Systems. University of Athens. 1999.98. Sergieva; A. y Khan, T. Student representation assisting cognitive analysis. Brasil. ITS 2004. 99. García, C. Martínez , L. Montes B. y Sánchez, P. An Automatic Educational Quality Evaluation Fuzzy System. IADAT-e2004.100. Pardos, Heffernan, N. Anderson, B. y Heffernan, C.Using Fine-Grained Skill Models to Fit Student Performance with Bayesian Networks. ITS 2006.101. Murray, R.C., VanLehn, K. & Mostow, J. Looking ahead to select tutorial actions: A decision-theoretic approach. International Journal of Artificial Intelligence in Education, 2004.102. Chang, K., Beck, J. E., Mostow, J., & Corbett, A. 2006. Does Help Help? A Bayes Net Approach to Modeling Tutor Interventions. AAAI2006 Workshop on Educational Data Mining, Boston, MA. 2006103. Conati, c. Gertner, A. y vanlehn. K. Using Bayesian Networks to Manage Uncertainty in Student Modeling. University of Pittsburgh. 2002Technology and Distance Learning USA 2005.
Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales
Referencias
Néstor Darío Duque Méndez 29
104. Conejo, Ricardo. Millán, Eva. Pérez de la Cruz, José Luis. Trella, Mónica. Modelado del alumno: un enfoque bayesiano. 2001105. Brusilovsky, P y Maybury. From Adaptive Hypermedia to the Adaptive Web. ACM. 2002.106. Alonso, C.M; Gallego, D.J.; Honey, P. Los estilos de aprendizaje. Procedimientos de Diagnostico y Mejora. 4a Edición. Ediciones Mensajero, Bilbao. 1999.107. Benyon, D. R. and Murray, D. M. Applying user modelling to human computer interaction design AI Review (6) pp 43 - 69, 1993. Disponible en: http://www.dcs.napier.ac.uk/ dbenyon/AIReview.pdf108. Dastbaz, M. Mustafa, A. Stoneham, R. Issues in Design and Development of Personalised E-Learning Systems. ED-MEDIA 2006. World Conference on Educational Multimedia, Hypermedia & Telecomunications. Orlando. USA. 2006.109. Merida, D. Fabregat, R. SHAAD: Sistema Hipermedia Adaptable, Adaptativo y Dinámico para entrega de Contenidos Hipermedia. Universidad de Girona. 2003.110. Felder, R.M. Matters of Style. ASEE Prism, 6(4), 18-23. Diciembre 1996.111. Fleming, Neil. VARK. A Guide to Learning Styles. 2001. Disponible en http://www.vark-learn.com/112. Gentry, J.A. y Helgesen, M.G. Using Learning Style Information to Improve the Core Financial Management Course. Financial Practice and Education, Spring-Summer 1999.113. IEEE Learning Technology Standards Committee. Learning Object Metadata Standard Maintenance/Revision. 2002.114. The Dublin Core Metadata Initiative DCMI. DCMI Recommendations. Disponible en: http://dublincore.org/index.shtml115. Vercoustre, Anne-Marie, McLean Alistair. Reusing Educational Material for Teaching and Learning : Current Approaches and Directions. AIED03. 2003116. IMS Global Learning Consortium. Specifications section. Disponible en: http://www.imsproject.org.117. Martin, R.H. and Odell. Object oriented methodology: pragmatic considerations. Prentice Hall, Upper Saddle River. 1996.118. Moreno, Francisco. Metadatos para componentes educativos reutilizables Tesis Maestría Universidad Nacional de Colombia Medellín. 2003.119. Balian, D., Zaccagnini, J. Contenidos en Internet: un problema sin resolver. El método ESENTIA. 2002.Disponible en: www.edudistan.com/ponencias/balian_Zaccagnini.html120. Ramadhan, Fiaidhi y Ali. The Application of Web-Mining to Theme-Based Recommender Systems.121. Bassiliades, N. Kokkoras, F. Vlahavas, I. Sampson, D. An Intelligent Educational Metadata Repository. Grecia. 2004.122. Brooks, C. Bateman, S. McCalla, G. Greer, J. Applying the agent metaphor to learning content management systems and learning object repositories. Advanced Research in Intelligent Educational Systems (ARIES)123. Silveira, R., Rodrigues, E., Pinto, V., Vicari, R. Intelligent Learning Objects: An agents based approach of Learning Object.Intelligent Tutoring Systems. 7th International Conference,ITS2004. Maceió, Brasil.124. Codewitz Learning Objects http://www.codewitz.net/125. Mohan, P. Creer, J. McGalla, G. Instructional planning with learning objects. Mexico. 2003126. Cowan C, Delcambre L, Le Meur A, Liu L, Maier D,McNamee D, Miller M, Pu C, Wagle P, and Walpole J. Adaptation Space: Surviving Non-Maskable Failures Department of Computer Science and Engineering Oregon Graduate Institute of Science and Technology. 1998127. Karagiannidis C., Koumpis A., Stephanidis C. Deciding ’What’, ’When’, ’Why’, and ’How’ to Adapt in Intelligent Multimedia Presentation Systems. 12th European Conference on Artificial Intelligence.Budapest, Hungary. 1996128. Paques H, Liu L, and Pu C, Adaptation Space: A Design Framework for Adaptive Web Services. Georgia Institute of Technology, USA. 2004129. Proyecto Colombia aprende. http://www.colombiaaprende.edu.co/html/directivos/1598/article-75518.html130. Los acuerdos pedagógicos. http://www.ut.edu.co/idead/seminario/acuerdo.htm131. Alonso, C.M; Gallego, D.J.; Honey, P. Los estilos de aprendizaje. Procedimientos de Diagnostico y Mejora. 4a Edición. Ediciones Mensajero, Bilbao. 1999132. Fleming, Neil. VARK. A Guide to Learning Styles. 2001. Disponible en http://www.vark-learn.com/
Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales
Referencias
Néstor Darío Duque Méndez 30
133. Peña, Clara I. Marzo, José-L. Lluis de la Rosa, Joseph y Fabregat, Ramón. Un Sistema de Tutoría Inteligente Adaptativo considerando estilos de aprendizaje. Universitat de Girona, España. 2002.134. Álvarez, Hernán D. Generalidades y Formalismo en la representación y tratamiento de sistemas. Doctorado en Ingeniería. Universidad Nacional de Colombia. Medellín. 2005.135. Klir, G. Teoria General de Sistemas. Matemática actual. Ed ICE. Madrid 1981.136. Ayyub, Bilal M. Klir, George J. Uncertainty Modeling And Analysis in Engineering And the Sciences. Chapman & Hall. 2000137. Booch, G. Rumbaugh, J. Jacobson, I. El lenguaje unificado de modelado. Addison Wesley. 1999.138. Álvarez, Hernán D. Generalidades y Formalismo en la representación y tratamiento de sistemas. Doctorado en Ingeniería. Universidad Nacional de Colombia. Medellín. 2005.139. Pérez Maqueo, Octavio Miguel. Introducción a los Modelos de Simulación. 2003140. Klir, G. Teoría General de Sistemas. Matemática actual. Ed ICE. Madrid 1981141. Duarte V, Oscar G. Análisis de sistemas dinámicos lineales. Universidad Nacional de Colombia. 2005.142. Bender, E. An Introduction to mathematical Modeling. Dover Publications. New York. 1978143. Álvarez, Hernán D. Modelamiento semifísico. Caso modelos borrosos. Doctorado en Ingeniería. Unal. Medellín. 2005. 144. Farid Chejne Janna. Definición de un Modelo Fenomenológico. Doctorado en Ingeniería. Unal. Medellín. 2005.145. Smith y otros. Decisiones con múltiples objetivos e incertidumbre. Univ Nacional de Colombia. Medellín.2000.146. Dyner y otros. Pensamiento sistémico: Diversidad en búsqueda de la Unidad. Ediciones UIS.2001.147. Castellanos Camacho, Yino. Simulación de procesos complejos: presente y futuro de la ciencia. Universidad Nacional de Colombia. 2006 http://unperiodico.unal.edu.co/ediciones/99/21.html.148. Álvarez, Hernán D. Generalidades y Formalismo en la representación y tratamiento de sistemas. Doctorado en Ingeniería. Unal. Medellín. 2005.149. Sterman, John D. . All models are wrong: reflections on becoming a systems scientist Jay Wright Forrester Prize Lecture, 2002150. Klir, G. Teoria General de Sistemas. Matemática actual. Ed ICE. Madrid 1981.151. Booch, Jacobson y Rumbaugh. El lenguaje Unificado de Modelado. Addison Weley. Madrid 2002.152. Bender, Edward. An Introduction to mathematical Modeling. Dover Public. New York. 1978.153. Shearer, J. Kulakowski, B. Gardner, J. Dynmic modeling and control of engineering systems. PrenticeHall. 1997154. Ross, T. Fuzzy logic with engineering application. John Wiley & Sons.2004. 155. Ajith Abraham . Neuro Fuzzy Systems: State-of-the-art. Modeling Techniques. 2001. http://arxiv.org/pdf/cs.AI/0405011.156. Castellanos Camacho, Yino. Simulación de procesos complejos: presente y futuro de la ciencia. Universidad Nacional de Colombia. 2006 http://unperiodico.unal.edu.co/ediciones/99/21.html.157. Nau, D. Au, Tsz-Chiu. Ilghami, Okhtay. Kuter, Ugur. Wu, Dan. Yaman, Fusun. SHOP2: An HTN Planning System. Journal of Artificial Intelligence Research 20. 2003. Disponible en: http://www.cs.cmu.edu/afs/cs/project/jair/pub/volume20/nau03a.pdf.158. Delgado, Kenneth S. Evaluación y Calidad de la educación. Editorial Magisterio. Primera Edición. Bogota D.C. 1996.159. Ríos, A., Pérez de la Cruz, J. L., and Conejo, R. SIETTE: Intelligent evaluation system using tests for TeleEducation. In: Proc. of Workshop"WWW-Based Tutoring" at 4th International Conference on Intelligent Tutoring Systems. San Antonio, TX , 1998.160. Papanikolaou, K., Grogoriadou, M., Kornilakis, H., Magoulas, G.D. INSPIRE: An intelligent system for personalizad instruction in a remote envoronment. Third Worckshop on Adaptative Hypertext and Hypermedia Twelfth, paper 3. wwwis.win.tue.nl/ah2001/papers/papanikolaou.pdf161. Gonçalves, Jean P. A integraçao de Testes Adaptativos Informatizados e Ambientes Computacionais de Tareas para o aprendizado do Ingles instrumental. Tesis de Maestría. Sao Carlos 2004.162. Duque Méndez, Néstor D., Agudelo, Alfonso., Salazar, García Rojas, Luis. Análisis y determinación de las características de un módulo de evaluación personalizado para cursos virtuales.. 2005.
Modelo Inteligente Generico para Adaptatividad de Cursos Virtuales
Referencias
Néstor Darío Duque Méndez 31
163. Duque Méndez, N. Agudelo Salazar , A. Semillero de Investigación: Luis Fernando García Rojas, Ana Maria Alzate, Robinson Escobar Osorio, Henry Nelson Sánchez Montes, Danilo Alejandro Trejos Obando, Adriana Cardenas. Sistema Multiagente para la Evaluación Personalizada en Cursos Virtuales. EITI. 2006.
164. Jiménez, J.; Ovalle, D. MILLENNIUM: A Learning Framework based on Integrating Model of Intelligent Tutoring Systems and Computer Supported Collaborative Learning. LEDGRAPH - 7th International Conference on Intelligent Tutoring Systems – ITS 2004, 2004, Maceió –Brasil.
165. Yanghee Kim y QuanWei. Virtual Peers Help Increase Learner Self-Efficacy. Utah State University. ED-MEDIA 2006. World Conference on Educational Multimedia, Hypermedia & Telecomunications. Orlando. USA. 2006
166. Yanghee Kim, Nick Flann, Quan Wei, Young-Ah Ko y Sarath B. Alla. Math-Girls : Motivating Girls to Learn Math Through Pedagogical Agents. Utah State University. ED-MEDIA 2006. World Conference on Educational Multimedia, Hypermedia & Telecomunications. Orlando USA. 2006
167. Jaques, P., Vicari, R. PAT: Um Agente Pedag´ogico Animado Para Interagir Afetivamente Com O Aluno. Brasil. 2005.168. Dastbaz, M. Mustafa, A. Stoneham, R. Issues in Design and Development of Personalised E-Learning Systems. ED-MEDIA 2006. World Conference on
Educational Multimedia, Hypermedia & Telecomunications. Orlando. USA. 2006.169. Jimenez, Jovani. Un Modelo de Planificación Instruccional usando Razonamiento Basado en Casos en Sistemas MultiAgente para entornos integrados de
Sistemas Tutoriales Inteligentes y Ambientes Colaborativos de Aprendizaje Apoyados en Computador. Tesis doctoral. Colombia. 2006170. Nakayama, Lauro. Vicari, Rosa. Information Retrieval Design for Learning Environments. Seguridad en Cómputo e Inteligência Artificial. Pereira. 2005171. Araque Cuenca. Extracción de Información de Fuentes de Datos Heterogéneas con características Temporales. Universidad de Granada. 2001.172. Moran, J. M. How to use the Internet in Education. Information Science Newspaper, Vol 26, No. 2. 1997. http://www.eca.usp.br/prof/moran/internet.htm.173. Pazzani,M., Muramatsu J., Billsus, D..‘Syskill & Webert: Identifying interesting web sites’, Proceedings of the Thirteenth National Conference on Artificial
Intelligence (NCAI´96), Portland. 1996174. Knoblock, C. et. al. The Aradne Approach To Web-Based Information Integration. 2004175. Muslea, I., Minton, S. y Knoblock, C. A Hierarchical wrapper induction for semistructured information sources. Autonomous Agents and Multi-Agent
Systems. 2001.176. Ramadhan, H. Fiaidhi,J y Ali, J. The Application of Web-Mining to Theme-Based Recommender Systems. International Journal of Instructional 177. WebWatcher (http://citeseer.nj.nec.com/armstrong97webwatcher.html)