viernes, 19 de enero de 2007

Sistemas Tutores Inteligentes con modelado del tutor y del estudiante para mejorar los aprendizajes de programacion en ingeniería

Fernando Salgueiro, Guido Costa, Zulma Cataldi, Fernando Javier Lage, Ramón García-Martínez.
liema@fi.uba.ar

Propósito

Obtener un sistema tutor inteligente con modelado de estudiantes y del tutor. El propósito es que el sistema de tutorizado exhiba un comportamiento similar al de un tutor humano, es decir, que se adapte al comportamiento del estudiante en lugar de ser un modelo rígido. El sistema debe poder brindar información acerca del problema a resolver como lo hace un humano para que el alumno pueda continuar desarrollando solo, en forma productiva, pero sin revelar cómo serán los siguientes pasos. La intención de la investigación es desarrollar un tutor con base en la psicología cognitiva y en las teorías de aprendizaje.

Contexto

Este tema de investigación surge motivado por la necesidad de encontrar diferentes formas alternativas para la enseñanza de la asignatura Algoritmos y Programación I de la Carrera Ingeniería Informática. Se pensó, en el desarrollo de un sistema para tutorizado inteligente (utilizando sistemas Inteligentes) que realice la tarea de tutorizar adaptando diferentes modalidades o estrategias de enseñanza, de acuerdo al estilo que cada estudiante requiera.

Pregunta de Investigación

¿La utilización de un Sistema Tutor Inteligente con modelado del tutor y del estudiante, aplicado en la asignatura de Programación para la carrera de Ingeniería ayudará a mejorar los aprendizajes de los estudiantes elevando el porcentaje de aprobación de la asignatura?

Método y Validez

El articulo corresponde a un estado de avance de la investigación y propuesta de solución para mejorar los aprendizajes en la asignatura de programación de la carrera de Ingenieria, se determinó el estado actual del conocimiento en la temática, en este sentido se han analizado STI existentes, a fin de dar cuenta de los métodos de tutorizado utilizados y de obtener datos a fin de identificar los métodos de enseñanza que resultaron más efectivos en relación a la población estudiantil. La primera aproximación ha sido la implementación de modelos basados en redes bayesianas. Se están estudiando los estilos de aprendizaje de los estudiantes de las carreras de ingeniería para obtener el perfil de los alumnos para relacionar los estilos de aprendizaje con los métodos o modos de enseñanza más adecuados, se están efectuando observaciones de las clases de aquellos docentes que en las encuestas a los estudiantes han sido puntuados con un alto porcentaje en el ítem: “fomenta el interés por la materia”

Referencias

Ausubel, D.; Novak, J. y Hanessian. H. (1983) Psicología educativa: un punto de vista cognitivo. México: Trillas.

Bruner, J. (1991) Actos de significado. Más allá de la revolución cognitiva. Madrid: Alianza.

Bruno, Oscar (2004). La percepción de los alumnos y los docentes acerca de la incorporación de un sistema tutor inteligente como facilitador de los aprendizajes de algoritmia”. UTN FRBA. Tesis de Magíster en docencia Universitaria.

Cataldi, Z.; Lage, F. (2002) los preconceptosde docentes y alumnos en el proceso de enseñanza y aprendizaje en carreras de grado y posgrado. CBComp 2002. 26-30 Agosto. Itajaí Sta. Catarina. Univali.

Sistemas Tutoriales Inteligentes Centrados en Reparación de Mecanismos. Una Propuesta Metodológica de Diseño

Sierra, E., García-Martínez, R., Cataldi, Z., Britos, P.,Hossian, A.

Propósito

En este estudio se propone una metodología para la construcción de sistemas tutoriales inteligentes y su aplicación al caso particular de diseño de un sistema para entrenamiento en la operación y mantenimiento de microsatélites, orientado a estudiantes avanzados de ingeniería electrónica. El artículo presenta premisas para el diseño de los módulos de dominio de conocimiento, estudian-te y tutor, y describe algunas estrategias de control articuladas como meta-reglas.

Contexto

Un tutor inteligente, es un sistema de software que utiliza técnicas de inteligencia artificial (IA) para representar el conocimiento e interactúa con los estudiantes para enseñárselo [VanLehn, 1988], a lo que Giraffa [1997] agrega la consideración de los diferentes estilos cognitivos de los alumnos que utilicen el sistema. A pesar de los avances producidos, los STI no han recibido aún una adopción generalizada debido a la complejidad que implicaba el diseño y la definición de los mismos, que limitaron su aplicación práctica.

Pregunta de Investigación

¿El enfoque metodológico planteado es viable en el diseño de un tutor aplicable a la instrucción para operación y mantenimiento de microsatélites?

Método y Validez

Solo se expone la propuesta metodológica.

Referencias

Barr, A. y Feigenbaum, E. (1983) Handbook of Artificial Intelligence, Morgan Kauf-mann. Bruner, J. (1991) Actos de significado. Más allá de la revolución cognitiva. Madrid: Alianza.

C&TG, (1990) Cognition and Technology Group at Vanderbilt (1990, August - Sep-tember).
Anchored instruction and its relationship to situated cognition. Educa-tional Researcher. pp 2-10.

Cern, S. (Ed.) (2002) Intelligent tutoring systems. Springer Verlag Pub
.

Modelado del alumno: un enfoque bayesiano


Ricardo Conejo, Eva Millán, José Luis Pérez de la Cruz y Mónica Trella
ETSI Informática, Universidad de Málaga. Apdo 4114, Málaga 29071
{conejo,eva,perez,trella}@lcc.uma.es

Propósito

En este trabajo se propone el uso de la teoría de la probabilidad como marco teórico para el diagnóstico del alumno. Además, se conecta este problema con la teoría de los test adaptativos informatizados.

Contexto

El modelado del alumno es un problema central en el diseño y desarrollo de un sistema tutor inteligente (STI). En efecto, si la característica que distingue a los STIs de los sistemas de Enseñanza Asistida por ordenador tradicionales es su capacidad de adaptación al alumno [Shute, 95], el sistema debe ser capaz de determinar con la mayor precisión y rapidez posible cuál es su estado cognitivo, es decir, qué partes del dominio que pretendemos enseñarle son las que ya domina y cuáles son las que aún desconoce. Sólo de esta forma será posible adaptar el proceso instructor: saber qué estrategia instructora es más conveniente, qué acción recomendarle (estudio, resolución de ejercicio, juego), qué ejercicio se adecua más a su nivel de conocimiento,
etc.

Pregunta de Investigación

¿Cómo las redes bayesianas pueden ser utilizadas en el problema de diagnóstico del alumno?

Método y Validez

Para utilizar redes bayesianas en el problema de diagnóstico, lo primero que se realizó fue definir los elementos básicos: variables, enlaces entre ellas y parámetros. Se consideró dos tipos básicos de variables: variables para medir el grado de conocimiento alcanzado por el alumno, y variables para recolectar evidencia. A su vez, y para una evaluación más detallada, las variables de conocimiento se definieron a diferentes niveles de dificultad.

Para evaluar el funcionamiento del modelo propuesto, se utilizó alumnos simulados. Se generaron 30 alumnos de seis tipos distintos, A cada alumno simulado se le realizó un test de sesenta preguntas, escogidas aleatoriamente entre las 100 preguntas disponibles, que se diagnostican
correcta / incorrectamente y que se dejan sin evaluar. Teniendo en cuenta que el test constó de solamente sesenta preguntas, y que los conceptos diagnosticados fueron catorce, se puede calificar los resultados obtenidos como muy buenos(respaldado por el análisis de los resultados que en esta ficha no se presentan). Sin duda ello se debe a la consistencia teórica del modelo utilizado.

Referencias

Birnbaum, A. (1968). Some latent trait models and their use in inferring an examinee's mental ability. In F. M. Lord, & M. R. Novick (eds), Statistical theories of mental test scores. Reading, MA: Addison-Wesley.

Conejo, R., Millán, E., Pérez-de-la-Cruz, J. L., & Trella, M. (2000). An Empirical Approach to On-Line Learning in SIETTE. In Proceedings of 3rd International Conference on Intelligent Tutoring

Shute, V. J. (1995). Intelligent Tutoring Systems: Past, Present and Future. In D. Jonassen (ed), Handbook of Research on Educational Communications and Technology. Scholastic
Publications.