redalyc.sistemas de enseñanza / aprendizaje basados en agentes
TRANSCRIPT
Revista Avances en Sistemas e Informática
ISSN: 1657-7663
Universidad Nacional de Colombia
Colombia
Ovalle Carranza, Demetrio Arturo; Jiménez Builes, Jovani Alberto; Viccari, Rosa Maria
Sistemas de Enseñanza / Aprendizaje basados en Agentes Inteligentes Pedagógicos
Revista Avances en Sistemas e Informática, vol. 2, núm. 2, diciembre, 2005, pp. 17-26
Universidad Nacional de Colombia
Medellín, Colombia
Disponible en: http://www.redalyc.org/articulo.oa?id=133114987003
Cómo citar el artículo
Número completo
Más información del artículo
Página de la revista en redalyc.org
Sistema de Información Científica
Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
Sistemas de Enseñanza / Aprendizaje basados enAgentes Inteligentes Pedagógicos
Demetrio Arturo Ovalle Carranza, Jovani Alberto Jiménez Builes
UNIVERSIDAD NACIONAL DE COLOMBIA. Escuela de Sistemas
{dovalle; jajimen1}@unalmed.edu.co
Rosa Maria ViccariUNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL.
Instituto de Informática
Recibido para revisión Septiembre 2005, aceptado Octubre 2005, versión final recibida Noviembre 2005
Resumen: En este artículo se hace una descripción de los Sistemas Multi-Agente para luego presentar elAmbiente Multi-Agente de Enseñanza/Aprendizaje ALLEGRO. ALLEGRO es un ambiente inteligente que integralas bondades de diferentes campos de investigación de la inteligencia artificial como la planificación instruccional(IP), razonamiento basado en casos (CBR), sistemas multi-agente (MAS), sistemas tutoriales inteligentes (ITS) yCSCL.
Palabras Clave: Inteligencia Artificial Distribuida, Sistemas Multi-Agente, Agentes Pedagógicos, SistemasTutoriales Inteligentes, Planificación Instruccional, Razonamiento Basado en Casos.
Abstract: This aim of this paper is to present the Multi-Agent Systems. Later is presented ALLEGRO: ATeaching/Learning Multi-Agent Environment. ALLEGRO is an intelligent environment that includes artificialintelligence mechanisms (Instructional Planning IP, Cased-Based Reasoning CBR, Multi-Agent Systems MAS,Intelligent Tutoring Systems ITS, and Computer Supported Collaborative Learning CSCL).
Keywords: Distributed Artificial Intelligence, Multi-Agent System, Pedagogic Agent, Intelligent Tutoring Sys-tems , Instructional Planning, Case-Based Reasoning.
1 INTRODUCCIÓN
En la actualidad la educación mediada con tecnologíaesta evolucionando gracias al uso de técnicas de la in-teligencia artificial. Los primeros sistemas de enseñanza- aprendizaje computarizado eran algorítmicos, rígidos,difíciles de modificar, de costosa producción y mante-nimiento; y disponían de un plan instruccional condi-cional prefijado por un profesor. Estos sistemas se basa-ban principalmente en el modelo pedagógico conductistapropuesto por Pavlov, Watson y Skinner.
La inteligencia artificial ha permitido un cambioradical de paradigma. El propósito de integrarla coneducación radica fundamentalmente en aplicar sus téc-nicas al desarrollo de sistemas de enseñanza-aprendizajeasistidos por computador, con el objetivo de construirsistemas "más inteligentes". El término "inteligente"utilizado en estos sistemas queda determinado funda-
mentalmente por su capacidad de adaptación continuade la instrucción a las características del aprendizajey del conocimiento de los diferentes usuarios [Wenger(1987)]. También queda establecido por la autonomíadel sistema para tomar decisiones pedagógicas y por laflexibilidad que ofrece al conjunto de aprendices para uti-lizar una o varias metodologías de enseñanza [Jiménez(2005)].
Algunas de las técnicas y mecanismo son por ejem-plo la Planificación Instruccional (IP), el RazonamientoBasado en Casos (CBR), los Sistemas Tutoriales In-teligentes (ITS) y los Sistemas Multi-Agente (MAS),entre otros. Así mismo, permite que los ambientescomputarizado de enseñanza - aprendizaje se configurencomo verdaderos laboratorios donde confluyen diversosmodelos pedagógicos, como lo son: el constructivismo,conductismo, cognitivismo, histórico-social y teorías deaprendizaje colaborativo entre otros.
Av. Sist Inf., Vol. 2 No. 2 pp. 17–26, Medellín, Diciembre 2005, ISSN 1657–7663
18 D.A. Ovalle, J. Jiménez y R.M. Viccari / Avances en Sistemas e Informática 2 (2) 2005 17 – 26
En la Sección 2 se hace una descripción de los sis-temas multi-agente; en la 3 presenta el ambiente multi-agente de enseñanza - aprendizaje ALLEGRO; para fi-nalmente, presentar las conclusiones, agradecimientos yreferencias respectivamente en las últimas Secciones.
2 SISTEMAS MULTI-AGENTE
Los Sistemas de Multi-Agente (Multi-Agent Systems,MAS) surgen en la década de los 80s a partir de lasinvestigaciones de los agentes de software, aunque fue enla década de los 90s donde ganó notoriedad digna de serdestacada [Wooldridge (2002)].
Los MAS provienen de las áreas de investigación dela Inteligencia Artificial Distribuida (Distributed Artifi-
cial Intelligence, DAI), la Solución de Problemas Dis-tribuidos (Distributed Problems Solving, DPS) y la In-teligencia Artificial Paralela (Parallel Artificial Intelli-
gence, PAI).Un MAS es una sociedad organizada compuesta por
agentes semiautónomos que interactúan entre sí, ya seapara colaborar en la solución de un conjunto de pro-blemas o en la consecución de una serie de objetivosindividuales o colectivos (Ver Figura 1). Estos agentesinformáticos pueden ser homogéneos o heterogéneos ypueden tener metas comunes o no, pero siempre involu-crarán algún grado de comunicación entre ellos [Lemaître(1998)].
Cada uno de los agentes de software del MAS sonprogramas que actúan en representación de sus usua-rios humanos o dueños para realizar tareas complicadasde manejo de información, se comunican por mediodel protocolo de paso de mensajes y realizando susacciones concurrentemente. Poseen propiedades como:autonomía, habilidad social, reactividad, proactividadmovilidad, continuidad temporal, adaptabilidad y apren-dizaje. Habitan en ciertos ambientes dinámicos y com-plejos, sensando y actuando de manera autónoma paraadaptarse al ambiente; mediante lo anterior, realiza unaserie de tareas o metas para las cuales fueron diseña-dos [Russell y Norving (2003) y Gomes, Boff y Viccari(2004)].
Ambiente
Esfera deInfluencia
Agente
Organización
Interacción
Ambiente
Esfera deInfluencia
Agente
Organización
Interacción
Figura 1: Estructura de los MAS [Jennings, et al. (2001)]
Los principios de los MAS han mostrado un poten-cial adecuado en el desarrollo de sistemas de enseñanzadebido:
• La naturaleza de los problemas de enseñanza-aprendizaje son más fácilmente resueltos a través deun abordaje cooperativo [Oliveira y Viccari (1996)].
• Los sistemas deben ser capaces de adaptarse alos cambios en la estructura del ambiente [Ferber(1999)].
• Los agentes de software pueden representarconocimiento pedagógico y/o desempeñar tareas detutoría para soportar y facilitar el aprendizaje hu-mano [Giraffa y Viccari (1998)].
Los agentes pedagógicos pueden adaptar sus inter-acciones instruccionales a las necesidades de los apren-dices y al estado actual del ambiente de aprendizaje,ayudando a los aprendices en la superación de sus difi-cultades y en el aprovechamiento de las oportunidadesde aprendizaje. Poseen un conjunto de metas de en-señanza, planes instruccionales para la ejecución de esasmetas (p.e. estrategias pedagógicas o de enseñanza), yrecursos asociados en los ambientes de aprendizaje. Elloscolaboran con los aprendices y con otros agentes, propor-cionando realimentación continua durante las Sesionesde trabajo [Jiménez (2005) y Giraffa y Viccari (1998)].
3 ALLEGRO: AMBIENTE MULTI-AGENTE DE EN-SEÑANZA/APRENDIZAJE
Ambiente Multi-Agente de Enseñanza AprendizajeALLEGRO es un ambiente inteligente conformado porun Sistema Tutorial Inteligente (ITS) el cual permitebrindar aprendizaje en forma individualizada y un Am-biente Colaborativo de Aprendizaje (CSCL) que ofreceaprendizaje en modo colaborativo. El ambiente fue mo-delado a través del enfoque de un MAS, debido a queofrece las siguientes cualidades: Autonomía, flexibilidady adaptabilidad.
Cuando se habla de autonomía se refiere a la ini-ciativa que toman los agentes del MAS para realizar ac-ciones pedagógicas sin la intervención de los humanoscon el propósito de que el aprendiz logre los IOs. Tam-bién en la manera como el sistema evoluciona de ma-nera independiente en el almacenamiento y selección decasos dentro del CBR sin la necesidad de expertos hu-manos. Cuando se habla de flexibilidad se refiere a que elaprendiz no solo utiliza una metodología para su apren-dizaje (Individualizada/Colabrativa). Cuando se hablade adaptabilidad se refiere a que el contenido de la ins-trucción se moldea de acuerdo a las necesidades especí-ficas y preferencias del aprendiz.
La IP de ALLEGRO utiliza la técnica de CBR (VerFigura 14) es decir, utiliza la experiencia almacenada de
D.A. Ovalle, J. Jiménez y R.M. Viccari / Avances en Sistemas e Informática 2 (2) 2005 17 – 26 19
la solución exitosa de problemas similares pasados. Eneste sentido se puede afirmar que el sistema aprende enforma autónoma a partir de la experiencia con los apren-dices, convirtiendo a la IP en una herramienta flexiblecon capacidad de adaptar los conocimientos con deter-minado grado de abstracción dependiendo del alumno.
El nombre del Ambiente MAS de En-señanza/Aprendizaje ALLEGRO surgió por al acorde,armonía y viveza de los elementos que lo integran.
3.1 Metodología de Desarrollo
Para modelar el MAS se utilizó la metodología MAS-CommonKADS propuesta por Iglesias (1998) la cualpermite la integración de técnicas de la ingeniería deconocimientos, ingeniería de software orientada a obje-tos e ingeniería de software de protocolos.
Aprendiz
Docente
Monitor
InvitadoExperto
Iniciar sesiónen el CSCL
Iniciar sesiónen el ITS
SalirAdicionar
herramientas
Modificarherramientas
Borrarherramientas
VisualizarherramientasUsar herramientas
Docente
InvitadoExperto
Figura 2: Casos de uso para los actores activos
La metodología se desarrolla a través de la construc-ción de siete modelos:
• Modelo de Agente: Describe las características decada agente.
• Modelo de Tarea (Figura 3). Describe las tareasrealizadas por los agentes.
Figura 3: Descomposición de la Tarea T1: Guiar elproceso de enseñanza/aprendizaje
Tabla 1: Distribución Tareas - Agentes
• Modelo de la Experiencia (Figura 4). Describe elconocimiento que necesitan los agentes para llevara cabo los objetivos encomendados.
Unidad Básica deAprendizaje
ObjetivosInstruccionales
Perfil
Servicios deComunicación
PlanificaciónAprendizaje
Evaluación Casos
Objetos deAprendizaje
+ Estrategia de enseñanza+ Identificación
+ Nombre
+ Identificación
+ Descripción objetivo
+ Identificación
+ Nombre
+ Recurso asociado
+ Recurso asociado
+ Canal
+ Identificación
+ Preguntas
+ Respuesta correcta
+ Tiempo
+ Nivel complejidad
+ Identificación
+ Nombres
+ Apellidos
+ UBA estudio
+ Nivel de aprendizaje
+ Identificación
+ Contexto
+ Solución
+ Peso euclidiano
+ Resultado
1 - N
1 - N
1 - N
1 - N
1 - 1
1 - 1
1 - 1
1 - N
1 - N
1 - N
1 - N
1 - N
Figura 4: Diagrama de conceptos
• Modelo de Coordinación (Figuras 5 y 6). Describelas relaciones dinámicas entre los agentes software.
Brinda conocimientos
Guía Proceso
Enseñanza/Aprendizaje
Comunica
Aprendiz
Evalúa
Determinar
Colaboración
Otros
Usuarios
Determinar
Perfil
Administra perfil
Determina
Tutoria
Establece
Colaboración
Suministra
Conocimientos
Precisa
Evaluación
Relaciona
Perfil/CasosColabora
Determina
Colaboración
Determina
ConocimientosDeterminar
Conocimientos
Determinar
Evaluación
Determinar
Caso
Figura 5: Casos de uso interno
20 D.A. Ovalle, J. Jiménez y R.M. Viccari / Avances en Sistemas e Informática 2 (2) 2005 17 – 26
Agente Interfaz Agente Tutor Agente Experto Ag. Diagnóstico Ag. Colaborativo
Inactivo
ask(tutoría(Id, BULIOs, NA))
Ag. Mod. Aprendiz
ask(conocimientos(BUL, IOs, NA)) ask(evaluación
(BUL, IOs, NA)) ask(colaboración(BUL, IOs, NA))
Tutoría solicitada
Inactivo
sorry(causa)
sorry(causa)sorry(causa)
tell(conocimientos(BUL, IOs, NA,
contenidos))tell(evaluación(BUL, IOs, NA,
preguntas))tell(colaboración(BUL, IOs, NA,
recursos, usuarios))
tell(tutoría(Id, BULIOs, NA,
conocimientos,evaluación,
colaboración))
sorry(causa)
Figura 6: Diagrama de secuencia para las interaccionesde la conversación C1: Determina tutoría
• Modelo de Comunicación (Figura 7). Describe lasrelaciones dinámicas entre los agentes humanos ylos agentes software.
Docente Aprendiz
Inactivo
ask(tutoría-individualizada (Id, BUL IOs, NA))
Agente Interfaz
Tutoría individualizada (ITS) solicitada
Inactivo
tell(tutoría-individualizada(Id , BUL, IOs, conocimientos,evaluación))
sorry(causa)
Figura 7: Interacciones genéricas de la conversaciónentre el aprendiz y el agente Interfaz en una sesión del(ITS)
• Modelo de la Organización (Figura 8). Describe lasrelaciones estructurales entre los agentes.
Figura 8: Jerarquía de clases
• Modelo de Diseño (Figura 9). Refina los modelosanteriores y decide qué arquitectura de agente esmás adecuada para cada agente, así como los requi-sitos de la infraestructura de la red de agentes.
Figura 9: Diseño de la estructura de la plataforma
La aplicación de la metodología consiste en el desa-rrollo de los modelos. Cada modelo está compuesto porconstituyentes (entidades modeladas) y relaciones entrelos constituyentes. Se define una plantilla textual paradescribir cada constituyente, y estados de los constitu-yentes para describir su estado de desarrollo.
Figura 10: Agentes en acción durante la tarea de tutoría
El modelo de proceso software seguido combina unmodelo dirigido por riesgos con un enfoque basado encomponentes, determinando qué componentes puedenser candidatos para su reutilización en cada ciclo.
3.2 Arquitectura del MAS
Algunos grupos de investigación en el contexto inter-nacional, han desarrollado recientemente de MAS conpropósito pedagógicos, algunos de ellos son MACES,AMPLIA, BAGHERA, MAS-PLANG y JADE entreotras [Viccari, Ovalle y Jiménez (2005)].
El MAS Pedagógico ALLEGRO difiere de los otrosexistentes que abordan de manera implícita los ITS yCSCL en su funcionamiento (Planificación de las ac-ciones de tutoría, diagnostico del perfil cognitivo delaprendiz, uso de estrategias pedagógicas, entre otras), la
D.A. Ovalle, J. Jiménez y R.M. Viccari / Avances en Sistemas e Informática 2 (2) 2005 17 – 26 21
colección de agente y el aprovechamiento del ambientecolaborativo (Especialmente la comunicación asincróni-ca) (Figura 10). Otras diferencias son [Viccari, Ovalle,Collazos, Azambuja y Jiménez (2005)]:
• MACES, AMPLIA, BAGHERA, MAS-PLANG yJADE no replanifican la instrucción usando la ex-periencia almacenada de los aprendices.
• ALLEGRO no infiere estados emotivos ni el perfilafectivo del aprendiz en comparación con MACES.Tampoco implementa agentes animados en com-paración con MAS-PLANG.
• El agente colaborativo de MACES solo utiliza elcanal sincrónico de comunicación en el CSCL. AM-PLIA, BAGHERA, MAS-PLANG y JADE no im-plementan CSCL.
• La representación del conocimiento en ALLEGROes implementada mediante objetos de aprendizaje.AMPLIA implementa redes probabilísticas. EnBAGHERA los conocimientos son presentados pormedio de problemas a resolver por el aprendiz.
La arquitectura multi-agente de ALLEGRO (VerFigura 11) esta conformado por dos tipos de agentes(Humanos y de software). A continuación se presentaun resumen de las funciones que cumple cada uno de losagente del ambiente [Jiménez, Ovalle y Viccari (2005) yViccari, Ovalle y Jiménez (2005), (2005b)].
Agente ExpertoAgente Experto
AgenteAgente
TutorTutor
Agente InterfazAgente Interfaz
Aprendiz
Agente DiagnósticoAgente Diagnóstico
Servicios de Comunicación
Sincrónica Asincrónica
Evaluaciones
Perfiles
Estrategias
Conocimientos
Memoria Global
Solicitud de Conocimientos
Búsqueda
Recuperación
Solicitud de Colaboración
Búsqueda - Inscripción
Recuperación Registro
Búsqueda
Aportes
Selección
……
OtrosUsuarios
Evaluación
Seleccionada
Búsqueda
ColaboraciónSeleccionada
Envío deColaboración
Búsqueda - Aportes
Evaluación
Envío Conocimientos -Evaluación - Colaboración
Solicitud
Evaluación -Calificación
Envío Evaluación -
Calificación
Envío Respuestas, Solicitudes
Envío deRegistro
Solicitud Perfil -
Inscripción
Envío
RespuestasDatos
SolicitudConocimientos
Búsqueda
Envío
Evaluación -
Recomendación
Solicitud deColaboración
Envío deConocimientos
UBAs y OIs Datos Aportes Aprendiz
Recuperación
Agente Modelo AprendizAgente Modelo Aprendiz
AgenteAgente ColaborativoColaborativo
Búsqueda - InscripciónRecuperación
Memoria Casos
Figura 11: Arquitectura del Ambiente Multi-Agente de En-señanza/Aprendizaje ALLEGRO
3.2.1 Agentes Humanos
Estos agentes pueden comunicarse entre sí para buscaruna meta común mediante la división de tareas o para lo-grar un objetivo compartiendo las mismas. Se clasificanen tres grupos:
• Aprendiz. Persona que desea aprender un dominioespecífico. Recibe las instrucciones que brindan eldocente y el asistente de docencia para trabajaren grupo. También se conoce con los nombres dealumno o estudiante.
• Asistente de Docencia. Es el encargado de gestionaruna sesión de aprendizaje, se encarga de elaborary dar a conocer la agenda de trabajo; sugiere bi-bliografía o recursos pedagógicos relacionados conla BUL de estudio. Al final de un foro se ocupade depurar (Recopilar) los aportes más significa-tivos publicados en el Tablero, los da a conocer alos demás integrantes mediante una plenaria y lopublica a manera de conclusiones. El asistente dedocencia también es conocido con los nombres demonitor, ayudante, auxiliar o moderador.
• Docente. Es el profesor humano, tiene como funciónacompañar a los aprendices en su proceso forma-tivo, supervisando el aprendizaje, inspeccionandolos logros y dificultades, con su actitud positivabrinda recomendaciones individuales y en grupo,registra los resultados de las evaluaciones. Inter-viene cuando una sesión de aprendizaje se ha salidode la trayectoria normal, brinda bibliografía a losaprendices y al asistente de docencia. Es el encar-gado de programar las BULs, lo mismo que los pro-blemas propuestos.
La figura 11 presenta "otros usuarios" para referirsea la combinación de docentes, asistentes de docencia,aprendices y expertos invitados que estudian la mismatemática en un mismo lapso de tiempo.
3.2.2 Agentes de Software
Son agentes informáticos encargados de realizar laborespara su dueño dentro de la arquitectura, en este casotareas de tipo pedagógico las cuales son su componentecognitivo, así como mostrar un comportamiento deter-minado. Se presentan seis tipos:
• Tutor. Es el encargado de guiar el proceso de apren-dizaje, decide las acciones pedagógicas a realizar,cómo y cuándo. Sus funciones son:
- Planificar y re-planificar constantemente elplan de tutoría de acuerdo a las dificultades en-contradas y a los logros obtenidos, es decir deacuerdo a las necesidades especificas del apren-diz.
- Solicita al Agente Experto brindar un deter-minado conocimiento al aprendiz de acuerdoal plan y a su diagnostico.
22 D.A. Ovalle, J. Jiménez y R.M. Viccari / Avances en Sistemas e Informática 2 (2) 2005 17 – 26
- Selecciona la estrategia pedagógica adecuada,principalmente cuando el aprendiz comete unerror.
Las estrategias permiten dar a conocer mejorun contenido del dominio. Dentro de las es-trategias pedagógicas se puede contemplar lametodología de aprendizaje.
- Solicita al Agente Diagnóstico una evaluaciónpara al aprendiz de acuerdo a su perfil y IOs.
- Detecta errores en el proceso del aprendiz,además brinda sugerencias, críticas y recomen-daciones.
• Modelo del Aprendiz. Es el encargado de gerenciarel modelo de aprendizaje del aprendiz. Este modelocontempla: el estilo de aprendizaje, comprensión delos temas, limitaciones y nivel de conocimientos delaprendiz.
- Mantiene información individualizada delaprendiz.
- De acuerdo a la petición del Agente Tutor, seencarga de buscar, seleccionar y pasar el casoque más se adapte a las condiciones del proble-ma (CBR).
• Interfaz. Es el puente entre los agentes humanos ylos agentes de software. Sus funciones son:
- Establecer y mantener la interacción con elaprendiz.
- Permite desplegar los conocimientos y la cola-boración en la pantalla del aprendiz.
• Experto. Es quien administra el conocimiento ycontenidos del área o tema específico de enseñanza.Se compone de BULs y IOs.
- Envía conocimientos al aprendiz cuando estelo solicita o a petición del Agente Tutor.
• Diagnóstico. Es el encargado de seleccionar y cali-ficar el nivel de conocimientos del aprendiz.
• Colaborativo. Por solicitud del Agente Tutor, seencarga de buscar a otros aprendices que estántratando el mismo tema y con los cuales se puede es-tablecer comunicación sincrónica o asincrónica paraofrecerle colaboración al aprendiz.
- Agrupa a los aprendices por temática de estu-dio, perfiles o comportamiento.
- Se comunica con el Agente Tutor.
3.2.3 Elementos Complementarios
• Base de Datos.
- Evaluaciones. Contiene un banco de evalua-ciones clasificadas de acuerdo a los IOs de laBULs y en varios niveles de complejidad.
- Conocimientos. Contiene el dominio que se de-sea enseñar el cual se encuentra estructuradoen BULs. Los conocimientos contemplan:Teorías, ejemplos, problemas resueltos, expli-caciones, recursos multimedia y simulacionesentre otros.
- Estrategias. Conteniente material de apoyo es-pecialmente en caso de error.
- Perfiles. Contiene la información individua-lizada de cada uno de los aprendices, porejemplo identificación, modelo de aprendizaje,diagnóstico nivel de aprendiz, histórico de er-rores, consultas, visitas, decisiones, entre otros.
- Memoria de Casos. Almacena el conjunto decasos exitosos de cuando los aprendices han en-contrado un problema y los han solucionado.
- Memoria Global. Contiene un banco de pro-blemas propuestos, la agenda de trabajo y losaportes que brinda el grupo de aprendices parasolucionar los problemas.
• Servicios de Comunicación
- Servicios de Comunicación Sincrónica. Per-mite interactuar directamente con los demásusuarios en tiempo real, utilizando: El chat,las pizarras compartidas, los editores multi-usuarios, la conferencia, la videoconferencia yla transferencia de archivos.
- Servicios de Comunicación Asincrónica. Per-miten que el aprendiz se comunique en formano directa con los demás usuarios sin que eltiempo sea factor relevante, utilizando: Elcorreo electrónico, los grupos de interés, elenvío y recepción de archivos. Los usuariostambién pueden tener comunicación no directaa través de un Tablero, consultándolo, publi-cando y modificando su contenido.
El Ambiente Multi-Agente de Enseñanza/AprendizajeALLEGRO puede funcionar bajo dos tipos de contextosde aprendizaje: El individualizado (ITS) y el colabo-rativo (CSCL). Los usuarios cuando lo deseen puedenpasar de un escenario de aprendizaje a otro. A conti-nuación se expone lo que pueden hacer cada uno de losusuarios en cada uno de los ambientes.
D.A. Ovalle, J. Jiménez y R.M. Viccari / Avances en Sistemas e Informática 2 (2) 2005 17 – 26 23
3.3 Ambiente Individualizado de Aprendizaje
En el Ambiente de Aprendizaje Individualizado, elaprendiz tiene la posibilidad de realizar las siguientesoperaciones permitidas por el ITS (Figura 12):
• Realizar una sesión de aprendizaje para lasUnidades Básicas de Aprendizaje (Basic Unit ofLearning, BUL) disponibles en el sistema. El do-minio del conocimiento implementado en ALLE-GRO fue la asignatura de Gráfica Digital para cur-sos de postgrado en Arquitectura.
• Visualizar los Objetivos Instruccionales (Instruc-tional Objetives, IOs) que corresponden a los logrosestablecidos por el Ambiente Multi-Agente de En-señanza/Aprendizaje ALLEGRO para cada una delas BULs.
• Evaluar sus conocimientos a través del módulo deevaluación correspondiente a la BUL en estudio.
• Visualizar la valoración y las recomendaciones per-tinentes que le brinda el sistema después de finalizarla evaluación de la BUL que se está tratando, conel propósito de mejorar su aprendizaje.
• Consultar el resultado de las evaluaciones en el mo-mento que lo desee.
• Consultar la bibliografía y recursos con el fin de am-pliar más sus conocimientos.
Por su parte el docente en el Ambiente de Apren-dizaje Individualizado tiene la posibilidad de realizar lassiguientes operaciones permitidas por el ITS:
• Adición de contenidos a las BULs respectivas, lomismo que a los subcomponentes de este módulo.
• Adicionar, modificar o borrar preguntas del bancode problemas.
• Adicionar, modificar o borrar observaciones.
• Matricular o dar de baja a los aprendices.
• Consultar el resultado de las evaluaciones de unaprendiz o de todos, en el momento que lo desee.
• Hacer un seguimiento del progreso de los aprendices.
Figura 12: Ambiente Individualizado de Aprendizaje
3.4 Ambiente Colaborativo de Aprendizaje
El Aprendiz hace uso del Ambiente de AprendizajeColaborativo (CSCL) cuando no tiene los suficientesconocimientos para resolver un problema propuesto, eneste caso tiene la posibilidad de trabajar en forma sin-crónica y/o asincrónica con los demás usuarios (Otrosaprendices, asistente de docencia, experto invitado y/oel docente). El aprendiz puede (Figura 13):
• Conversar con los otros Usuarios en forma textual(chatear), tratando de buscar la solución a los pro-blemas.
• Conversar con los otros usuarios usando audio yvideo.
• Enviar y recibir archivos en línea.
• Compartir pizarras en línea con miras a resolver elproblema.
• Editar un documento en forma concurrente con losdemás usuarios.
• Enviar y recibir correo electrónico y archivos.
• Solicitar al docente el examen de la BUL por correoelectrónico. Después de resolverlo, enviarlo de re-torno al docente para que éste lo califique y le envíela respectiva valoración y recomendaciones.
Además, puede utilizar la Memoria Global (Tablero)para:
• Visualizar la agenda de trabajo y los problemaspropuestos para cada BUL.
• Publicar un artículo nuevo en el Tablero (Adjuntarun aporte o solución al problema)
24 D.A. Ovalle, J. Jiménez y R.M. Viccari / Avances en Sistemas e Informática 2 (2) 2005 17 – 26
• Buscar los artículos en el Tablero mediante una pa-labra o patrón.
• Visualizar el documento final de cierre donde apare-cen las soluciones a los problemas, los aportes másrelevantes y las conclusiones.
En el Ambiente de Aprendizaje Colaborativo, elasistente de docencia tiene la posibilidad de realizar lassiguientes operaciones:
• Fijar la agenda de una determinada sesión (BUL)brindando las instrucciones necesarias.
• Elaborar y dar a conocer los problemas propuestospublicándolos en el Tablero.
• Sugerir bibliografía y recursos a los aprendices.
• Visualizar los aportes publicados en el Tablero.
• Depurar, redactar y publicar el documento final decierre donde aparecen las soluciones a los problemas,los aportes más relevantes y las conclusiones.
En el Ambiente de Aprendizaje Colaborativo, el do-cente tiene la posibilidad de realizar las siguientes opera-ciones:
• Supervisar los aportes publicados en la MemoriaGlobal (Tablero) e intervenir en la sesión cuandose ha salido de su curso normal. Inspecciona logrosy dificultades que han tenido los alumnos.
• Se comunica con los aprendices por medio de losservicios de la comunicación sincrónica y/o asin-crónica, con el propósito de aclararles dudas obrindarles sugerencias.
• Envía a los aprendices una evaluación a través delcorreo electrónico cuando éstos lo soliciten. Luegode que el aprendiz le envía las respuestas que con-sidere son correctas, califica la evaluación, le da surespectiva valoración y se la envía de nuevo al apren-diz con sus respectivas recomendaciones.
Figura 13: Ambiente Colaborativo de Aprendizaje
3.5 Mecanismo de IP usando CBR
El funcionamiento del modelo de IP usando CBR iniciacuando un aprendiz no logró satisfactoriamente ganar laevaluación de la Unidad Básica de Aprendizaje (BasicUnit of Learning, BUL) que estaba estudiando.
El modelo de IP usando CBR es invisible externa-mente para el usuario, es decir, no lo puede apreciartangiblemente; sin embargo, puede beneficiarse de susbondades (Ver figura 14). La planificación es llevada acabo por los agentes Tutor y Modelo del Aprendiz. Comose anuncio en el marco teórico, los agentes de software notienen forma física; son entidades computacionales queactúan teniendo en cuenta los intereses o beneficios desu dueño, en este caso, los dueños son los aprendices.
Mecanismo de Razonamiento
Basado en Casos
Planeador(AgenteTutor)
Planeador(Agente Tutor)
Ejecutor(AgentesExperto,
Colaborativo eInterfaz)
Ejecutor(Agentes Experto,
Colaborativo e Interfaz)
Evaluador(Agente Diagnóstico)
Evaluador(Agente Diagnóstico)
Recuperador(Agentes Tutor y
Modelo Aprendiz)
Recuperador(Agentes Tutor y
Modelo Aprendiz)
BUL y IOs
(Agente Experto)
Perfil Aprendiz
(Agente Modelo Aprendiz)
MemoriaMemoria dede CasosCasos
SoluciSolucióónn PropuestaPropuesta
(Agente Modelo Aprendiz)
Aprendiz
Aprendiz/Sistema
(Agente Interfaz)
Comunicación
Figura 14: Arquitectura del Modelo de IP usando CBR enALLEGRO
Cuando inicia el proceso, el agente Tutor envía lasolicitud al agente Modelo del Aprendiz con los datos
D.A. Ovalle, J. Jiménez y R.M. Viccari / Avances en Sistemas e Informática 2 (2) 2005 17 – 26 25
del alumno, BUL y Objetivos Instruccionales (Instruc-tional Objetives, IOs). El agente Modelo del Apren-diz busca (Recupera) en la Memoria de Casos, aquelque contenga las mismas características. Luego de selec-cionado el caso, el agente Modelo del Aprendiz lo envía alagente Tutor con el propósito de que lo adapte a manerade solución propuesta.
En la pantalla del usuario aparece una serie de re-cursos a utilizar. Después de que el aprendiz volunta-riamente haga el recorrido por los recursos sugeridos yde haber presentado la evaluación, el caso se revisa paraobservar sus resultados, es decir, para determinar la via-bilidad de si se continúa guardando el caso o no.
Este proceso lo realiza internamente los agentes Tu-tor y Modelo del Aprendiz.
El almacenamiento en la Memoria de Casos es rea-lizado por el agente Modelo del Aprendiz y después derealizada la evaluación del respectivo caso.
ALLEGRO fundamenta su paradigma instruccionalen tres modelos pedagógicos: Conductismo, Cogni-tivismo e Histórico-Social (Cognición distribuida yAprendizaje Basado en Problemas).
4 CONCLUSIONES
En la actualidad se están produciendo grandes cambiosen la forma en que las personas viven y aprenden, de-bido especialmente a los impresionantes avances en elcampo de la informática y de las telecomunicaciones, loque representa un nuevo desafío para los investigadoresen el área de la inteligencia artificial en la educación.
El modelo de IP usando CBR cumple con las especi-ficaciones de la planificación desde la perspectiva de laAI, es decir, tiene en un estado inicial, un conjunto deobjetivos y un conjunto de acciones posibles.
Las acciones que ofrece el modelo, son recursos ins-truccionales que otros aprendices han utilizado para lo-grar los IOs propuestos en una BUL. La solución delproblema consiste en una serie de acciones que transfor-man el estado inicial en un estado final que cumple losobjetivos.
En varias trabajos los MAS se han empleado enambientes de enseñanza/aprendizaje donde los elemen-tos pueden ser descompuestos en colecciones de agentespedagógicos independientes intercambiando informacióny cooperando mutuamente para la consecución de losobjetivos de enseñanza.
Este trabajo aprovechó las bondades que ofrecen losSistemas Multi-Agente, tales como la autonomía, flexi-bilidad y adaptabilidad para aplicarlas a un ambiente deenseñanza/aprendizaje computacional.
Para lograr lo anterior, se desarrolló el AmbienteMulti-Agente de Enseñanza/Aprendizaje ALLEGRO através de un MAS innovador el cual integra las bondadesde un ITS y un CSCL, reafirmando la importancia de uti-
lizar IA en la educación para la construcción de nuevastecnologías educativas.
AGRADECIMIENTOS
El trabajo descrito en este artículo es auspiciado porbeca de COLCIENCIAS en el marco del Programa deApoyo a la Comunidad Científica Nacional a través delos Programas de Doctorado 2003.
REFERENCIAS
Ferber, J. (1999), Multi-Agent Systems: An Introduction toDistributed Artificial Intelligence, Addison Wesley Long-man, England.
Giraffa, L. y Viccari, R. (1998), The use of agents tech-niques on intelligent tutoring systems, in ‘InternationalConference of The Chilean Society of Computer Science,Proceedings IEEE Computer Society’.
Gomes, E., Boff, E. y Viccari, R. (2004), Social, affective,and pedagogical agents for the recommendation of tuto-rial colleagues in agent based learning environments, in‘Proceeding of Workshop Social and Emotional Intelli-gence in Learning Environments of 7th InternationalConference on ITS2004’.
Iglesias, C. (1998), Definición de una metodología para eldesarrollo de Sistemas Multi-Agente, PhD thesis, Uni-versidad Politécnica de Madrid.
Jiménez, J. (2005), Un Modelo de Planificación Instruc-cional usando Razonamiento Basado en Casos en Sis-temas Multi-Agente para entornos integrados de Sis-temas Tutoriales Inteligentes y Ambientes Colaborativosde Aprendizaje, PhD thesis, Universidad Nacional deColombia.
Jiménez, J., Ovalle, D. y Viccari, R. (2005), Sistema multi-agente para entornos integrados de its & cscl, in ‘Pro-ceedings of 4a Conferencia Iberoamericana en Sistemas,Cibernética e Informática -CISCI 2005’, InternationalInstitute of Informatics and Systemics, USA.
Lemaître, C. (1998), ‘Multi-agent network for cooperativework’, Expert System with Applications: An interna-tional Journal Elsevier Science .
Oliveira, F. y Viccari, R. (1996), Are learning systems dis-tributed or social systems, in ‘European Conference onAI in Education’.
Russell, S. y Norving, P. (2003), Intelligent Agents, PrenticeHall Series in Artificial Intelligence, chapter ArtificialIntelligence: A Modern Approach.
Viccari, R., Ovalle, D., Collazos, C., Azambuja, R. yJiménez, J. (2005), ALLEGRO: Sistema multi-agentepedagógico, in ‘Proceedings of TECNOCOM2005’.
26 D.A. Ovalle, J. Jiménez y R.M. Viccari / Avances en Sistemas e Informática 2 (2) 2005 17 – 26
Viccari, R., Ovalle, D. y Jiménez, J. (2005), ALLE-
GRO: Ambiente multi-agente de apoyo a la en-señanza/aprendizaje utilizando planificación instruc-cional y razonamiento basado en casos (cbr), in ‘Pro-ceedings of XIII Congreso Iberoamericano de EducaciónSuperior en Computación. 31th Latin-American Confe-rence on Informatics -CLEI’.
Wenger, E. (1987), Artificial intelligence and tutoring sys-tems, Technical report, Los Altos, CA: Morgan Kauf-mann.
Wooldridge, M. (2002), An Introduction to Multi-Agent Sys-tems, John Wiley & Sons, Ltd.