Sistema para la generación de tutores inteligentes autorregulados basados en modelos

Resumen

Ha habido, en estos últimos años, un auge de las formas de enseñanza que contemplan
la formación, permanente y recurrente, apareciendo conceptos novedosos como son los
de la planificación y personalización de la formación y el auto-aprendizaje. Entre las
soluciones a los distintos problemas de la enseñanza actual, la implantación de las
nuevas tecnologías en el ámbito educativo puede solventar gran parte los problemas
planteados, ya que permite que los sistemas de enseñanza lleguen en forma y contenidos
a todos los individuos. La aplicación de técnicas de Inteligencia Artificial está
contribuyendo a abrir nuevas perspectivas en temas de enseñanza y de aprendizaje. La
ventaja de la utilización de técnicas de Inteligencia Artificial en educación es la
capacidad de poder representar explícitamente algunas de las habilidades de
razonamiento y conocimientos de los expertos, y explotar dicha experiencia para la
formación.
Del estudio del estado de la cuestión efectuado en esta tesis se concluye que una de las
tecnologías más adecuadas para abordar este nuevo enfoque de la enseñanza son los
Tutores Inteligentes. Existen muchos problemas en el desarrollo de Tutores Inteligentes,
entre los cuales, cabría destacar: no existen herramientas que permitan desarrollar
sistemas Tutores Inteligentes a personal no informático para cualquier parcela de
conocimiento y que permitan incluir diversas estrategias pedagógicas.
En la presente tesis, se ha desarrollado una herramienta para la generación de tutores
inteligentes autorregulados basada en modelos. Esta representación permite
descomponer, organizar y representar los conocimientos para construir fácilmente
tutores inteligentes funcionales por computadora. Se separaran los conocimientos acerca
del dominio, de los mecanismos de inferencia y de los conocimientos pedagógicos,
siendo éste último independiente de una estrategia en particular. Además permite
realizar un diagnóstico continuo de los conocimientos adquiridos por el alumno para
alcanzar la autorregulación de los contenidos.---ABSTRACT---In recent years there has been an upsurge in forms of instruction that envisage a
permanent and ongoing involvement in education of novel concepts such as planned
and personalised instruction and autonomous learning. A large number of problems
that arise in education today may be solved by introducing new technologies into the
educational environment, as they allow the form and contení of tutoring systems to
be tailored to each individual. The application of Artificial Intelligence techniques is
helping open up new prospects in the field of teaching and learning. Using Artificial
Intelligence techniques in education has the advantage of making it possible to
represent expert reasoning and knowledge skills, and to take advantage of this
experience in education.
From the state of the Art accomplished within this thesis, it could be inferred that
one of the most promised technologies in education are Intelligent Tutoring
Systems. There are many related problems when developing ITS, among then, it
could be mentioned: there are not tools that allow ITS generation for every
educational domain, for people with no computer knowledge and permits that
several pedagogical strategies could be included.
In this thesis, an Intelligent Tutoring Systems generation tool has been developed.
This study has involved developing a model-based system to tackle the problem of
representation by breaking down, organising and representing information, and
creating functional intelligent computerised tutoring systems. Information about the
subject in question, about inference mechanisms, and of a pedagogical nature
(independent of any one strategy) is all separated. Information about the subject is
later broken down into the categories of system tasks and error detection. Objects
were developed to model the curricular contents to be transmitted to the student, and
further objects can both model the capacity of the student on the basis of ontological
characteristics and progressively monitor his or her interaction with the system.
Finally, objects were generated to make it possible to embrace a multiplicity of
teaching strategies. Continuous assessment of interaction with the user enables the
system to be steadily adapted to the student by progressively modifying these
múltiple teaching strategies in Une with the student's response to the system.