IIIAR

C

I L OS I

I

UNIVERSIDAD CARLOS III DE MADRID DEPARTAMENTO DE INGENIERIA TELEMATICA

TESIS DOCTORAL

TEORIA DE MODELADO DEL E-LEARNING Y APLICACION A UN SISTEMA DE PISTAS ADAPTATIVO EN INTELIGENTE UTILIZANDO TECNICAS DE TUTORIA WEB SEMANTICA

Autor: Pedro Jos Munoz Merino e Ingeniero de Telecomunicaci n o Director: Dr. Carlos Delgado Kloos Doctor Ingeniero de Telecomunicaci n o

Legan s, Mayo de 2009 e

DE

MA

D

R

ID

I : UN

VER

SID A D

TESIS DOCTORAL

TEORIA DE MODELADO DEL E-LEARNING Y APLICACION A UN SISTEMA DE PISTAS ADAPTATIVO EN TUTORIA INTELIGENTE UTILIZANDO TECNICAS DE WEB SEMANTICA Autor: Pedro Jos Munoz Merino e Director: Carlos Delgado Kloos

Firma del Tribunal Calicador: Firma Presidente Vocal Vocal Vocal Secretario

Calicaci n: o

Legan s, e

de

de

A la memoria de mi querida madre Rosa

AgradecimientosSon muchas las personas a las que quiero agradecer y dedicar esta tesis doctoral, tanto a las que han contribuido directamente con sus comentarios, consejos, ense anzas o ayuda, n as como las que me han apoyado, hecho pasar buenos momentos y dado su cari o a lo largo n de los a os, ya sea antes o durante la realizaci n de esta tesis doctoral. n o En primer lugar, quiero agradecer especialmente a mi director Carlos Delgado, por haberme dado la oportunidad de trabajar en el Departamento, por su conanza en m, as como por sus ideas, gua, y ayuda durante la realizaci n de la tesis. Es para m un gran honor y o satisfacci n que Carlos me haya dirigido esta tesis doctoral. o Tambi n quiero dar las gracias a todos los compa eros del Departamento de Ingeniera e n Telem tica de la Universidad Carlos III, por ser un lugar maravilloso donde trabajar tanto en a lo profesional como en lo humano. A los compa eros del grupo Gradient, porque me han aportado ideas, comentarios, y n fructferas discusiones en relaci n con la tesis, as como un marco maravilloso de trabajo. o Quiero agradecer a Abelardo por sus ideas, sugerencias y ayuda; a Mario por las fructferas y prolongadas conversaciones sobre diferentes aspectos de la tesis que tuvimos en el despacho; a todos los dem s compa eros actuales del grupo Gradient y a los que fueron antiguos a n miembros, por contribuir en diferentes ideas de esta tesis doctoral: a Luis, Gustavo, Mari Carmen, Sergio, Raquel, Jos Jes s, Blanca, Derick, Rosa, Jos Pablo, Eduardo, Jorge, y e u e Natalia. A Dani y a Mario, por ser excelentes compa eros de despacho y sobre todo amigos, y n que siempre me han apoyado con la tesis, d ndome animos y ayuda. a A aquellos compa eros con los que he compartido y pasado buenos momentos bien en n el comedor de la Universidad, o en actividades fuera de ella: a Luis Ram n, Jos Pablo, o e Jos Alberto, Dani, Mario, Julio Villena, Simon, Alfonso Rebolleda, Derick, Eduardo, Guse tavo, Estrella, Sara, Jorge, Jos Mara, Luis, Jos Carlos, David Garca... y tanta gente m s. e e a Tambi n estoy en deuda con Carlos Garca Rubio, mi paisano conquense, que siempre e me ha proporcionado ayuda muy valiosa cuando la he necesitado, a el tambi n quiero darle e las gracias de forma especial. Al equipo del Innovation Centre de Intel Ireland por acogerme para realizar una estancia de investigaci n de algo m s de 3 meses. o a A los alumnos de los que he sido su tutor en su proyecto n de carrera, y que han desarrollado software que tiene relaci n con esta tesis: a Jes s, Patricia, y Manuel. o u Tambi n quiero agradecer a los profesores de la Universidad Polit cnica de Valencia que e e fueron importantes en mi desarrollo cientco, en especial a Pablo Beneit que me inculc el o gusto por la telem tica, y a Carlos Palau que me introdujo en la investigaci n con mi Proa o

yecto Fin de Carrera. Tambi n quiero agradecer a mi profesor de matem ticas en el instituto e a Luis Dominguez, que nos ense o una forma maravillosa de razonar, que a n en la lejana n u del tiempo, me ha servido enormemente durante la tesis. Quiero agradecer a mi familia por su apoyo y sentimientos tan positivos hacia m, en especial a mi padre Jos Luis y mi abuela Rosa, que me han dado su cari o, comprensi n, e n o y que siempre se preocupan por mi. Tambi n quiero agradecer a mis tos Rosa Mari, Pedro e y Mari Carmen, que se han interesado por la evoluci n de la tesis, me han dado su apoyo, y o me desean lo mejor. Fundamentalmente, quiero dedicar esta tesis a la memoria de mis seres queridos que no pudieron ver comenzar esta tesis doctoral. A mi madre Rosa, que tantas ense anzas, n cari o, y atenci n me proporcion de peque o, y que es para m un modelo a seguir en todos n o o n los aspectos de la vida. A mi abuelo Pedro, que siempre me anim para que hiciera una o ingeniera, a mi abuelo Emilio que me ense o a luchar fuerte por mis objetivos y persitir, a n mi abuela Rosa que tan buenos consejos me dio. Pero fundamentalmente, por tanto como me quisieron todos ellos. Mi mayor deseo sera que pudieran estar presentes en este momento. No quiero dejar pasar la oportunidad de agradecer a mis amigos de Cuenca por su amistad, apoyo y buenos momentos, en especial a Edu, Almudena, Diego, Enrique, Marta y Julio. Tambi n a mis compa eros y amigos de teleco de Valencia, que a pesar de la distancia no e n me olvido de ellos, en especial a Amparo, Jos y Jaipi. Y tambi n a todos los amigos que he e e ido conociendo durante estos a os en las residencias de la Universidad: a Juan Carlos actual n director de la residencia Fernando de los Ros que me ha dado apoyo y ayuda en estos mo mentos nales, a Pablo, Javi, Dani, Beatriz, Ra l, que aunque ya abandonaron la residencia u hemos pasado tantos buenos momentos.

ResumenEl e-learning es un factor clave en la actual sociedad de la informaci n. El poder habio litar las mejores pr cticas de ense anza a trav s de las tecnologas de la informaci n para a n e o posibilitar un aprendizaje m s efectivo para los alumnos, as como proporcionar un sencia llo y exible acceso a todas las potencialidades para los profesores, al mismo tiempo que se maximiza la eciencia y adecuaci n de su implementaci n usando las tecnologas de la o o informaci n, supone un reto en el que hay que tener en cuenta multitud de variables y faco tores. Ello engloba las teoras tradicionales de aprendizaje en aula, pero tambi n muchos e nuevos aspectos que surgen o se enfatizan por el uso de las tecnologas de la informaci n. o Numerosas investigaciones se han llevado a cabo para el avance en esta materia. Tales investigaciones se centran por lo general en aspectos especcos, pero no obstante creemos tambi n necesaria una teora de modelado del e-learning integradora de diferentes variables e y aspectos involucrados para poder comprender mejor esta materia tan compleja, as como cubrir ciertas carencias especcas de modelado para la conformaci n de dicha teora. o En esta tesis se proporciona una teora de modelado del e-learning, que incluye una vi si n global sobre qu modelar y c mo hacerlo, las interrelaciones entre diferentes conceptos o e o y elementos, una visi n ideal sobre el e-learning, una propuesta de proceso de desarrollo o en ciclo de vida, y un plan general de evaluaci n de los diferentes aspectos involucrados o (llev ndolo a la pr ctica con la valoraci n de diferentes funcionalidades de sistemas de gesa a o ti n del aprendizaje). Adem s, como parte de esta teora, se han analizado las relaciones eno a tre las funcionalidades de sistemas de gesti n del aprendizaje y los est ndares de e-learning o a actuales, se ha denido un nuevo modelo que extiende UML y otro basado en la especicaci n IMS-CP (Content Packaging) para el modelado de cursos completos en sistemas de o gesti n del aprendizaje, se ha contribuido en varias herramientas de autor que pueden verse o como modelados en lenguaje natural de diferentes aspectos del e-learning de forma que sean sencillos de utilizar por profesores sin grandes conocimientos tecnol gicos, y se ha creado o una nueva teora de reglas de adaptaci n personalizadas que son at micas, reusables, inter o o cambiables, e interoperables. Finalmente, en la parte de arquitecturas, se ha denido una nueva arquitectura que permite combinar sistemas de tutora inteligente existentes con t cni e cas de Web sem ntica, explicando sus elementos, relaciones, retos, y los diferentes criterios a de dise o, ofreciendo algunas guas para la toma de decisiones cuando diferentes soluciones n de implementaci n son posibles. Esta arquitectura denida, permite incorporar las ventajas o de la Web sem ntica dentro de los sistemas de tutora inteligente. a Adicionalmente, esta teora se ha aplicado en profundidad a un caso concreto, que es la provisi n de pistas en el aprendizaje basado en problemas a trav s de ordenador. La idea o e general de la provisi n de pistas consiste en ofrecer una ayuda al estudiante para la resoluoI

II

ci n de ciertas tareas. Este es un aspecto muy relevante que ha sido abordado en diversos o estudios desde diferentes puntos de vista. No obstante, debido a su complejidad y n meu ro de variables involucradas, quedan diversos aspectos por estudiar. Esta tesis contribuye en algunos de esos aspectos sobre las pistas a trav s de ordenador. En primer lugar, se ha e denido una nueva especicaci n de pistas para el aprendizaje basado en problemas, que o recopila funcionalidades de otros sistemas del estado del arte, pero tambi n incluye nuevas e funcionalidades basadas en nuestras propias ideas, dando una justicaci n pedag gica de o o cada aspecto. En relaci n con esta especicaci n de pistas, se ha establecido un mapeo a o o XML, y otra representaci n a UML. As mismo, se ha dise ado una herramienta de autor o n que permite a profesores sin grandes conocimientos tecnol gicos crear los ejercicios con o pistas de acuerdo con la especicaci n. Para poner en pr ctica este modelo de pistas, se ha o a implementado un m dulo reproductor de pistas programado en python como una extesi n o o al tutor inteligente XTutor. Este reproductor permite desplegar ejercicios con pistas que cubren los casos de la nueva especicaci n denida y que quedan disponibles va Web para o su uso por parte de los alumnos. Tambi n se ha dise ado una herramienta de competici n e n o innovadora para aprovechar la motivaci n junto con el aprendizaje basado en problemas. o Para la evaluaci n del modelo de pistas denido, se han realizado diferentes experiencias o en un total de tres asignaturas, en una de ellas durante cuatro ediciones. Se han tomado datos cuantitativos y cualitativos globales de la herramienta y las interacciones de los alumnos, se ha comparado el incremento de aprendizaje con respecto a un sistema de evaluaci n sin o pistas, y con respecto a tutores humanos generando pistas. Los resultados sobre estos aspectos concluyen un efecto positivo del modelo de pistas y del sistema reproductor de pistas implementado. Adem s, hemos analizado qu estrategias de provisi n pistas producen maa e o yores incrementos de aprendizaje, c mo diferentes t cnicas de provisi n de pistas producen o e o diferentes comportamientos de los alumnos, y la opini n de los alumnos con respecto a dio ferentes estrategias de pistas del modelo. Estas contribuciones, las cuales son explicadas en la tesis, permiten concluir sobre qu t cnicas de pistas pueden ser mejor y sobre las necesie e dades de adaptaci n de los sistemas. Finalmente, en relaci n con la evaluaci n, proponemos o o o un modelo inicial para utilizar el sistema de pistas como una herramienta para ayudar en la evaluaci n de contenidos y alumnos. o A pesar de que existen algunas soluciones que aplican t cnicas de Web sem ntica para e a lograr la adaptaci n de algunos aspectos en e-learning debido a las ventajas que presenta, sin o embargo el dominio de la provisi n de pistas adaptativas usando t cnicas de Web sem ntica o e a no haba sido explorado. En esta tesis se contribuye con una nueva soluci n para la genera o ci n de pistas adaptativas personalizadas usando t cnicas de Web sem ntica. Para ello, se ha o e a implementado una instancia de la arquitectura general propuesta en la teora de modelado del e-learning, que en este caso concreto combina el tutor inteligente XTutor con la extensi n del m dulo de pistas implementado, y el razonador de Web sem ntica CWM. Las reglas o o a adaptativas y personalizadas de pistas se han articulado en base a la teora global de reglas adaptativas, y en base a las mejores pr cticas. Adem s, como parte de las contribuciones, a a hemos denido nuevas ontologas en este marco sobre usuarios, problemas, pistas, concep tos, etc. de forma que denan un marco de datos sobre el que se pueda realizar inferencias mediante las reglas denidas ejecut ndose en el razonador CWM. Con todo ello, se aporta a una soluci n a la integraci n de la Web sem ntica en sistemas de pistas para aprendizaje o o a basado en problemas, logrando todas las ventajas de la Web sem ntica. a

AbstractThe e-learning is a key factor in the present information society. The fact of being able to enable the best teaching practices using the information technologies in order to make possible a more effective students learning, as well as to provide an easy and exible access to all the potentialities for teachers, at the same time that the efciency and adjustment of its implementation is maximazed using the information technologies, means a challenge in which a lot of variables and factors must be taken into account. It includes the traditional classroom learning theories, but also a lot of new issues that arise or emphasize because of the use of the information technologies. There have been many researches for the advance of this topic. Such researches usually focus on specic e-learning issues, but nevertheless we think there is a need of a theory of the e-learning modeling which integrates different aspects and variables involved in order to be able to understand better this complex topic, as well as to cover certain specic modeling lacks for formulating such theory. In this thesis, we provide a theory of the e-learning modeling, which includes a global view about what to model and how to do it, the relationships among different concepts and elements, an ideal e-learning view, a proposal of an e-learning process development, and a general plan for the evaluation of the different aspects involved (with a practical example, rating the importance of different learning management system functionalities). In addition to it, as part of this theory, we have analyzed the relationships between different learning management systems functionalities and present e-learning standards, we have dened a new model which extends UML and another one based on the IMS-CP (Content Packaging) specication for the modeling of complete courses within learning management systems, we have made contributions regarding several authoring tools which can be seen as natural language modelings about different e-learning aspects in a way that are easy to use by teachers without high technological expertise, and we have created a new theory of personalized adaptive rules which are atomic, reusable, interchangeable, and interoperable. Finally, regarding the architecture topic, we have dened a new architecture that permits combining existing intelligent tutoring systems with semantic Web techniques, explaining its elements, relationships, challenges, and the different design criterions, offering some guidelines to make decisions when different implementation solutions are possible. This dened architecture permits to introduce the semantic Web advantages within the intelligent tutoring systems. In addition to it, we have applied this theory deeply to a specic case, which is the computer based generation of hints in problem based learning. The general idea under the generation of hints consists of offering some help to the student for solving certain tasks. This is a relevant issue that has been studied by different researches from different points of view. Nevertheless, because of its complexity and high number of variables involved, thereIII

IV

are several issues to study. This thesis contributes in some of these computer based hinting issues. First of all, we have dened a new specication of hints for problem based learning, which compiles functionalities from other hinting systems of the state of the art, but it also includes new functionalities based on our new ideas, giving a pedagogical justication for each aspect. Regarding this specication of hints, we have dened an XML binding, and another UML representation. Moreover, we have designed an authoring tool which permits teachers without high technological expertise to create exercises with hints according to the specication. In order to put into practice this hinting model, we have implemented a hinting player module programmed in python as an extension of the XTutor intelligent tutoring system. This hinting software player allows loading and executing exercises with hints covering the different cases of the new dened hinting specication, and these exercises with hints are made available via Web for the students. Furthermore, we have designed an innovative competition tool to take advantage of motivation together with problem based learning. In order to evaluate the dened hinting model, we have performed different experiences in a total of three courses, in one of them during four editions. We have taken quantitative and qualitative global data from the implemented hinting system and the students interactions, we have compared the learning gains of the hinting system with respect to an assessments system without hinting functionalities, and with respect to human tutors providing hints. The results about these aspects conclude a positive effect of the hinting model and the implemented hinting player system. In addition, we have analyzed which hinting strategies produce better learning gains, how different hinting techniques produce different studentsbehaviors, and the students opinions about different hinting strategies of the model. These contributions, which are explained in the thesis, permit to conclude about which hinting techniques might be better and about the adaptation needs of the systems. Finally, regarding the evaluation, we propose an initial model to use the hinting system as a tool to help in the evaluation of contents and students. Although there exist some solutions to apply semantic Web techniques to achieve adaptation of some e-learning aspects because of its advantages, however the domain of the provision of adaptive hints using semantic Web techniques had not been explored. This thesis contributes with a new solution for the generation of personalized adaptive hints using semantic Web techniques. To do so, we have implemented an instance of the general architecture we proposed in the theory of the e-learning modeling, combining in this specic case the XTutor intelligent tutoring system with its hinting module extension that we implemented, and the CWM semantic Web reasoner. The adaptive and personalized hinting rules have been created based on the global theory of adaptive rules, and on best practices. In addition, as part of the contributions, we have dened new ontologies in this framework for users, problems, hints, concepts, etc. so that they dene a data framework in order to make inferences based on dened rules executing within the CWM reasoner. With all of this, we provide a solution for integrating the semantic Web with hinting systems in problem based learning, achieving all the advantages of the semantic Web.

Publicaciones, Proyectos de Investigaci n, y Proyectos Fin de o CarreraEn este espacio se enumeran las publicaciones que tienen relaci n con la tesis doctoral, o los proyectos de investigaci n en los que he participado con relaci n con la tesis doctoral, o o as como los proyectos n de carrera en los que he sido tutor que tienen relaci n con la tesis o doctoral.

PublicacionesEntre las publicaciones que tienen relaci n con la tesis doctoral se encuentran dos ino dexadas en el ndice JCR SCI (son las [1], y [2]), dos indexadas en el listado de congresos CORE con categora A (son las [3] y [4]), dos indexadas en el listado de congresos CORE con categora B (son las [5], [6]), un captulo de libro ([7]), otras cinco en otros congresos internacionales (son las [8], [9], [10], [11], [12]), y una en un congreso nacional ([13]). S lo se han incluido en este listado aquellos artculos que ya han sido publicados o o aceptados para su publicaci n. No se incluyen en este listado los artculos que tienen relaci n o o con la tesis que est n en proceso de revisi n en este momento. Adicionalmente, varias partes a o de los contenidos de esta tesis a n no se han publicado, y en un futuro pr ximo se espera u o generar los correspondientes artculos para ser enviados a congresos y revistas.

Proyectos de Investigaci n oDurante la realizaci n de esta tesis doctoral, he colaborado con los siguientes proyectos o de investigaci n que tienen relaci n con la tesis: o o E-LANE: European-Latin American New Education. Proyecto de la Uni n Europea. o Programa @LIS. iCOPER : Interoperable Content for Performance in a Competency-driven Society. Proyecto de la Uni n Europea. o SIEMPRE: Seguimiento Inteligente y Extensible para el Modelado de la Pr ctica Edua cativa. Proyecto del Ministerio de Ciencia y Tecnologa. V

VI

MOSAIC-learning: Aprendizaje Electr nico M vil, de C digo Abierto, Basado en o o o Est ndares, Seguro, Contextual, Personalizado y Colaborativo. Proyecto del Ministea rio de Ciencia y Tecnologa. Learn3: Hacia el aprendizaje en la 3a Fase. Proyecto de Ciencia e Innovaci n. o Sistema de Teleeducaci n integrado. Proyecto de la Comunidad de Madrid. o Anotaci n y B squeda de recursos educativos. Proyecto de la Comunidad de Madrid. o u Generaci n de anotaciones sem nticas de recursos de teleeducaci n. Proyecto de la o a o Comunidad de Madrid. Integraci n Vertical de Servicios Telem ticos de Apoyo al Aprendizaje en Entornos o a Residenciales. Proyecto de la Comunidad de Madrid.

Proyectos Fin de CarreraLos proyectos n de carrera donde he participado como tutor y que tienen relaci n con o la tesis son [14], [15], y [16]. En [14] y [16] como unico tutor, y en [15] como co-tutor junto con la profesora M. Carmen Fern ndez Panadero. a

Indice general1. Introducci n y objetivos o 1.1. Motivaci n . . . . . . . o 1.2. Objetivos . . . . . . . . 1.3. Planicaci n de Tareas . o 1.4. Estructura de la Memoria 1 3 6 9 13 17 17 18 23 28 30 31 40 41 42 43 44 45 45 46 46 47 48 50 50 50 51 52 52 53

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

2. Estado del Arte 2.1. Modelado en E-learning . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1.1. Ingeniera Software . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1.2. Ingeniera Web . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1.3. Dise o Instruccional del Aprendizaje . . . . . . . . . . . . . . . . n 2.1.4. Sistemas de Aprendizaje en E-learning . . . . . . . . . . . . . . . 2.1.5. Especicaciones Existentes para el E-learning . . . . . . . . . . . . 2.1.6. Limitaciones y Extensiones en Especicaciones de E-learning . . . 2.1.7. Modelos UML para el E-learning . . . . . . . . . . . . . . . . . . 2.1.8. M todos Formales para el E-learning . . . . . . . . . . . . . . . . e 2.1.9. Herramientas de Autor . . . . . . . . . . . . . . . . . . . . . . . . 2.1.10. Competici n en Educaci n . . . . . . . . . . . . . . . . . . . . . . o o 2.1.11. Adaptabilidad y Personalizaci n en E-learning . . . . . . . . . . . o 2.2. Sistemas de Pistas para el Aprendizaje . . . . . . . . . . . . . . . . . . . . 2.2.1. Introducci n e Importancia de Sistemas de Pistas y de Resoluci n o o de Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.2. Funcionalidades no Adaptativas de Sistemas de Pistas . . . . . . . 2.2.3. Sistemas de Pistas con Adaptaci n . . . . . . . . . . . . . . . . . . o 2.2.4. Experiencias realizadas con Sistemas de Pistas . . . . . . . . . . . 2.3. Web Sem ntica en Educaci n . . . . . . . . . . . . . . . . . . . . . . . . . a o 2.3.1. Introducci n a la Web Sem ntica . . . . . . . . . . . . . . . . . . o a 2.3.2. Arquitecturas de Web Sem ntica en Educaci n para Personalizaci n a o o 2.3.3. Ontologas de Web Sem ntica en Educaci n . . . . . . . . . . . . . a o 2.3.4. Herramientas de Autor para Web Sem ntica en Educaci n . . . . . a o 2.3.5. Aplicaciones de Web Sem ntica en Educaci n . . . . . . . . . . . a o 2.3.6. Aplicaciones Adaptativas de Web Sem ntica en Educaci n . . . . a oVII

VIII

INDICE GENERAL 55 56 60 63 65 68 70 80 85 87 88 89 93 96 97 101 105 108 108 110 112 115 118 127 129 129 130 135 136 142 149 154 161 162 163 163 165 172 177

3. Teora de Modelado del E-Learning 3.1. Contribuciones de la Teora de Modelado del E-learning . . . . . . . . . . 3.2. Relevancia de la Teora de Modelado del E-learning . . . . . . . . . . . . . 3.3. Visi n Global del Modelado del E-learning . . . . . . . . . . . . . . . . . o 3.3.1. Qu Modelar en E-learning? . . . . . . . . . . . . . . . . . . . . e 3.3.2. Qu T cnicas de Modelado Utilizar en E-learning? . . . . . . . . e e 3.4. Visi n Ideal del E-learning . . . . . . . . . . . . . . . . . . . . . . . . . . o 3.5. Relaci n entre Funcionalidades de LMSs y Especicaciones de E-Learning o 3.6. Modelado de Cursos en LMSs mediante IMS-CP . . . . . . . . . . . . . . 3.7. Modelado de Cursos en LMSs mediante UML . . . . . . . . . . . . . . . . 3.7.1. Selecci n de los Diagramas UML Base . . . . . . . . . . . . . . . o 3.7.2. Descripci n del Modelo . . . . . . . . . . . . . . . . . . . . . . . o 3.7.3. Aplicaci n del Modelo a un Curso Real en la Plataforma .LRN de o Gesti n del Aprendizaje . . . . . . . . . . . . . . . . . . . . . . . o 3.8. Herramientas de Autor en E-Learning . . . . . . . . . . . . . . . . . . . . 3.8.1. Herramienta Generadora de Varias Funcionalidades del E-learning . 3.8.2. CourseEditor: Herramienta Generadora de Cursos Compatible con IMS-LD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.9. Teora de Reglas Adaptativas . . . . . . . . . . . . . . . . . . . . . . . . . 3.10. Arquitectura para Combinar T cnicas de Web Sem ntica con ITSs . . . . . e a 3.10.1. Descripci n de los Elementos y sus Relaciones . . . . . . . . . . . o 3.10.2. Criterios de Dise o y Decisiones . . . . . . . . . . . . . . . . . . . n 3.11. Ciclo de Vida del E-Learning . . . . . . . . . . . . . . . . . . . . . . . . . 3.12. Evaluaci n en E-Learning . . . . . . . . . . . . . . . . . . . . . . . . . . o 3.12.1. Evaluaci n de Diferentes Funcionalidades de Sistemas de Gesti n o o del Aprendizaje . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. Especicaci n de Pistas para Aprendizaje Basado en Problemas o 4.1. Contribuciones de la Nueva Especicaci n . . . . . . . . . . . . . . . . . . o 4.1.1. Contribuci n con Respecto a otros Sistemas de Pistas . . . . . . . . o 4.1.2. Contribuci n con respecto a IMS-QTI . . . . . . . . . . . . . . . . o 4.2. Relevancia de la Nueva Especicaci n . . . . . . . . . . . . . . . . . . . . o 4.3. Caractersticas del Modelo de Pistas y Justicaci n . . . . . . . . . . . . . o 4.4. Mapeo XML y su Relaci n con la Sem ntica de la Especicaci n de Pistas o a o 4.5. Modelo UML . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.6. Herramienta de Autor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.7. Reproductor de Pistas Implementado en XTutor . . . . . . . . . . . . . . . 4.7.1. Introducci n a XTutor . . . . . . . . . . . . . . . . . . . . . . . . o 4.7.2. Analoga de la Tecnologa de XTutor con J2EE . . . . . . . . . . . 4.7.3. Aspectos Generales de la Extensi n de XTutor para la Provisi n de o o Pistas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.7.4. Ejemplos de la Especicaci n de Pistas Ejecut ndose en XTutor . . o a 4.7.5. Detalles de la Implementaci n del Reproductor de Pistas en XTutor o 4.8. Otras Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

INDICE GENERAL 5. Evaluaci n del Modelo de Pistas Propuesto o 5.1. Contribuciones de la Evaluaci n del Modelo de Pistas Propuesto . . . . . . o 5.2. Relevancia de las Conclusiones de la Evaluaci n del Modelo de Pistas . . . o 5.3. Aspectos Generales sobre el Uso de la Herramienta . . . . . . . . . . . . . 5.3.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3.2. Metodologa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3.3. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3.4. An lisis Crtico . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 5.4. Comparaci n del Incremento de Aprendizaje entre Sistema con y sin Pistas o 5.4.1. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.4.2. Metodologa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.4.3. Resultados y An lisis Crtico . . . . . . . . . . . . . . . . . . . . . a 5.5. Comparaci n del Incremento del Aprendizaje entre el Sistema de Pistas y o un Tutor Humano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.5.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.5.2. Metodologa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.5.3. Resultados y An lisis Crtico . . . . . . . . . . . . . . . . . . . . . a 5.6. Evaluaci n de Diferentes Estrategias para Provisi n de Pistas . . . . . . . . o o 5.6.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.6.2. Metodologa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.6.3. Resultados y An lisis Crtico . . . . . . . . . . . . . . . . . . . . . a 5.7. Evaluaci n de Contenidos, Alumnos y Ejercicios Basado en la Informaci n o o del Sistema de Pistas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. Aplicaci n de T cnicas de Web Sem ntica para Pistas Adaptativas o e a 6.1. Contribuciones Realizadas en Relaci n con la Aplicaci n de T cnicas de o o e Web Sem ntica para Pistas Adaptativas . . . . . . . . . . . . . . . . . . . a 6.2. Relevancia de las Aportaciones Realizadas en Relaci n con la Aplicaci n de o o T cnicas de Web Sem ntica para Pistas Adaptativas . . . . . . . . . . . . e a 6.3. Implementaci n de la Arquitectura General de Web Sem ntica para Pistas o a Adaptativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3.1. Deniciones de T rminos . . . . . . . . . . . . . . . . . . . . . . e 6.3.2. Elementos de la Arquitectura Implementada . . . . . . . . . . . . . 6.3.3. Decisiones Tomadas en la Arquitectura Implementada de Pistas Adaptativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4. Ontologas en el Sistema de Pistas Adaptativas . . . . . . . . . . . . . . . 6.4.1. Ontologa de los Conceptos de un Curso . . . . . . . . . . . . . . . 6.4.2. Ontologa sobre Informaci n General de los Ejercicios . . . . . . . o 6.4.3. Ontologa sobre las Diferentes T cnicas de Pistas Aplicadas a los e Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4.4. Ontologa de los Alumnos . . . . . . . . . . . . . . . . . . . . . . 6.4.5. Ontologa de los Ejercicios con Pistas que se Generan para los Alumnos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.5. Denici n de Reglas para el Sistema de Pistas . . . . . . . . . . . . . . . . o 6.5.1. Suposiciones Iniciales . . . . . . . . . . . . . . . . . . . . . . . .

IX

181 183 186 187 187 188 189 192 194 194 194 198 200 200 200 205 211 212 213 222 264 271 273 275 277 277 277 279 280 281 282 285 287 289 289 290

X

INDICE GENERAL 6.5.2. Denici n de los Diferentes Aspectos que Intervendr n en la Adapo a taci n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 6.5.3. Adaptaci n del Contenido . . . . . . . . . . . . . . . . . . . . . . o 6.5.4. Adaptaci n de las T cnicas de Pistas . . . . . . . . . . . . . . . . . o e 6.5.5. Adaptaci n de las penalizaciones por intentos incorrectos . . . . . . o 6.6. Ejemplo de Adaptaci n de Pistas . . . . . . . . . . . . . . . . . . . . . . . o 6.6.1. Ejercicios Iniciales Considerados . . . . . . . . . . . . . . . . . . 6.6.2. Ejercicios Finales Considerados . . . . . . . . . . . . . . . . . . . 6.6.3. Anotaciones Sem nticas . . . . . . . . . . . . . . . . . . . . . . . a 6.6.4. Uso de N3 y CWM para Componer una Regla de Pistas Adaptativa

291 291 298 303 303 304 304 306 307 317 317 317 319 321 323 325 327 329 329 329 331 333 336 338 340 343 343 345 346 347 351 365 373

7. Conclusions 7.1. List of Contributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.1.1. Theory of the E-learning Modeling . . . . . . . . . . . . . . . . . 7.1.2. Specication of Hints for Problem-based Learning . . . . . . . . . 7.1.3. Evaluation of the Hinting Model and the Implemented Hinting Tutor 7.1.4. Application of Semantic Web Techniques for Achieving Adaptive Hints . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2. Applications Related to the Contributions . . . . . . . . . . . . . . . . . . 7.3. Limits of the Presented Contributions . . . . . . . . . . . . . . . . . . . . 8. Conclusiones 8.1. Lista de Contribuciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.1.1. Teora de Modelado del E-learning . . . . . . . . . . . . . . . . . . 8.1.2. Especicaci n de Pistas para Aprendizaje Basado en Problemas . . o 8.1.3. Evaluaci n del Modelo de Pistas y del Tutor de Pistas Implementado o 8.1.4. Aplicaci n de T cnicas de Web Sem ntica para Lograr Pistas Adapo e a tativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.2. Aplicaciones Relacionadas con las Contribuciones . . . . . . . . . . . . . . 8.3. Lmites de las Contribuciones Presentadas . . . . . . . . . . . . . . . . . . 9. Trabajos Futuros 9.1. Teora del Modelado del E-learning . . . . . . . . . . . . . . . . . . . . . 9.2. Especicaci n de Pistas para Aprendizaje Basado en Problemas . . . . . . o 9.3. Evaluaci n del Modelo de Pistas y de la Implementaci n del Tutor de Pistas o o 9.4. Aplicaci n de T cnicas de Web Sem ntica para Lograr Pistas Adaptativas . o e a Referencias A. Anexo I: XML Schema de la Especicaci n de Pistas Denida o B. Anexo II: Ejemplos XML de la Especicaci n de Pistas denida o

Indice de guras2.1. Ejemplo de modelo de proceso software en cascada . . . . . . . . . . . . . 2.2. Ejemplo de modelo de datos (imagen obtenida de www.webml.org) . . . . 2.3. Ejemplo de modelo de hipertexto con WebML (imagen obtenida de www.webml.org) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4. Ciclo de vida de una sesi n de item (imagen obtenida de la especicaci n o o IMS-QTI) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5. Representaci n de los elementos de un assessmentItem (imagen obtenida de o la especicaci n IMS-QTI) . . . . . . . . . . . . . . . . . . . . . . . . . . o 2.6. Arquitectura de OKI basada en capas . . . . . . . . . . . . . . . . . . . . . 2.7. Modelo UML de las diferentes posibilidades de IMS-LD (imagen obtenida de la especicaci n IMS-LD) . . . . . . . . . . . . . . . . . . . . . . . . . o 3.1. 3.2. 3.3. 3.4. Diferentes maneras posibles de modelar el e-learning . . . . . . . . . . . . Curso en Moodle sobre seguridad . . . . . . . . . . . . . . . . . . . . . . Curso en .LRN sobre seguridad . . . . . . . . . . . . . . . . . . . . . . . . Paquete IMS-CP para describir un curso de sistema de gesti n del aprendio zaje utilizando el editor RELOAD . . . . . . . . . . . . . . . . . . . . . . 3.5. Representaci n de una instancia de foro . . . . . . . . . . . . . . . . . . . o 3.6. Relaci n de herencia entre instancias de foro . . . . . . . . . . . . . . . . . o 3.7. Una relaci n de herencia con instancias de diferentes funcionalidades en o sistemas de gesti n del aprendizaje . . . . . . . . . . . . . . . . . . . . . . o 3.8. Una relaci n de asociaci n de tipo T pico . . . . . . . . . . . . . . . . . . o o o 3.9. Una relaci n de asociaci n de tipo Utilizaci n . . . . . . . . . . . . . . . . o o o 3.10. Una relaci n de agregaci n . . . . . . . . . . . . . . . . . . . . . . . . . . o o 3.11. Modelado de la p gina de curso principal . . . . . . . . . . . . . . . . . . a 3.12. P ginas de un subgrupo del curso . . . . . . . . . . . . . . . . . . . . . . . a 3.13. Modelado de la p gina de subgrupo principal . . . . . . . . . . . . . . . . a 3.14. P gina inicial de la herramienta de autor . . . . . . . . . . . . . . . . . . . a 3.15. Primer formulario para denir un bloque de preguntas frecuentes . . . . . . 3.16. Una parte de instancia XML de ejemplo de acuerdo a la especicaci n de o preguntas frecuentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.17. Pantalla de conguraci n para una tarea en la herramienta CourseEditor . . o 3.18. Descripci n de una unidad did ctica en la herramienta CourseEditor . . . . o a 3.19. Descripci n de otra unidad did ctica en la herramienta CourseEditor . . . . o aXI

19 24 25 36 37 39 43 69 75 76 86 89 90 90 91 91 92 94 95 95 98 99 100 102 103 103

XII

INDICE DE FIGURAS 3.20. Relaci n de composici n entre una regla global y las subreglas que son parte o o de ella . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 3.21. Descripci n de una regla en secuencia con condici n . . . . . . . . . . . . 107 o o 3.22. Arquitectura general para combinar t cnicas de Web sem ntica con tutores e a inteligentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 3.23. Lista de decisiones a tomar en la arquitectura denida . . . . . . . . . . . . 110 3.24. Ciclo de vida global de desarrollo en e-learning . . . . . . . . . . . . . . . 113 3.25. Ciclo de vida de desarrollo en e-learning detallado para la fase de planicaci n113 o 3.26. Evaluaci n en e-learning . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 o 3.27. Tasa de exito en el examen nal dependiendo del grado de utilizaci n del o sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 4.1. 4.2. 4.3. 4.4. 4.5. Arquitectura General de Sistemas de Pistas . . . . . . . . . . . . . . . . . Arbol de problemas para calcular la puntuaci n . . . . . . . . . . . . . . . o Modelo conceptual UML de la especicaci n de pistas . . . . . . . . . . . o Diagrama de Objetos UML de instancia de pistas de nivel cero de jerarqua Diagrama de Objetos UML de instancia de pistas para problema sin pistas de nivel 1 de jerarqua . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.6. Diagrama de Objetos UML de instancia de pistas para problema con pistas de nivel 1 de jerarqua . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.7. Evaluaci n Global en la Herramienta de Autor . . . . . . . . . . . . . . . . o 4.8. Secci n en la Herramienta de Autor . . . . . . . . . . . . . . . . . . . . . o 4.9. Problema Global en la Herramienta de Autor . . . . . . . . . . . . . . . . 4.10. Feedback en la Herramienta de Autor . . . . . . . . . . . . . . . . . . . . 4.11. Pista de Grupo en la Herramienta de Autor . . . . . . . . . . . . . . . . . . 4.12. Problema Pista en la Herramienta de Autor . . . . . . . . . . . . . . . . . 4.13. Interacciones de un alumno con un ejercicio con pistas sobre EJBs en XTutor 4.14. Ejercicio de suma ejecut ndose en el reproductor de pistas de XTutor . . . a 4.15. Ejercicio de Ecuaciones ejecut ndose en el reproductor de pistas de XTutor a para diferentes perles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.16. Ejercicio de Ros ejecut ndose en el reproductor de pistas de XTutor . . . . a 4.17. Evaluaci n Global ejecut ndose en el reproductor de pistas de XTutor . . . o a 4.18. Organigrama reducido para etiqueta assessment . . . . . . . . . . . . . . . 4.19. Organigrama reducido para etiquetas de problemas . . . . . . . . . . . . . 4.20. Organigrama reducido para etiqueta de pista . . . . . . . . . . . . . . . . . 4.21. Organigrama reducido para etiqueta de grupo . . . . . . . . . . . . . . . . 5.1. Diferentes fases de la experiencia dependiendo del grupo . . . . . . . . . . 5.2. Incremento medio de conocimiento de alumnos usando tutor humano y sistema de pistas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3. Diferentes fases de la experiencia en la edici n 2006/2007 dependiendo del o grupo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.4. Diferentes fases de la experiencia en la edici n 2007/2008 . . . . . . . . . o 5.5. Histograma de incremento de conocimiento para temas S+I del subgrupo A 5.6. Histograma de incremento de conocimiento para temas S+I del subgrupo B 5.7. Histograma de incremento de conocimiento para temas S+I del subgrupo C 128 141 150 153 154 155 156 157 158 158 159 160 166 166 168 170 171 173 174 175 176 202 208 214 215 223 225 226

INDICE DE FIGURAS 5.8. 5.9. 5.10. 5.11. 6.1. 6.2. 6.3. 6.4. 6.5. 6.6. 6.7. Histograma de incremento de conocimiento para temas M+F del subgrupo A Histograma de incremento de conocimiento para temas M+F del subgrupo B Histograma de incremento de conocimiento para temas M+F del subgrupo C Estructura de cada ejercicio con pistas y relaciones sem nticas . . . . . . . a

XIII

227 228 229 266

Arquitectura Implementada para lograr pistas adaptativas . . . . . . . . . . 278 Ontologa de conceptos para un laboratorio de comunicaci n entre procesos 281 o Ontologa sobre informaci n general de los ejercicios . . . . . . . . . . . . 283 o Ontologa sobre las diferentes t cnicas de pistas aplicadas a los ejercicios . 285 e Ontologa sobre caractersticas generales de los alumnos . . . . . . . . . . 288 Ontologa sobre las diferentes t cnicas de pistas en relaci n con los alumnos 289 e o Ontologa de los ejercicios con pistas que se generan nalmente para los alumnos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290 6.8. Diferentes aspectos considerados para la adaptaci n de pistas . . . . . . . . 291 o 6.9. Diferentes aspectos considerados para la adaptaci n de contenidos y tipo de o pistas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292 6.10. Ejemplo de reglas diferentes a aplicar en funci n de salidas de otras reglas . 293 o 6.11. Algunos ejercicios iniciales considerados en XML . . . . . . . . . . . . . . 304 6.12. Algunos ejercicios nales en XML como evoluci n de P1 como raz . . . . 305 o 6.13. Regla de ejemplo compuesta de varias reglas at micas . . . . . . . . . . . 308 o 6.14. Diferentes ejercicios con pistas para P1 dependiendo del usuario que lo solicita316

Indice de tablas2.1. Un resumen de las especicaciones de la organizaci n IMS . . . . . . . . . o 3.1. Relaciones entre funcionalidades de sistemas de gesti n del aprendizaje y o especicaciones actuales (primera parte) . . . . . . . . . . . . . . . . . . . 3.2. Relaciones entre funcionalidades de sistemas de gesti n del aprendizaje y o especicaciones actuales (segunda parte) . . . . . . . . . . . . . . . . . . . 3.3. Utilizaci n del sistema y tasa de exito en el examen nal . . . . . . . . . . o 3.4. Uso de foros para cada materia . . . . . . . . . . . . . . . . . . . . . . . . 3.5. Uso de evaluaciones autom ticas de ejercicios para cada materia . . . . . . a 3.6. Uso del sistema de gesti n de entregas para cada materia . . . . . . . . . . o 3.7. Inter s de las funcionalidades disponibles en la experiencia . . . . . . . . . e 3.8. Inter s de las funcionalidades no disponibles en la experiencia . . . . . . . e 33 81 82 120 121 121 122 123 124

4.1. Comparaci n entre diferentes aspectos de J2EE y XTutor . . . . . . . . . . 164 o 5.1. Resultados de la encuesta sobre aspectos generales del modelo y la herramienta de pistas en la edici n 2006/2007 de Laboratorio de Arquitectura de o Ordenadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190 5.2. Resultados de la encuesta sobre aspectos generales del modelo y la herramienta de pistas en la edici n 2007/2008 de Laboratorio de Arquitectura de o Ordenadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191 5.3. Comparaci n entre diferentes ediciones de la asignatura Laboratorio de Aro quitectura de Ordenadores . . . . . . . . . . . . . . . . . . . . . . . . . . 198 5.4. Notas obtenidas por los dos grupos de la experiencia en el pre-test y el post-test206 5.5. Conjuntos de estrategias de provisi n de pistas dependiendo de los subgruo pos y temas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219 5.6. Estadsticos descriptivos sobre test inicial, test nal e incremento de apren dizaje para cada subgrupo de t cnicas de pistas y materias (escala de 0 a e 10) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224 5.7. Correlaci n parcial entre el incremento de aprendizaje para S+I y M+F con o respecto a las diferentes estrategias de provisi n de pistas empleadas y al o nivel inicial de los alumnos, quitando el efecto del resto de variables . . . . 232 5.8. Comparaci n del comportamiento de los alumnos ante la t cnica de penalio e zar por visualizar pistas o no . . . . . . . . . . . . . . . . . . . . . . . . . 244XV

XVI

INDICE DE TABLAS

5.9. Medidas sim tricas para determinar el grado de relaci n del comportamiento e o de los alumnos ante la t cnica de penalizar por visualizar pistas o no . . . . e 5.10. Medidas direccionales para determinar el grado de relaci n del comportao miento de los alumnos ante la t cnica de penalizar por visualizar pistas o e no . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.11. Indices de riesgo sobre la relaci n entre penalizar o no por ver pistas y el o comportamiento del alumno . . . . . . . . . . . . . . . . . . . . . . . . . 5.12. Comparaci n del comportamiento de los alumnos ante la t cnica de penalio e zar por visualizar pistas o no dividida por tipos de problemas y su grado de dicultad para los primeros problemas de cada materia . . . . . . . . . . . 5.13. Comparaci n del comportamiento de los alumnos ante la t cnica de penalio e zar por visualizar pistas o no dividida por tipos de problemas y su grado de dicultad para los segundos problemas de cada materia . . . . . . . . . . . 5.14. Estadstico chi-cuadrado de Pearson para cada uno de los 8 problemas para comparar comportamiento de los alumnos con respecto a penalizar o no por ver pistas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.15. Comparaci n del comportamiento de los alumnos ante la t cnica de pistas o e disponibles directamente desde el inicio, o s lo disponibles como respuesta o ante un intento incorrecto . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.16. Medidas sim tricas para determinar el grado de relaci n del comportamiento e o de los alumnos ante la t cnica de dejar disponibles las pistas desde el inicio e o dejarlas disponibles s lo ante un intento incorrecto . . . . . . . . . . . . o 5.17. Indices de riesgo sobre la relaci n entre penalizar o no por ver pistas y el o comportamiento del alumno . . . . . . . . . . . . . . . . . . . . . . . . . 5.18. Comparaci n del comportamiento de los alumnos ante la t cnica de dejar o e disponible directamente la pista o s lo ante un intento incorrecto dividida o por problemas con diferente grado de dicultad para los cuartos problemas de cada materia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.19. Estadstico chi-cuadrado de Pearson para cada uno de los 4 problemas pa ra comparar comportamiento de los alumnos con respecto a dejar la pista disponible desde el inicio o s lo ante un intento incorrecto . . . . . . . . . o 5.20. Comparaci n del comportamiento de los alumnos ante el aspecto de efecto o en la puntuaci n por resoluci n de pistas . . . . . . . . . . . . . . . . . . . o o 5.21. Medidas sim tricas para determinar el grado de relaci n del comportamiento e o de los alumnos (pistas respondidas, y n mero de pistas respondidas correcu tamente) ante la t cnica de penalizar por visualizar pistas o no . . . . . . . e 5.22. Resultados de la encuesta sobre la importancia de diferentes aspectos de provisi n de pistas en la edici n 2006/2007 de Laboratorio de Arquitectura o o de Ordenadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.23. Resultados de la encuesta sobre la preferencia de diferentes aspectos de provisi n de pistas en la edici n 2006/2007 de Laboratorio de Arquitectura de o o Ordenadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.24. Resultados de la encuesta sobre la preferencia de diferentes aspectos de provisi n de pistas en la edici n 2007/2008 de Laboratorio de Arquitectura de o o Ordenadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

245

245 246

247

248

249

251

251 252

253

254 256

257

259

260

261

INDICE DE TABLAS 5.25. Resultados de la encuesta sobre lo que los alumnos consideran justo acerca de diferentes aspectos de provisi n de pistas en la edici n 2006/2007 de o o Laboratorio de Arquitectura de Ordenadores . . . . . . . . . . . . . . . . . 5.26. Resultados de la encuesta sobre lo que los alumnos consideran justo acerca de diferentes aspectos de provisi n de pistas en la edici n 2007/2008 de o o Laboratorio de Arquitectura de Ordenadores . . . . . . . . . . . . . . . . . 5.27. Resultados de la encuesta sobre el comportamiento de los alumnos ante diferentes aspectos de provisi n de pistas en la edici n 2006/2007 de Laborao o torio de Arquitectura de Ordenadores . . . . . . . . . . . . . . . . . . . . . 5.28. Resultados de la encuesta sobre el comportamiento de los alumnos ante diferentes aspectos de provisi n de pistas en la edici n 2007/2008 de Laborao o torio de Arquitectura de Ordenadores . . . . . . . . . . . . . . . . . . . . . 5.29. Colecci n de datos para ejercicios de tipo azul . . . . . . . . . . . . . . . . o 5.30. Colecci n de datos para ejercicios de tipo naranja y amarillo . . . . . . . . o

XVII

262

262

263

264 267 268

6.1. Niveles de conocimiento de cuatro usuarios en dos conceptos del laboratorio de IPC. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307

Captulo 1

Introducci n y objetivos oEl e-learning (electronic learning) se puede denir como todo proceso de ense ann za/aprendizaje que se facilita a los alumnos a trav s de sistemas basados en ordenador, y e que usualmente utiliza Internet como medio de distribuci n y ejecuci n. Los sistemas por o o ordenador m s utilizados para este prop sito son los llamados sistemas de tutora inteligente a o (ITS: Intelligent Tutoring Systems) y los sistemas de gesti n del aprendizaje (LMS: Learo ning Management Systems). El e-learning presenta una serie de ventajas sobre el aprendizaje tradicional en clase, tales como que se puede aprender en cualquier lugar y en cualquier momento, profesores de reconocido prestigio pueden dejar sus materiales y ense anzas disn ponibles para un gran n mero de gente a un coste peque o, se puede aprovechar la enorme u n capacidad de c mputo y procesamiento de los ordenadores para realizar tareas que seran imo posibles de hacer de forma tan efectiva por profesores (como personalizaci n a cada alumno o en funci n de condiciones, evaluaci n autom tica de ex menes, realizaci n de estadsticas, o o a a o etc.) o permite la visualizaci n multi-media de diferentes recursos. No obstante, el aprendio zaje tradicional en clase presenta otra serie de ventajas sobre el e-learning. Es por ello que a pesar de existir cursos que s lo emplean e-learning, hay otros que s lo emplean el apreno o dizaje tradicional en clase, pero tambi n hay otros que emplean una combinaci n de ambas e o aproximaciones. El e-learning es un factor clave en la actual sociedad de la informaci n. El poder habio litar las mejores pr cticas de ense anza a trav s de las tecnologas de la informaci n para a n e o posibilitar un aprendizaje m s efectivo para los alumnos, as como proporcionar un sencillo a y exible acceso a todas las potencialidades por parte de los profesores, al mismo tiempo que se maximiza la eciencia y adecuaci n de su implementaci n usando tecnologas de o o la informaci n, supone un reto en el que hay que tener en cuenta multitud de variables y o factores. Ello engloba las teoras tradicionales de aprendizaje en aula, pero tambi n muchos e nuevos aspectos que surgen y se enfatizan por el uso de las tecnologas de la informaci n. o Para poder sacar el m ximo partido a las tecnologas de la informaci n orientadas al a o aprendizaje, es necesario un correcto modelado de las diferentes caractersticas involucradas en las mismas, a trav s de diferentes formas de representaci n conocidas. Los aspectos a e o modelar deben abarcar tanto los contenidos, recursos, servicios, as como las reglas de adap taci n o personalizaci n de los sistemas, y tambi n las diferentes arquitecturas de elementos o o e involucradas. La realizaci n correcta de los diferentes tipos de modelados permitir conseo a guir interoperabilidad y reusabilidad entre diferentes sistemas y actores, facilitar a profeso1

2

Captulo 1. Introducci n y objetivos o

res y dise adores sin conocimientos tecnol gicos la creaci n de recursos y funcionalidades, n o o conseguir las t cnicas m s efectivas para cada uno de los alumnos, conseguir sistemas de e a aprendizaje completos en sus caractersticas y funcionalidades, o habilitar las arquitecturas m s propicias. Todo ello redundar en una reducci n de costes, un aminoramiento del tiempo a a o en la preparaci n de los diferentes materiales de e-learning, y un aumento en la efectividad o del aprendizaje para los alumnos. El dise o de los diferentes aspectos involucrados en un sistema de e-learning debera n seguir una serie de fases ordenadas gobernadas por un ciclo de vida, y la implementaci n de o cada uno de los factores involucrados debe actualizarse en funci n del conocimiento previo o existente en el estado del arte, y de evaluaciones del sistema fruto de experiencias con los alumnos para conocer datos de todo tipo como comparaciones de incremento de aprendizaje entre diferentes situaciones del sistema o con respecto a otros sistemas, comparaciones de comportamiento de los alumnos ante diferentes condiciones del sistema, opiniones de los alumnos ante diferentes aspectos, etc. Por otro lado, en los ultimos tiempos ha surgido con fuerza la denominada Web sem ntia ca, que permitir razonar a las m quinas con diferentes datos para conseguir una Web ina a teligente, gracias a unas anotaciones que tienen en cuenta las relaciones sem nticas entre a diferentes conceptos. Para ello, se deben denir ontologas de los diferentes datos sobre los que se van a razonar, se deben anotar los diferentes recursos en base a las reglas dadas por las ontologas denidas, y se deben denir reglas de personalizaci n y adaptaci n para que o o la informaci n pueda ser procesada de acuerdo con ciertos razonamientos. Los benecios de o integrar los diferentes sistemas de la informaci n en esta nueva concepci n de Web sem ntio o a ca son muchos. De hecho las anotaciones y reglas de Web sem ntica cuando son aplicadas en a e-learning pueden ser vistas como un modelado formal de ciertos aspectos del e-learning. Es benecioso integrar a los sistemas educacionales existentes que usualmente utilizan modelado de recursos en base a cheros XML dentro de esta Web sem ntica que utiliza lenguajes a formales. En este contexto, en esta tesis se propone una teora de modelado del e-learning incluyen do una integraci n con la Web sem ntica, as como una aplicaci n pr ctica en profundidad o a o a de dicha teora para la provisi n de pistas adaptativas en aprendizaje basado en problemas. o La realizaci n de ex menes autom ticos a trav s del ordenador, es una estrategia bien o a a e conocida no s lo para la evaluaci n nal de los alumnos (evaluaci n sumativa), sino tamo o o bi n como una estrategia que permite la adquisici n de conocimiento durante el proceso e o (evaluaci n formativa). Una de las t cnicas que se puede utilizar es la provisi n de pistas en o e o ex menes autom ticos. El concepto que est detr s de la t cnica de provisi n de pistas es a a a a e o que un alumno puede solicitar alguna ayuda cuando el estudiante no es capaz de responder alg n problema del examen (de aqu en adelante en esta tesis, se utilizan los t rminos prou e blema y ejercicio indistintamente, queriendo denotar el mismo signicado). Esto fuerza al alumno hacia un proceso de descubrimiento durante el aprendizaje. Existen en la actualidad m ltiples sistemas de pistas que posibilitan diferentes funcionalidades en relaci n con esu o ta t cnica. Algunas de las funcionalidades de sistemas de pistas existentes no proporcionan e ninguna adaptaci n, mientras que otros proporcionan adaptaci n de las pistas en funci n o o o de diferentes caractersticas del usuario. La adaptaci n es fundamental ya que diferentes o alumnos con diferentes perles, preferencias, etc. aprenden de forma diferente e incluso esto puede depender del tipo de contenidos, dise o de los materiales, u otros factores. La n

1.1. Motivaci n o

3

efectividad de un sistema de pistas puede depender en gran medida de su destreza a la hora de realizar la adaptaci n ya que se deben habilitar las condiciones necesarias para que cada o alumno aprenda de la mejor manera, y por lo tanto es un factor importante a tener en cuenta. La aplicaci n del modelado para abarcar un completo abanico de posibilidades de los siso temas de pistas tanto con adaptaci n como sin ella y model ndolo desde diferentes puntos de o a vista, supone un reto con diversos benecios, as como la integraci n de las funcionalidades o de provisi n de pistas existentes en tutores inteligentes dentro de la Web sem ntica. o a

1.1.

Motivaci n o

Las soluciones de e-learning actuales son desarrolladas en gran parte de las situaciones utilizando la fuerza bruta, sin pensar previamente sobre la estructura, sin un orden acordado, o sin ning n m todo de desarrollo. Con el n de incrementar la calidad y la mantenibilidad de u e los materiales de e-learning generados, se requiere un m todo formal para realizar materiales e de e-learning, que es lo que podra llamarse como una ingeniera del e-learning. Lo que es requerido en este momento por los materiales de e-learning es an logo a lo a que se requera con las aplicaciones software y Web y que dio lugar a las denominadas ingenieras del software y la ingeniera Web respectivamente. La ingeniera del software as como la ingeniera Web tratan de modelar diferentes aspectos del software y la Web de forma que se puedan lograr desarrollos de aplicaciones f cilmente mantenibles, reutilizables, a mejorables, evaluables, m s efectivas, etc. a La primera motivaci n que dio lugar a esta tesis se basa en la idea de poder aproveo char las ense anzas de ingeniera del software y de ingeniera Web para aplicarlas en lo n que podramos llamar como una ingeniera del e-learning, para lograr desarrollos completos de e-learning f cilmente mantenibles, reutilizables, evaluables, mejorables, etc., extrapolana do todas las ventajas de la ingeniera del software y de la ingeniera Web al campo del e-learning. As pues, se postula que las formas de modelado utilizadas para el software y la Web, servir n como punto de partida para extrapolarlas con las modicaciones apropiadas a al campo del e-learning. De hecho, actualmente existen diversos trabajos que tratan de modelar el e-learning desde diferentes puntos de vista, proporcionando informaci n muy diversa. Entre estos trabajos o se encuentra el proceso de estandarizaci n en que actualmente est envuelto el e-learning, o a dando lugar a diferentes especicaciones y est ndares. Debido a la complejidad y cantidad a de temas abarcados por el e-learning, dichos trabajos proveen informaci n muy diversa, en o bastantes casos no relacionada, o con carencias especcas de modelado no cubiertas. Es necesario por lo tanto, lneas de trabajo que pongan un cierto orden, explicando de forma global todos los conceptos y aspectos, y los relacione de forma adecuada, proponiendo nuevos modelos all donde se detecten carencias importantes. Para que de esta forma, con los nuevos modelados del e-learning, se obtengan diferentes benecios. Esta es la motivaci n o general que lleva a enunciar una teora de modelado del e-learning, fruto de la evoluci n o natural de la motivaci n inicial de extrapolar ideas de modelado de software y de la Web. o Esta motivaci n general se concreta en otras motivaciones m s especcas para realizarlo, o a las cu les se enumeran a continuaci n: a o Poder localizar aquellas funcionalidades o servicios de e-learning para los cuales exis-

4

Captulo 1. Introducci n y objetivos o ten carencias de modelado en los actuales est ndares y especicaciones, lo cual repera cutir en que se podr n tomar medidas deniendo nuevos est ndares o extendiendo los a a a existentes, de forma que se garantice la interoperabilidad y reuso de dichos aspectos, o se pueda sacar toda la potencialidad de aprendizaje relacionada con dichos aspectos. Garantizar la interoperabilidad y reusabilidad de diferentes cursos completos. Garantizar un dise o m s efectivo y ecaz de cursos, as como m s f cilmente exn a a a tensible y reusable entre profesores, mediante diferentes m todos de representaci n e o gr ca sistem ticos para el dise o de cursos. a a n Propiciar el dise o de cursos, actividades, recursos, servicios, etc. de una forma senn cilla y r pida por parte de profesores sin grandes conocimientos tecnol gicos, propora o cionando una capa de abstracci n a la tecnologa pero sin reducir la potencialidad de o lo que se puede dise ar. n Poder realizar un conocimiento lo m s completo posible de los diferentes aspectos del a e-learning sin obviar ninguna variable, para as poder sacar el m ximo rendimiento de a los mismos tanto por parte de alumnos como de profesores. Mucho se ha escrito en relaci n con el dise o de recursos at micos, interoperables, o n o reusables, etc., pero se ha indagado menos sobre el dise o de reglas adaptativas en n e-learning que tengan esas mismas caractersticas. Las mismas ventajas de interopera bilidad, reducci n de costes, reusabilidad, extensibilidad, completud, etc. pueden ser o conseguidas en el mundo de las reglas adaptativas, en caso de que se dena una forma de modelado de reglas adaptativas que tenga en cuenta esas premisas y que proponga un modelo de representaci n sencillo, adecuado y completo. o Poder integrar de una forma efectiva sistemas existentes de e-learning en la Web sem ntica, incorporando de este modo todas las ventajas que comporta la utilizaci n a o de la Web sem ntica, entre las cuales destacan las siguientes: a Interoperabilidad de datos y reuso con otras disciplinas. De esta forma los sistemas educacionales podran intercambiar recursos de datos existentes de la Web, de otros sistemas educacionales y sistemas de negocios. Extensi n de los datos para poder ser procesados. As los razonadores de Web o sem ntica podran hacer uso de todos los datos anotados de la Web y de otros a sistemas para sacar conclusiones con inferencias m s potentes, en lugar de s lo a o poder procesar datos locales de sistemas educacionales especcos. Utilizaci n de herramientas robustas que ya han sido implementadas para la Web o sem ntica, en lugar de tener que dise ar herramientas especcas para sistemas a n educacionales. Las reglas e incluso los razonadores sem nticos pueden ser reutilizados entre a sistemas educacionales diferentes, sin tener que reescribir implementaciones de c digo especcas para cada sistema educacional. o

1.1. Motivaci n o

5

Adem s de denir la teora de modelado del e-learning en general fruto de todos los a motivadores previamente comentados, tambi n se decidi escoger un aspecto especco del e o e-learning para aplicar dicha teora en profundidad sobre tal aspecto. De entre todos los aspectos del e-learning posibles, se eligi el de la provisi n de pistas en ex menes autoo o a matizados para aplicar la teora de modelado del e-learning a denir, porque por un lado se observ que es un aspecto muy relevante y util en el proceso de ense anza/aprendizaje como o n diferentes estudios corroboran, y por otro lado porque no existe en la actualidad ninguna especicaci n que tenga en cuenta las diferentes tipologas que se pueden dar en la provisi n o o de pistas. Si bien la especicaci n IMS-QTI en su versi n 2 nombra el concepto de pista, no o o establece ninguna taxonoma de las diferentes posibilidades de provisi n de pistas y adem s o a los cheros XML que representan instancias de pistas son muy grandes debido a que est n a basados en condiciones. Es por ello, que el motivador inicial para elegir el modelado de pistas fue que en un area tan relevante no hubiera un modelado que abarcara las posibilidades m s relevantes a de provisi n de pistas existentes en los diferentes sistemas de pistas del estado del arte que o se han implementado. Este modelado implicara un mejor conocimiento de todas las carac tersticas y procesos involucrados en la provisi n de pistas, lo cual redundara en habilitar o un aprendizaje y dise o de materiales m s efectivo en el futuro. n a Adicionalmente, en relaci n con el objetivo de modelado de pistas, se tuvieron como o motivadores los siguientes: Habilitar la interoperabilidad y reusabilidad de los diferentes recursos de pistas posibles, proporcionando un mapeo a XML que describiera ejercicios con pistas de forma m s reducida que la especicaci n IMS-QTI v2, de tal forma que los cheros ocupaa o ran menos espacio, fueran m s f cilmente ejecutables por sistemas reproductores de a a pistas, y fuera m s f cil su composici n entre diferentes cheros para formar otros a a o nuevos fruto de la adaptaci n. o Proporcionar sistemas de representaci n completos y de forma gr ca para que profeo a sores con diferentes perles (algunos sin conocimientos tecnol gicos) pudieran editar o de forma sencilla y r pida todas las caractersticas del modelo. a Poder conocer cu les son las mejores pr cticas en relaci n con el modelo de pisa a o tas propuesto, comparando un sistema que implemente las caractersticas del modelo con otros sistemas, y tambi n comparando entre s diferentes caractersticas del proe pio modelo denido. De esta forma, sabiendo lo que incrementa en mayor medida el conocimiento, se podr n habilitar a los alumnos las estrategias de aprendizaje m s a a efectivas en relaci n con la provisi n de pistas. o o Poder conocer cu les son los comportamientos de los alumnos ante diferentes estratea gias de provisi n de pistas. De esta forma, se pueden corregir o guiar hacia determio nados comportamientos a los alumnos en el sistema. Conocer la opini n de los alumnos ante diferentes aspectos de la provisi n de pistas o o del modelo propuesto, para as poder satisfacer de manera m s adecuada sus necesi a dades, conocer lo bueno del modelo propuesto, etc.

6

Captulo 1. Introducci n y objetivos o Conseguir la adaptaci n inteligente de las diferentes pistas y t cnicas de provisi n de o e o pistas que se proporcionan a los alumnos para as poder lograr un aprendizaje perso nalizado y dependiente de diferentes factores, de tal forma que sea lo m s efectivo a posible en cada situaci n concreta y tipo de alumno, en lugar de ser siempre est tico. o a Utilizar en dicha adaptaci n de pistas el modelo de reglas antes comentado que proo porciona una serie de benecios. Integrar sistemas educacionales de provisi n de pistas dentro de la Web sem ntica para o a poder aprovechar todas las ventajas comentadas que la Web sem ntica proporciona. a

1.2.

Objetivos

Esta tesis doctoral tiene dos objetivos nales, los cuales se pueden desglosar en diferentes subobetivos. A continuaci n se presentan ambos objetivos junto con su desglose correso pondiente en subobetivos: 1. Denici n de una teora de modelado del e-learning, que por un lado aporte una visi n o o global de modelado del e-learning, y por otro lado modele de forma completa desde diferentes puntos de vista aspectos para los que se detectan carencias. En concreto, esto implica los siguientes subobjetivos: a) Proporcionar una visi n global que incluya qu aspectos del e-learning se pueden o e modelar, categoriz ndolos y enumer ndolos, y para cada uno de dichos aspectos a a de qu formas diferentes se pueden modelar. e b) Proporcionar una visi n ideal de evoluci n del e-learning, teniendo en cuenta el o o modelado de los diferentes aspectos. c) Establecimiento de la relaci n entre los diferentes est ndares de e-learning exiso a tentes (as como de otras especicaciones del estado del arte), y los aspectos de modelado que cubren y aquellos en los cuales tienen carencias. d) Proponer un nuevo modelado de cursos de e-learning mediante XML, utilizando la especicaci n IMS Content Packaging. o e) Proponer un nuevo modelado de cursos de e-learning mediante UML, utilizando una extension de UML. f ) Contribuir en la realizaci n de diferentes herramientas de autor de e-learning o (abarcando diferentes servicios, y aspectos de la especicaci n IMS Learning o Design), las cuales pueden ser vistas como un modelado de diferentes aspectos en lenguaje de personas con bajos conocimientos tecnol gicos. o g) Denir una nueva teora de reglas adaptativas, que permita el modelado de reglas de adaptaci n de un sistema de forma sencilla y clara para los dise adores, y de o n forma que sea f cilmente extensible con nuevas reglas, exible, basado en reglas a at micas, reusables, interoperables, combinables seg n condiciones, e intercamo u biables.

1.2. Objetivos

7

h) Denir una nueva arquitectura que permita combinar t cnicas de Web sem ntica e a con sistemas de tutora inteligente, integrando de esta forma a los sistemas de e-learning en la Web sem ntica aprovechando todas sus ventajas. Para ello, la a arquitectura debe proporcionar una soluci n que combine el modelado en XML o que tpicamente usan muchos sistemas de e-learning con el modelado mediante t cnicas formales de la Web sem ntica. La arquitectura denida debe enumerar e a y explicar los diferentes elementos involucrados, sus interrelaciones, as como los diferentes criterios de dise o a decidir durante la implementaci n de la arn o quitectura junto con algunas guas para ayudar en dichas decisiones. i) Denir un nuevo ciclo de vida del e-learning para la generaci n de contenidos, o reglas, assessments, etc., el cual incluya todos los aspectos involucrados en el e-learning, su orden de ejecuci n, ciclo para la mejora de los materiales, etc. o j) Establecimiento de los criterios generales para la evaluaci n de los diferentes o aspectos de e-learning, y aplicaci n de la evaluaci n a la calicaci n de la imo o o portancia de diferentes funcionalidades de sistemas de gesti n del aprendizaje. o 2. Crear un nuevo sistema de pistas adaptativo en tutora inteligente utilizando t cnicas e de Web sem ntica, donde se apliquen varios de los diferentes aspectos de la teora a comentada. En concreto, esto implica los siguientes subobjetivos: a) Denir un nuevo modelo de datos como parte de una nueva especicaci n de o pistas para aprendizaje basado en problemas. Dicho modelo de datos debe describir las diferentes posibilidades de provisi n de pistas abarcando los conceptos o recogidos en otros sistemas de pistas del estado del arte, as como incluyen do otros nuevos aspectos basados en nuestras propias ideas y experiencia como profesores. b) Denir un mapeo a XML del modelo de datos establecido de la especicaci n o de pistas, de forma que cualquier instancia de ejercicio con pistas pueda ser representado en XML. Dicho mapeo a XML debe cumplir que los archivos XML obtenidos, representando instancias de ejercicios con pistas, deben ser de la menor longitud posible y deben poder ser f cilmente insertables unos con otros para a poder componer nuevos ejercicios con pistas a partir de otros iniciales, dependiendo de los criterios de adaptaci n considerados. o c) Denir un modelo que permita representar en UML cualquier instancia de ejercicio con pistas. d) Denir un mapeo a RDF del modelo de datos establecido de la especicaci n o de pistas, de forma que cualquier instancia de ejercicio con pistas pueda ser representado en RDF. e) Implementar una herramienta de autor que sea de f cil utilizaci n por profesoa o res y dise adores de ejercicios sin conocimientos tecnol gicos, de forma que n o puedan crear las diferentes instancias de la especicaci n de pistas denida, y o que permita importar y exportar en formato XML de acuerdo al mapeo XML denido para la especicaci n de pistas. Esta herramienta se puede ver como un o modelado de alto nivel en palabras habituales para personas sin conocimientos tecnol gicos. o

8

Captulo 1. Introducci n y objetivos o f ) Implementar un reproductor de pistas como extensi n al tutor inteligente XTuo tor desarrollado en el MIT (Massachusetts Institute of Technology), de forma que pueda cargar y ejecutar ejercicios con pistas denidos en XML seg n la u especicaci n denida. Los alumnos podr n acceder va Web a dicho sistema o a implementado para resolver los ejercicios propuestos, pudiendo visualizar los ejercicios, introducir las soluciones, pedir pistas correspondientes, etc. g) Dise ar una aplicaci n de competici n entre alumnos basada en ejercicios con n o o pistas. h) Conocer par metros generales sobre el uso y satisfacci n de los alumnos con el a o sistema de pistas. i) Comparar la efectividad del sistema con pistas con respecto a otro sistema sin pistas para observar si se produce un benecio signicativo. j) Comparar el incremento de conocimiento que produce el sistema con pistas con respecto a tutores humanos dando pistas en clase. De esta forma se quiere corroborar que dicho sistema de pistas es tan efectivo para el aprendizaje como un tutor humano, y por lo tanto se podra dejar a los alumnos solos interaccionando con el tutor obteniendo al menos similares resultados que con tutores humanos. k) Evaluaci n de diferentes estrategias de provisi n de pistas para conocer o o qu t cnicas de provisi n de pistas pueden ser mejores que otras porque hacen e e o incrementar m s el conocimiento de los alumnos, y si siempre dicha mejora es a en la misma direcci n o depende de ciertos factores y es necesaria por lo tanto la o adaptaci n. En concreto se quieren evaluar para diferentes materias, las t cnicas o e de no penalizar por ver pistas con respecto a penalizar por ver pistas cuando en ning n caso hay un lmite m ximo de pistas a visualizar, no penalizar por ver u a pistas y con un lmite m ximo de pistas a visualizar con respecto a penalizar por a ver pistas pero sin un lmite m ximo de pistas a visualizar, dejar pedir la pista a directamente con respecto a s lo dejar pedir la pista ante un intento incorrecto, o tener efecto en la puntuaci n del problema inicial seg n la resoluci n de las piso u o tas asociadas con respecto a no tener ning n efecto en la puntuaci n, bonicar u o en el problema inicial por resoluci n correcta de pistas con respecto a penalizar o por resoluci n incorrecta de pistas, y dejar ver todas las pistas menos una con o respecto a s lo dejar ver una pista. o l) Evaluaci n del comportamiento de los alumnos ante diferentes t cnicas de proo e visi n de pistas. Las t cnicas consideradas que se comparan son las mismas que o e en el punto anterior, y sobre algunas de ellas se compara el n mero de pistas u vistas, o/y el n mero de problemas pistas contestadas y si se resolvieron mal o u bien. m) Conocer la opini n de los alumnos ante las diferentes caractersticas de provio si n de pistas del sistema, incluyendo la importancia que le dan a cada una, sus o preferencias, la justicia, o su comportamiento esperado. n) Denir una arquitectura para combinar el tutor inteligente XTutor junto con la extensi n de pistas implementada con el razonador de Web sem ntica CWM, o a de forma que se puedan conseguir pistas adaptativas en aprendizaje basado en

1.3. Planicaci n de Tareas o

9

problemas. Dicha arquitectura ser una instancia particular o realizaci n de la a o arquitectura general denida en la teora del modelado del e-learning n) Implementar un prototipo de la arquitectura denida en el punto anterior, que permita lograr pistas adaptativas utilizando nuestra extensi n de pistas en XTutor o y el razonador de Web sem ntica CWM, y combinando los formatos XML de a descripci n de pistas denida, y el lenguaje Notation 3 (N3) propio de la Web o sem ntica y entendible por CWM. As mismo, se deber n dar soluci n a los a a o diferentes problemas de implementaci n comentados en la arquitectura general, o adoptando las soluciones oportunas. o) Denici n de las ontologas oportunas para el sistema de pistas adaptativas, ino cluyendo ontologas de alumnos, problemas, pistas, conceptos del curso, o sobre las diferentes t cnicas de pistas. e p) Denici n de las reglas de adaptaci n para el sistema de pistas adaptativo, ino o cluyendo la adaptaci n de contenidos de pistas o de las diferentes t cnicas de o e pistas, dependiendo de los materiales especcos o los alumnos. q) Implementaci n de algunas reglas de adaptaci n para el sistema de pistas adapo o tativo, utilizando el lenguaje Notation 3 (N3) entendible por el razonador de Web sem ntica CWM. a

1.3.

Planicaci n de Tareas o

Para realizar estos objetivos, se ha realizado un esfuerzo en serie que ha requerido conseguir ordenadamente las siguientes metas generales: 1. Estudio del estado del arte de los diferentes aspectos relacionados con nuestros objetivos, para conocer los trabajos previos relacionados existentes. 2. Formulaci n de la teora de modelado del e-learning. o 3. Denici n de la especicaci n de pistas para aprendizaje basado en problemas, e imo o plementaci n de un reproductor de pistas acorde con dicha especicaci n, como exo o tensi n del tutor inteligente XTutor. o 4. Evaluaci n del modelo de pistas denido desde diversos puntos de vista. o 5. Aplicaci n de t cnicas de Web sem ntica para conseguir pistas adaptativas, combio e a nando el tutor inteligente XTutor junto con la extensi n del reproductor de pistas y el o razonador de Web sem ntica CWM. a A continuaci n, para cada una de las metas generales, se exponen las metas especcas o que de forma ordenada se hubieron de conseguir para lograr las metas generales. En primer lugar, en relaci n con el estudio del estado del arte se hubieron de conseguir ordenadamente o las siguientes metas especcas:

10

Captulo 1. Introducci n y objetivos o Estudio del estado del arte sobre ingeniera Web e ingeniera Software. De esta forma se puede comprender qu cosas se han modelado y c mo, en relaci n con aplicacioe o o nes software y aplicaciones Web. De ello se pueden extraer ideas interesantes para aplicarlas de forma an loga en el e-learning. a Estudio del estado del arte sobre dise o instruccional del aprendizaje. Ello conlleva n conocer los diferentes modelos de planicaci n de un curso, as como las diferentes o teoras pedag gicas y psicol gicas asociadas al aprendizaje. Todo ello se debe tener o o muy en cuenta a la hora del modelado de e-learning, ya que el e-learning tiene que nutrirse de las teoras tradicionales del proceso de aprendizaje, pero as mismo habr que a complementarlas con nuevos ingredientes fruto del empleo de las tecnologas de la in formaci n. o Estudio del estado del arte sobre la concepci n global del e-learning. o Estudio del estado del arte sobre las especicaciones y est ndares existentes para a e-learning y otras especicaciones existentes que aunque no son especcas de e learning, est n relacionadas. a Estudio del estado del arte sobre trabajos que incluyen modicaciones y extensiones a especicaciones y est ndares existentes para e-learning, debido a carencias detectadas a en las especicaciones de e-learning. Estudio del estado del arte sobre modelados en UML existentes para aspectos de elearning. Estudio del estado del arte sobre modelados existentes utilizando t cnicas formales e para aspectos de e-learning. Estudio del estado del arte sobre herramientas de autor para e-learning. Estudio del estado del arte sobre adaptabilidad y personalizaci n en e-learning. o Estudio del estado del arte sobre herramientas de competici n en educaci n. o o Estudio del estado del arte en relaci n con el concepto de sistema de pistas en tutora o inteligente y la importancia de tales sistemas. Estudio del estado del arte de sistemas de tutora para la provisi n de pistas que no o proporcionan funcionalidades adaptativas de pistas. Estudio del estado del arte de sistemas de tutora para la provisi n de pistas que im o plementan caractersticas adaptativas de pistas. Estudio del estado del arte sobre experiencias o/y evaluaciones realizadas en el aula o a distancia, con sistemas de pistas para sacar conclusiones sobre la efectividad de los sistemas, informaci n de las interacciones con los sistemas, comportamientos de los o alumnos, opiniones de los alumnos, etc. Estudio de los conceptos generales sobre Web sem ntica. a

1.3. Planicaci n de Tareas o Estudio del estado del arte sobre ontologas denidas para aplicaciones educativas.

11

Estudio de herramientas para la anotaci n en lenguajes de Web sem ntica en el ambito o a educativo. Estudio de herramientas de autora para Web sem ntica en educaci n. a o Estudio del estado del arte sobre aplicaciones de Web sem ntica en educaci n. a o Estudio del estado del arte de arquitecturas de Web sem ntica en educaci n para pera o sonalizaci n y adaptaci n. o o Estudio del estado del arte sobre aplicaciones adaptativas de Web sem ntica en edua caci n. o En relaci n con la teora de modelado del e-learning se hubieron de conseguir ordenao damente las siguientes metas especcas: Hacer un compendio de las diferentes funcionalidades y caractersticas presentes en diferentes sistemas de gesti n de aprendizaje y tutores inteligentes, y relacionarlo con o los diferentes aspectos cubiertos por las diferentes especicaciones y est ndares de a e-learning, viendo as cu les est n modeladas, y cuales faltan por modelarse. a a Ver los diferentes modos en que se ha modelado la Web, el software y algunas funcionalidades de e-learning, y ver si los diferentes modos de modelado tienen sentido su aplicaci n para las diferentes funcionalidades y caractersticas del compendio del o punto anterior. Analizar c mo utilizar la especicaci n IMS Content Packaging para poder modelar o o un curso completo con sus diferentes servicios y proponer un modelo para usar IMS Content Packaging para tal n. Analizar c mo utilizar UML para poder modelar un curso completo con sus diferentes o servicios y proponer un modelo para usar UML para tal n. Contribuir en la realizaci n de una herramienta de autor f cil de utilizar para usuarios o a sin conocimientos tecnol gicos, de forma que cubra aspectos de e-learning para los o cuales haba una carencia de modelado en las especicaciones de e-learning existentes Contribuir en la realizaci n de una herramienta de autor f cil de utilizar para usuao a rios sin conocimientos tecnol gicos, de forma que cubra la planicaci n de un curso o o pasando por las fases de objetivos, metodologa, contenidos y evaluaci n, siendo com o patible con la especicaci n IMS Learning Design. o Denici n de la nueva teora de reglas adaptativas. o Denici n de la nueva arquitectura que permita combinar t cnicas de Web sem ntica o e a con los tutores inteligentes. Denir una visi n ideal de e-learning combinando todos los servicios y aspectos a o modelar.

12

Captulo 1. Introducci n y objetivos o Denir un ciclo de vida que combine todos los elementos a modelar y dise ar, y diga n claramente las fases de ejecuci n de cada uno de los modelados. o Denir los criterios generales de evaluaci n para los diferentes aspectos del modelado. o Dise ar y ejecutar una experiencia de evaluaci n para calicar la importancia de difen o rentes funcionalidades de sistemas de gesti n del aprendizaje. o

En relaci n con la denici n de la especicaci n de pistas para aprendizaje basado en o o o problemas, e implementaci n de un reproductor de pistas acorde con dicha especicaci n, o o como extensi n del tutor inteligente XTutor, se hubieron de conseguir ordenadamente las o siguientes metas especcas: Una vez conocidas las caractersticas de otros sistemas de pistas del estado del arte (sin considerar aspectos de adaptaci n en un primer momento) se realiza un como pendio para integrar todos los conceptos, agrupar conceptos similares con diferentes t rminos seg n los sistemas pero id ntica funcionalidad, permitir la combinaci n de e u e o los diferentes conceptos, y a adir nuestras nuevas ideas para la provisi n de pistas, n o entonces se especican las caractersticas del nuevo modelo de pistas y se dene un nuevo modelo de datos, tratando que sea lo m s completo posible. a Se denen los mapeos a XML, y UML del modelo de datos denido, siguiendo las mejores pr cticas posibles. a Se estudia el lenguaje de programaci n python (que es el lenguaje sobre el que est eso a crito el tutor XTutor) as como las libreras que acompa an al tutor inteligente Xtutor. n Se implementa un reproductor de pistas que sea capaz de cargar y entender cheros XML de acuerdo con la especicaci n denida. Este reproductor se implementar utio a lizando python y las libreras de XTutor, como una extensi n a la funcionalidad inicial o proporcionada por XTutor. Se contribuye en la realizaci n de una herramienta de autor capaz de generar cheros o XML de acuerdo con la especicaci n denida y que sea f cilmente utilizable por o a profesores y dise adores de cursos. n Se contribuye en la realizaci n de una herramienta para competici n entre alumnos a o o base de ejercicios donde se pueden a adir pistas. n En relaci n con la evaluaci n del sistema de pistas para el aprendizaje se hubieron de o o conseguir ordenadamente las siguientes metas especcas: Realizaci n de una experiencia en Laboratorio de Arquitectura de Ordenadores duo rante los cursos 2004/2005 y 2005/2006 donde los alumnos interaccionaron con un sistema de preguntas sin pistas, siguiendo la especicaci n IMS-QTI. o Realizaci n de dos experiencias en Laboratorio de Arquitectura de Ordenadores duo rante los cursos 2006/2007 y 2007/2008 donde los alumnos interaccionaron con el sistema de pistas implementado. Durante el a o 2006/2007, adicionalmente un grun po de alumnos trabajo s lo con los ejercicios sin pistas, pero era el profesor quien o proporcionaba las pistas en clase.

1.4. Estructura de la Memoria

13

Obtener datos generales de utilizaci n del sistema, tanto de ejercicios como de pistas. o Comparar datos obtenidos entre experiencias utilizando sistema con pistas y sin pistas para ver si hay diferencia signicativa. Comparar datos obtenidos de incremento de aprendizaje en el a o 2006/2007 entre n grupo que utiliz el sistema y grupo que us tutores humanos dando pistas, para ver si o o hay diferencia signicativa. Comparar datos obtenidos en los cursos 2006/2007 y 2007/2008 sobre la utilizaci n de o diferentes t cnicas de provisi n de pistas para averiguar cu les y bajo qu condiciones e o a e resultaron m s beneciosas para los alumnos, as como conocer que diferencias de a comportamiento implica utilizar diferentes t cnicas de provisi n de pistas. e o Procesar los resultados de encuestas de las diferentes ediciones experimentales, donde se recoja la opini n de los alumnos sobre el sistema, su usabilidad, su benecio, la imo portancia de las diferentes t cnicas de provisi n de pistas, la justicia de las diferentes e o t cnicas, las preferencias de los alumnos, etc. e Finalmente, en relaci n con la aplicaci n de t cnicas de Web sem ntica para pistas adapo o e a tativas se hubieron de conseguir ordenadamente las siguientes metas especcas: Particularizaci n de la arquitectura general denida en la teora de modelado del eo learning al caso de pistas adaptativas que combina el tutor inteligente XTutor junto con la extensi n del m dulo de pistas implementado, y el razonador de Web sem ntica o o a XTutor. Implementaci n de un prototipo de la arquitectura especca denida para pistas adapo tativas, implementando el motor de llamadas de XTutor hacia el razonador CWM, los transformadores de formatos, etc. Denici n de la informaci n necesaria sobre la que razonar para la adaptaci n, o o o plasm ndola mediante ontologas de los diferentes aspectos. a Denici n de las reglas de adaptaci n para pistas adaptativas siguiendo la teora geo o neral de reglas denida en la teora de modelado del e-learning. Implementaci n de algunos ejemplos de reglas de adaptaci n de pistas en Notation 3 o o (N3) siguiendo la teora general de reglas.

1.4. Estructura de la MemoriaEsta memoria de tesis est estructurada en un total de nueve captulos. El primer captua lo ( ste mismo sobre introducci n) proporciona una introduc