III S IMPOSIO INTERNACIONAL DE SISTEMAS DE INFORMACIN EN LA SOCIEDAD DEL CONOCIMIENTOSISOFT2005VOLUMEN I

Santo Domingo, Repblica Dominicana 24, 25 y 26 de Agosto de 2005www.sisoftw.com Editor Lus Joyanes Aguilar

UNIVERSIDAD PONTIFICIA DE SALAMANCA (CAMPUS MADRID) FUNDACIN PABLO VI INSTITUTO TECNOLGICO DE LAS AMRICAS UNIVERSIDAD DISTRITAL FRANCISCO JOS DE CALDAS PONTIFICIA UNIVERSIDAD CATLICA DE PER

III SIMPOSIO INTERNACIONAL DE SISTEMAS DE INFORMACIN EN LA SOCIEDAD DEL CONOCIMIENTONo est permitida la reproduccin total o parcial de este libro, su tratamiento informtico, la transmisin de ninguna otra forma o por cualquier medio, ya sea electrnico, mecnico, por fotocopia, por registro u otros mtodos, sin el permiso previo y por escrito de los titulares del copyright.

DERECHOS RESERVADOS 2005 Universidad Pontifica de Salamanca (Espaa) Fundacin Pablo VI (Espaa) Instituto Tecnolgico de las Amricas (ITLA, Repblica Dominicana) Pontificia Universidad Catlica del Per (Per) Universidad Distrital Francisco Jos de Caldas (Colombia) ISBN: 84-689-3411-9 Editor:Lus Joyanes Aguilar (FI/UPSAM, Espaa )

Adjuntos al Editor:Juan Manuel Lombardo Enrquez (FI/UPSAM, Espaa) Javier Parra Fuente (FI/UPSAM, Espaa) Daniel Zapico Palacio (FI/UPSAM, Espaa)

IMPRESO EN MADRID (ESPAA) - PRINTED IN MADRID (SPAIN)

Facultad de Informtica Universidad Pontificia de Salamanca, campus Madrid.

DIRECCIN DEL SIMPOSIODr. Luis Joyanes Aguilar (Presidente) (UPSAM, Espaa) Msc. Jos Armando Tavrez (Director Ejecutivo) (ITLA, Rep. Dominicana)

COMIT DE PROGRAMA PERMANENTE (Steering Committee)Dr. Lus Joyanes Aguilar (Presidente y Fundador) (Universidad Pontificia de Salamanca en Madrid, Espaa) Msc. Jos Armando Tavrez (Director Ejecutivo) (Instituto Tecnolgico de Las Amricas, Rep. Dominicana) Dr. Victor Hugo Medina (Coordinador y Fundador) (Universidad Distrital Francisco Jos de Caldas, Colombia) Dr. Jun Manuel Lombardo (Coordinador General) (Universidad Pontificia de Salamanca en Madrid, Espaa) Dr. Maynard Kong (Pontificia Universidad Catlica de Per, Per) Dr. Jun Manuel Cueva (Universidad de Oviedo, Espaa) Dr. Manuel Gonzlez (Universidad de Las Palmas de Gran Canaria, Espaa) Dr. Javier Parra (Universidad Pontificia de Salamanca en Madrid, Espaa)

COMIT DE HONORExcmo. Sr. D. Marceliano Arranz Rodrigo (Rector Universidad Pontificia de Salamanca -Espaa) Excmo. y Reverendsimo Sr. D. Fernando Sebastian Aguilar (Presidente Fundacin Pablo VI Espaa) Excmo. Sr. D. Angel Berna Quintana (Director General Fundacin Pablo VI - Espaa) Excmo. Sr. Monseor D. Agripino Nez Collado (Rector de la Universidad Pontificia Catlica Madre y Maestra - Repblica. Dominicana) Excmo. Sr. D. Eddy Martnez (Director Ejecutivo del Centro de Explotacin e Inversin Repblica Dominicana) Excmo. Sr. D. Ricardo Garca Duarte (Rector Universidad Distrital Francisco Jos de Caldas Colombia) Excma. Sra. D Ligia Amada Melo de Cardona, (Secretaria de Estado de Educacin Superior, Ciencia y Tecnologa - Repblica Dominicana) Excmo. Sr. D. Dennis R. Sim, (Rector de la Universidad APEC Repblica Dominicana)

III

COMIT DE ORGANIZACIN (Dominicano)Ing. Jos Armando Tavrez (Director Ejecutivo, ITLA) Ing. Fernando Manzano (Coordinador General, ITLA) Lic. Jos Francisco Martnez (Logstica y Ventas, ITLA) Mag. Quinta Ana Prez (Coordinadora General, ITLA) Sra. Princesa Santana (Logstica, ITLA) Lic. Vladimir Columna (Coordinacin de Proyectos y Logstica, ITLA) Lic. Edward Reyes (Comunicacin Visual - Web Master, ITLA) Lic. Yolanda Tapia (Relaciones Pblicas, ITLA) Lic. Ana Laura Guzman (Relaciones Internacionales, ITLA) Sr, Carlo-Philippe Cartagena (Coordinacin de SI, ITLA) Sr. Frederic de La Rosa (Soporte Tcnico, ITLA) Sra. Mara Moreno (Coordinadora de Compras)

COMIT DE ORGANIZACIN (Europeo)Dr. Jun Manuel Lombardo (Coordinador General) (UPSAM, Espaa) Dr. Javier Parra (Org. Tcnica) (UPSAM, Espaa)) Ing. Daniel Zapico Palacio (Org. Tcnica - Webmaster) (UPSAM, Espaa) Ing. Oscar Sanjun Martinez (Org. Tcnica) (UPSAM, Espaa) Dr. Hctor Castn Rodrguez (Logstica) (UPSAM, Espaa) Lic. Fernando Checa (Usabilidad) (UPSAM, Espaa) Lic. Teresa Dez (UPSAM, Espaa) Lic. Raquel Urea (UPSAM, Espaa) Lic. Mar Escribano Castellanos (UPSAM, Espaa) Lic. Juana Gonzlez Gonzlez (UPSAM, Espaa) Lic. Hugo Zaldaa (UPSAM, Espaa)

IV

COMIT DE ORGANIZACIN (Colombiano)Dr. Victor Hugo Medina (Coordinador) (UDFJC, Colombia) Dr. Nelson Prez Castillo (UDFJC, Colombia) Ing. Msc. Anselmo Vega Vega (UDFJC, Colombia) Ing. Giovanni Tarazona (UDFJC, Colombia) Ing. Msc. Hernn Pulido Cardoso (U. Catlica de Colombia, Clombia)

COMIT DE ORGANIZACIN (Peruano)Dr. Maynard Kong (PUCP, Per) Mag. Ing. Jos Antonio Pow-Sang (PUCP, Per) Mag. Ing. Abraham Dvila (PUCP, Per)

V

COMIT DE PROGRAMADr. Lus Joyanes Aguilar (Presidente) (UPSAM, Espaa) Msc. Jos Armando Tavrez (Director Ejecutivo) (ITLA, Rep. Dominicana) Dr. Victor Hugo Medina (Coordinador) (UDFJC, Colombia) Dr. Jun Manuel Lombardo (Coordinador General) (UPSAM, Espaa) Dr. Maynard Kong (PUCP, Per) Dr. Jun Manuel Cueva (U. Oviedo, Espaa) Dr. Manuel Gonzlez (ULPGC, Espaa) Dr. Javier Parra (UPSAM, Espaa) Dr. lvaro Surez (ULPGC, Espaa) Dr. Angel Egido (U. Catholique dAngers, Francia) Dr. ngel Losada (UPSA, Espaa) Dr. Arturo Ribagorda (UC3M, Espaa) Ing. Carlos Fernndez (AENOR, UPSAM, Espaa) Dr. Daro lvarez (UNIOVI, Espaa) Ing. David La Red Martnez (UNN, Argentina) MsC. Ernesto Ocampo Edye (UCU, Uruguay) Dr. Euclides Vierira (CENSA, Brasil) Dr. Faran Llorens (U. Alicante, Espaa) Dr. Francisco Rubio (UOC, Espaa) Dr. Javier Bustamante (UCM, Espaa) Dr. Javier N (UPSA, Espaa) Dr. Javier Parra Fuente (UPSAM, Espaa) Dr. Javier Segovia (UPM, Espaa) Dr. Jess Carretero (UC3M, Espaa) Dr. Jess de la Cruz (U. San Carlos, Guatemala) Dr. Jos Antonio Moreiro (UC3M, Espaa) Dr. Jos Ramn Pin (IESE- Madrid, Espaa) Dr. Juan Manuel Corchado (USA, Espaa) Dr. Juan Manuel Lombardo Enrquez (UPSAM, Espaa) Dr. Luis Rodrguez Baena (UPSAM, Espaa) Dr. Mateo Valero (UPC/CSB, Espaa) Dra. Matilde Fernndez (UPSAM, Espaa) Dr. Miguel Katrib (U. de la Habana, Cuba) Dr. Nelson Prez Castillo (UDFJC, Colombia) Dr. Rafael Garca Bermejo (U. Salamanca, Espaa) Dr. Vctor Martn Garca (UPSAM, Espaa)VI

CONTENIDOModelado de la Metadata para el Desarrollo de un Navegador de Objetos sobre Mltiples Manejadores de Bases de Datos Relacionales.................................................................................................................................................................................. 1 Sistema Multiagente Inteligente para la Planificacin Organizada del Estudio de un Alumno............................................. 10 La participacin en los grupos de discusin en internet y la construccin social de conocimiento (Estudio de casos)...... 19 El Software bajo Demanda: un Nuevo Modelo para la Entrega de Software............................................................................. 27 Modelo De Vinculacin De Las Pymes Al Comercio Electrnico ............................................................................................. 35 El comercio Electrnico en el marco del Tratado de Libre Comercio Andino con EEUU: Oportunidades y Desafos..... 50 C3NET:................................................................................................................................................................................................... 55 Framework para la construccin de MDA en la Plataforma .NET ............................................................................................... 55 Perception of Software problems on the Internet world ................................................................................................................. 64 Modelo de Planificacin Basado en Casos utilizando Tecnologas de Agente para la Composicin Automtica de Servicios Web en un Ambiente Dinmico........................................................................................................................................ 69 Design of a Reflective Precompiler to Develop Adaptable Web Services ................................................................................. 74 WAME Una Plataforma Para el Desarrollo de Aplicaciones de Juego en la Web.................................................................... 82 Hacia la convergencia entre la organizacin formal y real en equipos de software a travs de un modelo de desarrollo.. 91 Migrating to MDA (Model Driven Architecture). A First Approach to Improve Software Development and Integration..................................................................................................................................................................................... 101 Modelo de Planificacin de Consultas con manejo de Calidad de la Informacin en Sistemas Basados en Mediadores......................................................................................................................................................................110 Sistemas de Documentacin de Software ....................................................................................................................................... 120 RUP-PM1 vs PMBOK2 : prcticas compatibles?..........................................................................................................................133 Ingeniera de Software: Perspectivas de la Profesin en Repblica Dominicana....................................................................141 La Evaluacin del Desempeo en Cursos Basados en Aprendizaje Orientado por Proyectos..............................................150 Una Propuesta para la Estimacin del Esfuerzo de las Iteraciones Utilizando Puntos de Casos de Uso............................. 157 Desarrollo de Entornos Virtuales mediante RUP ..........................................................................................................................166 Los Mapas conceptuales como Herramienta Virtual ....................................................................................................................172 Plataforma virtual para la formacin de recursos humanos en el sector turstico....................................................................180 Architectonic Patterns Directed Design in Web Applications Development........................................................................... 189 Sistema prototipo para el manejo de informacin en la presencia de un desastre, soportada en una red emergente de comunicaciones y en el procesamiento de transacciones en lnea...................................................................197 Evolucin de las directrices de accesibilidad del W3C ................................................................................................................204 Configuracin del rbol de requisitos de usabilidad para la evaluacin de sitios web educativos ....................................... 211 XDS. Nueva propuesta para la obtencin de XML desde bases de datos................................................................................. 220 La Informtica Penetrante en la Sociedad de la Informacin y del Conocimiento: Propuestas Significativas ..................228 ODC, Learning Curves, Outsourcing Potential Areas and (Un)Stable Equilibrium: Further Considerations....................235 Construyendo el e-government en Bolivia ..................................................................................................................................... 239 VII

La Gestin de la Informacin en la era Digital..............................................................................................................................249 Estudio del Transporte Pblico Urbano Colectivo: Metaheursticos......................................................................................... 256 Propuesta de Planificacin, Modelizacin y Desarrollo del Transporte Urbano en una Mediana Ciudad..........................265 La Sinergia de la Tecnologa Grid y los Trabajos Colaborativos ............................................................................................... 273 Visualizacin y distribucin de conocimiento en ambientes automatizados con Sistemas de Gestin de Workflow....... 279 Extraccin de conocimiento en ambientes automatizados con Sistemas de Gestin de Workflow. ....................................287 Gestin Colaborativa del Conocimiento ......................................................................................................................................... 297 Almacenamiento de conocimiento en ambientes automatizados con Sistemas de Gestin de Workflow ..........................307 Using XML for Business Heterogeneous Information Integration............................................................................................ 318 A Practical Approach ......................................................................................................................................................................... 318 Claves para entender el concepto de Ecologa Tecnolgica ........................................................................................................327 para la Construccin del Conocimiento..........................................................................................................................................327 Herramienta de Desarrollo de Sistemas de Informacin guiado por la Documentacin ........................................................332 A case study in Knowledge Management from a process centred approach............................................................................340 Hacia la Normalizacin de una Metodologa para Implementar Sistemas de Gestin del Conocimiento ..........................348 Anlisis y Diseo de un Sistema Workflow empleando Agentes ............................................................................................... 355 Geometra Fractal en Aplicaciones Mdicas..................................................................................................................................364 Information System for Telemedicine Projects - SITEM ............................................................................................................372 Anlisis Multidimensional de la incidencia de Leucemia en Espaa durante los aos 1997 a 2002 ...................................379 Sistema de Rendicin Electrnica de Cuentas, Auditoria y Evaluacin de Instituciones de Educacin Superior: Actuacin en un Modelo Organizacional de Ges tin del Conocimiento............................................386 Nuevas tecnologas e inmigracin en Espaa................................................................................................................................395 Modelo de trabajo para la enseanza de la realidad virtual como herramienta de apoyo en el diseo y fabricacin de productos.................................................................................................................................................................404 Entornos virtuales de aprendizaje y agentes virtuales inteligentes como herramienta de apoyo al eLearning ................... 412 Ma.Di.M.A.C. Material Didctico Para el e-Learning del lgebra- Un Aporte Para la Enseanza a Distancia ............421 El E-learning como complemento de la Enseanza ................................................................................................................... 425 Aprendizaje Tradicional de los Sistemas Operativos....................................................................................................................425 Colaboracin y Calidad en la Educacin Virtual........................................................................................................................... 432 Arquitectura de servicios para aprendizaje flexible en la Web...................................................................................................442 Educational-oriented Virtual Reality Software Engineering....................................................................................................... 452 Plataformas Virtuales para una Enseanza Virtual. Aspectos Tecnolgicos, Pedaggicos y Didcticos ........................... 460 Construccin de un data warehouse acadmico............................................................................................................................. 468 Convergencia de Tecnologas para la educacin superior en Colombia ................................................................................... 476 Creacin de Estructuras 3D mediante Algoritmos de Computacin Evolutiva ....................................................................... 484 Servicios avanzados de informacin WAP 2.0/i-Mode basados en tecnologas de localizacin de terminales mviles..................................................................................................................................................................................................491

VIII

Modelado de la Metadata para el Desarrollo de un Navegador de Objetos sobre Mltiples Manejadores de Bases de Datos RelacionalesHctor A. Melgar Sasieta Pontificia Universidad Catlica del Per, Departamento de Ingeniera, Lima, Per, Lima 32 amelgar@pucp.edu.pe

ABSTRACT In the present paper some developed models appear to retrieval the metadata of Relational Database Management Systems (SABDRs) for the design of an object navigator who operates on multiple origins of data of simultaneous way under same environment. For each proposed model has been a mathematical relation between the total number of classes of the model, the total number of methods of the model and the amount of objects of data base to support by the navigator (NumObjs), the amount of SABDRs to connect (NumSABDRs) and the average of versions of the SABDRs (NumVerSABDRs). The best selection of the model for an implementation will depend on the combination of the values of NumObjs, NumSABDRs and NumVerSABDRs, verifying itself that for great values of these variables, the modelling of the support of the metadata oriented to each object of data bases is the best alternative. Keywords: Metadata, Databases, Models.

RESUMEN En este artculo se presentan algunos modelos para recuperar la metadata de Sistemas Administradores de Bases de Datos Relacionales (SABDRs) para emplearse en el diseo de un navegador de objetos que opere sobre mltiples orgenes de datos relacionales de manera simultnea bajo un mismo entorno. Para cada modelo propuesto se ha encontrado una relacin matemtica entre el nmero total de clases del modelo, el nmero total de mtodos del modelo y la cantidad de objetos de base de datos a soportar por el navegador (NumObjs), la cantidad de SABDRs a conectarse (NumSABDRs) y el promedio de versiones de los SABDRs (NumVerSABDRs) a soportar. La mejor seleccin del modelo para una implementacin depender de la combinacin de los valores de NumObjs, Num SABDRs y NumVerSABDRs, verificndose que para valores grandes de estas variables, el modelamiento del soporte de la metadata orientado a cada objeto de bases de datos es la mejor alternativa Palabras claves: Metadata, Bases de Datos, Modelos.

1

1.

INTRODUCCIN

Desde hace unos aos atrs, en la seccin de Ingeniera Informtica se han propuesto desarrollos de herramientas que operen sobre diversos SABDRs, muchos de estos productos han sido presentados como Trabajos de Fin de Carrera para la obtencin del ttulo de Ingeniero Informtico [3] [4] [9][14]. El Grupo de Investigacin y Desarrollo en Ingeniera de Software (GIDIS), se encuentra desde hace varios aos desarrollando investigacin aplicada en la lnea de Desarrollo de Herramientas de Productividad sobre Mltiples Bases de Datos Relacionales. En GIDIS se han iniciado trabajos de evaluacin de las arquitecturas usadas y se ha presentado los modelos usados para la recuperacin de la metadata en [5], estos modelos han sido comparados usando mtodos cualitativos, por lo que se busca en este artculo experimentar realizando variantes a los modelos presentados en [5] y obtener datos cuantitativos que permitan realizar una mejor comparacin. El experimento presentado se ha realizado sobre los requerimientos de un navegador de objetos de bases de datos operando sobre mltiples SABDRs. Los modelos desarrollados siguen dos enfoques, el primero de ellos utilizando una clase por cada objeto de base de datos y el segundo plasmando una abstraccin de la metadata. Una relacin matemtica para determinar el nmero de clases y el nmero de mtodos es presentada para cada modelo a fin de determinar una mtrica basada en estos indicadores que permita evaluar los modelos. Este trabajo se estructura en 7 secciones, la primera de ellas presenta la introduccin al trabajo, luego se describen las caractersticas del navegador de objetos propuesto detallando su arquitectura de software, posteriormente se hace una resumen de la motivacin del trabajo, luego se detallan los modelos con sus respectivas variantes y relaciones matemticas, en la siguiente seccin se realizan simulaciones con las relaciones encontradas, se discuten las conclusiones indicando los trabajos futuros y en la ltima seccin se presenta las referencias utilizadas en el artculo. 2. CARACTERSTICAS DE UN NAVEGADOR DE OBJETOS DE BASES DE DATOS SOBRE SABDRS

Un navegador de objetos de bases de datos sobre mltiples SABDRs es una herramienta que permite realizar conexiones a diferentes SABDRs bajo un mismo entorno de manera simultnea. Adems en esta herramienta se puede visualizar la informacin de los objetos de las bases de datos conectadas. En la figura 1 se presenta la arquitectura de software del navegador que se analizar en este artculo. La arquitectura est formada por 3 capas: i) capa de presentacin, ii) capa de aplicacin y iii) capa de datos. Un componente importante en la arquitectura del software es el soporte de la metadata [5] y es este el motivo de este artculo pues el correcto modelamiento de este comp onente asegurar que el soporte de nuevos SABDRS o nuevas versiones de un SABDR se realice de una manera rpida y sencilla.

Figura 1. Arquitectura de software del navegador. Los modelos presentados en este artculo corresponden a un navegador de objetos que: i) permite realizar conexiones simultaneas a diversos SABDR, incluyendo diferentes versiones del mismo SABDR, ii) permite navegar a travs de los objetos de las bases de datos conectadas y visualizar su estructura y iii) permite la administracin de los objetos (creacin del objeto, eliminacin del objeto y modificacin del objeto). 2

3.

MOTIVACIN

El soporte de la metadata para el navegador de objetos tiene como objetivo fundamental la recuperacin de la informacin de la estructura del SABDR y de la es tructura de cada objeto del SABDR. En nuestro grupo de investigacin se ha desarrollado un navegador de objetos con las caractersticas mencionadas en la seccin 2, permitiendo la conexin a Microsoft SQL Server y Oracle por que son los que tienen mejor posicionamiento en el mercado [7] [11] y tambin con MySQL y PostgreSQL, por su amplio uso en plataformas libres [1] [8] [10] [12] [13]. En un trabajo previo [5] se ha obtenido de manera cualitativa que la complejidad de estos modelos depende de i) la cantidad de SABDRs a soportar, ii) la cantidad de objetos del cada SABDR a soportar y iii) la cantidad de servicios que se desea implementa en el navegador, se espera obtener en el presente artculo una relacin matemtica para cada modelo que permita calcular: i) la cantidad de clases del modelo, ii) la cantidad de mtodos del modelo y iii) una mtrica que permita medir la complejidad del uso de cada modelo basndose en la complejidad de implementacin de los mtodos. Con estos resultados el arquitecto de software podr decidir que modelo utilizar en la herramienta a implementar, en este caso un navegador de objetos con soporte a mltiples SABDRs. 4. MODELOS ELABORADOS

En esta seccin se presentan los modelos elaborados clasificados en dos grupos, el primer grupo orientado al modelamiento de los objetos de la base de datos y el segundo orientado al modelamiento de la metadata del SABDR. Los modelos presentados en el primer grupo mapean en una clase a cada objeto que se requiere gestionar en la herramienta. En la figura 2 se presenta a Mod-Obj, el primer modelo de este grupo. En Mod-Obj existe una dependencia directa entre la cantidad de clases que existen en el modelo y la cantidad de objetos que se soportarn en la herramienta, los mtodos de estas clases controlan el tipo de manejador, el tipo de versin del manejador y el soporte de recuperacin de la metadata. La cantidad de mtodos que poseer cada clase en promedio depender de lo que el navegador necesite, para los requerimientos presentado (creacin del objeto, eliminacin del objeto, modificacin del objeto y obtencin de sentencia SQL de creacin) se requerirn 4 mtodos por clase.

NumClases Mod ? Obj ? NumObjs NumMtodos Mod ? Obj ? NumObjs * 4

Objeto identificador nombre dueo sentencia de creacin obtener dependientes()

n

Base de Datos nombre proveedor versin conectar() desconectarse()

Tabla almacenamiento muestra columnas() muestra restricciones() recupera registros() modifica estructura() agregar columna() elimina columna() modifica orden de columna()

Vista muestra columnas() recupera registros()

Disparador estado tabla tipo

Procedimiento muestra parmetros() ejecuta procedimiento()

Figura 2. Mod-Obj, modelado a travs de los objetos de los SABDRs. La primera variacin al Mod-obj consiste en utilizar la herencia en cada clase que mapea al objeto para que las subclases controlen el tipo de manejador al que se est conectando, con el fin de disminuir la complejidad de cada mtodo de las clases, esta variacin se presenta en la figura 3. Con esta variacin se logra disminuir la complejidad de los mtodos, pero el nmero de clases se incrementa, este aumento depender de nmero de objetos que soportar el navegador y el nmero de SABDRs a los que se podr conectar el navegador. La segunda variacin al Mod-obj consiste en utilizar la herencia en cada clase que mapea al objeto de un SABDR especfico para que las subclases controlen la versin del manejador al que se est conectando, con el fin de disminuir la complejidad de cada mtodo de las clases, esta variacin se presenta en la figura 4. Con esta variacin se logra disminuir 3

la complejidad del mtodo, pero el nmero de clases aumenta, al igual que en la primera variacin, este aumento depender de nmero de objetos que soportar el navegador, el nmero de SABDRs a los que se podr conectar el navegador y el nmero de versiones de SABDRs a soportar.

NumClases Mod ? Obj var1 ? NumObjs(1 ? ? umSABDRs ) NumMtodos Mod ? Obj var1 ? NumObjs * ? umSABDRs * 4

Objeto identificador nombre dueo sentencia de creacin n obtener dependientes()

Base de Datos nombre proveedor versin conectar() desconectarse()

Tabla almacenamiento muestra columnas() muestra restricciones() recupera registros() modifica estructura() agregar columna() elimina columna() modifica orden de columna()

Vista muestra columnas() recupera registros()

Disparador estado tabla tipo

Procedimiento muestra parmetros() ejecuta procedimiento()

TablaMSSQL

TablaOracle

TablaPostgreSQL

TablaMySQL

Figura 3. Variacin 1 del Mod-Obj, modelado de los objetos por cada tipo de SABDR. .

Objeto identificador nombre dueo sentencia de creacin n obtener dependientes()

Base de Datos nombre proveedor versin conectar() desconectarse()

Tabla almacenamiento muestra columnas() muestra restricciones() recupera registros() modifica estructura() agregar columna() elimina columna() modifica orden de columna()

Vista muestra columnas() recupera registros()

Disparador estado tabla tipo

Procedimiento muestra parmetros() ejecuta procedimiento()

TablaMSSQL

NumClasesMod? Objvar 2 ? NumObjs(1 ? ? umSABDRs(1 ? NumVerSABDRs )) NumMtodosMod? Objvar 2 ? NumObjs* ? umSABDRs * NumVerSABDRs * 4

TablaMSQL v7.0

TablaMSQL v2000

Figura 4. Variacin 2 del Mod-Obj, modelado de los objetos por cada versin del SABDR.

4

Los modelos presentados hasta el momento (Mod-Obj, Mod-Obj var 1 y Mod-Obj var 2), permiten recuperar la metadata de un objeto de un SABDR, pero para realizar la navegacin de las bases de datos de los SABDRs conectados es necesario vis ualizar en la herramienta el listado de los objetos. Para la realizacin de esta labor se ha modelado un gestor de estos objetos con una variacin. El primer modelo gestor de objetos Mod-Ges, se presenta en la figura 5. Bsicamente contiene mtodos para la recuperacin de los listados de los objetos soportados. En este modelo cada mtodo controla la versin del manejador que est siendo usando. El nmero de clases depender del nmero de SABDRs que se necesite controlar, como el objetivo de cada clase es recuperar el listado de los objetos, el nmero de mtodos depender directamente de la cantidad de objetos a soportar en el navegador.

NumClasesMod ? Ges ? NumSABDRs NumMtodosMod? Ges ? NumObjs * NumSABDRs

GestorObjeto obtiene listado de bases de datos() obiene listado tablas() obtiene listado vistas() obtiene listado procedimientos() obtiene listado disparadores() obtiene listado llaves primarias() obtiene listado llaves forneas()

Base de Datos nombre proveedor versin conectar() desconectarse()

Gestor Objeto MSSQL

Gestor Objeto Oracle

Gestor Objeto PostgreSQL

Gestor Objeto MySQL

Figura 5. Mod-Ges, modelado de los gestores de los objetos. En la figura 6 se presenta Mod -Ges var 1, la variacin al mo delo Mod-Ges, la variacin consiste en controlar las versiones de los SABDRs, utilizando la herencia.

GestorObjeto obtiene listado de bases de datos() obiene listado tablas() obtiene listado vistas() obtiene listado procedimientos() obtiene listado disparadores() obtiene listado llaves primarias() obtiene listado llaves forneas() Base de Datos nombre proveedor versin conectar() desconectarse()

Gestor Objeto MSSQL

Gestor Objeto Oracle

Gestor Objeto PostgreSQL

Gestor Objeto MySQL

Gestor Objeto Oracle v8i

Gestor Objeto Oracle 9i

Gestor Objeto Oracle v10g

Figura 6. Variacin del Mod-Ges, modelado de los gestores por cada tipo de SABDR. Se han presentado en este primer grupo los modelos mapeando cada objeto de la base de datos en una clase, para el caso del navegador, se requerir adicionalmente una conjunto de clases que permita gestionar los objetos, especficamente se requiere obtener los listados de los objetos para posibilitar la navegacin. El nmero de clases que se maneja aumenta si es que se desea controla el SABDR y/o la versin del SABDR a travs de clases y no en los mtodos. El segundo grupo de modelos, evita el uso de dos conjuntos de clases ya que se modela una abstraccin de la metadata y no los objetos, como se ver, la cantidad de clases a manejar disminuye, pero aumenta considerablemente la cantidad de 5

mtodos por clase. En la figura 7, se presenta el Mod-Met, un modelo que plasma una abstraccin de la metadata de los SABDRs, por lo que la cantidad de clases no depender del nmero de objetos, sino del nmero de SABDR. El nmero de mtodos depende del nmero de objetos a soportar, segn los requerimientos del navegador presentado, se requerirn en promedio 5 mtodos por cada objeto del SABDR a soportar (listado de objetos, creacin del objeto, eliminacin del objeto, modificacin del objeto y obtencin de la sentencia SQL de creacin).

NumClasesMod? Met ? NumSABDRs NumMtodosMod? Met ? NumObjs * NumSABDRs* 5

Metadata obtiene listado de bases de datos() obiene listado tablas() obtiene listado vistas() obtiene listado procedimientos() obtiene listado disparadores() obtiene listado llaves primarias() obtiene listado llaves forneas() obtener dependientes() muestras columnas() muestras descripcioens() recupera registros() modifica estructura() agrega columna() elimina columna() modifica orden de columna()

Base de Datos nombre proveedor versin conectar() desconectarse()

Metadata MSSQL

Metadata Oracle

Metadata PostgreSQL

Metadata MySQL

Figura 7. Mod-Met, modelado de la metadata. Mod-Met var 1, la variacin del modelo Mod-Met (presentado en la figura 8), consiste en agregar un nivel adicional para controlar la versin del SABDR utilizando como herramienta la herencia.Metadata obtiene listado de bases de datos() obiene listado tablas() obtiene listado vistas() obtiene listado procedimientos() obtiene listado disparadores() obtiene listado llaves primarias() obtiene listado llaves forneas() obtener dependientes() muestras columnas() muestras descripcioens() recupera registros() modifica estructura() agrega columna() elimina columna() modifica orden de columna()

Base de Datos nombre proveedor versin conectar() desconectarse()

Metadata MSSQL

Metadata Oracle

Metadata PostgreSQL

Metadata MySQL

Metadata PostgreSQL v7.2

Metadata PostgreSQL v7.3

Metadata PostgreSQL v7.4

6

Figura 8. Variacin del Mod-Met, soporte a diversas versiones de los SABDR 5. RESULTADOS

En la seccin anterior se han presentado los modelos desarrollados, mostrando en cada caso una relacin para determinar el nmero de clases y nmero de mtodos aproximados que presentar cada modelo. Estas relaciones dependen del nmero de objetos de bases de datos a soportar el navegador (NumObjs), el nmero de SABDRs a los que se puede conectar el navegador (NumSABDRs) y el nmero promedio de versiones que se soportarn de cada SABDR (NumVerSABDRs). Tomando las relaciones obtenidas se puede simular diferentes escenarios variando los valores para NumObjs, NumSABDRs y/o NumVerSABDRs, en esta seccin se presentarn los resultados luego de ejecutar las formulas en diversos escenarios para determinar la cantidad de clases y la cantidad de mtodos necesarios e cada modelo. En la tabla 1 se presenta el resultado de la simulacin para la cantidad de clases y en la tabla 2 se presenta el resultado de la simulacin para la cantidad de mtodos.

Tabla 1. Cantidad de clase a implementar en cada modelo para diferentes escenarios simuladosNumObjs NumSABDRs NumVerSABDRs Mod-Obj Mod-Obj var 1 Mod-Obj var 2 Mod-Ges Mod-Ges var 1 Mod-Met Mod-Met var 1 4 4 2 4 20 52 4 12 4 12 6 4 2 6 30 78 4 12 4 12 8 4 2 8 40 104 4 12 4 12 4 5 3 4 24 84 5 20 5 20 6 5 3 6 36 126 5 20 5 20 8 5 3 8 48 168 5 20 5 20

Tabla 2: Cantidad de mtodos a implementar en cada modelo para diferentes escenarios simulados.NumObjs NumSABDRs NumVerSABDRs Mod-Obj Mod-Obj var 1 Mod-Obj var 2 Mod-Ges Mod-Ges var 1 Mod-Met Mod-Met var 1 4 4 2 16 64 128 16 32 80 160 6 4 2 24 96 192 24 48 120 240 8 4 6 5 4 5 2 3 3 32 16 24 128 80 120 256 240 360 32 20 30 64 60 90 160 100 150 320 300 450 8 5 3 32 160 480 40 120 200 600

Para determinar la complejidad de cada modelo, se ha definido una mtrica (presentada en la tabla 3), con la cual se intenta medir la complejidad de cada modelo. Es necesario introducir esta mtrica pues el paradigma de orientacin a objetos por si mismo no garantiza la calidad del software que se construir [2]. Para facilitar los clculos se ha considerado que cada m todo de cada clase de un mismo modelo tiene la misma complejidad, lo cual en la realidad no es necesariamente cierto. En la tabla 4 se presenta la aplicacin de la mtrica a cada modelo obteniendo el valor de cada mtodo, para obtener la complejidad total del modelo, se tendr que multiplicar este valor por la cantidad de mtodos calculados para el modelo.

Tabla 3: Mtodo para evaluar la complejidad de un mtodo en los modelos implementados.Mtrica Pregunta Control tipo El mtodo controla el Control versin El mtodo controla la Recuperacin de El mtodo recupera la Escala 5=Si 3=Si 1=Si

Tabla 4: Aplicacin de la mtrica para obtener el valor de complejidad de un mtodo en cada modelo presentado.Modelo Mod-Obj Aplicacin de 5+3+1 Puntaje 9

7

Mod-Obj var 1 Mod-Obj var 2 Mod-Ges Mod-Ges var 1 Mod-Met Mod-Met var 1

3+1 1 3+1 1 3+1 1

4 1 4 1 4 1

6.

CONCLUSIONES

El efecto de agregar soporte a ms objetos de base de datos en el navegador, solo aumenta la cantidad de clases del modelo Mod-Obj y sus variaciones, mientras que el agregar soporte a otras bases de datos modifica a todos los modelos excepto Mod-Obj. Si se trata de aumentar el soporte de nuevas versiones de una SABDR, los modelos afectados son Mod-Obj var 2, Mod-Ges var 1 y Mod-Met var 1 quienes utilizan un nivel adicional para manejar el soporte de las versiones, este aumento es considerablemente grande. El cuanto al aumento de nmero de mtodos, el soporte a nuevos objetos de bases de datos hace que aumente el nmero de mtodos en todos los modelos, existiendo un incremento mayor en el Mod-Met y su variacin, puesto que este modelo maneja tanto la recuperacin de la metadata del objeto como la recuperacin de los listados de objetos soportados, si se soportan muchos objetos en el manejador se corre el riesgo de modelar un antipatrn [6]. En la tabla 5, se tienen todas las posibles combinaciones de modelos a ser usados por el navegador (recuerde que ModObj o cualquiera de sus variantes trabaja de manera conjunta con Mod -Ges o cualquiera de sus variantes) con el respectivo valor de mtrica de cada modelo, se puede concluir que para obtener el menor valor de complejidad del cada modelo, depender de la combinacin de valores de NumObjs, NumSABDRs y NumVerSABDRS, pudindose encontrar este en diferentes modelos.

8

Tabla 5: Aplicacin de la mtrica para obtener el valor de complejidad de cada modelo presentado.NumObjs NumVerSABDRs Mod-Obj+Mod-Ges Mod-Obj+Mod-Ges var1 Mod-Obj var 1+Mod-Ges Mod-Obj var 1+Mod-Ges var1 Mod-Obj var 2+Mod-Ges Mod-Obj var 2+Mod-Ges var1 Mod-Met Mod-Met var 1 4 4 2 208 176 320 288 192 160 320 160 6 4 2 312 264 480 432 288 240 480 240 8 4 2 416 352 640 576 384 320 640 320 4 5 3 224 204 400 380 320 300 400 300 6 5 3 336 306 600 570 480 450 600 450 8 5 3 448 408 800 760 640 600 800 600 4 6 4 240 240 480 480 480 480 480 480 6 6 4 360 360 720 720 720 720 720 720 8 6 4 480 480 960 960 960 960 960 960 4 7 5 256 284 560 588 672 700 560 700 6 7 5 384 426 840 882 1008 1050 840 1050 8 7 5 512 568 1120 1176 1344 1400 1120 1400

Tambin del cuadro 6 se puede concluir que si se desea soportar un nmero grande de objetos de bases de datos, un nmero grande de SABDRs y un nmero grande de versiones de SABDRs, segn la mtrica definida para el modelo, el Mod-Obj es la mejor alternativa. Esta investigacin es el inicio de una serie de evaluacin y comparaciones de modelos en la lnea de Desarrollo de Herramientas de Productividad sobre Mltiples Bases de Datos Relacionales, basndose en estos resultados, se puede extender el estudio para el modelado de la metadata para otras herramientas como por ejemplo: Generadores de datos de prueba, optimizadores, entre otros. REFERENCIAS 1. 2. 3. Axmark David. MySQL The Commercial OpenSource Database. Egov Open Source Conference. (Marzo2003). ftp.iasi.roedu.net/mirrors/ftp.mysql.com/Presentations/presentation-fosdem2003-20030208.ppt Dolado J. y Fernndez L. Medicin para la Gestin en la Ingeniera del Software. Rama. Madrid (2000). Laura S. Yasin y Echegaray A. Jessica. Administrador de Bases de Datos Enfocado a la Optimizacin para Mltiples Plataformas de Bases de Datos. Tesis para optar por el ttulo de Ingeniero Informtico. Pontificia Universidad Catlica del Per. 2001. Melgar S. Andrs. Navegador de Objetos de Mltiples Bases de Datos Relacionales. Tesis para optar por el ttulo de Ingeniero Informtico. Pontificia Universidad Catlica del Per. 2002. Melgar Sasieta, H.A. y Dvila Ramn, A. Modelado de la Metadata para el Desarrollo de Herramientas de Productividad sobre Mltiples Manejadores de Bases de Datos Relacionales. IV Jornadas Iberoamericanas en Ingeniera del Software e Ingeniera del Conocimiento, Noviembre 2004. McCormick H. Antipatterns. Refactoring software, architecture, and projects in crisis. 1998. Microsoft Corporation. SQL Server Customers Get Worldwide Recognition for Enterprise-Class Scalability. http://www.microsoft.com/sql/evaluation/compare/wintercorp.asp Miller Mike. A Contact Database using MySQL and PHP. 1998. http://www.webtechniques.com/archives/1998/01/note/ Melndez Ll. Karin. Sistema Generador de Datos Basados en Reglas. Tesis para optar por el ttulo de Ingeniero Informtico. Pontificia Universidad Catlica del Per. 2003.

4. 5.

6. 7. 8. 9.

10. MySQL Web Page. http://www.mysql.com/ 11. Oracle Corporation. The World's Largest Commercial Database Runs Oracle. http://www.oracle.com/solutions/performance_scalability/index.html?winter2003.html 12. PostgreSQL Web Page. http://www.postgresql.com/ 13. Wolff David. Mysql, Postgresql, And Php: Open Source Technologies For A Database Management. The Journal of Computing in Small Colleges. Volume 17, Issue 2 (Diciembre 2001), Pages: 91 - 92 14. Zapata D. Claudia. Sistema de Apoyo a la Gestin de Replicacin de Datos de Diferentes Manejadores de Bases de Datos Relacionales. Tesis para optar por el ttulo de Ingeniero Informtico. Pontificia Universidad Catlica del Per. 2003. Equation Chapter 1 Section 1 9

Sistema Multiagente Inteligente para la Planificacin Organizada del Estudio de un AlumnoJess Soto Universidad Pontificia de Salamanca, Dept. Inteligencia Artificial, Lenguajes Formales y Matemtica Aplicada Madrid, Espaa, 28040 jesus.soto@upsam.net y Elisa Garca Gordo Universidad Pontificia de Salamanca, Dept. Lenguajes y Sistemas Informticos Madrid, Espaa, 28040 elisa.garcia@upsam.net

ABSTRACT Studies about the academic situation throw worrisome data more and more about the failure at school, which takes to the educational people in charge to look for causes and solutions. In order to obtain an optimal yield, the student needs order and discipline to complete his tasks, and perhaps technology is the key that will allow to obtain a minimum failure at school. This work describes the proposal of a design of an intelligent system, with the goal to obtain a recommendation of the necessary organization of the study of a student. Using technical in reasoning under uncertainty, with the provided data of the scholastic life of a student and a specific population, the system will determine if a subject is difficult or not, how much a student have to study to pass the subject, and if needs to deepen in some additional subject. Keywords: Failure at school, Recommendation Systems.

RESUMEN Los estudios sobre la situacin acadmica arrojan datos cada vez ms preocupantes sobre el fracaso escolar, lo cual lleva a los responsables docentes a buscar causas y soluciones. Para obtener un rendimiento ptimo, el alumno necesita orden y disciplina para completar sus tareas, y quizs la tecnologa sea la llave que permitir obtener un mnimo fracaso escolar. Este artculo refleja la propuesta de diseo de un sistema inteligente, con el objetivo de obtener una recomendacin de la organizacin necesaria del estudio de un alumno. Utilizando tcnicas en razonamiento bajo incertidumbre, con los datos proporcionados de la vida escolar de un alumno y de una poblacin determinada, el sistema determinar si es difcil una asignatura o no, cunto ha de es tudiar un alumno para poderla aprobar, y si necesita profundizar en algn tema adicional. Palabras claves: Fracaso Escolar, Sistemas de Recomendacin.

1. 10

INTRODUCCIN

El fracaso escolar en particular, y la situacin educativa en general, son temas de creciente inters internacional. La Organizacin para la Cooperacin y el Desarrollo Econmico (OCDE1 ) realiza el Programa para la Evaluacin Internacional de los Alumnos (Proyecto PISA 2 ), estudio trianual sobre los conocimientos y las destrezas de los alumnos de 15 aos en los principales pases industrializados. Eurydice3 es una red institucional encargada de la recopilacin, anlisis y difusin de informacin acerca de los sistemas y polticas educativas de toda Europa. Y en Espaa, el Instituto Nacional de Evaluacin y Calidad del Sistema Educativo (INECSE4 ) evala desde los procesos de aprendizaje de los alumnos hasta la propia Administracin educativa, y a nivel universitario, el Plan Nacional de Evaluacin de la Calidad de las Universidades (PNECU), establecido por el Ministerio de Educacin y Ciencia a iniciativa del Consejo de Universidades. Aunque la definicin de fracaso escolar puede resultar un tanto imprecisa, los datos estadsticos (OCDE, PNECU) no dejan lugar a dudas: en Espaa, el 26% de los alumnos no consigue terminar la enseanza obligatoria, y de los universitarios entre el 40 y el 50% abandona la carrera (90% de abandonos en primer curso en el caso de las ingenieras) [8]. Las causas de que el rendimiento no sea el esperado pueden pertenecer a diversas disciplinas, y descartadas las razones fisiolgicas/adaptativas, algunos autores agrupan los factores que pueden influir en el fracaso escolar en los relativos al alumno, profesor, y otros [12]. Y centrados en el alumno, diferentes estudios revelan una causa comn de fracaso escolar: la mala organizacin y planificacin del estudio [11][12]. Asimismo, los expertos sealan la importancia de una planificacin global, de forma que slo un plan organizativo general permitir un horario eficaz y realista [13]. Existen multitud de planificadores de tiempo de estudio/exmenes, como TimEtable Achiever, ExamPlanner o Facility CMIS Timetabler, que manejan un amplio nmero de tareas pero con tiempos conocidos e idnticos para todos los usuarios. El objetivo de este trabajo es aportar una herramienta til de apoyo al estudio proponiendo un planificador que, a diferencia de otros, crear un plan de trabajo personalizado teniendo en cuenta la materia de la que se trate y los conocimientos y ritmo de aprendizaje del alumno. La descripcin del sistema propuesto se estructura de la siguiente forma: la seccin 2 define el modelo de tareas del sistema multiagente, especificando la representacin las unidades didcticas y la configuracin de las relaciones entre ellas, a estimacin de la situacin de partida de un alumno, la generacin de la planificacin personalizada, y el l seguimiento y evaluacin de esta previsin. La seccin 3 detalla la arquitectura propuesta para el sistema multiagente, con las tecnologas y componentes necesarios para su implementacin. Finalmente, la seccin 5 recoge las conclusiones y direcciones de trabajo futuro. 2. MODELO DE TAREAS

Para realizar la planificacin organizada del estudio de un alumno deben llevarse a cabo las siguientes tareas: ? Configuracin de las relaciones entre las unidades didcticas: comprende una especificacin para la representacin de las unidades didcticas, y una ponderacin de las relaciones existentes entre ella s. ? Inferencia del conocimiento a priori: obtencin de una medida de las posibilidades de superar una unidad didctica con los conocimientos que se tienen antes de abordar su estudio. ? Planificacin inicial: programacin del estudio de una unidad didctica ajustada al conocimiento a priori del alumno, as como la propuesta global de planificacin para la consecucin de todos los objetivos. ? Seguimiento: si el alumno no cumple alguna sesin de estudio, se almacena el caso y se realiza un ajuste dinmico de la planificacin propuesta.

1 2 3 4

OECD (Organisation for Economic Co-operation and Development). http://www.oecd.org PISA (OECD Programme for International Student Assessment). http://www.pisa.oecd.org EURYDICE. The information network on education in Europe. http://www.eurydice.org INECSE (Instituto Nacional de Evaluacin y Calidad del Sistema Educativo). http://www.ince.mec.es 11

? Aprendizaje: adecuacin al ritmo y hbitos de estudio del alumno, a partir de la informacin recogida en su seguimiento. CONFIGURACIN DE LAS UNIDADES DIDCTICAS ORGANIZACIN Y EVALUACIN Para poder realizar la inferencia del conocimiento a priori, el sistema de planificacin necesita tener almacenados los esquemas de las unidades didcticas, as como las evaluaciones realizadas. El sistema propuesto parte de un gestor de contenidos de aprendizaje, como Moodle5 o ATutor6 , que implemente las especificaciones de almacenamiento propuestas por SCORM 7 . Esta especificacin define la estructura de una unidad didctica de acuerdo al modelo del IMS Global Learning Consortium para el almacenamiento de contenidos de aprendizaje [7] (ver tabla 1). Unidad didctica-Estructura jerarquica IMS Content Package - Seccin Organizations - Cdigo XML Tcnicas de bsqueda no informada

Fundamentos de la Inteligencia ArtificialIntroduccin IA Estrategias de resolucin de problemas. Tcnicas de bsqueda no informada Tcnicas de bsqueda heurstica Sistemas de produccin CLIPS Lgica PROLOG Introduccin Agentes Inteligentes

Tabla 1 Almacenamiento de la organizacin de una unidad didctica Es necesario definir las relaciones de dependencia entre los elementos que componen las unidades didcticas. La especificacin del atributo slo permite una estructura jerrquica en rbol [6], pero el modelo de dependencias propuesto en este artculo es un grafo multiconectado. Para permitir la definicin ms completa se recomienda el uso del elemento , que permite enlazar con un fichero en el gestor de contenidos que almacena el grafo de dependencias en formato XMLBIF 8 . Este fichero ser utilizado posteriormente por un motor de inferencia bayesiano. En este fichero de definicin de red bayesiana, se plantea dentro de una red multiconectada la definicin de los nodos concepto, de las variables discretas de cada nodo y de las matrices de probabilidad condicionada que definen las relaciones. ? Nodos Concepto: son todos los elementos definidos en la unidad didctica, por ejemplo Lecciones. Cada nodo concepto posee asociada una variable aleatoria discreta que representa el nivel de conocimiento que posee un alumno. ? Dependencias: definidas por el experto encargado de configurar las unidades didcticas (ver figura[1]). Los valores de probabilidad condicional a priori son obtenidos de forma automtica mediante un algoritmo de aprendizaje paramtrico [4] [14].

5 6 7 8

MOODLE: http://moodle.org/ ATUTOR: http://www.atutor.ca/ SCORM: Sharable Content Object Reference Model - http://www.adlnet.org/scorm/history/2004/documents.cfm Formato de Intercambio de Redes Bayesianas: XMLBIF: http://www-cs.cmu.edu/afs/cs/user/fgcozman/www/Research/InterchangeFormat/

12

Para realizar un aprendizaje paramtrico, es necesario tener registrada toda la informacin sobre las evaluaciones realizadas a los alumnos, as como un mtodo de discretizacin del nivel de conocimiento. Para ello, el responsable docente define sobre cada tema o elemento de la unidad didctica, la serie de tcnicas de evaluacin que debern tomarse como referencia (como cuestionarios, prcticas, ejercicios, etc.) [15]. Cada tcnica de evaluacin tiene asociado un factor reductor (fv i ) encargado de definir el grado de importancia de dicha medida (comprendido entre 0 y 1). La tasa de evaluacin (ecuacin [1.1]) aglutina todos los resultados del alumno.

EV ? ? ev1 , ev2 , ev3 ,? , evn ?

TV ?,

?

i? n i ?1

fvi ?evi n(1.1)

Para realizar el clculo de los parmetros de la variable de nivel de conocimiento (NC) de una unidad didctica (x), se discretizan las tasas de evaluacin de los alumnos segn los umbrales definidos para cada elemento de la unidad didctica. Si se utilizan varios atributos, la discretizacin es ms compleja, ver [18]. La variable multivaluada N C x adquiere los valores ? x1 ? bajo , x2 ? medio, x3 ? alto? en un vector de parmetros ? ? ? ?1 , ? 2 , ? 3 ? La probabilidad de un parmetro ? k sigue la distribucin de Dirichlet [2], ecuacin [1.2].

p (? k | D ) ? Dir (? k | ? 1, ? 2 , ? , ? r ) ,

? ?

?

r

k ?1

?k y ? k ? 0

(1.2)

Si los datos son completos y existe separabilidad direccional entre los nodos de la red bayesiana, puede actualizarse de forma independiente cada vector de parmetros ? ij . Asumiendo que cada vector sigue la distribucin de Dirichlet, puede obtenerse la distribucin de probabilidad condicionada del conjunto de padres Pai (ecuacin [1.3]), donde N k es el nmero de apariciones de cada parmetro en la muestra D , en la que NCx ? x k y Pai ? paij .p (? i j | D) ? Dir (? ij | ? 1 ? N 1 , ? 2 ? N2 , ? 3 ? N3 )

(1.3)

Si se produce un nuevo evento en el sistema, como por ejemplo la insercin de nuevos registros de evaluacin, (caso x , N ? 1 ) , se actualizan las probabilidades con la ecuacin [1.4] . Para mayor detalle, ver [14].

p ( NCx ,N ? 1 ? xk | D) ?

? ??i ?1

n

ijk

?Dir(? ij | ? 1 ? N1 , ? 2 ? N2 ,? 3 ? N3 ) ?d? ij

(1.4)

Adems del aprendizaje paramtrico, debe existir una medida del xito con el que se ha terminado una unidad didctica, y para ello se definen los objetivos deseados al finalizar la actividad de aprendizaje. Cada objetivo especifica el conocimiento mnimo exigido cada rea de la unidad didctica (conjunto de lecciones). El planificador asigna mayor tiempo de estudio a aquellas reas s obre las cuales el alumno tenga un menor conocimiento, es decir, debe estudiar ms de aquello que sepa menos. Para estimar la situacin actual del estudiante respecto a la deseada en los objetivos, el planificador utiliza como medida la probabilidad de la consecucin de objetivos a priori (PCO), que se define de la siguiente forma: Variable Objetivo: Oi ? ?C , N C ? C = Conseguido, NC= No conseguido Factor reductor de un objetivo: fi ? ?0,1? Probabilidad de la consecucin de objetivos a priori (PCO) en una unidad de conocimiento.PCO ?

?

i? n i? 0

f i ?P (O n

i

? C )

, n = n objetivos por unidad didctica

(1.5)

13

Fundamentos IA

Introduccin IA

P/TLTeora - Estrategias de resolucin de problemas Teora - Sistemas de Produccin

Bajo 0,9 0,2 0,1

medio 0,1 0,5 0,3

alto 0 0,3 0,6

BajoTeora - Lgica

MedioCLIPS

Tcnicas de bsqueda no informada

Tcnicas de bsqueda informada

AltoPROLOG

O1 - Resolucin de Problemas

O2 - Fundamentos Sistemas de Produccin

O3 - Fundamentos Programacin Lgica

Figura 1 - Unidad didctica - Dependencias internas Existen multitud de dependencias entre las distintas unidades didcticas. Ejemplos de estas dependencias son mostrados en la figura 2. En este ejemplo sencillo de interdependencias, el experto encargado de configurar las unidades didcticas ha determinado que para conocer el sistema experto PROSPECTOR, es necesario tener conocimientos de probabilidad (objetivo 1 de la unidad didctica Estadstica) y sistemas de produccin (objetivo 2 de la unidad didctica Fundamentos IA).ProgramacinO1 Programacin Bsica O2 Programacin Dinmica

...

On- Otros..

Estructura de DatosO1 Encapsulacin O2 - Estructuras Dinmicas

Metodologa de la Programacin ...On- Otros.. O1 - Complejidad Algoritmica O2- Problemas NP completos

...

On- Otros..

Fundamentos IA

Introduccin IA

Teora - Estrategias de resolucin de problemas

Teora - Sistemas de Produccin

Teora - Lgica

Tcnicas de bsqueda no informada

Tcnicas de bsqueda informada

CLIPS

PROLOG

O1 - Resolucin de Problemas

O2 - Fundamentos Sistemas de Produccin

O3 - Fundamentos Programacin Lgica

EstadsticaA* Reduccin de Grafos Planificacin rboles de Decisin O1 -Planificacin y Optimizacin MYCIN REDES BAYESIANAS FUZZY LOGIC O2- Razonamiento Bajo Incertidumbre O3 Aprendizaje O1 Probabilidad

...

OnOtros..

Induccin

Redes de Neuronas

PROSPECTOR

Matemtica Aplicada O1 - Trat. Digital n ... O tO o s-. . de Seales r Prog. Grfica O1 - Filtrado ... de Imgenes

OnOtros..

Introduccin Visin Artificial

O4 - Visin Aritificial

Segmentacin de Imgenes

Inteligencia Artificial e Ingeniera del Conocimiento

Figura 2 - Unidad didctica - Dependencias externas Inferencia del Conocimiento A Priori 14

Uno de los aspectos ms importantes del sistema propuesto es el anlisis personalizado para cada estudiante. Gracias a la organizacin de las unidades didcticas y al sistema de evaluacin propuesto se puede obtener el conocimiento a priori, definido como la probabilidad de consecucin de objetivos a priori (PCO). Por ejemplo, el sistema tiene en cuenta que un estudiante muy bueno en estadstica, conseguir con poco esfuerzo comprender los fundamentos del razonamiento bajo incertidumbre. Esta regla inducida es relevante para realizar una planificacin ptima adecuada a las caractersticas particulares del estudiante. Antes de iniciarse el proceso de planificacin, el sistema obtiene la red de dependencias con todas las unidades didcticas a cursar por el alumno, una vez construida la red, el sistema calcula los niveles de conocimiento sobre los nodos precondicin iniciales. Por ltimo, el sistema aplica el algoritmo de inferencia para redes multiconectadas [9], calculando los niveles de conocimiento a priori de todos los nodos, as como el PCO para cada unidad didctica. Planificacin Inicial El resultado del proceso de planificacin ser la organizacin de la realizacin de las distintas tareas necesarias para adquirir los objetivos deseados en funcin del alumno. Las tareas a planificar son las distintas lecciones que componen las unidades didcticas. La red de tareas sigue una estructura jerrquica, modelo que permite formalizar una planificacin HTN [3]. El planificador, en funcin de la informacin que conoce, propondr un plan de trabajo para maximizar la nota en el mnimo tiempo, entendiendo por minimizar el tiempo no el tardar pocos das, sino organizar las sesiones de estudio del modo ms efectivo a nivel acadmico y con menos impacto en el mbito social del alumno. Para ello es necesario tener en cuenta, adems del nivel de conocimiento previo del alumno, el nivel de dificultad (alguna medida del esfuerzo necesario para alcanzar los conocimientos que le faltan), y el comportamiento del estudiante respecto al cumplimiento de las planificaciones anteriores (experiencia acumulada almacenada en la base de casos), adems de otros factores psicolgicos que forman parte de una lnea de trabajo futuro abierta. Seguimiento El sistema presentado hace una previsin de tiempo y plazos suponiendo que el alumno cumple todas las sesiones de estudio programadas. Si no es as, el modelo perdera su utilidad a partir de ese momento. Para evitarlo, el alumno debe informar del grado de cumplimiento, es decir, si no va a realizar una tarea o la deja sin terminar. Entonces el sistema debe re-evaluar la situacin teniendo en cuenta estas incidencias, y proponer un nuevo plan de trabajo. Esta situacin es revisada y reten ida si procede, en una base de casos [10]. Por ejemplo, un alumno quiere irse al cine y notifica al sistema que no va a realizar las tres tareas de tarde asignadas. En esta situacin, el sistema calcula un nuevo plan dejando libre la tarde. Si no es posible realizar la replanificacin, el sistema notificar al estudiante que si anula las tareas de estudio no podr cumplir los objetivos establecidos. Aprendizaje Una vez evaluado el alumno de la unidad didctica para la cual se estaba preparando, el sistema planificador debe conocer los resultados y evaluarse a s mismo. Si no haba hecho una buena planificacin, a partir de ese momento debe ajustar su planificacin al ritmo particular del alumno. Dicho de otra forma, si el sistema no ha realizado ninguna planificacin, este genera una programacin de las tareas de estudio teniendo solo en cuenta el conocimiento a priori del estudiante. Al terminar la ejecucin de la planificacin, estarn almacenados todos los casos registrados en el seguimiento del alumno. Ante un nuevo caso de planificacin, el sistema recupera y adapta [16] las soluciones propuestas anteriormente a los nuevos problemas planteados por el alumno. 3. ARQUITECTURA DEL SIS TEMA

El problema planteado en este artculo requiere la resolucin de forma colaborativa por un grupo distribuido de agentes inteligentes [5].

Elementos de la arquitectura: 15

? AGENTES: cada agente esta encargado de realizar una o varias tareas. ? LIBRERAS: libreras utilizadas dentro del sistema multiagente. ? Bayesian Networks in Java (BNJ 9 ): para manejar los modelos grficos de probabilidad y aplicar el mtodo de inferencia descrito en [9]. ? Java Simple Hierarchical Ordered Planner 2 (JSHOP2 10 ): el planificador JSHOP2 implementa un tipo de planificacin HTN [3] , basado en la tcnica de descomposicin de tareas bajo demanda. ? Case-Based Reasoning Tools 11 : para el razonamiento basado en casos [16] utilizado en el planificador (recuperacin de casos) y en el asistente de evaluacin (revisin y retencin). ? CONTENEDOR DE AGENTES JADE12 : proporciona los servicios necesarios para la ejecucin de los agentes. Implementa protocolos de interaccin definidos en FIPA[1], manejo de mensajes ACL, etc. ? INTERFAZ MULTIMODAL: basada en el proyecto de apache COCOON 13 . Permite la generacin de interfaces adaptadas al dispositivo de conexin. Dependiendo del dispositivo de conexin (explorador web, PDA, explorador mvil,etc..), COCOON aplica al contenido de la interfaz solicitada, la plantilla XSLT que corresponde al dispositivo que realiza la peticin.SISTEMA MULTIAGENTE - JADE

Analizador BNJ BNJ

Planificador C B R JSHOP2

Configurador BNJ

L C M S S M L O R

Biblioteca de Casos

BNJ Secretario

C B R Asistente

Alumno

Pantalla plana P D A

X M L XSLT C O C O O N

? Agentes:

Experto

Servidor Aplicaciones

T O M C A T

Figura 3 Arquitectura del sistema multiagente ? CONTENEDOR: almacena las estructuras de las unidades didcticas, objetos de aprendizaje y evaluaciones del alumno (LCMS / LOR/ SM). No es necesario implementar uno, pueden ser sistemas de administracin de contenidos de aprendizaje como ATUTOR o MOODLE (LCMS - Learning Content Management System / LORLearning Object Repository), adems del sistema interno de gestin del centro docente, dnde estn guardados todos los registros de evaluacin del alumno (SM Student Marks).

9

BNJ: Bayesian Networks in Java, Kansas State University - Probabilistic Reasoning Group. http://bnj.sourceforge.net/ JSHOP2: Java Simple Hierarchical Ordered Planner 2 - http://www.cs.umd.edu/projects/shop/description.html CBR Tools: http://www-sop.inria.fr/axis/cbrtools/usermanual-eng/Introduction.html JADE, Java Agent Development Framework: http://jade.tilab.com/ The Apache Cocoon Project: http://cocoon.apache.org/

10 11 12 13

16

? SECRETARIO: agente encargado de procesar y dirigir las peticiones dentro del sistema multiagente. La comunicacin del sistema puede realizarse con un agente cliente capaz de enviar mensajes ACL (Alumno / Experto) o con una interfaz generada por el servidor de aplicaciones. ? CONFIGURADOR: encargado de configurar las redes de dependencia entre las distintas unidades didcticas. El experto realiza la actividad de configuracin. El almacn de la red sigue la organizacin de las dependencias internas y externas entre unidades didcticas, propuestas en la seccin 2 de este artculo. Para manipular las relaciones de dependencia es necesario utilizar BNJ. ? ANALIZADOR: es el encargado de obtener las capacidades de alumno para superar los objetivos establecidos. Su funcin es la de conectar las redes de dependencia definidas por el experto para los objetivos definidos por alumno, aplicar un aprendizaje paramtrico sobre los registros de evaluacin del alumno, y calcular todos los niveles de conocimiento del alumno adems del PCO de cada unidad didctica analizada con el algoritmo[ 9]. ? PLANIFICADOR: descompone las unidades didcticas en una red de tareas jerrquicas, programa las precondiciones y acciones, realiza la planificacin con los datos proporcionados por el agente analizador y atiende las solicitudes de cambio de planificacin. ? ASISTENTE: interacta con el agente CONTENEDOR y el PLANIFICADOR. Es el encargado de suministrar los objetos de aprendizaje segn la planificacin establecida, actualizar el seguimiento, recibir las solicitudes de cambio, y revisar y retener los nuevos casos de planificacin en la base de casos. Interfaces En los ltimos aos se ha producido un incremento notable en la utilizacin de dispositivos de informacin mvil, como telfonos y PDAs con distintas configuraciones. Adaptar las interfaces de usuario a la gran variedad de dispositivos existentes, supone en muchos casos un desarrollo costoso, que puede llevar a ralentizar y complicar el proyecto. Para aumentar la usabilidad del sistema con interfaces sencillas que permitan ser accesibles desde cualquier parte con cualquier dispositivo, se propone el uso de un servidor de aplicaciones con el framework de publicacin COCOON. La ventaja de COCOON frente a las distintas aplicaciones de composicin web por plantillas como son Web Macro 14 o Apache Velocity 15 , es el uso del estndar XML ofreciendo la separacin entre el contenido (XML) y la presentacin (XSLT).

Planificacin para el da 30/06/2005: 08:00 - 13:00 16:00 - 18:00 18:30 - 19:00 S3- CO2 Prctica - CO2 - LO - P1 Test de Evaluacin - S3 CO2

Junio 2005 L M X J V 1 2 3 5 6 7 8 9 10 12 13 14 15 16 17 19 20 21 22 23 24 26 27 28 29 30 D

S 4 11 18 25

Html 32

XSLT

XSLT

XSLT

XSLT

ID Nombre Comienzo de tarea 1 2 3 4 5 LO1 LO2 LO3 LO4 LO5

Jun 2005 Fin Duracin 25 26 27 28 29 1d 3d 1d 2d 4h 1d

Hoy3 0 1 2

Jul 2005 3 4 5

wml iexplorer Html + javascript Html nokia Sharp pda Explorador browser generico

27/06/2005 27/06/2005 28/06/2005 30/06/2005 01/07/2005 01/07/2005 04/07/2005 06/07/2005 04/07/2005 04/07/2005

MAPPING Servidor de Aplicaciones Tomcat JSP / SERVLET

Potenciar 01/06/2005 28/05/2005 01/07/2005 01/08/2005 26/08/2005

XML

COCOON SERVLET

14 15

http://www.webmacro.org http://jakarta.apache.org/velocity/ 17

4.

CONCLUSIONES Y TRABAJO FUTURO

Teniendo en cuenta que una las principales causas del bajo rendimiento acadmico es la mala planificacin del estudio [11][12], en este artculo se ha propuesto un sistema multiagente inteligente que disea un plan de trabajo personalizado para ayudar al alumno a cumplir sus objetivos acadmicos. Se plantea como trabajo futuro el desarrollo de un prototipo que permita un estudio real de la eficacia del sistema y de sus posibilidades de mejora. Respecto al modelo del planificador quedan dos ideas abiertas: ? Planificador multicapa: para cada alumno se tendrn en cuenta ms parmetros que los acadmicos, como pueden ser su estado psicolgico, nivel de dificultad subjetivo, etc. Esto se traducir en que estudiantes en idnticas situaciones acadmicas, pero en diferentes estados y circunstancias personales, tendrn planificaciones diferentes. Por ejemplo, al sistema no slo le importar si un estudiante anula una sesin de estudio, sino tambin el porqu. ? Aprendizaje estructural [14]: el sistema refinar las relaciones (indicadas por el experto) entre unidades didcticas, o crear otras nuevas aprendiendo de las planificaciones y evaluaciones realizadas hasta el momento. REFERENCIAS 1. 2. 3. 4. 5. 6. 7. 8. 9. Foundation for Intelligent Physical Agents. Interaction Protocol Specifications. Geiger D., Heckerman D. A. Characterization of the Dirichlet Distribution Through Global and Local Parameter Independence. The Annals of Statistics, Vol. 25, No. 3, 1997, pp. 1344-1369. Ghallab M., Nau D., Traverso P. Automated Planning: Theory & Practice, pp. 244, 259 Heckerman D. A Tutorial on Learning With Bayesian Networks. Microsoft Research - Advanced Technology Division. ftp://ftp.research.microsoft.com/pub/tr/tr-95-06.pdf Idea Group Publishing. Intelligent agents for data mining and information retrieval. 2004. IMS Global Learning Consortium. IMS Content Packaging Best Practice Guide 1.1.3 Final Specification. 2003. pp. 12 IMS Global Learning Consortium. IMS Content Packaging Information Model. 1.1.3 Final Specification. 2003. Informe anual de la tercera convocatoria del Plan Nacional de Evaluacin de la Calidad de las Universidades. Ministerio de Educacin y Ciencia. 2002. Lauritzen, S. and Spiegelhalter, D. Local computations with probabilities on graphical structures and their application to expert systems .J. Royal Statistical Society B, 50:157-224. 1988.

10. Leake D. Case-Based Reasoning: Experiences, Lessons, and Future Directions. AAAI Press/MIT Press, 1996. 3 11. Marn Garca, S. Los hbitos de estudio y la mejora del rendimiento acadmico en la ESO. IES Senz de Buruaga. Mrida (Badajo z). 1997. 12. Martn Bravo, MA.(Coordinadora). Anlisis de las causas del fracaso escolar en las ingenieras tcnicas y propuestas de mejora. Universidad de Valladolid. 2004. http://wwwn.mec.es/univ/html/informes/estudios_analisis/resultados_2004/ea0155/fracaso_escolar.pdf 13. Martnez-Otero, V. Los adolescentes ante el estudio. Causas y consecuencias del rendimiento acadmico. Madrid, Fundamentos. 1997. 14. R.E. Neapolitan. Learning Bayesian Networks.Prentice Hall. 2003. 15. Saskatchewan Education. Student Evaluation: A Teacher Handbook . Saskatchewan Education. Regina, SK,1991. 16. Scott, S., Simpson, R., 1998. Case Bases Incorporating Scheduling Constraint Dimensions: Experiences in Nurse Scheduling, In Advances in Case-Based Reasoning (EWCBR98), Springer Verlag Lecture Notes in AI, 1998. 17. Wang K. y Liu B. (1998) Concurrent discretization of multiple attributes. Rim International Conference on AI, pp. 250,259. 18

La participacin en los grupos de discusin en internet y la construccin social de conocimiento (Estudio de casos)Jorge Luis Rodrguez Oropeza Universidad Pontificia de Salamanca, Facultad de Informtica Madrid, Espaa jorgerodriguezo@yahoo.esABSTRACT

Transformations that have permitted the step of a industrial society to a information and knowledge society, have had influence upon the educational world; basically due to, when talk about a sociability transformation, the learning processes look affected; and also because the appearing of a new development mode that is based on the information and knowledge, inevitably he touches that we have understood that during centuries like the knowledge source: the education. This investigation has for object to do a participation analysis of Internet forums, from the perspective of the social construction of knowledge, by means of a case study. To such end, we will utilize the participant observation technique as methodological tool, in two groups of discussion of a Spanish university. We try, from the practice analysis, to investigate on the cooperative and collaborative learning potentials, present in the on line communities.

Keywords: Virtual communities, e-learning, social construction of knowledge, Internet

RESUMEN

Las transformaciones que han permitido el paso de una sociedad industrial a una sociedad de la informacin y el conocimiento, han repercutido en el mbito educativo; fundamentalmente, porque al hablar de una modificacin o transformacin de la sociabilidad, los procesos educativos se ven afectados; y tambin porque la aparicin de un nuevo modo de desarrollo que se basa en la informacin y el conocimiento, inevitablemente toca lo que durante siglos hemos entendido como la fuente de difusin del conocimiento: la educacin. La presente investigacin tiene por objeto hacer un anlisis de la participacin en los foros de discusin en internet, desde la perspectiva de Construccin social de conocimiento, mediante un estudio de casos. A tal fin, utilizaremos la tcnica de observacin participante como herramienta metodolgica, en dos grupos de discusin de una universidad espaola. Intentamos pues, desde el examen de la praxis, indagar sobre las potencialidades del aprendizaje colaborativo y cooperativo, presentes en las comunidades en lnea.

Palabras claves: Comunidades virtuales, e-learning, construccin social de conocimiento, internet.

19

1.

INTRODUCCIN

Inicialmente, nos aproximaremos a las repercusiones que sobre el mbito educativo han suscitado este cambio social y tecnolgico, fundamentalmente la Construccin Social del Conocimiento; con la intencin de destacar lo concerniente a nuevas propuestas para los procesos de aprendizaje que han surgido en internet. Seguidamente presentaremos el estudio de los casos, como propuesta de inves tigacin, sus objetivos y la metodologa a utilizar que nos permita analizar algunas particularidades sobre la participacin los foros de discusin e internet. En el primer caso analizaremos un foro que fue colocado en internet a un grupo alumnos de doctorado con el objeto de encontrar la solucin a un desafo; y en el segundo, abordaremos un foro que fue creado por iniciativa propia del mismo grupo de personas para propiciar el intercambio sobre tpicos afines a sus estudios. Finalmente, presentaremos el anlisis de los datos de manera singular y comparada, con la intencin de verificar la comprobacin o no, de las hiptesis planteadas en la investigacin. 2. LA CONSTRUCCIN SOCIAL DEL CONOCIMIENTO

Escapa del alcance de este trabajo hacer un abordaje completo sobre lo que comprende la Construccin Social del Conocimiento; por lo que nos limitaremos a sealar algunos de sus elementos que nos puedan aportar luces sobre nuestra investigacin y posterior anlisis de los casos a estudiar; partiendo de una premisa bsica: las interrelaciones sociales que surgen en las experiencias de grupo, pueden conducir a la construccin de conocimiento; an cuando dichas experiencias ocurran en ambientes no presenciales tales como las comunidades virtuales. Tere, David y Sandelands, al disertar sobre la vigencia de la construccin del conocimiento afirman: El conocimiento ya no se percibe ni como absoluto ni como universal, sino como local, cambiante a lo largo de la historia y que tiene que ser reconstruido de vez en cuando sobre los cimientos de la experiencia vivida, individual y social. Por consiguiente, hoy se cree que el conocimiento tiene que construirse y que la rueda del conocimiento como se deca antes- debe ser reinventada por cada generacin que desea utilizarla [5] La Zona de Desarrollo Prximo (ZDP) Vygotsky defini la Zona de Desarrollo Prximo (ZDP) como la distancia entre el nivel de desarrollo real determinado por la resolucin de individual de problemas y el nivel de desarrollo potencial determinado por a resolucin de l problemas bajo la direccin de adultos o en colaboracin con iguales ms capaces [8]. La ZDP parte de una realidad, todas las personas en algn momento de la vida son incapaces de resolver un problema o ejecutar una tarea si no tienen acceso a cierto conocimiento o no poseen determinadas destrezas; y esas personas, al entrar en contacto con otras ms experimentadas y recibir su ayuda u orientacin pueden alcanzar el nivel de conocimiento que les faculte para hacer lo que antes no podan. Lu ego, la ZDP no es otra cosa que esa diferencia o distancia que existe entre lo que somos capaces de hacer por nosotros mismos y lo que podramos hacer al interactuar con otros. De esta definicin surge un aspecto muy importante, que en la actualidad cobra relevancia, no se establece una visin dicotmica de los sujetos ni los objetos; no se predetermina una relacin profesoralumno, en la que el primero detenta el conocimiento y mediante un flujo unidireccional lo remite al inexperto. Aplicando los conceptos de Vygotsky a nuestra realidad, podemos establecer que en un grupo o comunidad virtual, en el que estn presentes los cuatro factores del proceso educativo (aprendiz, profesor, el problema y el conocimiento) se puede construir conocimiento. En las interacciones de los nodos de una red, donde se vinculan competencias, habilidades y carencias, se suscita conocimiento dando lugar a una Zona de Desarrollo Prximo y a la construccin de conocimiento.

20

La comunicacin en red Tradicionalmente hemos concebido la comunicacin como un proceso en el que existe un emisor que enva un mensaje a un receptor a travs de un medio o canal, y un feedback o retroalimentacin que permite al emisor conocer si el mensaje fue recibido satisfactoriamente. No obstante, la com unicacin es un proceso ms complejo, en el que el concepto mencionado anteriormente equivale a slo uno de sus elementos: la transmisin. Un proceso de comunicacin comprende la transmisin, el almacenamiento y el procesamiento de la informacin. Tambin el proceso educativo es un proceso de comunicacin, en el que aparecen los cuatros factores de Vygotsky (Aprendiz, profesor, problema y conocimiento) [8]. As lo expresan Tiffin y Rajasingham: Los sistemas para el aprendizaje organizado son complejos sis temas de comunicacin dedicados a la transmisin, el almacenamiento y el procesamiento de la informacin. Tienen como propsito ayudar a los aprendices de tal manera que siendo incapaces, al principio, de resolver problemas, puedan llegar a ser expertos en ello [6]. De acuerdo a este concepto, los factores del aprendizaje interactan en procesos de comunicacin que tienen lugar en redes; en las que aprendiz y profesor se interrelacionan como nodos, transmitiendo, procesando o almacenando informacin con el objeto de que el conocimiento solape la ZDP existente. Redes de aprendizaje Hemos visto como el aprendizaje o la construccin de conocimiento tiene lugar en redes a travs de procesos de comunicacin. El desarrollo de las TIC nos permite que estas redes p uedan estar mediadas por la tecnologa. Tal y como expresan Harasim et al: Las redes informticas requieren y a la vez permiten formas nuevas de enseanza y de aprendizaje, y esto constituye la base de cambios en la forma en que la educacin se conceptualiza y se practica. Uno de los requisitos bsicos de la educacin en el siglo veintiuno ser preparar a los alumnos para participar en una economa cognitiva en donde el conocimiento ser el recurso ms importante para e l desarrollo social y econmico [2] Las redes de aprendizaje son grupos de personas que utilizan entornos informticos para aprender de forma conjunta y al ritmo que les resulte ms oportuno y apropiado para su tarea. De esta manera, y sin pretender sustituir la clase tradicional, mediante la utilizacin de redes de aprendizaje, muchas personas tienen acceso a instituciones de educacin distantes geogrficamente, se interrelacionan con personas de otros mbitos y culturas, y tiene acceso permanente a compartir informacin; prescindiendo del desplazamiento fsico y atendiendo a un horario flexible. Entre las principales caractersticas de las redes de aprendizaje encontramos: ? Son de naturaleza asincrnica, lo que permite el ritmo individual de trabajo, la reflexin previa y la documentacin. ? Carecen de lmites geogrficos, lo que permite el contacto con personas de muchas localidades, con fuentes de informacin remotas; y ampla el acceso. ? Permiten la integracin de hogar, lugar de trabajo y centro de estudio. ? Estn diseadas con la intencin de que las personas compartan ideas e informacin y adquieran competencias o destrezas, con el objetivo de reforzar la construccin de conocimiento y desarrollar habilidades. ? Sirven para reforzar y complementar los procesos educativos de la educacin presencial. ? La comunicacin es de muchos a muchos. De un modelo individualista y competidor se accede a uno de trabajo en equipo y colaborativo. Comunidades virtuales de aprendizaje Antes de especificar lo que son comunidades virtuales de aprendizaje, conviene aclarar lo que entendemos por comunidad virtual. Howard Rheingold el primero en usar el trmino Comunidad Virtual- la define como: agregados sociales que surgen de la Red cuando una cantidad suficiente de gente lleva a cabo estas discusiones pblicas durante un tiempo suficiente, con suficientes sentimientos humanos como para formar redes de relaciones personales en el espacio ciberntico [4] y Castells define comunidad virtual como una red electrnica autodefinida de comunicacin interactiva, organizada en torno a intereses o fines compartidos [1]. 21

Contrastando estas definiciones observamos la concordancia en tres elementos: el medio (la red o la Web), la presencia humana (sentimiento, comunicacin) y un objeto (discusiones, intereses o fines compartidos). Una comunidad virtual de aprendizaje, es un grupo de personas que utilizan una plataforma informtica de red para establecer procesos de comunicacin con el objeto de construir conocimiento o de alcanzar una meta en el mbito educativo. Estas comu nidades pueden ser una herramienta de apoyo a cursos de educacin reglada o pueden formarse espontneamente en torno a intereses comunes; por lo que podemos hablar de dos tipos de comunidades o de dos tipos de procesos que en stas tienen lugar. Por un la do estn los procesos intencionales, en los que adquirir experiencia u obtener aprendizaje aparecen como un objetivo explcito; y por otro lado estn, los procesos experienciales, en los que aprender es considerado un efecto colateral. Como quiera que sea, ambos procesos pueden considerarse constructivos, es decir, consisten en construir y extender o reestructurar el conocimiento ya adquirido [3]. Entre las principales caractersticas de las comunidades virtuales de aprendizaje tenemos: ? Pueden ser enriquecedoras tanto a en el campo educativo como en el mbito personal. ? Aprovechan las bondades que las redes ofrecen (velocidad, ubicuidad y asincrona). ? Ofrecen flexibilidad para circunscribirse a propsitos generales o especficos. ? Dan lugar al aprendizaje colaborativo, entendido como proceso interactivo y colectivo en el que los participantes orientan a la comunidad hacia una meta en comn. ? Sirven de marco para el aprendizaje cooperativo, definido este, como proceso interactivo y colectivo en el que los miembros de una comunidad se ayudan entre s para cada uno de sus integrantes alcancen sus propsitos individuales. 3. ESTUDIO DE CASOS

El estudio de casos que presentamos, fue realizado sobre dos foros de discusin utilizados por los alumnos del 1er. Curso de Doctorado en Ingeniera Informtica, Programa: Sociedad de la informacin y el conocimiento (Bienio 20022004), en la Universidad Pontificia de Salamanca, Campus Madrid. Objetivo del estudio Esta investigacin se efectu con el objetivo general de conocer los niveles de participacin que se observan en las personas que intervienen en un foro de discusin en internet, con la intencin de determinar si el acceso permanente a internet, las bondades que el foro ofrezca o el eventual encuentro presencial entre sus integrantes influye en los niveles de participacin. De igual forma, poder establecer si la participacin en estos foros contribuye a la construccin social de conocimiento. Descripcin del caso El primer foro fue utilizado en la asignatura Gestin del conocimiento. El fin de dicho foro era discutir y conseguir, de manera grupal, la solucin a un desafo planteado que consista en disear y construir un mecanismo que permitiera dejar caer un huevo desde una altura de 10 metros, sin que ste se rompiera y sin que dicho mecanismo alterara la velocidad de cada del objeto. El recurso dispuesto para la discusin, fue una pgina web provista por la Universidad Pontificia de Salamanca, en el que cada participante poda dejar grabadas sus intervenciones en orden cronolgico y de manera escrita; teniendo como moderador el profesor de la ctedra mencionada. El segundo foro analizado, es un grupo de discusin surgido espontneamente entre los alumnos del curso mencionado, con la finalidad de intercambiar cualquier tipo de informacin vinculada al doctorado. Dicho foro, fue implementado en la plataforma que la empresa Yahoo ofrece para tal servicio, y el mtodo de acceso utilizado fue el correo electrnico, de tal manera que cada participante poda enviar sus aportaciones a una direccin de correo grupal, y todos los miembros lo reciban en su respectivo buzn de correo; tambin pudiendo consultar los mensajes a travs de la pgina web del grupo.

22

Metodologa La metodologa utilizada fue la Observacin participante, tcnica que tiene por objetivo recoger datos de modo sistemtico directamente de los contextos y situaciones por las que pasa un grupo. Una estrategia de campo que combina simultneamente el anlisis de documentos, la obtencin de datos a travs de la interaccin con los sujetos, la participacin y observacin directa en un grupo determinado y una posterior introspeccin y anlisis [7]. La tipologa empleada fue la de Participante como Observador, que se caracteriza por la: ocultacin parcial de la actividad de observacin y predomino de la participacin. Hiptesis de trabajo ? Las personas que tienen mayor acceso a internet, participan ms en el grupo de discusin. ? Existe relacin directa entre el nivel de participacin en el grupo de discusin y la condicin presencial del alumno ? El grupo de discusin facilita la construccin de conocimiento de manera colaborativa, toda vez que las personas aportan sus conocimientos y alternan sus roles de manera situacional. ? La participacin en el grupo de discusin es mayor cuando la plataforma tecnolgica que sustenta el grupo de discusin ofrece mayor cantidad de recursos. Anlisis de los datos Para el anlisis de los datos recogidos, fueron procesadas las conductas especficas o moleculares, que resultan de descomponer las conductas generales de cada participacin en el foro y asociadas a cada participante. Posteriormente procedimos a crear unas categoras que nos permitieran determinar: el nivel de participacin, el nivel de acceso a internet, su condicin presencial y el tipo de participante. El nivel de participacin de cada miembro fue determinado por su proximidad a la media de las participaciones (Alto: superior a la media en 16,66%; Medio: 16,65 por encima o por debajo de la media; Bajo: inferior a la media en 16,66% o ms). Para determinar el nivel de acceso a internet se utilizaron los siguientes criterios, Alto: para participantes que tienen internet en su hogar y en su trabajo; Medio: para los que poseen internet en el trabajo o en el hogar; y Bajo: para los que no tienen acceso a internet en ninguno de los dos. La condicin presencial fue determinada por la ciudad de residencia, por lo que se asign el status Presencial a los que residan en Madrid y No presencial al resto. En lo que respecta al tipo de participante, el proceso fue un tanto ms complejo. Todas las conductas expresadas en las intervenciones de los foros fueron clasificadas de acuerdo a los siguientes criterios: ? Expresin: saludo, demostracin de afecto o gratitud. ? Valoracin: expresin de opiniones o juicios de valor. ? Ratificacin: confirmacin de una idea, manifestacin de acuerdo con una proposicin. ? Objecin: manifestacin de desacuerdo o refutacin de una idea. ? Aportacin de conocimiento: contribucin que se realiza con la finalidad de incorporar un conocimiento que la persona posee. ? Interrogacin: pregunta del participante, duda o requerimiento de colaboracin. ? Coordinacin: invitacin para llegar a un acuerdo, apoyo logstico para la consecucin de una meta. ? Una vez descompuestas tod as las conductas moleculares, procedimos a ubicar a cada miembro en un tipo de participante, de acuerdo al predominio de sus participaciones: ? Innovador: para el predominio de proposiciones. ? Conciliador: a quienes mayoritariamente ratifican lo que otros proponen. ? Objetor: a quienes mayoritariamente oponen reparo a las participaciones de los otros. 23

? Didctico: cuando predomina la aportacin de conocimiento. ? Dubitativo: si prevalecen el nmero de interrogaciones realizadas. ? Organizador: si la mayora de las participaciones pretenden la coordinacin ? Dinamizador: Cuando su Nivel de participacin sea Media o Alta; la mitad o ms de sus intervenciones no estn concentradas en una sola categora; y la mitad o ms de sus participaciones estn distribuidas entre Proposicin, Aportacin de conocimiento y Coordinacin. Anlisis de los resultados: Caso I Las personas que tienen nivel Alto de participacin (50%) estn distribuidas entre los que tienen diferentes niveles de acceso a internet (20% Alto, 20% Medio y 10% Bajo). Cabe mencionar especialmente, que la persona con menor facilidad de acceso a internet demostr tener alta participacin en el foro I, lo que unido a lo destacado anteriormente nos permite afirmar que no existen razones para comprobar que se cumpla la primera hiptesis. No participan ms en el foro las personas que tienen mayor acceso a internet. Con respecto a la participacin en los foros, en los alumnos de condicin presencial, se observ un comportamiento armnico con respecto al grupo total. En ellos (80%), el nivel de participacin se distribuy de la siguiente manera: 40% Alta, 20% Media, 20% Baja. Por otro lado, no se aprecia ningn comportamiento particular en los 2 alumnos no presenciales (20%). En ellos, el 10% mostr un nivel de participacin alta y el resto un nivel de participacin media. Por lo que podemos concluir que no existen evidencias que nos permitan ratificar la segunda hiptesis al no apreciarse relacin directa entre la participacin y condicin presencial del alumno. Se observ predominio del tipo de participante Dinamizador (70%), para el participante Innovador, Objetor y Dubitativo se obtuvo un 10% para cada uno. Estos resultados nos permiten comprobar la tercera hiptesis. La preponderancia de participantes dinamizadores indica que los miembros desarrollan un comportamiento situacional, que acta segn las necesidades del grupo fundamentalmente a travs de la proposicin de ideas, aportacin