Proyecto de Tesis V - SERGIO

UNIVERSIDAD ALAS PERUANAS
FACULTAD DE INGENIERAS Y ARQUITECTURA

ESCUELA ACADMICO PROFESIONAL DE INGENIERIA DE SISTEMAS E INFORMATICA
PROYECTO DE TESIS SISTEMA INTELIGENTE SIAPDI PARA EL DESARROLLO DE SESIONES DE APRENDIZAJE DINMICAS
(Estudio realizado para nios del 2do y 6to grado de la IEP. 70545 Tpac Amaru de la ciudad de Juliaca durante los aos 2012-2013)
PRESENTADO POR EL ALUMNO SERGIO CONDORI MAMANI
DOCENTES M. Sc. RICHARD ASQUI VENTURA ING. DANIEL QUISPE MAMANI
JULIACA-PUNO-PERU 2012
DEDICATORIA
El Presente Trabajo est Dedicado a las personas que tanto ame y amare, quienes aparecen en momentos oportunos, dndome fuerzas y recordando porque es que debo dar lo mejor de m, a mis padres quienes me apoyan incondicionalmente en mis proyectos y sueos; A todos mis amigos, aunque no estn presentes, han sido un gran apoyo en formar la persona que ahora soy y que pienso llegar a ser.
AGRADECIMIENTOS
Desde aqu quisiera expresar mi mayor agradecimiento a todas aquellas personas que de alguna manera han hecho posible que este proyecto se lleve a cabo.
A Mg. Vctor Lima Condori, que por ms complicaciones se presenten, siempre nos ayuda, nos apoya y gua en el camino que seguimos, buscando la forma de lograr poder sembrar la semilla de la investigacin y la forma de hacer de nosotros mejores personas.
A mi familia, por el apoyo y comprensin incondicional que recibo da a da.
Desarrollo de un sistema inteligente SIAPDI para el desarrollo de sesiones de aprendizaje dinmicas de la IEP 70545 TUPAC AMARU
INTRODUCCION La calidad educativa es hoy muy discutida en las grandes, pequeas y medianas ciudades, en un entorno competitivo por alcanzar la excelencia educativa. Para erradicar parcialmente el problema tenemos que localizar correctamente la raz del problema, en donde la Sesin de Aprendizaje dictada por el docente, representa el principal factor interviniente en el aprendizaje del alumno y su formacin. La tecnologa es el factor decisivo para toda organizacin e Institucin que desea sobre salir en el mercado, ser reconocida y valorada. El desarrollo de nuevas tecnologas, estrategias, mtodos y otros contribuyen eficazmente en el progreso de una nacin. Basndonos en los tres enunciados anteriores afirmamos que la tecnologa contribuye de manera significativa en la calidad educativa por ser motivo de desarrollo de nuevas expectativas, de mejoramiento y de visin emprendedora de cada persona que est expuesta a ella. En la actualidad la mala utilizacin de la tecnologa ha llevado a la cada de la educacin ya que el nio moderno en su contexto de aprendizaje, no logra desenvolverse en su totalidad. A falta de tecnologa adecuada para su aprendizaje o no ser capaz de utilizar su tecnologa adecuadamente. Siendo este trabajo, un medio por el cual se desea disear, crear e implementar una herramienta tecnolgica eficiente para el mejoramiento de la calidad educativa basado en el desarrollo de Sesiones de Aprendizaje Dinmicas.
TABLA DE CONTENIDOS
INTRODUCCIN TABLA DE CONTENIDOS INDICE DE GRAFICOS INDICE DE TABLAS INDICE DE FORMATOS
CAPITULO I ........................................................................................................................................ 7 1. PLANTEAMIENTO DEL PROBLEMA ..................................................................................... 8 1.1. 1.2. DESCRIPCIN DE LA REALIDAD PROBLEMTICA ....................................................................... 8 DELIMITACIONES Y DEFINICIN DEL PROBLEMA....................................................................... 9 Delimitaciones ............................................................................................................... 9
Delimitacin Espacial .......................................................................................................................9 Delimitacin Temporal ...................................................................................................................10 Delimitacin Social .........................................................................................................................10 Delimitacin Tcnica ......................................................................................................................10 Delimitacin Conceptual................................................................................................................11 1. 2. 3. Tecnologas de Informacin. ...................................................................................................11 Tecnologas de la Arquitectura del Hardware. ....................................................................12 Gestin del Proceso Escogido. ...............................................................................................13
03
1.2.1.
A. B. C. D. E.
1.2.2. 1.3.
Definicin del Problema ............................................................................................ 13
FORMULACIN DEL PROBLEMA ............................................................................................... 14 Problema Principal ..................................................................................................... 14 Problemas especficos .............................................................................................. 14
1.3.1. 1.3.2. 1.4.
OBJETIVO DE LA INVESTIGACIN ............................................................................................. 14 Objetivo Principal ........................................................................................................ 14 Objetivos Especficos ................................................................................................ 14
1.4.1. 1.4.2. 1.5.
VARIABLES E INDICADORES ..................................................................................................... 15 Variable Independiente .............................................................................................. 15 Variable Dependiente ................................................................................................. 17 Entorno de Interactuacin de las Variables ......................................................... 19
1.5.1. 1.5.2. 1.5.3. 1.6.
VIABILIDAD DE LA INVESTIGACIN ........................................................................................... 20 Viabilidad tcnica ........................................................................................................ 20 Viabilidad operativa .................................................................................................... 20 Viabilidad Econmica ................................................................................................ 20
1.6.1. 1.6.2. 1.6.3.
1.7.
JUSTIFICACIN E IMPORTANCIA DE LA INVESTIGACIN .......................................................... 21 Justificacin ................................................................................................................. 21 Importancia ................................................................................................................... 23 Limitaciones de la Investigacin ................................................................................. 23 TIPO Y NIVEL DE LA INVESTIGACIN ........................................................................................ 24 Tipo de Investigacin ................................................................................................. 24 Nivel de Investigacin ................................................................................................ 24 MTODO Y DISEO DE LA INVESTIGACIN .......................................................................... 24 Metodologa de la Investigacin ............................................................................. 24 Diseo de la Investigacin ....................................................................................... 24 TCNICAS E INSTRUMENTOS DE RECOLECCIN DE INFORMACIN .................................... 25 COBERTURA DE ESTUDIO .................................................................................................... 25 Universo y Muestra ..................................................................................................... 25 INFORME FINAL .................................................................................................................... 27 CRONOGRAMA Y PRESUPUESTO ......................................................................................... 27 Cronograma .................................................................................................................. 27 Presupuesto ................................................................................................................. 29
Recursos Humanos ..........................................................................................................29 Recursos Financieros ......................................................................................................29 Financiamiento ..................................................................................................................29
1.7.1. 1.7.2. 1.8. 1.9.
1.9.1. 1.9.2. 1.10. 1.10.1. 1.10.2. 1.11. 1.12. 1.12.1. 1.13. 1.14. 1.14.1. 1.14.2.
1.14.2.1. 1.14.2.2. 1.14.2.3.
CAPITULO II ......................................................................................................................................30 2. MARCO TEORICO ....................................................................................................................31 2.1. 2.2. ANTECEDENTES DE LA INVESTIGACIN ................................................................................... 31 M ARCO HISTRICO .................................................................................................................. 38
2.2.1. Inspiradores ........................................................................................................................ 38 2.2.2. Pioneros ................................................................................................................................ 38 2.2.3. Proceso de desarrollo Histrico despus de IA dcada del 80 ......................... 38 2.2.3. PROCESO DE DESARROLLO HISTRICO SENSORES O PANTALLAS TCTILES. ....................... 60 2.3. M ARCO CONCEPTUAL .............................................................................................................. 62
FUENTES DE INFORMACIN ........................................................................................................65 ANEXOS.............................................................................................................................................66 GLOSARIO DE TRMINOS .............................................................................................................71
CAPITULO I
PLANTEAMIENTO DEL PROBLEMA
1. Planteamiento del problema 1.1. Descripcin de la realidad problemtica
En el Mundo de hoy la tecnologa resulta ser un factor importante para el desarrollo del nio, al mismo tiempo que predomina en sus acciones y comportamientos, con cada da que pasa todos nos enfrentamos con nuevos retos tecnolgicos, en la que nuestra capacidad de adaptacin va siendo desarrollada segn las expectativas de la nueva Tecnologa; con ms recursos y facilidades a disposicin del alumno resultan ser ms complicada la enseanza de los profesores ya que la globalizacin trajo consigo la tecnologa a los pases menos desarrollados, formando as una nueva perspectiva en el comportamiento del alumno. El Per siendo un Pas en Proceso de Desarrollo, y con muy bajos niveles de calidad educativa, enfrenta hoy un nuevo reto, ya que los alumnos tienen a su disposicin nuevos recursos informativos que contribuyen en su aprendizaje ya sea computadoras de ltima generacin, celulares,
Smartphones, Tablet-PC, iPods, etc. Y el muy conocido Internet como medio de adquisicin de informacin a escala mundial; resulta crucial la
implementacin de nuevas tecnologas que cubran las expectativas de la niez y la juventud actual en su formacin como futuros hombres desarrolladores de nuevas tecnologas e investigaciones, y no como consumidores de Tecnologa. El desarrollo de un sistema inteligente SIAPDI (Sistema Inteligente de aprendizaje dinmico) tiene como objetivo principal la implementacin de herramientas colaborativas (basados en software lgico) y hardware (Bsico) para el mejoramiento de la calidad educativa de una institucin, de la regin y del Pas. En el sentido de que existe una fluidez de informacin mayor, un aprendizaje significativo mayor, una transmisin de informacin ms
comprensible, y la posibilidad de creacin de contenidos dinmicos los cuales fomentan el desarrollo integral del ingenio y la creatividad del alumno. Las limitaciones actuales de Hoja Papel o Computador han llevado a un lento desarrollo, por lo que este modelo de sistema inteligente propone una nueva perspectiva enfocada en el aprendizaje, buscando solucionar en parte el problema actual de la calidad educativa; optando por la utilizacin de la
_________________________________ 1 Acua Peralta, Cesar: Calidad Educativa. Trujillo, Per, pp 11-33
tecnologa para lograr mejoras en el proceso de aprendizaje y de esta forma conseguir una mejor Calidad Educativa. En la realidad, se han producido muchos programas con capacidad inteligente, capaces de reconocer patrones de diferentes tipos y variedades. Dichos patrones han sido la base para la elaboracin de sistemas con capacidad de anlisis, las cuales ayudan en gran medida a las personas que los utilizan. La incorporacin de la Inteligencia Artificial en un sistema educativo contribuye al desarrollo de contenido altamente dinmico e inteligente de muchas formas, la inteligencia artificial contribuye como el corazn de un sistema de calidad, capaz de adaptarse a diferentes medios. En nuestro contexto, las herramientas para la implementacin de IA de forma Fsica son muy escasas, por lo que basndose en la lgica, es posible reemplazar muchas de sus herramientas. Haciendo uso de las computadoras, es que es posible utilizar programas inteligentes, de variadas formas y diversas capacidades, pero a pesar de ello, no existe una herramienta que sea lo suficientemente sofisticada que logre expresar realmente lo que el docente quiere ensear de forma fcil e inteligente, por lo que el propsito del proyecto contribuye hacia el desarrollo y diseo de Sistemas Dinmicos capaces de Adaptarse al pensamiento del Docente en cuestin.
1.2. Delimitaciones y Definicin del Problema 1.2.1. Delimitaciones A. Delimitacin Espacial
El Presente proyecto de Investigacin se llevara a cabo en el regin de Puno, Provincia de San Romn, Distrito de Juliaca, Dentro de la I.E.P 70545 Tpac Amaru como el rea de anlisis, experimentacin y aplicacin. Y los ambientes de la Universidad Alas Peruanas - Filial Juliaca y el domicilio ubicado en Jr. Pirola N 649 como el rea de Desarrollo del Sistema.
B. Delimitacin Temporal
El presente proyecto de investigacin ser elaborado y coordinado durante los meses de Abril-Agosto, se ejecutara en los meses de setiembre-enero, y se presentara la tesis final durante los meses de febrero-mayo del 2013.
C. Delimitacin Social
En nuestro contexto actual la poblacin se encuentra preparada por la constante renovacin tecnolgica que el comercio trajo consigo; en la que cada nio y joven participa a diario. Los alumnos, poseen una facilidad de aceptacin y adaptacin a los cambios tecnolgicos al ser en su gran mayora consumidores de la misma. Los Padres de familia, as como tambin la APF de la institucin, estn dispuestos a contribuir con la mejora de la educacin para sus hijos. Y tienen de conocimiento que el uso de la tecnologa dentro de la Institucin Educativa ha fomentado una mejora en el aprendizaje que dichos nios reciben a diario. Por lo que se concluye, que existe una aceptacin ante la modernizacin e implementacin de tecnologas que contribuyen con el aprendizaje de los alumnos por todas las personas que interactan con la Institucin Educativa mencionada. D. Delimitacin Tcnica El desarrollador de software estar a cargo del desarrollo y demostracin del sistema en construccin. As como tambin la capacitacin de cada herramienta hacia el personal Docente y Administrativo, el anlisis de requerimientos de software y la factibilidad de uso del hardware.
10
Cada personal docente actuara como Usuario del sistema, as como tambin la interactuacin de los alumnos, el docente y el sistema estarn denominados como Usuarios Instantneos. El Personal administrativo dependiendo de su Cargo actuaran como administradores del del Sistema, del recibiendo informacin de las
estadstica
rendimiento
sistema,
factibilidad
herramientas, flexibilidad de uso, costes y requerimientos para el mantenimiento; as como tambin la capacidad de utilizacin de estaciones remotas, monitoreo en tiempo real y administracin de sesiones de aprendizaje y una conexin directa va internet con los administradores Desarrolladores). El personal de la Institucin Educativa tendr el rol de actuar como entes reguladores del sistema. E. Delimitacin Conceptual 1. Tecnologas de Informacin. Sistemas Inteligentes: es un programa de computacin que rene caractersticas y comportamientos asimilables al de la inteligencia humana o animal. Un sistema inteligente completo incluye "sentidos" que le permiten recibir informacin de su entorno. Puede actuar, y tiene una memoria para archivar el resultado de sus acciones. Tiene un objetivo e, inspeccionando su memoria, puede aprender de su experiencia. Aprende cmo lograr mejorar su rendimiento y eficiencia. Redes y Terminales: Su aplicabilidad radica en la capacidad de comunicacin a travs de protocolos e Interfaces que hacen viable la comunicacin entre aplicaciones y ordenadores. Servicios TIC: en esta estn agrupadas las herramientas multimedia, los recursos dinmicos, la administracin de Informacin y la aplicabilidad de tecnologas de Internet Nueva generacin de Servicios TIC: Implica la Utilizacin de recursos interactivos y dinmicos de acceso P2P. lo que permite la flexibilidad de utilizacin. del Sistema (Usuarios Administradores y
11
Motor de Software: Tecnologa usada por los Sistemas Operativos para la ejecucin de Programas de Aplicacin en plataformas para ordenadores (Sistema Operativo). Motor de Aceleracin Grfica: Tecnologa requerida para el Procesamiento y anlisis de Imgenes en tiempo real, para este proyecto usaremos el Intermediario Microsoft Directx 9.0 C. de distribucin libre de Microsoft. Motor de Base de Datos: Necesaria para la administracin de informacin bsica, como el almacenamiento de la schema, interfaz y descriptivos de las herramientas de Sistema. As como tambin almacenar las sesiones de aprendizaje y poder localizar y sincronizar la informacin en cuestiones de milisegundos. Para dicha utilidad se usara el intermediario Microsoft SQL EXPRESS, de distribucin libre de Microsoft. 2. Tecnologas de la Arquitectura del Hardware. La arquitectura mencionada corresponde simplemente a la fusin combinatoria de varias tecnologas Fsicas. WEB-CAM: Su implicancia radica en la capacidad de capturar imgenes del exterior y convertirla en la fuente de alimentacin para el programa. Su composicin electrnica le permite capturar una gran variedad de colores visibles y no visibles por el ojo humano. LUZ VISIBLE: Fuente de generacin de informacin del sistema. Los destellos de luz que producen son perceptibles por los aparatos electrnicos. Y que esta le da una gran facilidad para ubicar coordenadas reales y convertirlas en vectores 2D y 3D que sirven de fuente de informacin para los ordenadores, a travs de medios electrnicos compatibles como Webcams u otro tipo de receptores. PROYECTOR MULTIMEDIA: sus cualidades de proyeccin de imagen, resultan tiles en cualquier ambiente de trabajo, un Hardware portable y adaptable a cualquier superficie plana. MICROFONO: es un transductor electroacstico. Su funcin es la de traducir las vibraciones debidas a la presin acstica ejercida sobre su cpsula por las ondas sonoras en energa
12
elctrica, lo que permite por ejemplo grabar sonidos de cualquier lugar o elemento. 3. Gestin del Proceso Escogido.
Para la culminacin con xito del proyecto, mostrando rapidez en el desarrollo de nuevas tcnicas y herramientas, se utilizara el mtodo XP y cada proceso que este requiriera.
Basndonos en las estrategias de desarrollo ms efectivas del mtodo mencionado, se espera lograr un desarrollo eficazmente del Software, basndonos en parmetros preestablecidos que aseguran su integridad en el desarrollo. 1.2.2. Definicin del Problema
Con la Perspectiva de un mundo globalizado y la tecnologa al alcance de las personas. Surgen algunas cuestiones como:
Cundo ms tecnologa tengamos, mayor es el requerimiento de ella? La niez y la juventud evolucionan al ritmo de la Tecnologa? Logramos notar la diferencia entre la generacin actual y la antigua generacin en el aprendizaje? Qu nuevas medidas necesitamos tomar?
En la actualidad el docente requiriere de tecnologa para lograr un aprendizaje verdadero? lo nico que puede lograr atraer la atencin completa del nio y de la juventud son contenidos animados de acuerdo a su edad, como dibujos animados, pelculas de accin, etc.?
Lo que nos induce a pensar en que el desarrollo tecnologa actual, no est siendo manejada de una forma correcta, es decir, no est enfocada al desarrollo del nio, mas solo a su diversin diaria, dichas distracciones han conllevado a que el nios requiera de ciertos parmetros para prestar atencin hacia alguna cosa de inters, como
13
el aprendizaje escolar, ya que en su mente siempre permanece aquella impresin grfico y sonoro de algn video, programa o juego de computador o de televisin que lo mantiene constantemente distrado de lo que desea expresar. 1.3. Formulacin del Problema 1.3.1. Problema Principal Cul ser la contribucin del sistema inteligente SIAPDI en el desarrollo de Sesiones de Aprendizaje Dinmicas?
1.3.2. Problemas especficos
Qu impacto tendr la Arquitectura en la efectividad? Cul ser la utilidad de la Aplicacin en la fluidez de la Informacin? Qu implicancias existirn entre la adaptacin y la capacidad cognitiva? En qu medida contribuir el sistema inteligente SIAPDI en el proceso de aprendizaje significativo? Cmo repercutir la evaluacin del sistema inteligente SIAPDI en la evaluacin de la sesin de aprendizaje dinmica?
1.4. Objetivo de la Investigacin 1.4.1. Objetivo Principal Determinar la contribucin del sistema inteligente SIAPDI en el desarrollo de sesiones de aprendizaje dinmicas.
1.4.2. Objetivos Especficos Analizar el impacto de la Arquitectura en la efectividad. Medir el nivel de utilidad de la Aplicacin en la fluidez de la Informacin.
_________________________________ 1 WEB: http://es.wikipedia.org/wiki/C%C3%A1mara_web , visitado el da 10 de dic 2011, editado el da 16 nov 2011, a las 20:08.
14
Determinar las implicancias entre la adaptacin y la capacidad cognitiva. Determinar la contribucin del sistema inteligente SIAPDI en el proceso de aprendizaje significativo. Medir la repercusin de la evaluacin del sistema inteligente SIAPDI en la evaluacin de la sesin de aprendizaje dinmica.
1.5. Variables e Indicadores 1.5.1. Variable Independiente X = Sistema Inteligente SIAPDI a. Arquitectura Indicadores Capacidad para interactuacin con el
Excelente (18-20) Rpido (14-17) Normal (11-13) Lento (06-10) Defectuoso (00-05)
ndices
usuario en tiempo real. Rendimiento en la clasificacin organizada de recursos para la sesin de aprendizaje. Rendimiento en la Interactuacin
asincrnica de eventos. Nivel de compatibilidad de Hardware con Software. Identificacin del nivel de rendimiento como cliente-servidor. Identificar el rendimiento del knowledge en su proceso de desarrollo.
b. Aplicacin Indicadores Identificacin recursos de los requerimientos para mejorar y el ndices

Excelente (18-20) Rpido (14-17) Normal (11-13)
necesarios
aprendizaje. Las estrategias y tcnicas que los Mdulos SIAPDI proveen son ideales para la
aplicacin como herramienta colaborativa.
15
Los
alumnos
profesor
demuestran
Lento (06-10) Defectuoso (00-05)
interactividad con el Sistema. El Sistema contribuye en el aprendizaje significativo de los alumnos, mediante el intercambio mutuo de conocimientos,
pensamientos y sentimientos.
c. Adaptacin Indicadores El sistema adecua las ideas demostrativas de los alumnos. Identificacin del nivel de rendimiento en la expresin grfica de ideas Bsicas. Identificar el rendimiento en la capacidad de reconocimiento de patrones para autoanimacin de objetos. Determinar el nivel de Integridad como Sistema Experto. Anlisis del Rendimiento del Software y Hardware de Procesamiento Lgico. Factibilidad del entorno de Interactuacin Usuario-Hardware-Software y viceversa. Identificacin de las acciones comunes del usuario en la aplicacin del Modelo Experimental. Analizar e Identificar el nivel de agrado del Usuario. Identificar la efectividad en la Implementacin de recursos necesarios para la elaboracin y ejecucin de una sesin de aprendizaje dinmica.
Excelente (18-20) Rpido (14-17) Normal (11-13) Lento (06-10) Defectuoso (00-05)
ndices
16
d. Evaluacin Indicadores Cada Mdulo SIAPDI cumple las

Excelente (18-20) Rpido
ndices
expectativas de ejecucin y soporte en el sistema. El Software est debidamente balanceado con el hardware. Analizar e Identificar los riesgos de
(14-17) Normal (11-13) Lento (06-10) Defectuoso (00-05)
Sobrecarga del Software. Analizar el Rendimiento del tiempo de ejecucin y costes de mantenimiento del hardware. Los Usuarios Asimilan y aceptan las ventajas y resultados del Sistema como herramienta para el mejoramiento de la calidad Educativa. 1.5.2. Variable Dependiente Y = Sesiones de Aprendizaje Dinmicas a. Fluidez de Informacin Indicadores El profesorado conoce, comparte y percibe el significado de Calidad Educativa El profesorado conoce las herramientas TIC Bsicas. Las Metodologas del profesor tienen
ndices
resultados positivos en el aprendizaje del alumno. Identificar el Nivel Intelectual del alumno. Identificar el Nivel Intelectual del Profesor Identificar el nivel de conocimiento
AD=(18-20) A=(14-17) B=(11-13) C=(0-10)
tecnolgico del alumno. Identificar el nivel de conocimiento
tecnolgico del Profesor.
17
b. Efectividad Indicadores Los Mdulos SIAPDI responden a las Expectativas Educativas de la Institucin. Los Mdulos SIAPDI presentan flexibilidad en su aplicacin. Las herramientas colaborativas responden a las expectativas del profesor. Identificar el nivel de utilidad para la produccin de conocimientos. Identificar el Rendimiento del Software y el Hardware en la aplicacin de sesiones de aprendizaje dinmicas. c. Capacidad Cognitiva. Indicadores Los mdulos SIAPDI contribuyen en aprendizaje significativo de los alumnos. Los alumnos logran captar, aprender y desarrollar dificultades. Identificar y analizar el grado de conocimiento obtenido por parte de los alumnos mediante el seguimiento de los materiales y recursos que el profesor utiliza. d. El Factor Situacin Social Indicadores Identificar el Alcance Tecnolgico de los alumnos. Analizar las exigencias socio-tecnolgicas del alumno y su entorno. Analizar e Identificar las destrezas de los alumnos frente a nuevas condiciones Tecnolgicas. AD=(18-20) A=(14-17) B=(11-13) C=(0-10) ndices las sesiones dictadas sin AD=(18-20) A=(14-17) B=(11-13) C=(0-10) ndices AD=(18-20) A=(14-17) B=(11-13) C=(0-10) ndices
18
e. Proceso de aprendizaje significativo Indicadores Analizar e Identificar el nivel de aprendizaje significativo de los alumnos. Los alumnos lograr identificar claramente los trminos claves. f. Proceso de desarrollo de conocimientos Indicadores Los Mdulos SIAPDI fomentan el desarrollo de conocimientos. Las Herramientas colaborativas del SIAPDI son las adecuadas en el proceso de Desarrollo y Aprendizaje grupal. g. Control de Calidad y Esfuerzo Indicadores Cada Mdulo del SIAPDI cumplen las expectativas de desarrollo y aplicacin en el mejoramiento de la calidad Educativa. La variedad de Herramientas colaborativas del SIAPDI son fciles de manejar. Los Mdulos SIAPDI muestran eficacia y efectividad en el desarrollo de la sesin de la sesin de aprendizaje. AD=(18-20) A=(14-17) B=(11-13) C=(0-10) ndices ndices AD=(18-20) A=(14-17) B=(11-13) C=(0-10) ndices AD=(18-20) A=(14-17) B=(11-13) C=(0-10)
1.5.3. Entorno de Interactuacin de las Variables
19
1.6. Viabilidad de la Investigacin 1.6.1. Viabilidad tcnica La IEP. 70545 Tpac Amaru, cuenta con todo el equipo necesario para el desarrollo e implementacin del presente proyecto como son: Computadoras Proyectores Equipos de Sonido y Video Laboratorios de Computo Por parte del desarrollador, se cuenta con los equipos necesarios para el diseo, desarrollo e implementacin del sistema a desarrollar. As como las tecnologas necesarias para un funcionamiento eficaz del sistema inteligente SIAPDI, como son: Lenguajes de Programacin VB.net, PHP, javascript y java Manejo de APIS de Windows (Framework, Directx, COM y dems) Manejo de APIS de JAVA (Framework)
1.6.2. Viabilidad operativa El presente proyecto se desarrollara con el apoyo del personal docente y administrativo de la IEP. 70545 Tpac Amaru, el desarrollador del proyecto, asesor de investigacin y los alumnos del grupo de estudios establecidos en el presente trabajo. 1.6.3. Viabilidad Econmica Los gastos de la presente investigacin sern financiados en su totalidad por el investigador. Los gastos en la adquisicin de Hardware, Mantenimiento y
dems, sern financiados por la Institucin Educativa donde se realizara el estudio.
20
1.7. Justificacin e importancia de la Investigacin 1.7.1. Justificacin
En
nuestro
entorno
competitivo,
la
implementacin
de
tecnologas eficientes y econmicas contribuye al mejoramiento de las empresas, organizaciones y dems instituciones, con la que logran obtener en su gran mayora un desarrollo significativo operacional, dndoles una ventaja competitiva.
La institucin educativa IEP 70545, como muchas de las instituciones que existen en nuestro entorno, cuentan con
herramientas tecnolgicas como son Computadoras y Proyectores, en las cuales los docentes y personal encargado, no puede utilizar dichos equipamientos de una forma sencilla, practica y motivacional.
Lo que conlleva a que dichos equipos no sean utilizados de una forma inapropiada en el desarrollo de las sesiones de aprendizaje, que para una institucin que posee estos equipos, es tratado como un bien no utilizable. Lo cual genera el rechazo hacia la implementacin de tecnologa como medio para lograr un mejor aprendizaje.
Para nuestro enfoque Institucional, la implementacin de un sistema inteligente SIAPDI contribuye significativamente en el incremento de la calidad educativa al proporcionar una herramienta adaptable al docente y alumno a travs del desarrollo de Sesiones de Aprendizaje Dinmicas, dando una mayor expectativa a la poblacin de la nueva y futura educacin lo que a su vez contribuyen en el desarrollo intelectual, eficaz, sencillo y dinmico del alumno, dndole mejores expectativas en la comprensin de Ideas.
21
Para precisar mucho mejor este tipo de sistema, posee las siguientes ventajas: Dinamismo Colectivo Adquisicin de componentes con costos accesibles para la institucin. Entorno e Interfaz dinmica Facilidad de Uso y aprendizaje Herramientas para el desarrollo de sesiones de
aprendizaje dinmicas. Flexibilidad a los cambios. Soporte Cliente Servidor: permite al director, subdirector y personal encargado la evaluacin del docente y la integridad del aprendizaje del alumno, mediante el control remoto y monitoreo. Herramienta Integral para la elaboracin de sesiones de aprendizajes acordes al nivel de comprensin del alumno. Enseanza con capacidad de poder ser demostrado grficamente. Las desventajas estn a nivel tcnico, como cualquier mquina y/o producto: Cada componente requiere de mantenimiento, por lo menos una vez al ao. Cada componente remoto necesita una fuente de alimentacin de 3V proporcionado por una pequea pila, y por la cual sus costos de adquisicin son mnimos. El uso constante de los complementos genera un desgaste en los mismos, dando a la posibilidad de que alguno pudiera llegar a fallar, teniendo en consideracin que la fabricacin de cada componente no pasa los S/10.00 y que poseen un largo periodo de vida. Una constante exposicin a los Proyectores podra generar un problema en la visin del alumno, por lo que se deben tomar las medidas de seguridad adecuadas,
22
reducir la intensidad del reflejo segn el ambiente expuesto y controlar los periodos de uso de los equipos. 1.7.2. Importancia Su importancia radica en su aplicabilidad, ya que se espera lograr fomentar la imaginacin creativa del alumno y del docente. Mejorar su capacidad de comprensin, aumentar su curiosidad y ritmo de aprendizaje. Al mismo tiempo que se logra la captacin completa del estudiante hacia el tema enseado por el profesor.
En el caso del Profesor, el sistema facilitara la enseanza, ya que le proporcionara herramientas multimedia y dinmicas.
En el caso del Personal administrativo, el sistema contribuir para el monitoreo de las sesiones de aprendizaje que imparten los docentes y tambin con el apoyo en el control e interactuacin remota con el Docente. Ejemplo: evaluacin de clase modelo, sin la necesidad de la presencia del director, ni la del subdirector. Lo que da libertad de expresin al docente.
1.8. Limitaciones de la Investigacin
Existe una disponibilidad de uso de equipos en los laboratorios establecida por los horarios en los que los alumnos utilizan dichos equipos. Existen una gran variedad de quipos, en donde en su gran minora, pertenecen a las familias de Pentium 4, 3, e IBM. El tiempo requerido para lograr su aplicabilidad completa es el necesario para realizar todas pruebas requeridas e integrar herramientas colaborativas. Con lo que respecta al Recurso Humano, mi persona es lo suficientemente capaz para el desarrollo del sistema en el tiempo especificado.
23
1.9. Tipo y Nivel de la Investigacin 1.9.1. Tipo de Investigacin
El presente trabajo de investigacin es de tipo aplicada o tecnolgica segn el propsito de investigacin que tiene como finalidad aportar tecnologa y, aplicar leyes y teoras generadas por la misma, dentro del contexto de las variables de Sistema Inteligente SIAPDI y las sesiones de aprendizaje dinmicas. Como lo expone Vieytes y Piscoya L.
1.9.2. Nivel de Investigacin El presente estudio de investigacin por la visin general de la investigacin est ubicado en el nivel experimental, por ser su propsito aportar tecnologa y teora.
1.10. Mtodo y Diseo de la Investigacin 1.10.1. Metodologa de la Investigacin El presente trabajo de investigacin para la recoleccin se utilizara el mtodo deductivo y como mtodos especficos objetivo, subjetivo y estadstico.
1.10.2. Diseo de la Investigacin El presente trabajo de investigacin con sus caractersticas peculiares es un trabajo de investigacin cuasi-experimental se encuentra dentro del diseo serie de tiempo y del diseo esttico de comparacin, con dos grupos como indica Hernndez, bajo los siguientes esquemas: Diseo esttico de comparacin, con dos grupos - Diagrama o esquema. Leyenda: O1 = Grupo de Observacin 1 (Aplicable al sistema) O2 = Grupo de Observacin 2
24
Diseo de serie de tiempo - Diagrama o esquema. O1 O2 O3 X O4 O5 O6 Leyenda: On = observaciones X = Inicio de la implementacin 1.11. Tcnicas e Instrumentos de Recoleccin de Informacin Para esta etapa inicial del proyecto las tcnicas e Instrumentos que se van ha utilizado para la recoleccin de datos son: Observacin Objetiva Ficha Observacin Directa. Observacin Subjetiva. Registro de Observacin Diarios ntimos Entrevista. Ficha de Entrevista. Encuesta Cuestionario La seleccin de Tcnicas e Instrumentos de las siguientes Etapas, sern dependientes de los resultados de la etapa anterior. 1.12. Cobertura de Estudio 1.12.1. Universo y Muestra El universo total de la investigacin al ser una investigacin del tipo Cuasi-Experimental, est limitado a grupos definidos, con posibilidad de ser reutilizable en diferentes realidades.
Por lo que se utilizaran dos grupos de estudios conformados, completamente por 2 Clases perteneciente a la institucin Educativa.
25
Cuadro n 1: Universo Total de la IEP 70545 Tpac Amaru N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Sexto Quinto Cuarto Tercero Segundo Primero Clase Seccin A B C D A B C D A B C D A B C D A B C D A B C X x X Grupo de Estudio Cuasi Experimental
24 D x Fuente: Nomina de Matrcula 2012 IEP 70545 Tpac Amaru
En total el Universo de estudio es de 24 secciones, de las cuales se limitara la aplicacin de nuestro trabajo de investigacin a la seccin del 2do A y a la Seccin del Sexto a, para la optimizacin de Resultados.
Siendo variable la cantidad de alumnos que pueden acceder a cada seccin por ao y el periodo de experimentacin segn el
cronograma establecido ser durante el ao 2012 con el alumnado y
26
profesorado existente para dicho periodo y asignado a los grupos de estudios antes mencionados. 1.13. Informe Final
Siento el presente trabajo de nivel Cuasi-Experimental el informe final variara segn los resultados obtenidos hasta la culminacin del presente proyecto, pudindose determinar en ella los resultados y conclusiones obtenidas durante el periodo de estudios establecido.
1.14. Cronograma y Presupuesto 1.14.1. Cronograma
Basndonos en las etapas de Investigacin, el diseo y mtodos escogidos para el presente trabajo, el proceso de Investigacin se organiz segn la siguiente jerarqua:
Etapa Planificacin Ejecucin Primera Etapa Segunda Etapa Tercera Etapa
Fecha de Inicio lun 16/01/12 lun 03/09/12 lun 03/09/12 lun 01/10/12 lun 19/11/12 lun 31/12/12
Fecha Final vie 31/08/12 vie 28/12/12 vie 28/09/12 vie 16/11/12 vie 28/12/12 vie 28/06/13
Informe Final y Difusin
27
Diagrama de Gantt y Programacin de actividades
28
1.14.2. Presupuesto 1.14.2.1. Recursos Humanos Asesor: 1200.00 1.14.2.2. Recursos Financieros
Descripcin a Construccin del Prototipo - SENSOR Cmara WEB Led Infrarrojo Cable rgido delgado Cable USB Conector USB Cubierta de Plstico Materiales de Uso instantneo como estao, pasta, silicona, tornillos, etc. Construccin del Prototipo GUANTE Led Infrarrojo Guante Switch Pulsador ultra sensible Cable rgido delgado Materiales de Uso instantneo como estao, pasta, silicona, tornillos, etc. Equipos Requeridos Computadora CPU, teclado y mouse Data Display MATERIALES tiles de Escritorio Papel Bond Lapiceros Resaltador Tner Recarga Bienes Computadora Personal Impresora Laser Libros de Consulta Servicios Personal especializada en estadstica TOTAL Cantidad 01 08 01 02 01 01 -02 01 01 01 -01 01 -01 05 02 01 01 01 03 01 Unidad de Medida Unidad Unidad Metro Metro Unidad Unidad -Unidad Unidad Fabricado Metro ----Millar Unidad Unidad Unidad --Unidad -Costo Total 20.00 4.00 0.20 1.60 0.50 2.00 10.00 1.00 2.00 1.50 0.20 3.00 ---32.50 2.50 5.00 80.00 --60.00 -226.00
1.14.2.3. Financiamiento
El Presente proyecto de Tesis ser financiado por el ejecutante. Recursos humanos S/. 1200.00 Recursos materiales S/. 226.00 Sistema SIAPDI - Ncleo S/. 0.00 Sistema SIAPDI APP-DEMO S/. 0.00 Sistema SIAPDI APP Desde S/ 50 hasta S/ 500.00 cada una Otros S/. 500.00
TOTAL
S/. 1926.00
29
CAPITULO II
MARCO TEORICO
30
CAPITULO II 2. MARCO TEORICO 2.1. Antecedentes de la investigacin 2.1.1. Contexto Tecnolgico Actual La Idea de un sistema integral en donde el usuario interacta con la misma computadora a travs de la interfaz natural es decir usando su propia naturaleza como el habla, las manos, los gestos y sonidos para el acopio de informacin por parte de la computadora y su debido procesamiento de los mismos para obtener resultados que contribuyan al desarrollo del objetivo del individuo e institucin existente.
En este Contexto Destacamos la presencia de industrias y personas que en su tiempo y en la actualidad desarrollan este tipo de sistemas. Siendo las ms resaltantes el desarrollo de Tutores Inteligentes, quien a su vez propone una idea similar al de este proyecto, la diferencia entre un Tutor y un Sistema Inteligente Dinmico para el Aprendizaje, dentro de su aplicabilidad es la Forma en la que Aplica la IA.
Como se puede apreciar el tema de sistemas tctiles va siendo desarrollado en grandes industrias tanto en nivel lgico (Utilidad) y en nivel fsico (Aplicabilidad) como lo Son de las Empresas de WINDOWS, APPLET, la iMAC y otros que a nivel internacional se han convertido en potentes herramientas Dinmicas que facilitan de gran manera muchas de las tareas al momento de realizar cada actividad Personal como llamadas telefnicas,
organizadores visuales, agendas electrnicas y dems, en la que la Investigacin de esta Tecnologa se realiza de Forma Privada velando por los Inters propios de la Empresa Desarrolladora, conforme la Tecnologa Avanza abre cada vez ms posibilidades ante la Aplicacin de sistemas Con utilidades Extendidas a la
___________________ http://materias.fi.uba.ar/7500/Salgueiro-tesisingenieriainformatica.pdf http://usablehack.com/amiva/AMIVA.pdf
31
Realidad de la forma en la que la persona no solo requiere de un LUGAR PARA TRABAJAR, sin que su ENTORNO DE TRABAJO ES SU LUGAR para desenvolverse en sus actividades. Esta tecnologa es usada en su totalidad existente por grandes empresas y desarrolladores de carcter privada, por lo que en este contexto no se posee informacin relevante acerca del desarrollo de sistemas inteligentes que usan sensores tacil-dinmico.
En nuestro contexto nacional carecemos de iniciativa y tecnologa para desarrollar dichos sistemas, por lo que no existe ninguna documentacin formal acerca del tema. 2.1.2. Antecedentes Bibliogrficos
a. El Proyecto AMIVA
En la ITAM (Instituto Tecnolgico Autnomo de Mxico) se encontr el proyecto AMIVA, realizada por el Sr. JUAN PABLO CASARES CHARLES (1999), cuyo objetivo es la creacin de una herramienta, llamada AMIVA, con el fin de ayudar a los programadores principiantes a adquirir las habilidades de resolucin de problemas fundamentales para programar en un lenguaje imperativo. Consiste en un ambiente visual de programacin, que aprovecha las ventajas y disminuye las limitaciones de los diagramas de flujo tradicionales. Para lograr este fin, es necesario alcanzar los siguientes objetivos Particulares: Justificar las caractersticas que tiene el sistema, incorporando ideas de psicologa educativa, interaccin hombre computadora e inteligencia artificial. Disear un sistema que apoye la enseanzaaprendizaje de la solucin algortmica de problemas. Implementar un sistema funcional. El resultado final es un producto usable. El alcance de esta tesis consiste en generar un prototipo funcional que cumpla con el objetivo general, al grado de ser utilizado en un laboratorio de Algoritmos y Programas. El
32
sistema tambin debe tener el potencial para ser incorporado en un sistema educativo ms complejo, como sera un sistema tutorial inteligente.
Y en la que se lleg a la siguiente conclusin:
Los objetivos que se delinearon en el primer captulo fueron alcanzados satisfactoriamente. AMIVA es una herramienta funcional que apoya el proceso de enseanza-aprendizaje de algortmica. Aprovecha los beneficios de la notacin de diagramas de flujo, al mismo tiempo que minimiza sus desventajas. Sus caractersticas principales se pueden justificar a partir de principios de psicologa educativa y estudios de interaccin hombre-computadora.
Finalmente, fue utilizada exitosamente en un laboratorio de programacin.
b. SISTEMAS INTELIGENTES PARA EL MODELADO DEL TUTOR
En la Universidad de Buenos Aires se encontr la Tesis Sistemas Inteligentes para el Modelado del Tutor, realizada por el Sr. Fernando A. SALGUEIRO, cuyo objetivo es Proponer un modelo de tutor inteligente que sea capaz de adaptarse a las necesidades y preferencias de los alumnos, segn estilos de aprendizaje, para proveerles de una herramienta adicional a travs de la cual puedan recibir tutorizado uno a uno independiente del tiempo y la distancia en que stos se encuentren. En la que se lleg a las siguientes conclusiones:
Se
comenz
determinando
el
estado
actual
de
las
investigaciones sobre el tema de tutorizado inteligente, partiendo como base de trabajos generales, desde el histrico Acholar de Carbonell, hasta el moderno CircSim de Evens para analizar las funcionalidades bsicas, los puntos fuertes y las debilidades de los Sistemas Tutores Inteligentes implantados hasta la fecha de impresin de este trabajo.
33
Luego se continu analizando los casos concretos de Sistemas Tutores Inteligentes que comparten el dominio de aplicacin de esta tesis, como el Meno Tutor de Wolf, el Proust de Jonhson y el tutor Coach de Selker para determinar el estado de desarrollo de los mismos. De esta manera quedan establecidos los fundamentos bsicos que sustentan a los distintos tipos de Sistemas Tutores Inteligentes, as como tambin el modelo tripartito de mdulos propuesto por Carbonell y extensamente utilizado en el mbito de los STI.
Se procedi luego al anlisis de las interfaces, submdulos y componentes fundamentales para detectar los fallos en las implementaciones previas y alterar una estructura terica con ms de 35 aos para soportar las nuevas tecnologas.
De esta manera quedan determinados los componentes necesarios para guiar a los estudiantes en el proceso de aprendizaje, respondiendo a sus necesidades inmediatas y a largo plazo de la manera ms conveniente dados los recursos del sistema.
Se modelaron las partes por separado y se las integro dentro de la arquitectura planteada de Sistema Tutor Inteligente, utilizando en el caso del submdulo de protocolos pedaggicos las herramientas que brinda la Inteligencia Artificial (IA) para modelar el comportamiento del sistema como un tutor humano. Se utilizaron redes neuronales y demostraron, en el paso posterior de la validacin del modelo, de ser aptas para la tarea propuesta, clasificando a los distintos estudiantes de una manera satisfactoria y funcionando como el pilar del mdulo para la seleccin del protocolo pedaggico que ms se adapta a las necesidades del estudiante usuario. Al validar el modelo con los datos reales, tanto para la triangulacin de datos como para el entrenamiento de las redes neuronales que soportan el modelo, se encontr que los datos se adaptan muy satisfactoriamente a las condiciones de prueba,
34
transformndose as, no solo en una herramienta terica valida para guiar a los estudiantes en el proceso de aprendizaje, sino tambin en un instrumento practico, que permite implantaciones de un Sistema Tutor Inteligente capaz de generar resultados satisfactorios
mesurables y tiles en un entorno real.
De esta manera queda cumplido el objetivo general, ya que para el modelo planteado, se ha validado que es capaz de adaptarse a las necesidades y preferencias de los alumnos, segn sus estilos de aprendizaje. Adems, cumple con la condicin de ser un instrumento adicional para realizar tutorizado uno a uno entre el estudiante y el tutor virtual.
Queda cumplido tambin el objetivo de este trabajo de proveer una herramienta adicional para los tutores humanos, quienes pueden relegar algunas de sus tareas que, ya sea por falta de tiempo o recursos, no pueden cumplir de la forma ms satisfactoria para el estudiante, mientras que provee un soporte secundario para los alumnos que quieren complementar sus conocimientos o regular su propio ritmo de aprendizaje.
c. Una
Arquitectura
Software
Basada para
en el
Agentes Desarrollo
y de
Recomendaciones
Metodolgicas
Entornos Virtuales de Entrenamiento con Tutora Inteligente
En la Universidad Politcnica de Madrid se encontr la Tesis Una Arquitectura Software Basada en Agentes y Recomendaciones Metodolgicas para el Desarrollo de Entornos Virtuales de Entrenamiento con Tutora Inteligente, realizada por el Licenciado Gonzalo Mndez Pozo, cuyo objetivo es pretender definir una arquitectura software para EVETIs que facilite la modificabilidad de los mismos y la reutilizacin de sus componentes. Para ello, es necesario tener en cuenta que elementos pueden formar parte de un EVETI y cules de estos interesa que puedan ser sujetos a
35
modificacin, ya sea ampliacin, sustitucin o incluso eliminacin. Entre estos elementos deben encontrarse: Entorno Grafico: es uno de los elementos cuya sustitucin se debe poder llevar a cabo con facilidad. Debido a la complejidad de su desarrollo, resulta difcil de implementar para equipos no especializados en ello. Por este motivo, disponer de un EV externo que pueda integrarse con el software propio podra dar como resultado un sistema mejor construido. Mdulo de Tutora: al trabajar con sistemas de enseanza, uno de los elementos que es previsible que evolucionen con frecuencia son precisamente los tutores, ya sea incorporando nuevas estrategias de tutora o haciendo uso de nuevos elementos para valorar las aptitudes de un alumno. Modelo del Estudiante: est muy relacionado con el anterior, ya que cuanto ms rico y completo sea el modelo que se realiza del estudiante, mayores y mejores herramientas tendr el tutor para trabajar con los alumnos. Por esta razn, tambin es probable que sufra ampliaciones a medida que se avance en el estudio de las actitudes y aptitudes de los estudiantes. Modulo Experto: maneja el conocimiento que posee el SIT sobre el dominio en el cual se realiza el entrenamiento. Resulta, por tanto, necesario para ofrecer explicaciones acerca de las actividades a realizar, para decidir la adecuacin de las acciones llevadas a cabo por los estudiantes y para contestar sus preguntas. Planificador: al trabajar con EVEs para tareas procedimentales, el papel de un planificador resulta bsico para poder plantear ejercicios al alumno, responder sus preguntas o estudiar las soluciones que los alumnos dan a los ejercicios propuestos. Los distintos dominios de aplicacin de un EVETI pueden requerir diferentes tipos de planificacin, incluyendo la posibilidad de plantear tareas paralelas, realizar operaciones aritmticas o planificar hacia delante o hacia atrs.
36
Tambin puede ser conveniente incorporar algoritmos de planificacin ms eficientes o utilizar planificacin cooperativa. As, este es otro de los elementos susceptible de variar dependiendo del dominio de aplicacin y de los avances en el campo de la planificacin. Planificador de Rutas: unida a la planificacin de tareas, la planificacin de rutas se hace necesaria para que el sistema pueda realizar planes en los que intervengan desplazamientos dentro del EV, as como para ejercicios en los que, por ejemplo, haga falta seguir la ruta ms corta entre dos puntos o aquella que cumpla con alguna otra restriccin. Dependiendo de la estructura del EV utilizado y de las necesidades, es posible utilizar distintos mtodos de clculo de rutas, como el algoritmo de Dijkstra (Dijkstra, 1959), el A* (Nilsson, 1971) o diagramas de Voronoi (Voronoi, 1907), por mencionar algunos. Por tanto, tambin es necesario que este elemento pueda ser sustituido con facilidad. Simulacin: el control de la simulacin se requiere cuando es necesario reproducir el comportamiento de algn elemento presente en el EV tras la accin de un estudiante. As, por ejemplo, teclear una clave de acceso puede requerir la comprobacin de la correccin de la clave y la anotacin del suceso en el sistema simulado; pulsar el botn de encendido de una lavadora hace necesario reproducir el funcionamiento de la misma; el estado de un paciente varia con el transcurso del tiempo, independientemente de las acciones del estudiante o como resultado de ellas. Atendiendo al dominio de aplicacin y las caractersticas de lo que se quiera simular sera necesario disponer de distintos mecanismos de simulacin, basados, por ejemplo, en reglas o en autmatas finitos. Por tanto, es otro de los elementos susceptibles de ser sustituido con relativa frecuencia, en funcin de las necesidades del dominio de entrenamiento.
37
Y se Concluy que el presente trabajo ha cumplido con los objetivos planteados inicialmente, ha contribuido a la madurez de los Sistemas Inteligentes de Tutora, a la de los sistemas basados en agentes y a la de los Entornos Virtuales de Entrenamiento, y lo ha hecho aportando ventajas significativas respecto a los sistemas analizados en el estado de la cuestin.
2.2. Marco Histrico 2.2.1. Inspiradores
Platn (428-348 A.C.) : mundo de las ideas Aristteles (384-322 A.C.) : lgica como forma de razonamiento Al-Khuwarizmi (Siglo Noveno) : algoritmos Descartes (1596-1650) : mtodo cientfico Babbage (1792-1871) : mquina analtica y diferencial (computadores mecnicos) Boole (1815-1864) : algebra booleana
2.2.2. Pioneros
Turing (1912-1954) : mquina de Turing, construccin de Coloso, test de Turing. Shannon (1916-2001) : padre de teora de la informacin, chessplaying computer. J. Von Neumann (1903-1957) : estructura bsica de computador, autmatas celulares. J. McCarthy: acua trmino inteligencia artificial (1956), inventa el LISP (1958).
2.2.3. Proceso de desarrollo Histrico despus de IA dcada del 80 Desde que en 1965 Lotfi A. Zadeh introdujera el concepto de conjunto fuzzy permitiendo la pertenencia de un elemento a un conjunto de forma gradual, y no de manera absoluta como establece la teora conjuntista clsica, es decir, admitiendo pertenencias valoradas
38
en el intervalo [0,1] en lugar de en el conjunto {0,1}, las aplicaciones y desarrollos basados en este sencillo concepto han evolucionado de tal modo que, hoy en da, es prcticamente imposible calcular el volumen de negocio que generan en todo el mundo, pudiendo encontrar productos cuyo funcionamiento est directamente basado en dicho concepto desde los ms usuales electrodomsticos, lavadoras, microondas, cmaras fotogrficas, ..., hasta los ms sofisticados sistemas, frenado de trenes, control de hornos, navegacin
automtica,... La necesidad de encontrar la solucin optimal de un problema correctamente planteado, o la mejor solucin entre las disponibles, justifica que se construyan y estudien teoras, y se propongan metodologas adecuadas al campo cientfico en el que surge la cuestin que se ha de resolver. Desde un punto de vista ms concreto, pero an muy general, una importante clase de problemas son los conocidos con el nombre de problemas de optimizacin, habitualmente asociados a tener que encontrar el mximo o el mnimo valor que una determinada funcin puede alcanzar en un cierto conjunto previamente especificado. Todo lo relativo a estos problemas se enmarca dentro del cuerpo doctrinal denominado Programacin Matemtica, que incluye una enorme variedad de situaciones, segn que se consideren casos lineales, no lineales, aleatoriedad, un solo decisor o varios decisores, etc. Entre todos los modelos que se incluyen en la Programacin Matemtica, el ms y mejor estudiado, as como el que ha probado tener unas repercusiones prcticas ms importantes, es el correspondiente al caso lineal uni-objetivo, tema del que se ocupa la Programacin Lineal. Los mtodos y modelos de la Programacin Lineal tienen relevantes aplicaciones en las diferentes reas de las Ingenieras, la Economa, las Matemticas, la Investigacin Operativa, la Inteligencia Artificial, y dems disciplinas ms o menos relacionadas con la optimizacin, y constituyen un sustrato terico ms que adecuado para abordar de un modo elegante y eficiente situaciones muy complejas.
39
Cuando en los problemas de Programacin Matemtica se consideran elementos de naturaleza borrosa, surgen los mtodos de optimizacin borrosa, quizs una de las reas ms fructferas en el mbito de lo fuzzy, tanto desde el punto de vista terico, como aplicado, que aunque recoge mtodos y modelos que dan solucin a una enorme variedad de situaciones prcticas reales, del mismo modo que le ocurre a la Programacin Matemtica convencional, no puede dar respuestas en todos los escenarios posibles. Y no puede hacerlo por una sencilla razn, y es que hay problemas que siendo planteables en trminos propios de ese campo, no son resolubles con sus tcnicas. La facilidad de resolver problemas reales de dimensin cada vez mayor, gracias a la mayor potencia y el menor costo de los computadores, la imposibilidad de conocer en todos los casos las soluciones exactas que les corresponden a esos problemas, y la necesidad de dar respuestas a las situaciones prcticas contempladas en multitud de casos (problemas de organizacin de las tareas que ha de efectuar un robot, de identificacin de itinerarios, de clasificacin y ubicacin de recursos, de recorte, en definitiva, problemas combinatorios), han motivado que los algoritmos de tipo heurstico sean empleados cada vez ms, como valiosas herramientas capaces de proporcionar soluciones donde los algoritmos exactos no son capaces de encontrarlas. As en los ltimos aos ha surgido un largo catlogo de tcnicas diversas, animadas por el principio de que es mejor satisfacer que optimizar, o lo que es lo mismo que, antes que no poder dar la solucin ptima a un problema, es mejor dar una solucin que satisfaga al usuario en algn sentido que previamente habr especificado, y que se han demostrado extraordinariamente efectivas. Ejemplos de esas tcnicas pueden ser los algoritmos de Bsqueda Tab, Enfriamiento Simulado, GRASP ("Greedy Randomized Adaptive Search Procedure"), Genticos, o los ms recientes: Memticos, VNS (Bsqueda por Entornos Variables), Colonias de Hormigas, Estimacin de Distribuciones, Bsqueda Dispersa, Programacin por
Restricciones, que en definitiva, demuestran el gran inters de este
40
campo, y la falta de un marco terico en el que encuadrar, relacionar y poder comparar estos algoritmos. Se puede decir que en la mayora de los casos, estas heursticas se han inspirado en algn modelo real de la naturaleza, la sociedad, la fsica, ... para producir modelos tericos que se ajustan a las circunstancias consideradas. Desde esta perspectiva se ha conseguido proporcionar solucin a casos que, hace muy poco tiempo, eran intratables con las tcnicas convencionales. Sin embargo, las soluciones conseguidas no han sido en la inmensa mayora de los casos las ptimas. Han sido soluciones "cercanas a las ptimas", que frecuentemente se han obtenido con cargo a criterios distintos del clsico "conseguir el mejor valor de la funcin objetivo", al considerar caractersticas subjetivamente establecidas por el decisor. Como es ya de sobra reconocido, cuando hablamos de subjetividad asociada a personas humanas, o incluso de cercana a un valor ptimo, la forma mejor contrastada de modelizar ese tipo de situaciones es mediante los conjuntos fuzzy, o mas generalmente con metodologas propias del mbito de la Soft-Computing. Sin embargo esa forma de modelizacin de la subjetividad, tan desarrollada en otros mbitos, prcticamente no ha sido aplicada al caso del diseo de algoritmos heursticos, a pesar de que todo apunta que este puede ser un enfoque muy prometedor porque, aparte de proporcionar soluciones tan cercanas al ptimo como las otras heursticas convencionales ya conocidas, a) encuentran la solucin del problema en cuestin con un menor costo que los dems mtodos, b) como es habitual en el marco de las metodologas fuzzy, generalizan las heursticas ya conocidas (que deben ser casos particulares de las aqu presentadas, en los valores 0 o 1 del grado de cumplimiento que se considere), y
41
c) la hibridacin en el contexto de la Soft-Computing favorece y enriquece la aparicin de procedimientos originales que pueden ayudar a la resolucin de nuevos problemas. Pero, si bien la traza histrica de los conjuntos y los sistemas fuzzy es bien conocida, no pasa lo mismo con la de la Soft-Computing, tan bien acogida ahora en muchos ambientes en los que hace solo unos cuantos aos estaba proscrita. Por ello, y porque algo parecido le pasa al rea de las heursticas, tambin denostada durante mucho tiempo casi en los mismos crculos que lo era "lo fuzzy", en lo que sigue describiremos sucintamente que es la Soft-Computing y que se entiende por heurstica, y a partir de ambos conceptos, trataremos de encontrar una zona comn en la que se pueda compaginar lo mejor de ambos mundos. El resultado ser doble. En primer lugar surgirn los procedimientos meta heursticos basados en Soft-Computing, que se perfilan como una de las herramientas con un futuro ms prometedor de cara a la solucin efectiva de problemas no resolubles hasta ahora, as como para encontrar soluciones a la medida de quien las busca. En segundo lugar, y como consecuencia de lo anterior, surgir una nueva descripcin de las componentes que definen la Soft-Computing, que ampliar an ms su mbito de aplicaciones. Soft Computing Hasta que en 1994 L.A. Zadeh dio la primera definicin de "Soft Computing", la referencia a los conceptos que actualmente est maneja sola hacerse de forma atmica, es decir, se hablaba de manera aislada de cada uno de ellos con indicacin del empleo de metodologas fuzzy. Aunque la idea de establecer el rea de Soft-Computing se remonta a 1990, como se ha dicho fue en donde L.A. Zadeh propuso la definicin de Soft-Computing, establecindola en los siguientes trminos: "Bsicamente, Soft-Computing no es un cuerpo homogneo de conceptos y tcnicas. Ms bien es una mezcla de distintos mtodos
42
que de una forma u otra cooperan desde sus fundamentos. En este sentido, el principal objetivo de la Soft-Computing es aprovechar la tolerancia que conllevan la imprecisin y la incertidumbre, para conseguir manejabilidad, robustez y soluciones de bajo costo. Los principales ingredientes de la Soft-Computing son la Lgica Fuzzy, la Neuro-computacin y el Razonamiento Probabilstico, incluyendo este ltimo a los Algoritmos Genticos, las Redes de Creencia, los Sistemas Caticos y algunas partes de la Teora de Aprendizaje. En esa asociacin de Lgica Fuzzy, Neurocomputacin y Razonamiento Probabilstico, la Lgica Fuzzy se ocupa principalmente de la imprecisin y el Razonamiento Aproximado; la Neurocumputacin del aprendizaje, y el Razonamiento Probabilstico de la incertidumbre y la propagacin de las creencias". Queda claro as como la Soft-Computing no est definida precisamente, sino que en una primera aproximacin se define por extensin, por medio de distintos conceptos y tcnicas que intentan superar las dificultades que surgen en los problemas reales que se dan en un mundo que es impreciso, incierto y difcil de categorizar. Aunque ha habido varios intentos de ajustar mas esta definicin, no han sido muy fructferos. As, por ejemplo en [4], a la vista de la dificultad de dar una nueva definicin del campo de una manera exacta y consensuada, y de la mayor sencillez de hacerlo por medio de sus caractersticas, los autores proponen la siguiente definicin de trabajo, que vuelve a ser de tipo descriptivo: "Cualquier proceso de computacin que expresamente incluya imprecisin en los clculos en uno o ms niveles, y que permita cambiar (disminuir) la granularidad del problema o suavizar los objetivos de optimizacin en cualquier etapa, se define como perteneciente al campo de la Soft Computing". El punto de vista que aqu consideramos, y que adoptamos en lo que sigue, implica otra forma de definir Soft-Computing. Se trata de considerarla como anttesis de lo que podramos denominar "Hard Computing", de manera que podra verse la Soft-Computing como un
43
conjunto de tcnicas y mtodos que permitan tratar las situaciones practicas reales de la misma forma que suelen hacerlo los seres humanos, es decir, en base a inteligencia, sentido comn,
consideracin de analogas, aproximaciones, etc. En este sentido SoftComputing es una familia de mtodos de resolucin de problemas cuyos primeros miembros seran el Razonamiento Aproximado y los Mtodos de Aproximacin Funcional y de Optimizacin, incluyendo los de bsqueda. En este sentido, la Soft-Computing queda situada como la base terica del rea de los Sistemas Inteligentes, y se hace patente que la diferencia entre el rea de la Inteligencia Artificial clsica, y la de los Sistemas Inteligentes, es que la primera se apoya en la denominada Hard Computing, mientras que la segunda lo hace en la Soft-Computing". Desde este otro punto de vista, en un segundo nivel, la SoftComputing se puede desgranar entonces en otros componentes que ayudan a una definicin por extensin, como la que se dio en primer lugar. Desde el principio se han considerado que en ese segundo nivel los componentes ms importantes son el Razonamiento Probabilstico, la Lgica y los Conjuntos Fuzzy, las Redes Neuronales y los Algoritmos Genticos, que debido a su alta interdisciplinariedad, la importancia y relevancia de sus aplicaciones, y el volumen de resultados logrados, inmediatamente se destacaron de otras
metodologas como, las ya citadas Teora del Caos, Teora de la Evidencia, etc. Pero la mencionada popularidad de los Algoritmos Genticos, junto con la eficacia demostrada en una gran variedad de reas y aplicaciones, el intento de conseguir imitar a las criaturas naturales: plantas, animales, seres humanos, que evidentemente tienen una naturaleza "soft" (flexible, adaptable, creativa, inteligente,...), y sobre todo sus extensiones y diferentes versiones, hicieron que ese cuarto ingrediente del segundo nivel pasara a ser el de los bien conocidos Algoritmos Evolutivos, que de esta forma se constituyeron en el cuarto integrante fundamental de la Soft-Computing, como se refleja en el siguiente esquema:
44
As, desde esta ltima concepcin de Soft-Computing, podemos hacer una descripcin de otras reas que surgen en torno a ella, sin ms que tener en cuenta alguna de las posibles combinaciones que pueden darse: 1. A partir del primer nivel, comenzando por los mtodos de Razonamiento Aproximado, cuando nos concentramos solo en los Modelos Probabilsticos, nos encontramos con la Teora de DempsterShafer y las Redes Bayesianas. Pero cuando los Modelos
Probabilsticos los consideramos combinados con la Lgica Fuzzy, e incluso con algunas otras lgicas multivaluadas, nos surgen los que podramos denominar Modelos Probabilsticos Hbridos,
fundamentalmente los de la Teora de Probabilidad para Eventos Fuzzy, los de Creencias de Eventos Fuzzy y los Diagramas Fuzzy de Influencia. 2. Cuando nos concentramos en los ms importantes desarrollos directamente asociados a la Lgica Fuzzy, aparecen destacados los Sistemas Fuzzy, y en particular los Controladores Fuzzy. Entonces de la incidencia combinada de Lgica Fuzzy con las Redes Neuronales y Algoritmos Evolutivos, surgen los llamados Sistemas Hbridos basados en Lgica Fuzzy, cuyos ms destacados exponentes son los Sistemas Neuronales Fuzzy, los Controladores Ajustados mediante Redes Neuronales (Sistemas Fuzzy Neuronales, distintos de los mencionados Sistemas Neuronales Fuzzy) y los Controladores basados en Lgica Fuzzy generados y ajustados con Algoritmos Evolutivos.
45
3. Movindonos en el primer nivel a la otra gran rea que abarca la Soft-Computing, Aproximacin Funcional/mtodos de Optimizacin, el primer componente que aparece es el de las Redes Neuronales, y por tanto los diversos modelos de las mismas (Recurrentes, "Feedforward", Perceptrn, Hopfield, ...). En este contexto, la interaccin con las metodologas de la Lgica Fuzzy y los Algoritmos Evolutivos llevan a lo que suelen llamarse Sistemas Neuronales Hbridos, particularmente el control fuzzy de parmetros de Redes, y la generacin formal y la generacin de pesos en Redes Neuronales. 4. La cuarta componente tpica de la Soft-Computing, por otro lado la que quizs tenga una historia ms corta, pero posiblemente la de mayor actualidad, es la constituida por los Algoritmos Evolutivos. Asociados a los mismos aparecen cuatro grandes reas ms importantes: Las Estrategias Evolutivas y la Programacin Evolutiva, y los Algoritmos Genticos y la Programacin Gentica. Si no atendiramos ms que a estas ltimas reas, podramos considerar que en este caso la amalgama de metodologas y tcnicas asociadas a la Soft-Computing desembocan en tres importantes lneas: los Sistemas Genticos Fuzzy , los Sistemas Bioinspirados y las Aplicaciones del Control Fuzzy sobre parmetros evolutivos. Concentrndonos un poco ms en esta ltima componente, hemos de hacer algunas consideraciones adicionales. En primer lugar que, independientemente de la amplitud de miras con que se contemple lo que pueden abarcar los Sistemas Genticos Fuzzy, los Sistemas Bioinspirados y las Aplicaciones del Control Fuzzy sobre parmetros evolutivos, en esa descripcin se echan en falta importantes tpicos de investigacin y desarrollo. En segundo lugar, que si nos referimos ms particularmente a los Sistemas BioInspirados, resulta patente que no solo son fruto de la Lgica Fuzzy, las Redes Neuronales o los Algoritmos Evolutivos, con todas las variantes que para estas tres componentes podamos considerar, sino que en sus definiciones, implementaciones y desarrollos tambin intervienen otras metodologas de una gran importancia.
46
Por eso, en lo que sigue vamos a justificar una nueva definicin de las componentes de la Soft-Computing, preliminarmente
comentada en, de modo que sin perder esta su esencia, podamos tener una perspectiva mas clara de las diferentes reas que abarca. Heursticas y Metaheursticas Como se puso de manifiesto en, desde el Fuzzy Boom de los 90, las metodologas basadas en conjuntos fuzzy, la Soft Computing, se han instalado de manera permanente en todas las reas de la investigacin, el desarrollo y la innovacin. Sus aplicaciones se multiplican en todos los mbitos de nuestra vida cotidiana: salud, banca, hogar, ... y son objeto de estudio en los diferentes niveles educativos. Por otro lado, no cabe duda de que gracias al potencial tecnolgico del que disponemos hoy da, los computadores pueden abordar problemas de formidable complejidad, tanto en comprensin como en dimensin, en una gran variedad de campos nuevos (Bioinformtica, Minera de Datos, Ingeniera del Conocimiento,...). Como anteriormente se coment, desde mediados de los 90, los Algoritmos Genticos, o desde un punto de vista general los Algoritmos Evolutivos, se estn mostrando como mtodos muy valiosos para encontrar buenas soluciones a problemas concretos en estos campos. Como fruto de su atractivo cientfico, de la diversidad de sus aplicaciones y de la notable eficacia de sus soluciones en el contexto de los Sistemas Inteligentes, se han incorporado al segundo nivel de las componentes de la Soft-Computing. Los Algoritmos Evolutivos sin embargo no son ms que una clase ms de Heursticas, o de Metaheursticas, como tambin lo son la Bsqueda Tab, el Enfriamiento (Recocido) Simulado, los mtodos de Escalada, la Bsqueda por Entornos Variables, los Algoritmos de Estimacin de Distribuciones (EDA), la Bsqueda Dispersa, los GRASP, la Bsqueda Reactiva, y muchos ms. Generalmente, todos estos algoritmos heursticos (metaheursticas) suelen proporcionar soluciones que no son las ptimas, pero que satisfacen en buena
47
medida al decisor o usuario. Cuando estos actan desde el principio de que es mejor satisfacer que optimizar, le dan perfecto sentido en este contexto a la famosa frase de Zadeh: "...en contraste con la computacin tradicional (hard), la Soft-Computing se beneficia de la tolerancia asociada a la imprecisin, la incertidumbre, y las verdades parciales para conseguir tratabilidad, robustez, soluciones de bajo costo y mejores representaciones de la realidad". Consiguientemente, entre las componentes de la Soft-Computing, en lugar de los Algoritmos Evolutivos, que pueden representar solo una parte de los mtodos de bsqueda y optimizacin que se emplean, deberan considerarse los Algoritmos Heursticos o an mejor las
Metaheursticas. Suele haber mucha controversia y discusin acerca de la diferencia entre Metaheurstica y Heurstica. No es nuestra intencin aqu entrar en ese debate, pero si nos interesa hacer una mnima reflexin acerca de ambos conceptos. Como es de sobra conocido, el trmino heurstica proviene de la palabra griega "heuriskein", cuyo significado est relacionado con el concepto de encontrar y se vincula a la famosa y supuesta exclamacin eureka! de Arqumedes. Con ese origen se han desarrollado un gran nmero de procedimientos heursticos para la resolucin de problemas de optimizacin especficos con mucho xito, de los que se intenta extraer lo mejor de ellos y emplearlo en otros problemas o en contextos ms extensos. Esto ha contribuido al desarrollo cientfico de este campo de investigacin y a extender la aplicacin de sus resultados. Surgen as las denominadas metaheursticas, trmino que apareci por primera vez en un artculo de Fred Glover en 1986. El trmino metaheurstica deriva de la composicin de la palabra heurstica, ya comentada, con la del sufijo meta (ms all o de nivel superior). Aunque no existe una definicin formal de qu es una metaheurstica, las dos siguientes propuestas dan una representacin clara de la nocin general del trmino.
48
a) Osman y Laporte la definen as: una metaheurstica se define formalmente como un proceso iterativo que gua una heurstica subordinada, combinando de forma inteligente diferentes conceptos para explorar y explotar el espacio de bsqueda. b) segn Voss et al.: una metaheurstica es un proceso maestro iterativo que gua y modifica las operaciones de heursticas subordinadas para producir, de forma eficiente, soluciones de alta calidad. En cada iteracin, puede manipular una solucin (completa o incompleta) o un conjunto de soluciones. Las heursticas subordinadas pueden ser procedimientos de alto o bajo nivel, o simplemente una bsqueda local o mtodo constructivo. Parece por tanto claro que el concepto de metaheurstica tiene un carcter ms generalista que el de heurstica. Por eso en lo que sigue nos concentramos en las primeras, comenzando por puntualizar que, en los trminos que las hemos definido, una metaheurstica ser mejor que otra simplemente en funcin del rendimiento que proporcionen a la hora de resolver problemas. Para conseguir el mejor rendimiento de las metaheursticas, es deseable que tengan una serie de "buenas propiedades", entre las que se encuentran las siguientes: 1) Simplicidad, ya que una metaheurstica debe estar basada en un principio sencillo y claro que la haga fcil de comprender, 2) Independencia, puesto que no puede depender del marco o del agente tecnolgico en el que se vaya a desarrollar. 3) Coherencia, porque los elementos que caractericen la metaheurstica deben derivarse de forma natural de los principios que la inspiran. 4) Efectividad, ya que los algoritmos particulares que se produzcan a partir de las metaheursticas deben proporcionar soluciones ptimas o muy cercanas a las ptimas, es decir, de alta
49
calidad en algn sentido propio que cada usuario deber especificar, y que podr depender de cada problema concreto. 5) Eficacia, en el sentido de fallar solo en ocasiones muy raras ante casos prcticos del mundo real. 6) Eficiencia, como una caracterstica, ms que deseable, exigible en trminos de recursos, es decir, de tiempo de ejecucin, de espacio de memoria y, en definitiva, de costos de desarrollo. 7) Generalidad, de forma que se pueda utilizar
provechosamente en una gama de situaciones y problemas tan amplia como sea posible. 8) Adaptabilidad, para que pueda adecuarse a los diferentes contextos de aplicacin y a los distintos casos que se consideran. 9) Robustez, ya que no puede ser muy sensible a pequeas alteraciones del modelo o contexto de aplicacin. 10) Interactividad, para que el decisor pueda mejorarla a partir de su experiencia y conocimientos. 11) Diversidad, para que se permita al usuario elegir entre las distintas soluciones alternativas que proporcione la metaheurstica, y 12) Autonoma, para facilitar su funcionamiento automtico global, o al menos en alguna de las facetas que la caractericen. A la vista de su definicin y de sta serie de caractersticas deseables, es obvio que entre las metaheursticas, como no poda ser de otra forma, se encuentran los Algoritmos Evolutivos, y que por tanto tienen un fcil acomodo con las dems componentes del segundo nivel de la Soft-Computing, con las que sus sinergias deben facilitar la aparicin de nuevas metodologas, esquemas y marcos tericos y prcticos que, como se explica en, ayuden a entender y tratar mejor la generalizada imprecisin del mundo real.
50
Una revisin de las componentes de la Soft Computing Retomando en este punto la anterior descripcin y anlisis de las componentes que describen la Soft-Computing en los distintos niveles, podramos concretar que, en el segundo, sus componentes ms importantes son el Razonamiento Probabilstico, la Lgica y los Conjuntos Fuzzy, las Redes Neuronales y, a la vista de lo explicado, las Metaheursticas, que tpicamente englobaran los Algoritmos Evolutivos, pero no quedaran circunscritas a estos exclusivamente. Con esto, el nuevo marco definitorio de las principales metodologas que integran la Soft-Computing quedara como se describe en el siguiente esquema:
Como
antes
hemos
tenido
ocasin
de
explicar,
las
metodologas que integran la Soft-Computing, ms que poder ser entendidas de forma aislada, hay que comprenderlas como el resultado de la cooperacin, la asociacin, la complementariedad o la hibridacin de sus componentes de segundo nivel. En esta lnea, tiene perfecto sentido que intentemos ahora ver cuales son las nuevas facetas terico-prcticas que se derivan de la aparicin entre esas componentes de las metaheursticas. Las metaheursticas disponibles son tantas y tan variadas, que es prcticamente imposible ponerse de acuerdo en una forma de clasificarlas que sea universalmente aceptada. No obstante, la jerarqua sobre la que hay ms consenso considera tres (cuatro) grupos ms destacados:
51
1) las metaheursticas para los procedimientos evolutivos, basadas en conjuntos de soluciones que evolucionan segn principios de la evolucin natural, 2) las metaheursticas para los mtodos de relajacin, que son mtodos de solucin de problemas que utilizan adaptaciones del modelo original que son ms sencillas de resolver, 3) las metaheursticas para las bsquedas por entornos, que recorren el espacio de soluciones explotando estructuras de entornos asociadas a esas soluciones, y 4) otros tipos de metaheursticas que se corresponden con tipos intermedios entre los anteriores, o derivados en algn sentido de estos, y que por su gran variabilidad, para evitar la dispersin, no consideraremos en lo que sigue. Bien, haciendo nuestra esta forma de clasificar las
metaheursticas, lo primero que podemos observar es que la anterior definicin de Soft-Computing que hemos hecho "por extensin" en funcin de sus componentes, no solo mantiene la esencia de la definicin original de L.A. Zadeh, sino que la generaliza y amplia para contemplar nuevas posibilidades. En efecto, si esos cuatro grupos de metaheursticas los nombramos MH (1), ... MH(4), respectivamente, el anterior diagrama descriptivo de las principales metodologas que integran la Soft-Computing, podra representarse ahora de forma ms explcita como se muestra a continuacin,
52
donde, debido a que las componentes clsicas de la SoftComputing (Modelos Probabilsticos, Lgica Fuzzy, Redes de Neuronas y Algoritmos Evolutivos) siguen estando ah, las diferentes reas conocidas y estudiadas, se mantienen como hasta ahora, surgiendo como siempre cuando dos o ms de esas componentes se interrelacionan entre s. Sin embargo, como consecuencia de haber incorporado nuevas posibilidades en la cuarta componente
(metaheursticas) ahora tiene perfecto sentido esperar que aparezcan nuevos Modelos Hbridos que desarrollar. Para mostrar el abanico de reas de estudio con el que podemos contar, cuando la componente base que se toma es la de las Metaheursticas, en lo que sigue nos concentraremos en describir las hibridaciones categorizacin. Metaheursticas Hbridas en Soft Computing Consideremos los cuatro grandes grupos de metaheursticas que ms arriba hemos referido. A partir de ellos, en lo que sigue describiremos las nuevas metaheursticas que surgen, detenindonos brevemente solo en aquellas que por su novedad tengan un nivel de desarrollo o popularidad menor. que surgen empleando para ello la anterior
53
5.1. Supongamos las metas heursticas evolutivas. Estas metaheursticas, las ms populares con mucha diferencia sobre todas las dems, definen mecanismos para que se desarrolle una evolucin en el espacio de bsqueda de los conjuntos de soluciones, con la finalidad de aproximarse a la solucin ptima con los elementos que van sobreviviendo en las sucesivas generaciones de poblaciones. En el contexto de la Soft-Computing las hibridaciones que toman como referencia estas metaheursticas son fundamentales:
Sin embargo, una mnima descripcin de esta importantsima y amplia rea, en la que se incardinan desde los Sistemas Genticos Fuzzy, hasta el ajuste de controladores fuzzy con algoritmos evolutivos, pasando por los Algoritmos de Estimacin de
Distribuciones, los Sistemas Bioinspirados, etc., escapa por completo del mbito de este articulo y se aleja de su finalidad descriptiva y discursiva, por lo que se remite al lector interesado a fuentes bibliogrficas recientes bien contrastadas ([9,10,11]). 5.2. Metaheursticas de relajacin. Se obtiene una relajacin de un problema real cuando este se simplifica eliminando, debilitando o modificando algn elemento caracterstico del mismo. Las
metaheursticas de relajacin son estrategias para el empleo de relajaciones del problema en el diseo de heursticas, que persiguen
54
encontrar una solucin para un problema que, de no emplear esta metodologa, sera muy difcil poderlo resolver. Ejemplos triviales de las mismas son los redondeos o los ajustes de naturaleza, como ocurre cuando a una cantidad expresada imprecisa y lingsticamente, se le asocia un valor numrico exacto. Desde este punto de vista, una alternativa real es la de flexibilizar los algoritmos exactos,
introduciendo criterios de parada fuzzy, lo que finalmente conduce a metaheursticas de relajacin basadas en reglas; admitiendo la vaguedad de los coeficientes, justificando los algoritmos para resolver problemas con parmetros fuzzy; y relajando la verificacin de las restricciones, permitiendo ciertas violaciones en su cumplimiento:
Por ilustrar un poco ms concretamente alguna de estas metas heursticas, consideramos los algoritmos con criterios de parada fuzzy [12,13]. Como se sabe, los criterios de parada fijan las condiciones de finalizacin del procedimiento iterativo de un algoritmo,
establecindose dichos criterios a partir de las caractersticas tericas del problema, del tipo de solucin que se busca y del tipo del algoritmo que utilice. Si un algoritmo dado proporciona la sucesin (xn) de soluciones factibles, algunos de los criterios de parada ms frecuentes son: a) parar el proceso despus de N iteraciones,
55
b) parar el proceso cuando la distancia relativa o absoluta entre dos elementos de la sucesin a partir de una determinada iteracin sea menor o igual que un valor prefijado, c) parar el proceso cuando una medida prefijada g(xn) satisfaga una determinada condicin como por ejemplo el de ser menor o igual que una constante. En resumen, se puede decir que un algoritmo determina un conjunto de referencia y se detiene cuando se ha obtenido el conjunto especificado en los criterios de parada. Por tanto, la flexibilizacin de los algoritmos exactos con la introduccin de criterios de parada fuzzy supone considerar que el conjunto de referencia es un conjunto fuzzy. Y los criterios de parada fuzzy se fijan en funcin del grado de pertenencia de los elementos. 5.3. Metaheursticas de bsqueda. Probablemente estas sean las metaheursticas ms importantes, por generales. Su
funcionamiento bsico consiste en establecer estrategias para recorrer el espacio de soluciones del problema transformando las soluciones de partida de forma iterativa. Aunque de entrada pudieran parecer similares a las bsquedas evolutivas, no lo son debido a que aquellas basan su funcionamiento en la evolucin de una poblacin de individuos sobre el espacio de bsqueda. La descripcin de estas metaheursticas suele hacerse a partir de una diversidad de metforas, que pueden servir para justificarlas como bio-inspiradas, de carcter sociolgico, basadas en la Naturaleza, ... que las confieren un alto grado de popularidad. Ahora bien, fuera de ese marco descriptivo, dado que una bsqueda puede realizarse mediante un nico procedimiento
buscador, o por ms de uno, y que en este caso, los mtodos de bsqueda podran cooperar entre si o no, las metaheursticas de bsqueda (sin que esta clasificacin sea exclusiva de este apartado) pueden considerarse como individuales o mltiples, permitindose en
56
este ltimo caso la posibilidad de que los diferentes agentes cooperen entre s o no. Las distintas opciones que pueden surgir en el contexto de la Soft-Computing se recogen en el siguiente esquema:
Entre las metaheursticas individuales ms conocidas se encuentran el "Hill Climbing", las de tipo "Greedy", las de Arranque Mltiple, las de Entorno Variable, las de Recocido Simulado o las Bsquedas Tab, que pueden tener sus propias extensiones fuzzy. Independientemente de su forma concreta de actuacin, todas estas metaheursticas progresan por el espacio de bsqueda en base a evaluaciones de la funcin objetivo del problema concreto que se est tratando de resolver, lo que explcitamente supone realizar valoraciones numricas, con ayuda de una funcin objetivo, en un espacio exactamente determinado. Pero con mucha frecuencia, la funcin objetivo representa alguna propiedad vagamente establecida, y el espacio de bsqueda, o los entornos en los que sta se va realizando, no tiene unas fronteras ntidamente definidas, lo que da perfecto sentido a enfocar la aplicacin de estas metaheursticas con elementos tericos del campo de los conjuntos y la lgica fuzzy. Precisamente en ese contexto surgen los algoritmos de tipo FANS (Fuzzy Adapative Neighborhood Search) [14,15].
57
FANS es un mtodo de bsqueda por entornos donde las soluciones se evalan no solo en trminos de la funcin objetivo, sino tambin mediante el empleo de propiedades y conceptos fuzzy que permiten valoraciones cualitativas sobre las soluciones. Adems, es un mtodo adaptable al contexto, ya que su comportamiento vara en funcin del estado de la bsqueda a travs del uso de varios administradores o "schedulers". FANS se base en cuatro componentes principales: un operador (OP), para construir soluciones; una propiedad fuzzy (FC) para cualificarlas y evaluarlas; un administrador de operacin (OS), para adaptar el comportamiento o caractersticas del operador; y un administrador de vecindario (NS), para generar y seleccionar una nueva solucin. A continuacin se muestra un esquema del algoritmo, en el que se puede apreciar la interaccin entre las cuatro componentes antes descritas:
Como puede comprobarse, despus de una etapa de inicializacin el algoritmo itera hasta que se verifica una cierta
58
condicin de finalizacin. En cada iteracin se ejecuta el administrador de vecindario NS, el cual utilizando la solucin actual SolAct, el concepto fuzzy FC y el operador OP, generar cierto nmero de soluciones vecinas, las cualificara mediante FC y elegir alguna en funcin de algn criterio. Si es posible, el administrador devuelve una solucin vecina, que pasa a ser la solucin actual. Adems se realiza la comparacin correspondiente para verificar si es la mejor de todas las visitadas. Si, por ejemplo, no existieran soluciones vecinas satisfaciendo el criterio utilizado, se producira una condicin de excepcin. Como respuesta, se ejecutara el administrador de operacin OS, que modificara en algn sentido el operador utilizado. En la prxima iteracin, el administrador de vecindario dispondra de un operador diferente para buscar soluciones. Finalmente, si se verifican ciertas condiciones, la propiedad difusa que se est empleando se adapta, lo que ocurre por ejemplo cada vez que la solucin actual cambia, o despus de un nmero fijo de iteraciones. Por otro lado, si el procedimiento de bsqueda se realiza a partir de varias metaheursticas, como se ha comentado
anteriormente, tenemos la posibilidad de que estas cooperen entre s o no, y por tanto la generalizacin de todo lo descrito hasta ahora al contexto del paralelismo, algo que obviamente escapa del mbito de este trabajo, pero sobre el que es interesante hacer una mnima reflexin, ya que con la proliferacin de la computacin paralela, las cada vez ms potentes estaciones de trabajo, y la velocidad de las redes de comunicacin, las implementaciones paralelas de las metaheursticas han surgido como algo natural, proporcionando una interesante alternativa para aumentar la velocidad de la bsqueda de las soluciones. En ese sentido se han propuesto y aplicado diversas estrategias que se han demostrado muy eficientes para resolver problemas de gran tamao y para encontrar soluciones mejores que las de sus contrapartidas secuenciales, debido a la divisin del espacio de bsqueda, o porque han mejorado la intensificacin y la diversificacin de la bsqueda. Por ello, el paralelismo, y por tanto las metaheursticas mltiples, no slo constituyen una va para reducir los
59
tiempos de ejecucin de las metaheursticas individuales, sino tambin para mejorar su efectividad y robustez. En el mbito de la Soft-Computing, la idea bsica que hasta ahora se ha desarrollado ha consistido en suponer que se dispone de un conjunto de agentes resolvedores, cuya funcin bsica es ser algoritmos de solucin de problemas de optimizacin combinatoria, y ejecutarlos de forma cooperativa a travs de un agente coordinador para resolver el problema en cuestin, teniendo como premisa fundamental la generalidad basada en un conocimiento mnimo del problema. Cada agente resolvedor acta de forma autnoma y se comunica solamente con un agente coordinador para enviarle las soluciones que va encontrando y para recibir de este las directivas que le indiquen cmo seguir actuando. El agente coordinador recibe las soluciones encontradas por cada agente resolvedor para el problema, y siguiendo una base de reglas fuzzy que modelan su
comportamiento, crea las directivas que enva a stos, llevando de esta manera todo el control de la estrategia. 2.2.3. Proceso de desarrollo Histrico Sensores o Pantallas Tctiles.
La Idea de tecnologa flexible y adaptable que use una interface compatible con el accionar humano instantneo como manejar un plumn, sealar y resaltar textos importantes con la mano, hacer ubicacin y explicacin de objetos, etc. Viene siendo estudiando desde ya hace mucho tiempo. En donde la actualidad no se determina quin fue el fundador de la tecnologa tctil. Pero lo que s se sabe es que fueron apareciendo progresivamente segn las necesidades ante una interface compleja. Histricamente se atribuye la primera pantalla tctil al britnico E.A. Johnson, desarrollada alrededor de los aos 1965 y 1967, la cual fue una pantalla tctil capacitiva. El inventor describi su trabajo en un artculo publicado en 1965 y luego lo detall en los aos siguientes, teniendo como idea usar esta tecnologa en control de trfico areo.
60
Eso no lleg muy lejos, y en la dcada de los setenta, el doctor Sam Hurst (fundador de la empresa Elographics) fue el que dio el siguiente gran avance. Hurst cre un sensor touch en 1971 mientras era profesor de la Universidad de Kentucky. Este sensor fue llamado Elograph y fue patentado por la fundacin de investigaciones de la propia universidad. El Elograph no era una pantalla tctil
transparente como las que conocemos ahora, sino que era bastante ms tosco. La idea de Hurst era usar el sistema para leer informacin de forma ms fcil. En 1973, el elograph fue elegido dentro de uno de los 100 productos tecnolgicos ms importantes para la poca. Transcurrido unos aos de investigacin y desarrollo, Sam Hurst y su empresa logran finalmente en 1977 crear y patentar la primera pantalla resistiva tctil, cuya tecnologa ha estado presente en muchos productos de hoy en da. Luego con el paso del tiempo Elographics sigui trabajando en este tipo de pantallas, incluso en conjunto con Siemens, logrando la primera pantalla de vidrio tctil curva. Pero no es hasta 1983 que las pantallas tctiles dan el siguiente paso. HP lanz al mercado uno de los primeros computadores con pantalla tctil para uso comercial. El llamado HP150 funcionaba con transmisores y receptores infrarrojos montados alrededor de una pantalla Sony CRT de 9, el cual detectaba la posicin de cualquier objeto no transparente en la pantalla. Sin embargo los sensores se ensuciaban frecuentemente con polvo, por lo cual requera una constante limpieza para su correcto funcionamiento. Ya para los noventas, empieza a surgir la industria de pantallas tctiles en dispositivos mviles. Y fue nada ms ni nada menos que Apple la que la introdujo en este mercado en 1993, con su (fracasada) PDA llamada Newton. El equipo vena equipado con reconocimiento de escritura usando un lpiz. A la par, IBM tambin introducira al mercado lo que sera el primer llamado Smartphone, que ofreca las capacidades de un telfono, un calendario, un bloc de notas, un beeper, una PDA e incluso una mquina de fax. Todo esto sin botones
61
y simplemente a travs de una pantalla tctil. Ya para 1996 Palm entra al mercado de las PDAs con nuevas tecnologas tctiles dentro de su serie Pilot. Con el tiempo, los precios de esta tecnologa han ido bajando y las opciones para trabajar con ellas han ido creciendo. Muchos fabricantes de telfonos mviles han intentado incorporar as la tecnologa tctil dentro de sus equipos, pero no es hasta estos ltimos 5 aos que hemos visto cmo esta tecnologa se ha vuelto masiva en telfonos, tablets y PDAs. De hecho si se ponen a pensar hoy en da casi todos los telfonos no bsicos, tienen por defecto una pantalla tctil, dejando atrs y con una impresin de anticuado el uso de los botones. Desde el contexto actual, la rentabilidad de este sistema radica en su aplicacin a los videojuegos utilizando, un control sin botones o wimote (en el caso de la organizacin nintento y el PlayStation). 2.3. Marco Conceptual Basndonos en nuestra investigacin, la estructura un sistema SIAPDI para este caso, consta de dos partes: a. Hardware hibrido Fsico : consta de la construccin del sensor (emisor y receptor) basndonos en componentes Fsicos como : WebCam. Luz Visible Adaptadores Genricos (Compatibilidad con interfaces USB) Componentes Electrnicos Componentes reciclables
b. Software Lgico : conformada por los algoritmos lgicos, mini sistemas reconocedores de imgenes y todas las caractersticas de un software bsico(interfaz de compatibilidad con proveedor de servicios API)
Dentro de su estructura de funcionamiento definimos las interfaces de acceso y relacin:
62
En lo referente al Hardware: Una cmara WEB de 1.2 MPx es suficientemente capaz para detectar las luces existentes en nuestro ambiente y mostrar en un imagen digital a la PC, dentro del lente captador estn incluidas los infrarrojos (destellos de luz blanca no perceptible por el ojo humano) y las luces rojas (destellos de color perceptibles por el ojo humano). La misma tecnologa que usan los Dispositivos Touch, pantallas Tctiles e inclusive los de posicionamiento universal. Se Pretende en una primera instancia la aplicacin de luces visibles como medio de generacin de informacin. Para lograr un dispositivo econmico capas de enviar seales que sean constantes rpidas y con cierta caracterstica de anlisis, es que se vio en la necesidad de utilizar la luz visible, y no los infrarrojos como cualquier otro dispositivo los utilizara. La utilizacin de una cmara web como medio de transformacin de la seal visible en informacin de coordenadas reales dentro de un plano 2D y su presentacin en calidad de imagen para la PC, lleva dos ventajas tcnicas: Demuestra flexibilidad en limitacin de reas, identifica la cobertura de captacin automticamente. Posee soporte con el ordenador para la transmisin de la imagen captada. Fcil Reconocimiento en el anlisis de Patrones grficos. Flexibilidad en el uso de la Memoria del Equipo en Cuestin.
En lo referente al Software: Un ordenador depende de su procesador y memoria para la optimizacin o funcionamiento ideal de los programas. Por lo que cada mdulo o capa de sincronizacin de thread del Sistema operativo debe estar calculada en situaciones exactas con el software SIAPDI. Se usaran sistemas reconocedores de imagen y voz, para analizar y clasificar la informacin. Cada mdulo divide la interactividad del sistema sus relaciones y su optimizacin en su rendimiento.
________________ http://conversaciones.nokia.com/2011/04/25/5-datos-curiosos-que-deberias-saber-sobre-las-pantallas-tactiles/
63
Se usan tres espacios: namespace(ANALIZADOR) : que analiza y procesa la informacin captada del exterior namespace(PROCESADOR) : este a su vez sirve como soporte para el desarrollo dinmico de la sesin de clase, posee entorno grafico para realizar la interactuacin con el usuario. namespace(INTELIGENTE) : Cada estructura trata de predecir lo que el usuario del sistema desea expresar de forma clara y concisa.
64
FUENTES DE INFORMACIN
Libros Cesar Acua Peralta 2010 Alejandro Pea Ayala 2006 Maestra en Administracin - Calidad Educativa editorial Cesar Vallejo Ingeniera de Software: Una gua para crear sistemas de informas de Informacin. Editorial Revillagigedo 83, Mxico DF. 1ra Edicin.
Consultas en internet Elena, Hernndez (2006), http://www-03.ibm.com/press/es/es/pressrelease/28340.wss, visto por ltima vez, 01 de diciembre del 2011 10:40 pm. WikiPedia ,http://es.wikipedia.org/wiki/Pantalla_t%C3%A1ctil, visto por ltima vez, 10 de diciembre del 2011 10:30 pm. Guillermo (2002) : http://alt-tab.com.ar/la-historia-detras-del-primer-smartphone/ , visto por ltima vez 20 de noviembre del 2011 10:30 am. Wen Fong kwong : http://www.fayerwayer.com/2011/11/el-origen-de-la-pantalla-tactil/, visto por ltima vez 08 de noviembre del 2011 08:30 am. http://www.audienciaelectronica.net/2011/11/11/la-historia-de-la-pantalla-tactil/, visto por ltima vez 08 de noviembre del 2011 08:30 am. Dianfe, http://www.pilos.com.co/drupal/historia-presente-y-futuro-de-las-pantallas-tactiles/ , visto por ltima vez 08 de noviembre del 2011 08:30 am. WIKIPEDIA, http://es.wikipedia.org/wiki/Multit%C3%A1ctil, visto por ltima vez 08 de noviembre del 2011 08:30 am. BENYI ARREGOCES http://www.consumer.es/web/es/tecnologia/internet/2009/04/27/184954.php ltima vez 08 de noviembre del 2011 08:30 am. CARRERES, , visto por
WIKIPEDIA, http://es.wikipedia.org/wiki/Radiaci%C3%B3n_infrarroja, visto por ltima vez 08 de noviembre del 2011 08:30 am.
OSMOSIS LATINA, http://www.osmosislatina.com/conectividad/bluetooth.htm, visto por ltima vez 08 de noviembre del 2011 08:30 am.
65
ANEXOS
-
66
ANEXO N 1 MATRIZ DE CONSISTENCIA

Ttulo : SISTEMA INTELIGENTE SIAPDI PARA EL DESARROLLO DE SESIONES DE APRENDISAJE DINAMICAS.
Problema Problema Principal OBJETIVO Objetivo General VARIABLES
VARIABLE DEPENDIENTE SESIONES DE APRENDISAJE DINAMICAS
INDICADORES
1.1. Fluidez de Informacin 1.1.1. 1.1.2. 1.1.3. 1.1.4. 1.1.5. 1.1.6. 1.2.1. 1.2.2. 1.2.3. 1.2.4. 1.2.5.
INDICES
El profesorado conoce las herramientas TIC Bsicas. Las Metodologas del profesor tienen resultados positivos en el aprendizaje del alumno. Identificar el Nivel Intelectual del alumno. Identificar el Nivel Intelectual del Profesor Identificar el nivel de conocimiento tecnolgico del alumno. Identificar el nivel de conocimiento tecnolgico del Profesor. Los recursos tecnolgicos responden a las Expectativas Educativas de la Institucin. Los recursos tecnolgicos presentan flexibilidad en su aplicacin. Las herramientas colaborativas responden a las expectativas del profesor. Identificar el nivel de utilidad para la produccin de conocimientos. Identificar el Rendimiento del Software y el Hardware en la aplicacin de sesiones de aprendizaje dinmicas.
MTODOS
TCNICAS
INSTRUMENTOS
Cmo es el desarrollo de un sistema inteligente SIAPDI en el desarrollo de Sesiones de Aprendizaje Dinmicas?
1.2. Efectividad
2. Tipo de investigacin: Aplicada o tecnolgica.
1.3. Capacidad Cognitiva.
1.3.1. Los recursos tecnolgicos contribuyen en aprendizaje significativo de los alumnos. 1.3.2. Los alumnos logran captar, aprender y desarrollar las sesiones dictadas sin dificultades. 1.3.3. Identificar y analizar el grado de conocimiento obtenido por parte de los alumnos mediante el seguimiento de los materiales y recursos que el profesor utiliza. 1.4.1. 1.4.2. 1.4.3. 1.4.4. 1.4.5. Identificar el Alcance Tecnolgico de los alumnos. Analizar las exigencias socio-tecnolgicas del alumno y su entorno. Analizar e Identificar las destrezas de los alumnos frente a nuevas condiciones Tecnolgicas. Analizar e Identificar el nivel de aprendizaje significativo de los alumnos. Los alumnos lograr identificar claramente los trminos claves y conceptos primordiales.
3. Niveles de investigacin: Est ubicada en nivel experimental.
Para la etapa inicial del proyecto las tcnicas, que se van ha utilizado para la recoleccin de datos son :
Observacin Objetiva
Determinar la contribucin del sistema inteligente SIAPDI en el desarrollo de sesiones de aprendizaje dinmicas.
1.4. Proceso de aprendizaje significativo
Ficha Observacin Directa
1.5. Evaluacin
VARIBLE INDEPENDIENTE SISTEMA INTELIGENTE SIAPDI
2.1. Arquitectura
1.5.1. Los recursos tecnolgicos fomentan el desarrollo de conocimientos. 1.5.2. Las Herramientas colaborativas del SIAPDI son las adecuadas en el proceso de Desarrollo y Aprendizaje grupal. 1.5.3. Cada recurso tecnolgico cumple las expectativas de desarrollo y aplicacin en el mejoramiento de la calidad Educativa. 1.5.4. Las Herramientas colaborativas que se utiliza en la institucin son fciles de manejar. 1.5.5. Las Herramientas colaborativas demuestran efectividad en el desarrollo de la sesin de la sesin de aprendizaje. 2.1.1. Capacidad para interactuacin con el usuario en tiempo real. 2.1.2. Rendimiento en la clasificacin organizada de recursos para la sesin de aprendizaje. 2.1.3. Rendimiento en la Interactuacin asincrnica de eventos. 2.1.4. Nivel de compatibilidad de Hardware con Software. 2.1.5. Identificacin del nivel de rendimiento como cliente-servidor. 2.1.6. Identificar el rendimiento del knowledge en su proceso de desarrollo. 2.2.1. Identificacin de los requerimientos y recursos necesarios para mejorar el aprendizaje. 2.2.2. Las estrategias y tcnicas que los Mdulos SIAPDI proveen son ideales para la aplicacin como herramienta colaborativa. 2.2.3. Los alumnos y profesor demuestran interactividad con el Sistema. 2.2.4. El Sistema contribuye en el aprendizaje significativo de los alumnos, mediante el intercambio mutuo de conocimientos, pensamientos y sentimientos. 2.3.1. 2.3.2. 2.3.3. 2.3.4. 2.3.5. 2.3.6. 2.3.7. 2.3.8. 2.3.9. 2.4.1. 2.4.2. 2.4.3. 2.4.4. 2.4.5. El sistema adecua las ideas demostrativas de los alumnos. Identificacin del nivel de rendimiento en la expresin grfica de ideas Bsicas. Identificar el rendimiento en la capacidad de reconocimiento de patrones para auto-animacin de objetos. Determinar el nivel de Integridad como Sistema Experto. Anlisis del Rendimiento del Software y Hardware de Procesamiento Lgico. Factibilidad del entorno de Interactuacin Usuario-Hardware-Software y viceversa. Identificacin de las acciones comunes del usuario en la aplicacin del Modelo Experimental. Analizar e Identificar el nivel de agrado del Usuario. Identificar la efectividad en la Implementacin de recursos necesarios para la elaboracin y ejecucin de una sesin de aprendizaje dinmica. Cada Mdulo SIAPDI cumple las expectativas de ejecucin y soporte en el sistema. El Software est debidamente balanceado con el hardware. Analizar e Identificar los riesgos de Sobrecarga del Software. Analizar el Rendimiento del tiempo de ejecucin y costes de mantenimiento del hardware. Los Usuarios Asimilan y aceptan las ventajas y resultados del Sistema como herramienta para el mejoramiento de la calidad Educativa.
4. Diseo de la investigacin: Est basado en el diseo CuasiExperimental
Observacin Subjetiva.
Registro de Observacin de la Situacin Diarios ntimos
Entrevista.
Ficha entrevista
de
2.2. Aplicacin
2.3. Adaptacin
5. Mtodo de investigacin: utilizar el mtodo deductivo y como mtodos especficos objetivo, subjetivo y estadstico
Encuesta
Cuestionario
6. Universo y Muestra:
Se usaran 2 de 24 secciones de la IEP 70545 Tupac Amaru
2.4. Evaluacin
67
ANEXO N 2 FICHA DE OBSERVACIN DIRECTA Nivel Cognitivo y de Libertad de expresin de los docentes que ensean dentro de la IEP 70545 Tpac Amaru
DOCENTES ITEMS 1. Conoce y expresa con claridad el significado de Calidad Educativa 2. Capacita a alumnos para la participacin en concursos escolares. 3. Emplea voz audible para los oyentes. 4. Atiende a los dems. 5. Pide aclaraciones. 6. Reconoce cuando los dems tienen la razn. 7. Hace el Uso de la computadora en el desarrollo de sesiones de aprendizaje. 8. Hace el uso de Demostraciones reales en la enseanza 9. Emplea adecuadamente los materiales durante el desarrollo de la sesin de aprendizaje 10. Conoce las tecnologas TIC Bsicas. 11. Acepta a la Tecnologa como medio de Desarrollo 12. Tiene deseos de aprender a manejar el software de inters 13. Fomenta el desarrollo entre sus compaeros de trabajo. 14. Presta atencin en la forma en la que sus estudiantes se desarrollan como personas 15. Percibe el inters de sus alumnos, con respecto a la forma en que les gustara aprender. PUNTAJE TOTAL
LEYENDA C: 0-10, B: 11-15, A: 16-18, AD: 19-20 Rango Calificativo de 0-20
Primero
Segundo
Tercero
Cuarto
Quinto
Sexto
A B C D A B C D A B C D A B C D A B C D A B C D
68
REGISTRO DE OBSERVACIN DE LA SITUACIN

Tiempo Tipo Dato Expectativa
Registro exclusivo para la determinacin de las Tcnicas e Instrumentos a aplicar.

LEYENDA C: 0-10, B: 11-15, A: 16-18, AD: 19-20 Rango Calificativo de 0-20
69
CUESTIONARIO N 1 Nivel de Inters de los Docentes y Personal Administrativo de la IEP 70545 Tpac Amaru
1. La institucin motiva a los docentes en el cumplimiento de su misin? SI ( ) NO ( ) De qu manera?
2. La Institucin motiva a los docentes en que todos los docentes compartan la visin de la IEP? SI ( ) NO ( ) De qu manera?
3. Cree que usted posee un nivel de enseanza acorde a nuestros tiempos? SI ( ) NO ( ) Cmo se da?
4. Los nios sienten agrado por la utilizacin de computadoras? SI ( ) NO ( ) 5. Afirma que los estudiantes logran un aprendizaje efectivo? SI ( ) NO ( ) 6. Conoce el significado de Calidad Educativa? SI ( ) NO ( ) 7. Le gustara utilizar la tecnologa como medio de enseanza? Si ( ) NO ( ) 8. Tiene y Maneja una computadora sin problemas? SI ( ) NO ( ) 9. Observa que los alumnos manejan las utilidades del Sistema operativo? SI ( ) NO ( ) 10. Aceptara el reto de formar parte de la nueva Educacin?} SI ( ) NO ( )
70
GLOSARIO DE TRMINOS
1. CALIDAD EDUCATIVA:se refiere a los efectos positivamente valorados por la sociedad respecto del proceso de formacin que llevan a cabo las personas en su cultura. Se considera generalmente cinco dimensiones de la calidad: filosofa (relevancia); pedagoga (eficacia); cultura (pertinencia); sociedad (equidad); economa (eficacia) 2. SIAPDI (SISTEMA DE APRENDIZAJE DINMICO): Sistema capaz de incorporar herramientas TIC y Herramientas Colaborativas. Que puede incorporar una parte Fsica (Hardware) y una parte lgica (Software). 3. FLUIDEZ DE INFORMACIN: se refiere al grado en el que los conocimientos se desarrollan y se expresan libremente, evitando complicaciones en la comunicacin de los mismos, de forma eficiente y eficaz. 4. EFICACIA: Es la capacidad para conseguir un resultado determinado 5. EFICIENCIA: similar a eficacia, con la diferencia que se realiza empleando los medios posibles y dentro del tiempo necesario. 6. PRODUCCIN: Fabricacin o elaboracin de un producto. 7. CAPACIDAD COGNITIVA: es la capacidad por la cual el hombre lograr captar informacin de inters del exterior y le da una utilidad personal. 8. SITUACIN SOCIAL: estado que define el rol que juega dentro de una sociedad 9. APRENDIZAJE SIGNIFICATIVO: se refiere al tipo de aprendizaje en que un aprendiz o estudiante relaciona la informacin nueva con la que ya posee, reajustando y reconstruyendo ambas informaciones en este proceso 10. DESARROLLO DE CONOCIMIENTOS: proceso que conlleva la generacin o creacin de nuevos conocimientos basados en conocimientos existentes 11. ARQUITECTURA: es el arte y tcnica de proyectar y disear estructuras y espacios que forman el entorno humano. 12. HERRAMIENTAS COLABORATIVAS: bsicamente son los sistemas que permiten acceder a ciertos servicios que facilitan a los usuarios comunicarse y trabajar conjuntamente sin importar que estn reunidos un mismo lugar fsico 13. FLEXIBILIDAD: es la capacidad que tiene un objeto o cosa de adaptar a nueva situacin. 14. ADAPTACIN: Transformacin de un objeto o de un mecanismo para que desempee funciones distintas de aquellas para las que fue construido: 15. INTERFAZ: es la definicin de los objetos o componentes pblicos y privados que se usan para interactuar con el sistema. 16. EVALUACIN DEL RENDIMIENTO: lo referimos al proceso de calificar el nivel de utilidad que un sistema pueda desempear bajo ciertas circunstancias. 17. IDENTIFICAR: es determinar qu es lo que se quiere saber o hacer con alguna cosa u objeto. 18. NIVEL: identifica el grado de importancia de alguna cosa. 19. TECNOLOGA: es el producto de la ciencia, conlleva a la aplicacin fsica de las teoras o leyes. 20. TIC: Tecnologias de informacin y Comunicacin, nos facilitan las herramientas necesarias para lograr una interactuacin dinmica entre los usuarios y ordenadores.
71

Proyecto de Tesis V - SERGIO

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Proyecto de Tesis V - SERGIO

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD ALAS PERUANAS

FACULTAD DE INGENIERAS Y ARQUITECTURA

PRESENTADO POR EL ALUMNO SERGIO CONDORI MAMANI

DOCENTES M. Sc. RICHARD ASQUI VENTURA ING. DANIEL QUISPE MAMANI

A mi familia, por el apoyo y comprensin incondicional que recibo da a da.

Definicin del Problema ............................................................................................ 13

1.3.1. 1.3.2. 1.4.

1.4.1. 1.4.2. 1.5.

1.5.1. 1.5.2. 1.5.3. 1.6.

1.6.1. 1.6.2. 1.6.3.

1.7.1. 1.7.2. 1.8. 1.9.

1.14.2.1. 1.14.2.2. 1.14.2.3.

1. Planteamiento del problema 1.1. Descripcin de la realidad problemtica

1.2. Delimitaciones y Definicin del Problema 1.2.1. Delimitaciones A. Delimitacin Espacial

1.3.2. Problemas especficos

b. Aplicacin Indicadores Identificacin recursos de los requerimientos para mejorar y el ndices

aplicacin como herramienta colaborativa.

Lento (06-10) Defectuoso (00-05)

d. Evaluacin Indicadores Cada Mdulo SIAPDI cumple las

(14-17) Normal (11-13) Lento (06-10) Defectuoso (00-05)

AD=(18-20) A=(14-17) B=(11-13) C=(0-10)

tecnolgico del alumno. Identificar el nivel de conocimiento

tecnolgico del Profesor.

1.5.3. Entorno de Interactuacin de las Variables

dems, sern financiados por la Institucin Educativa donde se realizara el estudio.

1.7. Justificacin e importancia de la Investigacin 1.7.1. Justificacin

1.8. Limitaciones de la Investigacin

1.9. Tipo y Nivel de la Investigacin 1.9.1. Tipo de Investigacin

24 D x Fuente: Nomina de Matrcula 2012 IEP 70545 Tpac Amaru

cronograma establecido ser durante el ao 2012 con el alumnado y

1.14. Cronograma y Presupuesto 1.14.1. Cronograma

Etapa Planificacin Ejecucin Primera Etapa Segunda Etapa Tercera Etapa

Informe Final y Difusin

Diagrama de Gantt y Programacin de actividades

Y en la que se lleg a la siguiente conclusin:

Finalmente, fue utilizada exitosamente en un laboratorio de programacin.

b. SISTEMAS INTELIGENTES PARA EL MODELADO DEL TUTOR

mesurables y tiles en un entorno real.

Entornos Virtuales de Entrenamiento con Tutora Inteligente

2.2. Marco Histrico 2.2.1. Inspiradores

Restricciones, que en definitiva, demuestran el gran inters de este

Dentro de su estructura de funcionamiento definimos las interfaces de acceso y relacin:

ANEXO N 1 MATRIZ DE CONSISTENCIA

Cmo es el desarrollo de un sistema inteligente SIAPDI en el desarrollo de Sesiones de Aprendizaje Dinmicas?

2. Tipo de investigacin: Aplicada o tecnolgica.

1.3. Capacidad Cognitiva.

3. Niveles de investigacin: Est ubicada en nivel experimental.

1.4. Proceso de aprendizaje significativo

Ficha Observacin Directa

VARIBLE INDEPENDIENTE SISTEMA INTELIGENTE SIAPDI

4. Diseo de la investigacin: Est basado en el diseo CuasiExperimental

Registro de Observacin de la Situacin Diarios ntimos

REGISTRO DE OBSERVACIN DE LA SITUACIN

Registro exclusivo para la determinacin de las Tcnicas e Instrumentos a aplicar.

S-ar putea să vă placă și