Proyecto de Tesis v - SERGIO

UNIVERSIDAD ALAS PERUANASFACULTAD DE INGENIERÍAS Y ARQUITECTURAESCUELA ACADÉMICO PROFESIONAL DE INGENIERIA DE SISTEMAS E

INFORMATICA

PROYECTO DE TESIS

SISTEMA INTELIGENTE “SIAPDI” PARA EL DESARROLLO DE SESIONES DE APRENDIZAJE

DINÁMICAS(Estudio realizado para niños del 2do y 6to grado de la IEP. 70545 Túpac Amaru

de la ciudad de Juliaca durante los años 2012-2013)

PRESENTADO POR EL ALUMNO

SERGIO CONDORI MAMANI

DOCENTES

M. Sc. RICHARD ASQUI VENTURAING. DANIEL QUISPE MAMANI

JULIACA-PUNO-PERU

2012

DEDICATORIA

El Presente Trabajo está Dedicado a las personas que tanto ame y

amare, quienes aparecen en momentos oportunos, dándome fuerzas y

recordando porque es que debo dar lo mejor de mí, a mis padres

quienes me apoyan incondicionalmente en mis proyectos y sueños; A

todos mis amigos, aunque no estén presentes, han sido un gran apoyo

en formar la persona que ahora soy y que pienso llegar a ser.

AGRADECIMIENTOS

Desde aquí 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. Víctor Lima Condori, que por más complicaciones se presenten,

siempre nos ayuda, nos apoya y guía en el camino que seguimos,

buscando la forma de lograr poder sembrar la semilla de la

investigación y la forma de hacer de nosotros mejores personas.

A mi familia, por el apoyo y comprensión incondicional que recibo día a

día.

3 Desarrollo de un sistema inteligente “SIAPDI” para el desarrollo de sesiones de aprendizaje dinámicas de la IEP 70545 “TUPAC AMARU”

INTRODUCCION

La calidad educativa es hoy muy discutida en las grandes, pequeñas y medianas ciudades, en un entorno competitivo por alcanzar la excelencia educativa.

Para erradicar parcialmente el problema tenemos que localizar correctamente la raíz del problema, en donde la Sesión de Aprendizaje dictada por el docente, representa el principal factor interviniente en el aprendizaje del alumno y su formación.

La tecnología es el factor decisivo para toda organización e Institución que desea sobre salir en el mercado, ser reconocida y valorada.

El desarrollo de nuevas tecnologías, estrategias, métodos y otros contribuyen eficazmente en el progreso de una nación.

Basándonos en los tres enunciados anteriores afirmamos que la tecnología contribuye de manera significativa en la calidad educativa por ser motivo de desarrollo de nuevas expectativas, de mejoramiento y de visión emprendedora de cada persona que está expuesta a ella.

En la actualidad la mala utilización de la tecnología ha llevado a la caída de la educación ya que el niño moderno en su contexto de aprendizaje, no logra desenvolverse en su totalidad. A falta de tecnología adecuada para su aprendizaje o no ser capaz de utilizar su tecnología adecuadamente.

Siendo este trabajo, un medio por el cual se desea diseñar, crear e implementar una herramienta tecnológica eficiente para el mejoramiento de la calidad educativa basado en el desarrollo de Sesiones de Aprendizaje Dinámicas.


TABLA DE CONTENIDOS

INTRODUCCIÓN 03

TABLA DE CONTENIDOS

INDICE DE GRAFICOS

INDICE DE TABLAS

INDICE DE FORMATOS

CAPITULO I...................................................................................................................................... 7

1. PLANTEAMIENTO DEL PROBLEMA....................................................................................8

1.1. DESCRIPCIÓN DE LA REALIDAD PROBLEMÁTICA......................................................................8

1.2. DELIMITACIONES Y DEFINICIÓN DEL PROBLEMA.....................................................................9

1.2.1. Delimitaciones...............................................................................................................9

A. Delimitación Espacial......................................................................................................................9

B. Delimitación Temporal..................................................................................................................10

C. Delimitación Social........................................................................................................................10

D. Delimitación Técnica.....................................................................................................................10

E. Delimitación Conceptual...............................................................................................................11

1. Tecnologías de Información...................................................................................................11

2. Tecnologías de la Arquitectura del Hardware.....................................................................12

3. Gestión del Proceso Escogido...............................................................................................13

1.2.2. Definición del Problema............................................................................................13

1.3. FORMULACIÓN DEL PROBLEMA..............................................................................................14

1.3.1. Problema Principal.....................................................................................................14

1.3.2. Problemas específicos..............................................................................................14

1.4. OBJETIVO DE LA INVESTIGACIÓN............................................................................................14

1.4.1. Objetivo Principal.......................................................................................................14

1.4.2. Objetivos Específicos...............................................................................................14

1.5. VARIABLES E INDICADORES....................................................................................................15

1.5.1. Variable Independiente.............................................................................................15

1.5.2. Variable Dependiente................................................................................................17

1.5.3. Entorno de Interactuación de las Variables.........................................................19

1.6. VIABILIDAD DE LA INVESTIGACIÓN..........................................................................................20

1.6.1. Viabilidad técnica.......................................................................................................20

1.6.2. Viabilidad operativa...................................................................................................20


1.6.3. Viabilidad Económica................................................................................................20

1.7. JUSTIFICACIÓN E IMPORTANCIA DE LA INVESTIGACIÓN.........................................................21

1.7.1. Justificación................................................................................................................21

1.7.2. Importancia..................................................................................................................23

1.8. Limitaciones de la Investigación................................................................................23

1.9. TIPO Y NIVEL DE LA INVESTIGACIÓN......................................................................................24

1.9.1. Tipo de Investigación................................................................................................24

1.9.2. Nivel de Investigación...............................................................................................24

1.10. MÉTODO Y DISEÑO DE LA INVESTIGACIÓN........................................................................24

1.10.1. Metodología de la Investigación.............................................................................24

1.10.2. Diseño de la Investigación.......................................................................................24

1.11. TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE INFORMACIÓN...................................25

1.12. COBERTURA DE ESTUDIO...................................................................................................25

1.12.1. Universo y Muestra....................................................................................................25

1.13. INFORME FINAL...................................................................................................................27

1.14. CRONOGRAMA Y PRESUPUESTO........................................................................................27

1.14.1. Cronograma.................................................................................................................27

1.14.2. Presupuesto................................................................................................................29

1.14.2.1. Recursos Humanos.........................................................................................................29

1.14.2.2. Recursos Financieros.....................................................................................................29

1.14.2.3. Financiamiento.................................................................................................................29

CAPITULO II................................................................................................................................... 30

2. MARCO TEORICO................................................................................................................. 31

2.1. ANTECEDENTES DE LA INVESTIGACIÓN..................................................................................31

2.2. MARCO HISTÓRICO.................................................................................................................38

2.2.1. Inspiradores.......................................................................................................................38

2.2.2. Pioneros...............................................................................................................................38

2.2.3. Proceso de desarrollo Histórico después de IA – década del 80..........................38

2.2.3. PROCESO DE DESARROLLO HISTÓRICO SENSORES O PANTALLAS TÁCTILES.......................60

2.3. MARCO CONCEPTUAL.............................................................................................................62

FUENTES DE INFORMACIÓN......................................................................................................65

ANEXOS......................................................................................................................................... 66

GLOSARIO DE TÉRMINOS........................................................................................................... 71


CAPITULO I“PLANTEAMIENTO DEL PROBLEMA”


1. Planteamiento del problema1.1. Descripción de la realidad problemática

En el Mundo de hoy la tecnología resulta ser un factor importante para

el desarrollo del niño, al mismo tiempo que predomina en sus acciones y

comportamientos, con cada día que pasa todos nos enfrentamos con nuevos

retos tecnológicos, en la que nuestra capacidad de adaptación va siendo

desarrollada según las expectativas de la nueva Tecnología; con más recursos

y facilidades a disposición del alumno resultan ser más complicada la

enseñanza de los profesores ya que la globalización trajo consigo la tecnología

a los países menos desarrollados, formando así una nueva perspectiva en el

comportamiento del alumno.

El Perú siendo un País en Proceso de Desarrollo, y con muy bajos

niveles de calidad educativa, enfrenta hoy un nuevo reto, ya que los alumnos

tienen a su disposición nuevos recursos informativos que contribuyen en su

aprendizaje ya sea computadoras de última generación, celulares,

Smartphones, Tablet-PC, iPods, etc. Y el muy conocido Internet como medio

de adquisición de información a escala mundial; resulta crucial la

implementación de nuevas tecnologías que cubran las expectativas de la niñez

y la juventud actual en su formación como futuros hombres desarrolladores de

nuevas tecnologías e investigaciones, y no como consumidores de Tecnología.

El desarrollo de un sistema inteligente SIAPDI (Sistema Inteligente de

aprendizaje dinámico) tiene como objetivo principal la implementación de

herramientas colaborativas (basados en software lógico) y hardware (Básico)

para el mejoramiento de la calidad educativa de una institución, de la región y

del País. En el sentido de que existe una fluidez de información mayor, un

aprendizaje significativo mayor, una transmisión de información más

comprensible, y la posibilidad de creación de contenidos dinámicos 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 utilización de la


_________________________________1 Acuña Peralta, Cesar: Calidad Educativa. Trujillo, Perú, pp 11-33

tecnología 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 elaboración de sistemas con

capacidad de análisis, las cuales ayudan en gran medida a las personas que

los utilizan.

La incorporación de la Inteligencia Artificial en un sistema educativo

contribuye al desarrollo de contenido altamente dinámico e inteligente de

muchas formas, la inteligencia artificial contribuye como el corazón de un

sistema de calidad, capaz de adaptarse a diferentes medios.

En nuestro contexto, las herramientas para la implementación de IA

de forma Física son muy escasas, por lo que basándose en la lógica, 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 enseñar

de forma fácil e inteligente, por lo que el propósito del proyecto contribuye

hacia el desarrollo y diseño de Sistemas Dinámicos capaces de Adaptarse al

pensamiento del Docente en cuestión.

1.2. Delimitaciones y Definición del Problema

1.2.1. Delimitaciones

A. Delimitación Espacial

El Presente proyecto de Investigación se llevara a cabo en el

región de Puno, Provincia de San Román, Distrito de Juliaca, Dentro

de la I.E.P 70545 “Túpac Amaru” como el área de análisis,

experimentación y aplicación. Y los ambientes de la Universidad Alas

Peruanas - Filial Juliaca y el domicilio ubicado en Jr. Piérola N° 649

como el Área de Desarrollo del Sistema.


B. Delimitación Temporal

El presente proyecto de investigación será 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. Delimitación Social

En nuestro contexto actual la población se encuentra

preparada por la constante renovación tecnológica que el comercio

trajo consigo; en la que cada niño y joven participa a diario.

Los alumnos, poseen una facilidad de aceptación y

adaptación a los cambios tecnológicos al ser en su gran mayoría

consumidores de la misma.

Los Padres de familia, así como también la APF de la

institución, están dispuestos a contribuir con la mejora de la

educación para sus hijos. Y tienen de conocimiento que el uso de la

tecnología dentro de la Institución Educativa ha fomentado una

mejora en el aprendizaje que dichos niños reciben a diario.

Por lo que se concluye, que existe una aceptación ante la

modernización e implementación de tecnologías que contribuyen con

el aprendizaje de los alumnos por todas las personas que interactúan

con la Institución Educativa mencionada.

D. Delimitación Técnica

El desarrollador de software estará a cargo del desarrollo y

demostración del sistema en construcción. Así como también la

capacitación de cada herramienta hacia el personal Docente y

Administrativo, el análisis de requerimientos de software y la

factibilidad de uso del hardware.


Cada personal docente actuara como Usuario del sistema, así

como también la interactuación de los alumnos, el docente y el

sistema estarán denominados como Usuarios Instantáneos.

El Personal administrativo dependiendo de su Cargo actuaran

como administradores del Sistema, recibiendo información

estadística del rendimiento del sistema, factibilidad de las

herramientas, flexibilidad de uso, costes y requerimientos para el

mantenimiento; así como también la capacidad de utilización de

estaciones remotas, monitoreo en tiempo real y administración de

sesiones de aprendizaje y una conexión directa vía internet con los

administradores del Sistema (Usuarios Administradores y

Desarrolladores).

El personal de la Institución Educativa tendrá el rol de actuar

como entes reguladores del sistema.

E. Delimitación Conceptual

1. Tecnologías de Información.

Sistemas Inteligentes : es un programa de computación que

reúne características y comportamientos asimilables al de la

inteligencia humana o animal. Un sistema inteligente completo

incluye "sentidos" que le permiten recibir información 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 cómo

lograr mejorar su rendimiento y eficiencia.

Redes y Terminales : Su aplicabilidad radica en la capacidad de

comunicación a través de protocolos e Interfaces que hacen

viable la comunicación entre aplicaciones y ordenadores.

Servicios TIC : en esta están agrupadas las herramientas

multimedia, los recursos dinámicos, la administración de

Información y la aplicabilidad de tecnologías de Internet

Nueva generación de Servicios TIC : Implica la Utilización de

recursos interactivos y dinámicos de acceso P2P. lo que permite

la flexibilidad de utilización.


Motor de Software : Tecnología usada por los Sistemas

Operativos para la ejecución de Programas de Aplicación en

plataformas para ordenadores (Sistema Operativo).

Motor de Aceleración Gráfica : Tecnología requerida para el

Procesamiento y análisis de Imágenes en tiempo real, para este

proyecto usaremos el Intermediario Microsoft Directx 9.0 C. de

distribución libre de Microsoft.

Motor de Base de Datos : Necesaria para la administración de

información básica, como el almacenamiento de la schema,

interfaz y descriptivos de las herramientas de Sistema. Así como

también almacenar las sesiones de aprendizaje y poder localizar

y sincronizar la información en cuestiones de milisegundos. Para

dicha utilidad se usara el intermediario Microsoft SQL EXPRESS,

de distribución libre de Microsoft.

2. Tecnologías de la Arquitectura del Hardware.

La arquitectura mencionada corresponde simplemente a la fusión

combinatoria de varias tecnologías Físicas.

WEB-CAM : Su implicancia radica en la capacidad de capturar

imágenes del exterior y convertirla en la fuente de alimentación

para el programa. Su composición electrónica le permite capturar

una gran variedad de colores visibles y no visibles por el ojo

humano.

LUZ VISIBLE : Fuente de generación de información del sistema.

Los destellos de luz que producen son perceptibles por los

aparatos electrónicos. Y que esta le da una gran facilidad para

ubicar coordenadas reales y convertirlas en vectores 2D y 3D

que sirven de fuente de información para los ordenadores, a

través de medios electrónicos compatibles como Webcams u

otro tipo de receptores.

PROYECTOR MULTIMEDIA : sus cualidades de proyección de

imagen, resultan útiles en cualquier ambiente de trabajo, un

Hardware portable y adaptable a cualquier superficie plana.

MICROFONO : es un transductor electroacústico. Su función es

la de traducir las vibraciones debidas a la presión acústica

ejercida sobre su cápsula por las ondas sonoras en energía


eléctrica, lo que permite por ejemplo grabar sonidos de cualquier

lugar o elemento.

3. Gestión del Proceso Escogido.

Para la culminación con éxito del proyecto, mostrando

rapidez en el desarrollo de nuevas técnicas y herramientas, se

utilizara el método XP y cada proceso que este requiriera.

Basándonos en las estrategias de desarrollo más

efectivas del método mencionado, se espera lograr un desarrollo

eficazmente del Software, basándonos en parámetros pre-

establecidos que aseguran su integridad en el desarrollo.

1.2.2. Definición del Problema

Con la Perspectiva de un mundo globalizado y la tecnología al

alcance de las personas. Surgen algunas cuestiones como:

¿Cuándo más tecnología tengamos, mayor es el requerimiento

de ella?

¿La niñez y la juventud evolucionan al ritmo de la Tecnología?

¿Logramos notar la diferencia entre la generación actual y la

antigua generación en el aprendizaje? ¿Qué nuevas medidas

necesitamos tomar?

¿En la actualidad el docente requiriere de tecnología para lograr

un aprendizaje verdadero?

¿lo único que puede lograr atraer la atención completa del niño y

de la juventud son contenidos animados de acuerdo a su edad,

como dibujos animados, películas de acción, etc.?

Lo que nos induce a pensar en que el desarrollo tecnología actual, no

está siendo manejada de una forma correcta, es decir, no está

enfocada al desarrollo del niño, mas solo a su diversión diaria, dichas

distracciones han conllevado a que el niños requiera de ciertos

parámetros para prestar atención hacia alguna cosa de interés, como


el aprendizaje escolar, ya que en su mente siempre permanece

aquella impresión gráfico y sonoro de algún video, programa o juego

de computador o de televisión que lo mantiene constantemente

distraído de lo que desea expresar.

1.3. Formulación del Problema

1.3.1. Problema Principal

¿Cuál será la contribución del sistema inteligente “SIAPDI” en el

desarrollo de Sesiones de Aprendizaje Dinámicas?

1.3.2. Problemas específicos

¿Qué impacto tendrá la Arquitectura en la efectividad?

¿Cuál será la utilidad de la Aplicación en la fluidez de la

Información?

¿Qué implicancias existirán entre la adaptación y la capacidad

cognitiva?

¿En qué medida contribuirá el sistema inteligente “SIAPDI” en el

proceso de aprendizaje significativo?

¿Cómo repercutirá la evaluación del sistema inteligente “SIAPDI”

en la evaluación de la sesión de aprendizaje dinámica?

1.4. Objetivo de la Investigación

1.4.1. Objetivo Principal

Determinar la contribución del sistema inteligente “SIAPDI” en el

desarrollo de sesiones de aprendizaje dinámicas.

1.4.2. Objetivos Específicos

Analizar el impacto de la Arquitectura en la efectividad.

Medir el nivel de utilidad de la Aplicación en la fluidez de la

Información.


_________________________________1 WEB: http://es.wikipedia.org/wiki/C%C3%A1mara_web , visitado el día 10 de dic 2011, editado el día 16 nov 2011, a las 20:08.

http://es.wikipedia.org/wiki/C%C3%A1mara_web

Determinar las implicancias entre la adaptación y la capacidad

cognitiva.

Determinar la contribución del sistema inteligente “SIAPDI” en el

proceso de aprendizaje significativo.

Medir la repercusión de la evaluación del sistema inteligente

“SIAPDI” en la evaluación de la sesión de aprendizaje dinámica.

1.5. Variables e Indicadores

1.5.1. Variable Independiente

X = Sistema Inteligente “SIAPDI”

a. Arquitectura

Indicadores Índices

Capacidad para interactuación con el

usuario en tiempo real. Excelente

(18-20)

Rápido

(14-17)

Normal

(11-13)

Lento

(06-10)

Defectuoso

(00-05)

Rendimiento en la clasificación organizada

de recursos para la sesión de aprendizaje.

Rendimiento en la Interactuación

asincrónica de eventos.

Nivel de compatibilidad de Hardware con

Software.

Identificación del nivel de rendimiento

como cliente-servidor.

Identificar el rendimiento del knowledge en

su proceso de desarrollo.

b. Aplicación


Identificación de los requerimientos y

recursos necesarios para mejorar el

aprendizaje.

Excelente

(18-20)

Rápido

(14-17)

Normal

(11-13)

Lento

Las estrategias y técnicas que los Módulos

SIAPDI proveen son ideales para la

aplicación como herramienta colaborativa.

Los alumnos y profesor demuestran


interactividad con el Sistema.

(06-10)

Defectuoso

(00-05)

El Sistema contribuye en el aprendizaje

significativo de los alumnos, mediante el

intercambio mutuo de conocimientos,

pensamientos y sentimientos.

c. Adaptación


El sistema adecua las ideas demostrativas

de los alumnos.

Excelente

(18-20)

Rápido

(14-17)

Normal

(11-13)

Lento

(06-10)

Defectuoso

(00-05)

Identificación del nivel de rendimiento en la

expresión gráfica de ideas Básicas.

Identificar el rendimiento en la capacidad

de reconocimiento de patrones para auto-

animación de objetos.

Determinar el nivel de Integridad como

Sistema Experto.

Análisis del Rendimiento del Software y

Hardware de Procesamiento Lógico.

Factibilidad del entorno de Interactuación

Usuario-Hardware-Software y viceversa.

Identificación de las acciones comunes del

usuario en la aplicación del Modelo

Experimental.

Analizar e Identificar el nivel de agrado del

Usuario.

Identificar la efectividad en la

Implementación de recursos necesarios

para la elaboración y ejecución de una

sesión de aprendizaje dinámica.

d. Evaluación



Cada Módulo SIAPDI cumple las

expectativas de ejecución y soporte en el

sistema. Excelente

(18-20)

Rápido

(14-17)

Normal

(11-13)

Lento

(06-10)

Defectuoso

(00-05)

El Software está debidamente balanceado

con el hardware.

Analizar e Identificar los riesgos de

Sobrecarga del Software.

Analizar el Rendimiento del tiempo de

ejecución 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 Dinámicas

a. Fluidez de Información


El profesorado conoce, comparte y percibe

el significado de Calidad Educativa

AD=(18-20)

A=(14-17)

B=(11-13)

C=(0-10)

El profesorado conoce las herramientas

TIC Básicas.

Las Metodologías 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

tecnológico del alumno.

Identificar el nivel de conocimiento

tecnológico del Profesor.

b. Efectividad



Los Módulos SIAPDI responden a las

Expectativas Educativas de la Institución.

AD=(18-20)

A=(14-17)

B=(11-13)

C=(0-10)

Los Módulos SIAPDI presentan flexibilidad

en su aplicación.

Las herramientas colaborativas responden

a las expectativas del profesor.

Identificar el nivel de utilidad para la

producción de conocimientos.

Identificar el Rendimiento del Software y el

Hardware en la aplicación de sesiones de

aprendizaje dinámicas.

c. Capacidad Cognitiva.


Los módulos SIAPDI contribuyen en

aprendizaje significativo de los alumnos.

AD=(18-20)

A=(14-17)

B=(11-13)

C=(0-10)

Los alumnos logran captar, aprender y

desarrollar las sesiones dictadas sin

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 Situación Social


Identificar el Alcance Tecnológico de los

alumnos.AD=(18-20)

A=(14-17)

B=(11-13)

C=(0-10)

Analizar las exigencias socio-tecnológicas

del alumno y su entorno.

Analizar e Identificar las destrezas de los

alumnos frente a nuevas condiciones

Tecnológicas.

e. Proceso de aprendizaje significativo



Analizar e Identificar el nivel de aprendizaje

significativo de los alumnos.

AD=(18-20)

A=(14-17)

B=(11-13)

C=(0-10)

Los alumnos lograr identificar claramente

los términos claves.

f. Proceso de desarrollo de conocimientos


Los Módulos SIAPDI fomentan el desarrollo

de conocimientos.AD=(18-20)

A=(14-17)

B=(11-13)

C=(0-10)

Las Herramientas colaborativas del SIAPDI

son las adecuadas en el proceso de

Desarrollo y Aprendizaje grupal.

g. Control de Calidad y Esfuerzo


Cada Módulo del SIAPDI cumplen las

expectativas de desarrollo y aplicación en

el mejoramiento de la calidad Educativa. AD=(18-20)

A=(14-17)

B=(11-13)

C=(0-10)

La variedad de Herramientas colaborativas

del SIAPDI son fáciles de manejar.

Los Módulos SIAPDI muestran eficacia y

efectividad en el desarrollo de la sesión de

la sesión de aprendizaje.

1.5.3. Entorno de Interactuación de las Variables

1.6. Viabilidad de la

Investigación


1.6.1. Viabilidad técnica

La IEP. 70545 “Túpac Amaru”, cuenta con todo el equipo

necesario para el desarrollo e implementación 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 diseño, desarrollo e implementación del sistema a

desarrollar.

Así como las tecnologías necesarias para un funcionamiento

eficaz del sistema inteligente “SIAPDI”, como son:

Lenguajes de Programación VB.net, PHP, javascript y java

Manejo de APIS de Windows (Framework, Directx, COM y

demás)

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 “Túpac Amaru”, el

desarrollador del proyecto, asesor de investigación y los alumnos del

grupo de estudios establecidos en el presente trabajo.

1.6.3. Viabilidad Económica

Los gastos de la presente investigación serán financiados en su

totalidad por el investigador.

Los gastos en la adquisición de Hardware, Mantenimiento y

demás, serán financiados por la Institución Educativa donde se

realizara el estudio.

1.7. Justificación e importancia de la Investigación


1.7.1. Justificación

En nuestro entorno competitivo, la implementación de

tecnologías eficientes y económicas contribuye al mejoramiento de

las empresas, organizaciones y demás instituciones, con la que

logran obtener en su gran mayoría un desarrollo significativo

operacional, dándoles una ventaja competitiva.

La institución educativa IEP 70545, como muchas de las

instituciones que existen en nuestro entorno, cuentan con

herramientas tecnológicas 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 institución que posee estos equipos, es tratado como

un bien no utilizable. Lo cual genera el rechazo hacia la

implementación de tecnología como medio para lograr un mejor

aprendizaje.

Para nuestro enfoque Institucional, la implementación de un

sistema inteligente SIAPDI contribuye significativamente en el

incremento de la calidad educativa al proporcionar una herramienta

adaptable al docente y alumno a través del desarrollo de Sesiones de

Aprendizaje Dinámicas, dando una mayor expectativa a la población

de la nueva y futura educación lo que a su vez contribuyen en el

desarrollo intelectual, eficaz, sencillo y dinámico del alumno, dándole

mejores expectativas en la comprensión de Ideas.

Para precisar mucho mejor este tipo de sistema, posee las

siguientes ventajas:


Dinamismo Colectivo

Adquisición de componentes con costos accesibles para

la institución.

Entorno e Interfaz dinámica

Facilidad de Uso y aprendizaje

Herramientas para el desarrollo de sesiones de

aprendizaje dinámicas.

Flexibilidad a los cambios.

Soporte Cliente Servidor: permite al director, subdirector

y personal encargado la evaluación del docente y la

integridad del aprendizaje del alumno, mediante el

control remoto y monitoreo.

Herramienta Integral para la elaboración de sesiones de

aprendizajes acordes al nivel de comprensión del

alumno.

Enseñanza con capacidad de poder ser demostrado

gráficamente.

Las desventajas están a nivel técnico, como cualquier máquina

y/o producto:

Cada componente requiere de mantenimiento, por lo

menos una vez al año.

Cada componente remoto necesita una fuente de

alimentación de 3V proporcionado por una pequeña pila,

y por la cual sus costos de adquisición son mínimos.

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 consideración

que la fabricación de cada componente no pasa los

S/10.00 y que poseen un largo periodo de vida.

Una constante exposición a los Proyectores podría

generar un problema en la visión del alumno, por lo que

se deben tomar las medidas de seguridad adecuadas,

reducir la intensidad del reflejo según 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 imaginación creativa del alumno y del docente.

Mejorar su capacidad de comprensión, aumentar su curiosidad y

ritmo de aprendizaje. Al mismo tiempo que se logra la captación

completa del estudiante hacia el tema enseñado por el profesor.

En el caso del Profesor, el sistema facilitara la enseñanza, ya

que le proporcionara herramientas multimedia y dinámicas.

En el caso del Personal administrativo, el sistema contribuirá

para el monitoreo de las sesiones de aprendizaje que imparten los

docentes y también con el apoyo en el control e interactuación

remota con el Docente. Ejemplo: evaluación de clase modelo, sin la

necesidad de la presencia del director, ni la del subdirector. Lo que

da libertad de expresión al docente.

1.8. Limitaciones de la Investigación

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 minoría,

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.

1.9. Tipo y Nivel de la Investigación

1.9.1. Tipo de Investigación


El presente trabajo de investigación es de tipo aplicada o

tecnológica según el propósito de investigación que tiene como

finalidad aportar tecnología y, aplicar leyes y teorías generadas por la

misma, dentro del contexto de las variables de Sistema Inteligente

SIAPDI y las sesiones de aprendizaje dinámicas. Como lo expone

Vieytes y Piscoya L.

1.9.2. Nivel de Investigación

El presente estudio de investigación por la visión general de la

investigación está ubicado en el nivel experimental, por ser su

propósito aportar tecnología y teoría.

1.10. Método y Diseño de la Investigación

1.10.1. Metodología de la Investigación

El presente trabajo de investigación para la recolección se

utilizara el método deductivo y como métodos específicos objetivo,

subjetivo y estadístico.

1.10.2. Diseño de la Investigación

El presente trabajo de investigación con sus características

peculiares es un trabajo de investigación cuasi-experimental se

encuentra dentro del diseño serie de tiempo y del diseño estático

de comparación, con dos grupos como indica Hernández, bajo los

siguientes esquemas:

Diseño estático de comparación, con dos grupos

- Diagrama o esquema. O1O2

Leyenda:

O1 = Grupo de Observación 1 (Aplicable al sistema)

O2 = Grupo de Observación 2

Diseño de serie de tiempo

- Diagrama o esquema.


O1 O2 O3 X O4 O5 O6

Leyenda:

On = observaciones

X = Inicio de la implementación

1.11. Técnicas e Instrumentos de Recolección de Información

Para esta etapa inicial del proyecto las técnicas e Instrumentos que se van ha utilizado para la recolección de datos son:

Observación Objetiva Ficha Observación Directa.

Observación Subjetiva. Registro de Observación Diarios Íntimos

Entrevista. Ficha de Entrevista.

Encuesta Cuestionario

La selección de Técnicas e Instrumentos de las siguientes Etapas, serán dependientes de los resultados de la etapa anterior.

1.12. Cobertura de Estudio

1.12.1. Universo y Muestra

El universo total de la investigación al ser una investigación del tipo

Cuasi-Experimental, está 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 institución Educativa.


Cuadro n° 1: Universo Total de la IEP 70545 “Túpac Amaru”

N° Clase SecciónGrupo de Estudio Cuasi -

Experimental

1

Primero

A

2 B

3 C

4 D

5

Segundo

A X

6 B

7 C

8 D x

9

Tercero

A

10 B

11 C

12 D

13

Cuarto

A

14 B

15 C

16 D

17

Quinto

A

18 B

19 C

20 D

21

Sexto

A X

22 B

23 C

24 D xFuente: Nomina de Matrícula 2012 – IEP 70545 Túpac Amaru

En total el Universo de estudio es de 24 secciones, de las cuales

se limitara la aplicación de nuestro trabajo de investigación a la

sección del 2do A y a la Sección del Sexto a, para la optimización de

Resultados.

Siendo variable la cantidad de alumnos que pueden acceder a

cada sección por año y el periodo de experimentación según el

cronograma establecido será durante el año 2012 con el alumnado y


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 según los resultados obtenidos hasta la culminación del presente

proyecto, pudiéndose determinar en ella los resultados y conclusiones

obtenidas durante el periodo de estudios establecido.

1.14. Cronograma y Presupuesto

1.14.1. Cronograma

Basándonos en las etapas de Investigación, el diseño y métodos

escogidos para el presente trabajo, el proceso de Investigación

se organizó según la siguiente jerarquía:

Etapa Fecha de Inicio Fecha Final

Planificación lun 16/01/12 vie 31/08/12

Ejecución lun 03/09/12 vie 28/12/12

- Primera Etapa lun 03/09/12 vie 28/09/12

- Segunda Etapa lun 01/10/12 vie 16/11/12

- Tercera Etapa lun 19/11/12 vie 28/12/12

Informe Final y

Difusiónlun 31/12/12 vie 28/06/13


Diagrama de Gantt y Programación de actividadesId Nombre de tarea Comienzo Duración Fin

1 Planificación lun 14/11/11 35 días? vie 30/12/11

2 Elaboracion del Proyecto deInvestigacion

lun 14/11/11 35 días? vie 30/12/11

3 Analizar y estructurar lasiteracciones.

lun 14/11/11 25 días? vie 16/12/11

4 Evaluacion de Viabilidad yDisponibilidad

lun 14/11/11 30 días? vie 23/12/11

5 Elaboracion de la Metodologia lun 21/11/11 30 días? vie 30/12/11

6 Elaboración de losinstrumentos de medición

lun 19/12/11 10 días? vie 30/12/11

7 Ejecución lun 02/01/12 220 días? vie 02/11/12

8 Recoloección de Datos yProcesamiento de la

lun 02/01/12 220días?

vie 02/11/12

9 Primera Etapa lun 02/01/12 90 días? vie 04/05/12

10 Diseño de la estructuraBasica del Software y

lun 02/01/12 60 días? vie 23/03/12

11 Creacion del Software lun 26/03/12 30 días? vie 04/05/12

12 Coordinacion con losGrupos de Estudio

lun 12/03/12 40 días? vie 04/05/12

13 Verificación de laasignacion del Grupo a

lun 02/04/12 20 días? vie 27/04/12

14 Observacion de lasestrategias y

lun 19/03/12 35 días? vie 04/05/12

15 Creacion de los Prototipos lun 19/03/12 35 días? vie 04/05/12

16 Evaluación de Rendimiento lun 23/04/12 10 días? vie 04/05/12

17 Segunda Etapa lun 07/05/12 65 días? vie 03/08/12

18 Analisis y elaboracion deHerramientas

lun 07/05/12 10 días? vie 18/05/12

19 Elaboracion de Tecnicas eInstrumentos de segundo

lun 21/05/12 5 días? vie 25/05/12

20 Aplicación del Sistema lun 07/05/12 65 días? vie 03/08/12

21 Evaluación del Rendimiento lun 28/05/12 50 días? vie 03/08/12

22 Selección de informacionrelevante

lun 23/07/12 5 días? vie 27/07/12

23 Ajustes en la Metodologia lun 30/07/12 5 días? vie 03/08/12

24 Tercera Etapa lun 06/08/12 65 días? vie 02/11/12

25 Elaboracion de Tecnicas eInstrumentos de Tercer

lun 06/08/12 10 días? vie 17/08/12

26 Aplicación deHerramientas

lun 20/08/12 45 días? vie 19/10/12

27 Evaluación del Rendimiento lun 15/10/12 15 días? vie 02/11/12

28 Selección de Informacionrelevante

lun 22/10/12 10 días? vie 02/11/12

29 Ajustes en la Metodologia lun 22/10/12 10 días? vie 02/11/12

30 Difusión lun 05/11/12 45 días? vie 04/01/13

31 Elaboración del Informe Final lun 05/11/12 45 días? vie 04/01/13

32 Elaboracion del Resumen lun 10/12/12 20 días? vie 04/01/13

oct nov dic ene feb mar abr may jun jul ago sep oct nov dic ene


1.14.2. Presupuesto

1.14.2.1. Recursos Humanos

Asesor: 1200.00

1.14.2.2. Recursos Financieros

Descripción CantidadUnidad de

MedidaCosto Total

a Construcción del Prototipo - SENSORCámara WEB 01 Unidad 20.00Led Infrarrojo 08 Unidad 4.00Cable rígido delgado 01 Metro 0.20Cable USB 02 Metro 1.60Conector USB 01 Unidad 0.50Cubierta de Plástico 01 Unidad 2.00Materiales de Uso instantáneo como estaño, pasta, silicona, tornillos, etc.

-- -- 10.00

b Construcción del Prototipo – GUANTELed Infrarrojo 02 Unidad 1.00Guante 01 Unidad 2.00Switch – Pulsador ultra sensible 01 Fabricado 1.50Cable rígido delgado 01 Metro 0.20Materiales de Uso instantáneo como estaño, pasta, silicona, tornillos, etc.

-- -- 3.00

c Equipos RequeridosComputadora – CPU, teclado y mouse 01 -- --Data Display 01 -- --

d MATERIALESÚtiles de Escritorio -- -- --Papel Bond 01 Millar 32.50Lapiceros 05 Unidad 2.50Resaltador 02 Unidad 5.00Tóner – Recarga 01 Unidad 80.00

e BienesComputadora Personal 01 -- --Impresora Laser 01 -- --Libros de Consulta 03 Unidad 60.00

f ServiciosPersonal especializada en estadística 01 -- --

TOTAL 226.00

1.14.2.3. Financiamiento

El Presente proyecto de Tesis será financiado por el ejecutante.Recursos humanos S/. 1200.00Recursos materiales S/. 226.00Sistema “SIAPDI” - Núcleo S/. 0.00 Sistema “SIAPDI” – APP-DEMO S/. 0.00Sistema “SIAPDI” – APP Desde S/ 50 hasta S/ 500.00 cada una

Otros S/. 500.00

TOTAL S/. 1926.00


CAPITULO II“MARCO TEORICO”


CAPITULO II

2. MARCO TEORICO

2.1. Antecedentes de la investigación

1.1.1. Contexto Tecnológico Actual

La Idea de un sistema integral en donde el usuario interactúa

con la misma computadora a través de la interfaz natural es decir

usando su propia naturaleza como el habla, las manos, los gestos y

sonidos para el acopio de información por parte de la computadora y

su debido procesamiento de los mismos para obtener resultados que

contribuyan al desarrollo del objetivo del individuo e institución

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 más 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

Dinámico para el Aprendizaje, dentro de su aplicabilidad es la Forma

en la que Aplica la IA.

Como se puede apreciar el tema de sistemas táctiles va

siendo desarrollado en grandes industrias tanto en nivel lógico

(Utilidad) y en nivel físico (Aplicabilidad) como lo Son de las

Empresas de WINDOWS, APPLET, la iMAC y otros que a nivel

internacional se han convertido en potentes herramientas Dinámicas

que facilitan de gran manera muchas de las tareas al momento de

realizar cada actividad Personal como llamadas telefónicas,

organizadores visuales, agendas electrónicas y demás, en la que la

Investigación de esta Tecnología se realiza de Forma Privada

velando por los Interés propios de la Empresa Desarrolladora,

conforme la Tecnología Avanza abre cada vez más posibilidades

ante la Aplicación de sistemas Con utilidades Extendidas a la


___________________http://materias.fi.uba.ar/7500/Salgueiro-tesisingenieriainformatica.pdfhttp://usablehack.com/amiva/AMIVA.pdf

http://materias.fi.uba.ar/7500/Salgueiro-tesisingenieriainformatica.pdf

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 tecnología

es usada en su totalidad existente por grandes empresas y

desarrolladores de carácter privada, por lo que en este contexto no

se posee información relevante acerca del desarrollo de sistemas

inteligentes que usan sensores tacil-dinámico.

En nuestro contexto nacional carecemos de iniciativa y

tecnología para desarrollar dichos sistemas, por lo que no existe

ninguna documentación formal acerca del tema.

1.1.2. Antecedentes Bibliográficos

a. El Proyecto AMIVA

En la ITAM (Instituto Tecnológico Autónomo de México) se

encontró el proyecto AMIVA, realizada por el Sr. JUAN PABLO

CASARES CHARLES (1999), cuyo objetivo es la creación de una

herramienta, llamada AMIVA, con el fin de ayudar a los

programadores principiantes a adquirir las habilidades de resolución

de problemas fundamentales para programar en un lenguaje

imperativo. Consiste en un ambiente visual de programación, 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 características que tiene el sistema, incorporando

ideas de psicología educativa, interacción hombre computadora

e inteligencia artificial.

Diseñar un sistema que apoye la enseñanza–aprendizaje de la

solución algorítmica 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


sistema también debe tener el potencial para ser incorporado en

un sistema educativo más complejo, como sería un sistema

tutorial inteligente.

Y en la que se llegó a la siguiente conclusión:

Los objetivos que se delinearon en el primer capítulo fueron

alcanzados satisfactoriamente. AMIVA es una herramienta funcional

que apoya el proceso de enseñanza-aprendizaje de algorítmica.

Aprovecha los beneficios de la notación de diagramas de flujo, al

mismo tiempo que minimiza sus desventajas. Sus características

principales se pueden justificar a partir de principios de psicología

educativa y estudios de interacción hombre-computadora.

Finalmente, fue utilizada exitosamente en un laboratorio de

programación.

b. SISTEMAS INTELIGENTES PARA EL MODELADO DEL TUTOR

En la Universidad de Buenos Aires se encontró 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, según estilos de aprendizaje, para

proveerles de una herramienta adicional a través de la cual puedan

recibir tutorizado ‘uno a uno’ independiente del tiempo y la distancia

en que éstos se encuentren.” En la que se llegó a las siguientes

conclusiones:

Se comenzó determinando el estado actual de las

investigaciones sobre el tema de tutorizado inteligente, partiendo

como base de trabajos generales, desde el histórico Acholar de

Carbonell, hasta el moderno CircSim de Evens para analizar las

funcionalidades básicas, los puntos fuertes y las debilidades de los

Sistemas Tutores Inteligentes implantados hasta la fecha de

impresión de este trabajo.


Luego se continuó analizando los casos concretos de

Sistemas Tutores Inteligentes que comparten el dominio de

aplicación 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 básicos que sustentan a los distintos tipos de Sistemas

Tutores Inteligentes, así como también el modelo tripartito de

módulos propuesto por Carbonell y extensamente utilizado en el

ámbito de los STI.

Se procedió luego al análisis de las interfaces, submódulos y

componentes fundamentales para detectar los fallos en las

implementaciones previas y alterar una estructura teórica con más de

35 años para soportar las nuevas tecnologías.

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 más 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 submódulo de protocolos pedagógicos 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 validación

del modelo, de ser aptas para la tarea propuesta, clasificando a los

distintos estudiantes de una manera satisfactoria y funcionando como

el pilar del módulo para la selección del protocolo pedagógico que

más se adapta a las necesidades del estudiante usuario.

Al validar el modelo con los datos reales, tanto para la

triangulación de datos como para el entrenamiento de las redes

neuronales que soportan el modelo, se encontró que los datos se

adaptan muy satisfactoriamente a las condiciones de prueba,


transformándose así, no solo en una herramienta teórica valida para

guiar a los estudiantes en el proceso de aprendizaje, sino también en

un instrumento practico, que permite implantaciones de un Sistema

Tutor Inteligente capaz de generar resultados satisfactorios

mesurables y útiles 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, según sus estilos

de aprendizaje. Además, cumple con la condición de ser un

instrumento adicional para realizar tutorizado “uno a uno” entre el

estudiante y el tutor virtual.

Queda cumplido también 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 más 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 en Agentes y

Recomendaciones Metodológicas para el Desarrollo de

Entornos Virtuales de Entrenamiento con Tutoría Inteligente

En la Universidad Politécnica de Madrid se encontró la Tesis

Una Arquitectura Software Basada en Agentes y Recomendaciones

Metodológicas para el Desarrollo de Entornos Virtuales de

Entrenamiento con Tutoría Inteligente, realizada por el Licenciado

Gonzalo Méndez Pozo, cuyo objetivo es pretender definir una

arquitectura software para EVETIs que facilite la modificabilidad de

los mismos y la reutilización de sus componentes. Para ello, es

necesario tener en cuenta que elementos pueden formar parte de un

EVETI y cuáles de estos interesa que puedan ser sujetos a


modificación, ya sea ampliación, sustitución o incluso eliminación.

Entre estos elementos deben encontrarse:

Entorno Grafico: es uno de los elementos cuya sustitución se

debe poder llevar a cabo con facilidad. Debido a la complejidad

de su desarrollo, resulta difícil de implementar para equipos no

especializados en ello.

Por este motivo, disponer de un EV externo que pueda

integrarse con el software propio podría dar como resultado un

sistema mejor construido.

Módulo de Tutoría: al trabajar con sistemas de enseñanza, uno

de los elementos que es previsible que evolucionen con

frecuencia son precisamente los tutores, ya sea incorporando

nuevas estrategias de tutoría o haciendo uso de nuevos

elementos para valorar las aptitudes de un alumno.

Modelo del Estudiante: está muy relacionado con el anterior, ya

que cuanto más rico y completo sea el modelo que se realiza del

estudiante, mayores y mejores herramientas tendrá el tutor para

trabajar con los alumnos. Por esta razón, también 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 adecuación 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 básico 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 aplicación de un EVETI pueden requerir

diferentes tipos de planificación, incluyendo la posibilidad de

plantear tareas paralelas, realizar operaciones aritméticas o

planificar hacia delante o hacia atrás.


También puede ser conveniente incorporar algoritmos de

planificación más eficientes o utilizar planificación cooperativa.

Así, este es otro de los elementos susceptible de variar

dependiendo del dominio de aplicación y de los avances en el

campo de la planificación.

Planificador de Rutas: unida a la planificación de tareas, la

planificación de rutas se hace necesaria para que el sistema

pueda realizar planes en los que intervengan desplazamientos

dentro del EV, así como para ejercicios en los que, por ejemplo,

haga falta seguir la ruta más corta entre dos puntos o aquella

que cumpla con alguna otra restricción.

Dependiendo de la estructura del EV utilizado y de las

necesidades, es posible utilizar distintos métodos de cálculo de

rutas, como el algoritmo de Dijkstra (Dijkstra, 1959), el A*

(Nilsson, 1971) o diagramas de Voronoi (Voronoi, 1907), por

mencionar algunos. Por tanto, también es necesario que este

elemento pueda ser sustituido con facilidad.

Simulación: el control de la simulación se requiere cuando es

necesario reproducir el comportamiento de algún elemento

presente en el EV tras la acción de un estudiante. Así, por

ejemplo, teclear una clave de acceso puede requerir la

comprobación de la corrección de la clave y la anotación del

suceso en el sistema simulado; pulsar el botón 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 aplicación y las características

de lo que se quiera simular sería necesario disponer de distintos

mecanismos de simulación, basados, por ejemplo, en reglas o

en autómatas finitos. Por tanto, es otro de los elementos

susceptibles de ser sustituido con relativa frecuencia, en función

de las necesidades del dominio de entrenamiento.


Y se Concluyó que el presente trabajo ha cumplido con los

objetivos planteados inicialmente, ha contribuido a la madurez de los

Sistemas Inteligentes de Tutoría, 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 cuestión.

2.2. Marco Histórico

2.2.1. Inspiradores

Platón (428-348 A.C.) : mundo de las ideas

Aristóteles (384-322 A.C.) : lógica como forma de

razonamiento

Al-Khuwarizmi (Siglo Noveno) : algoritmos

Descartes (1596-1650) : método científico

Babbage (1792-1871) : máquina analítica y diferencial

(computadores mecánicos)

Boole (1815-1864) : algebra booleana

2.2.2. Pioneros

Turing (1912-1954) : máquina de Turing, construcción de “Coloso”,

test de Turing.

Shannon (1916-2001) : padre de teoría de la información, chess-

playing computer.

J. Von Neumann (1903-1957) : estructura básica de computador,

autómatas celulares.

J. McCarthy: acuña término inteligencia artificial (1956), inventa el

LISP (1958).

2.2.3. Proceso de desarrollo Histórico después de IA – década 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


teoría conjuntista clásica, es decir, admitiendo pertenencias valoradas

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 día, es prácticamente imposible calcular el volumen

de negocio que generan en todo el mundo, pudiendo encontrar

productos cuyo funcionamiento está directamente basado en dicho

concepto desde los más usuales electrodomésticos, lavadoras,

microondas, cámaras fotográficas, ..., hasta los más sofisticados

sistemas, frenado de trenes, control de hornos, navegación

automática,...

La necesidad de encontrar la solución optimal de un problema

correctamente planteado, o la mejor solución entre las disponibles,

justifica que se construyan y estudien teorías, y se propongan

metodologías adecuadas al campo científico en el que surge la

cuestión que se ha de resolver. Desde un punto de vista más concreto,

pero aún muy general, una importante clase de problemas son los

conocidos con el nombre de problemas de optimización, habitualmente

asociados a tener que encontrar el máximo o el mínimo valor que una

determinada función puede alcanzar en un cierto conjunto previamente

especificado. Todo lo relativo a estos problemas se enmarca dentro

del cuerpo doctrinal denominado Programación Matemática, que

incluye una enorme variedad de situaciones, según que se consideren

casos lineales, no lineales, aleatoriedad, un solo decisor o varios

decisores, etc. Entre todos los modelos que se incluyen en la

Programación Matemática, el más y mejor estudiado, así como el que

ha probado tener unas repercusiones prácticas más importantes, es el

correspondiente al caso lineal uni-objetivo, tema del que se ocupa la

Programación Lineal. Los métodos y modelos de la Programación

Lineal tienen relevantes aplicaciones en las diferentes áreas de las

Ingenierías, la Economía, las Matemáticas, la Investigación Operativa,

la Inteligencia Artificial, y demás disciplinas más o menos relacionadas

con la optimización, y constituyen un sustrato teórico más que

adecuado para abordar de un modo elegante y eficiente situaciones

muy complejas.


Cuando en los problemas de Programación Matemática se

consideran elementos de naturaleza borrosa, surgen los métodos de

optimización borrosa, quizás una de las áreas más fructíferas en el

ámbito de lo fuzzy, tanto desde el punto de vista teórico, como

aplicado, que aunque recoge métodos y modelos que dan solución a

una enorme variedad de situaciones prácticas reales, del mismo modo

que le ocurre a la Programación Matemática convencional, no puede

dar respuestas en todos los escenarios posibles. Y no puede hacerlo

por una sencilla razón, y es que hay problemas que siendo planteables

en términos propios de ese campo, no son resolubles con sus

técnicas.

La facilidad de resolver problemas reales de dimensión 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 prácticas contempladas

en multitud de casos (problemas de organización de las tareas que ha

de efectuar un robot, de identificación de itinerarios, de clasificación y

ubicación de recursos, de recorte, … en definitiva, problemas

combinatorios), han motivado que los algoritmos de tipo heurístico

sean empleados cada vez más, como valiosas herramientas capaces

de proporcionar soluciones donde los algoritmos exactos no son

capaces de encontrarlas. Así en los últimos años ha surgido un largo

catálogo de técnicas 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 solución óptima a un problema, es mejor dar una solución

que satisfaga al usuario en algún sentido que previamente habrá

especificado, y que se han demostrado extraordinariamente efectivas.

Ejemplos de esas técnicas pueden ser los algoritmos de Búsqueda

Tabú, Enfriamiento Simulado, GRASP ("Greedy Randomized Adaptive

Search Procedure"), Genéticos, o los más recientes: Meméticos, VNS

(Búsqueda por Entornos Variables), Colonias de Hormigas, Estimación

de Distribuciones, Búsqueda Dispersa, Programación por

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


campo, y la falta de un marco teórico en el que encuadrar, relacionar y

poder comparar estos algoritmos.

Se puede decir que en la mayoría de los casos, estas

heurísticas se han inspirado en algún modelo real de la naturaleza, la

sociedad, la física, ... para producir modelos teóricos que se ajustan a

las circunstancias consideradas. Desde esta perspectiva se ha

conseguido proporcionar solución a casos que, hace muy poco tiempo,

eran intratables con las técnicas convencionales. Sin embargo, las

soluciones conseguidas no han sido en la inmensa mayoría de los

casos las óptimas. Han sido soluciones "cercanas a las óptimas", que

frecuentemente se han obtenido con cargo a criterios distintos del

clásico "conseguir el mejor valor de la función objetivo", al considerar

características subjetivamente establecidas por el decisor.

Como es ya de sobra reconocido, cuando hablamos de

subjetividad asociada a personas humanas, o incluso de cercanía a un

valor óptimo, la forma mejor contrastada de modelizar ese tipo de

situaciones es mediante los conjuntos fuzzy, o mas generalmente con

metodologías propias del ámbito de la Soft-Computing. Sin embargo

esa forma de modelización de la subjetividad, tan desarrollada en

otros ámbitos, prácticamente no ha sido aplicada al caso del diseño de

algoritmos heurísticos, a pesar de que todo apunta que este puede ser

un enfoque muy prometedor porque, aparte de proporcionar

soluciones tan cercanas al óptimo como las otras heurísticas

convencionales ya conocidas,

a) encuentran la solución del problema en cuestión con un

menor costo que los demás métodos,

b) como es habitual en el marco de las metodologías fuzzy,

generalizan las heurísticas ya conocidas (que deben ser casos

particulares de las aquí presentadas, en los valores 0 o 1 del grado de

cumplimiento que se considere), y

c) la hibridación en el contexto de la Soft-Computing favorece y

enriquece la aparición de procedimientos originales que pueden

ayudar a la resolución de nuevos problemas.

Pero, si bien la traza histórica 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 años estaba proscrita. Por ello, y porque algo parecido le

pasa al área de las heurísticas, también denostada durante mucho

tiempo casi en los mismos círculos que lo era "lo fuzzy", en lo que

sigue describiremos sucintamente que es la Soft-Computing y que se

entiende por heurística, y a partir de ambos conceptos, trataremos de

encontrar una zona común en la que se pueda compaginar lo mejor de

ambos mundos. El resultado será doble. En primer lugar surgirán los

procedimientos meta heurísticos basados en Soft-Computing, que se

perfilan como una de las herramientas con un futuro más prometedor

de cara a la solución efectiva de problemas no resolubles hasta ahora,

así como para encontrar soluciones a la medida de quien las busca.

En segundo lugar, y como consecuencia de lo anterior, surgirá una

nueva descripción de las componentes que definen la Soft-Computing,

que ampliará aún más su ámbito de aplicaciones.

Soft Computing

Hasta que en 1994 L.A. Zadeh dio la primera definición de "Soft

Computing", la referencia a los conceptos que actualmente está

maneja solía hacerse de forma atómica, es decir, se hablaba de

manera aislada de cada uno de ellos con indicación del empleo de

metodologías fuzzy.

Aunque la idea de establecer el área de Soft-Computing se

remonta a 1990, como se ha dicho fue en donde L.A. Zadeh propuso

la definición de Soft-Computing, estableciéndola en los siguientes

términos:

"Básicamente, Soft-Computing no es un cuerpo homogéneo de

conceptos y técnicas. Más bien es una mezcla de distintos métodos

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 imprecisión y la incertidumbre, para

conseguir manejabilidad, robustez y soluciones de bajo costo. Los

principales ingredientes de la Soft-Computing son la Lógica Fuzzy, la

Neuro-computación y el Razonamiento Probabilístico, incluyendo este

último a los Algoritmos Genéticos, las Redes de Creencia, los

Sistemas Caóticos y algunas partes de la Teoría de Aprendizaje. En


esa asociación de Lógica Fuzzy, Neurocomputación y Razonamiento

Probabilístico, la Lógica Fuzzy se ocupa principalmente de la

imprecisión y el Razonamiento Aproximado; la Neurocumputación del

aprendizaje, y el Razonamiento Probabilístico de la incertidumbre y la

propagación de las creencias".

Queda claro así como la Soft-Computing no está definida

precisamente, sino que en una primera aproximación se define por

extensión, por medio de distintos conceptos y técnicas que intentan

superar las dificultades que surgen en los problemas reales que se

dan en un mundo que es impreciso, incierto y difícil de categorizar.

Aunque ha habido varios intentos de ajustar mas esta

definición, no han sido muy fructíferos. Así, por ejemplo en [4], a la

vista de la dificultad de dar una nueva definición del campo de una

manera exacta y consensuada, y de la mayor sencillez de hacerlo por

medio de sus características, los autores proponen la siguiente

definición de trabajo, que vuelve a ser de tipo descriptivo: "Cualquier

proceso de computación que expresamente incluya imprecisión en los

cálculos en uno o más niveles, y que permita cambiar (disminuir) la

granularidad del problema o suavizar los objetivos de optimización en

cualquier etapa, se define como perteneciente al campo de la Soft

Computing".

El punto de vista que aquí consideramos, y que adoptamos en

lo que sigue, implica otra forma de definir Soft-Computing. Se trata de

considerarla como antítesis de lo que podríamos denominar "Hard

Computing", de manera que podría verse la Soft-Computing como un

conjunto de técnicas y métodos que permitan tratar las situaciones

practicas reales de la misma forma que suelen hacerlo los seres

humanos, es decir, en base a inteligencia, sentido común,

consideración de analogías, aproximaciones, etc. En este sentido Soft-

Computing es una familia de métodos de resolución de problemas

cuyos primeros miembros serían el Razonamiento Aproximado y los

Métodos de Aproximación Funcional y de Optimización, incluyendo los

de búsqueda. En este sentido, la Soft-Computing queda situada como

la base teórica del área de los Sistemas Inteligentes, y se hace

patente que la diferencia entre el área de la Inteligencia Artificial


clásica, 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 Soft-

Computing se puede desgranar entonces en otros componentes que

ayudan a una definición por extensión, como la que se dio en primer

lugar. Desde el principio se han considerado que en ese segundo nivel

los componentes más importantes son el Razonamiento Probabilístico,

la Lógica y los Conjuntos Fuzzy, las Redes Neuronales y los

Algoritmos Genéticos, que debido a su alta interdisciplinariedad, la

importancia y relevancia de sus aplicaciones, y el volumen de

resultados logrados, inmediatamente se destacaron de otras

metodologías como, las ya citadas Teoría del Caos, Teoría de la

Evidencia, etc.

Pero la mencionada popularidad de los Algoritmos Genéticos,

junto con la eficacia demostrada en una gran variedad de áreas 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:

Así, desde esta última concepción de Soft-Computing,

podemos hacer una descripción de otras áreas que surgen en torno a

ella, sin más que tener en cuenta alguna de las posibles

combinaciones que pueden darse:


1. A partir del primer nivel, comenzando por los métodos de

Razonamiento Aproximado, cuando nos concentramos solo en los

Modelos Probabilísticos, nos encontramos con la Teoría de Dempster-

Shafer y las Redes Bayesianas. Pero cuando los Modelos

Probabilísticos los consideramos combinados con la Lógica Fuzzy, e

incluso con algunas otras lógicas multivaluadas, nos surgen los que

podríamos denominar Modelos Probabilísticos Híbridos,

fundamentalmente los de la Teoría de Probabilidad para Eventos

Fuzzy, los de Creencias de Eventos Fuzzy y los Diagramas Fuzzy de

Influencia.

2. Cuando nos concentramos en los más importantes

desarrollos directamente asociados a la Lógica Fuzzy, aparecen

destacados los Sistemas Fuzzy, y en particular los Controladores

Fuzzy. Entonces de la incidencia combinada de Lógica Fuzzy con las

Redes Neuronales y Algoritmos Evolutivos, surgen los llamados

Sistemas Híbridos basados en Lógica Fuzzy, cuyos más 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 Lógica Fuzzy generados y ajustados con

Algoritmos Evolutivos.

3. Moviéndonos en el primer nivel a la otra gran área que

abarca la Soft-Computing, Aproximación Funcional/métodos de

Optimización, el primer componente que aparece es el de las Redes

Neuronales, y por tanto los diversos modelos de las mismas

(Recurrentes, "Feedforward", Perceptrón, Hopfield, ...). En este

contexto, la interacción con las metodologías de la Lógica Fuzzy y los

Algoritmos Evolutivos llevan a lo que suelen llamarse Sistemas

Neuronales Híbridos, particularmente el control fuzzy de parámetros

de Redes, y la generación formal y la generación de pesos en Redes

Neuronales.

4. La cuarta componente típica de la Soft-Computing, por otro

lado la que quizás tenga una historia más corta, pero posiblemente la

de mayor actualidad, es la constituida por los Algoritmos Evolutivos.

Asociados a los mismos aparecen cuatro grandes áreas más


importantes: Las Estrategias Evolutivas y la Programación Evolutiva, y

los Algoritmos Genéticos y la Programación Genética. Si no

atendiéramos más que a estas últimas áreas, podríamos considerar

que en este caso la amalgama de metodologías y técnicas asociadas

a la Soft-Computing desembocan en tres importantes líneas: los

Sistemas Genéticos Fuzzy , los Sistemas Bioinspirados y las

Aplicaciones del Control Fuzzy sobre parámetros evolutivos.

Concentrándonos un poco más en esta última 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 Genéticos Fuzzy, los

Sistemas Bioinspirados y las Aplicaciones del Control Fuzzy sobre

parámetros evolutivos, en esa descripción se echan en falta

importantes tópicos de investigación y desarrollo. En segundo lugar,

que si nos referimos más particularmente a los Sistemas Bio-

Inspirados, resulta patente que no solo son fruto de la Lógica 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 también

intervienen otras metodologías de una gran importancia.

Por eso, en lo que sigue vamos a justificar una nueva definición

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 áreas que abarca.

Heurísticas y Metaheurísticas

Como se puso de manifiesto en, desde el Fuzzy Boom de los

90, las metodologías basadas en conjuntos fuzzy, la Soft Computing,

se han instalado de manera permanente en todas las áreas de la

investigación, el desarrollo y la innovación. Sus aplicaciones se

multiplican en todos los ámbitos 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

tecnológico del que disponemos hoy día, los computadores pueden

abordar problemas de formidable complejidad, tanto en comprensión


como en dimensión, en una gran variedad de campos nuevos

(Bioinformática, Minería de Datos, Ingeniería del Conocimiento,...).

Como anteriormente se comentó, desde mediados de los 90,

los Algoritmos Genéticos, o desde un punto de vista general los

Algoritmos Evolutivos, se están mostrando como métodos muy

valiosos para encontrar buenas soluciones a problemas concretos en

estos campos. Como fruto de su atractivo científico, 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 más que una

clase más de Heurísticas, o de Metaheurísticas, como también lo son

la Búsqueda Tabú, el Enfriamiento (Recocido) Simulado, los métodos

de Escalada, la Búsqueda por Entornos Variables, los Algoritmos de

Estimación de Distribuciones (EDA), la Búsqueda Dispersa, los

GRASP, la Búsqueda Reactiva, y muchos más. Generalmente, todos

estos algoritmos heurísticos (metaheurísticas) suelen proporcionar

soluciones que no son las óptimas, pero que satisfacen en buena

medida al decisor o usuario. Cuando estos actúan 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

computación tradicional (hard), la Soft-Computing se beneficia de la

tolerancia asociada a la imprecisión, 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

métodos de búsqueda y optimización que se emplean, deberían

considerarse los Algoritmos Heurísticos o aún mejor las

Metaheurísticas.

Suele haber mucha controversia y discusión acerca de la

diferencia entre Metaheurística y Heurística. No es nuestra intención

aquí entrar en ese debate, pero si nos interesa hacer una mínima

reflexión acerca de ambos conceptos. Como es de sobra conocido, el

término heurística proviene de la palabra griega "heuriskein", cuyo


significado está relacionado con el concepto de encontrar y se vincula

a la famosa y supuesta exclamación ¡eureka! de Arquímedes.

Con ese origen se han desarrollado un gran número de

procedimientos heurísticos para la resolución de problemas de

optimización específicos con mucho éxito, de los que se intenta

extraer lo mejor de ellos y emplearlo en otros problemas o en

contextos más extensos. Esto ha contribuido al desarrollo científico de

este campo de investigación y a extender la aplicación de sus

resultados. Surgen así las denominadas metaheurísticas, término que

apareció por primera vez en un artículo de Fred Glover en 1986.

El término metaheurística deriva de la composición de la

palabra heurística, ya comentada, con la del sufijo meta (más allá o de

nivel superior). Aunque no existe una definición formal de qué es una

metaheurística, las dos siguientes propuestas dan una representación

clara de la noción general del término.

a) Osman y Laporte la definen así: una metaheurística se

define formalmente como un proceso iterativo que guía una heurística

subordinada, combinando de forma inteligente diferentes conceptos

para explorar y explotar el espacio de búsqueda.

b) según Voss et al.: una metaheurística es un proceso

maestro iterativo que guía y modifica las operaciones de heurísticas

subordinadas para producir, de forma eficiente, soluciones de alta

calidad. En cada iteración, puede manipular una solución (completa o

incompleta) o un conjunto de soluciones. Las heurísticas subordinadas

pueden ser procedimientos de alto o bajo nivel, o simplemente una

búsqueda local o método constructivo.

Parece por tanto claro que el concepto de metaheurística tiene

un carácter más generalista que el de heurística. Por eso en lo que

sigue nos concentramos en las primeras, comenzando por puntualizar

que, en los términos que las hemos definido, una metaheurística será

mejor que otra simplemente en función del rendimiento que

proporcionen a la hora de resolver problemas.

Para conseguir el mejor rendimiento de las metaheurísticas, es

deseable que tengan una serie de "buenas propiedades", entre las que

se encuentran las siguientes:


1) Simplicidad, ya que una metaheurística debe estar basada

en un principio sencillo y claro que la haga fácil de comprender,

2) Independencia, puesto que no puede depender del marco o

del agente tecnológico en el que se vaya a desarrollar.

3) Coherencia, porque los elementos que caractericen la

metaheurística 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 metaheurísticas deben proporcionar

soluciones óptimas o muy cercanas a las óptimas, es decir, de alta

calidad en algún sentido propio que cada usuario deberá especificar, y

que podrá depender de cada problema concreto.

5) Eficacia, en el sentido de fallar solo en ocasiones muy raras

ante casos prácticos del mundo real.

6) Eficiencia, como una característica, más que deseable,

exigible en términos de recursos, es decir, de tiempo de ejecución, 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 aplicación y a los distintos casos que se consideran.

9) Robustez, ya que no puede ser muy sensible a pequeñas

alteraciones del modelo o contexto de aplicación.

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 metaheurística, y

12) Autonomía, para facilitar su funcionamiento automático

global, o al menos en alguna de las facetas que la caractericen.

A la vista de su definición y de ésta serie de características

deseables, es obvio que entre las metaheurísticas, como no podía ser

de otra forma, se encuentran los Algoritmos Evolutivos, y que por tanto

tienen un fácil acomodo con las demás componentes del segundo

nivel de la Soft-Computing, con las que sus sinergias deben facilitar la


aparición de nuevas metodologías, esquemas y marcos teóricos y

prácticos que, como se explica en, ayuden a entender y tratar mejor la

generalizada imprecisión del mundo real.

Una revisión de las componentes de la Soft Computing

Retomando en este punto la anterior descripción y análisis de

las componentes que describen la Soft-Computing en los distintos

niveles, podríamos concretar que, en el segundo, sus componentes

más importantes son el Razonamiento Probabilístico, la Lógica y los

Conjuntos Fuzzy, las Redes Neuronales y, a la vista de lo explicado,

las Metaheurísticas, que típicamente englobarían los Algoritmos

Evolutivos, pero no quedarían circunscritas a estos exclusivamente.

Con esto, el nuevo marco definitorio de las principales metodologías

que integran la Soft-Computing quedaría como se describe en el

siguiente esquema:

Como antes hemos tenido ocasión de explicar, las

metodologías que integran la Soft-Computing, más que poder ser

entendidas de forma aislada, hay que comprenderlas como el

resultado de la cooperación, la asociación, la complementariedad o la

hibridación de sus componentes de segundo nivel. En esta línea, tiene

perfecto sentido que intentemos ahora ver cuales son las nuevas

facetas teórico-prácticas que se derivan de la aparición entre esas

componentes de las metaheurísticas.

Las metaheurísticas disponibles son tantas y tan variadas, que

es prácticamente imposible ponerse de acuerdo en una forma de

clasificarlas que sea universalmente aceptada. No obstante, la

jerarquía sobre la que hay más consenso considera tres (cuatro)

grupos más destacados:


1) las metaheurísticas para los procedimientos evolutivos,

basadas en conjuntos de soluciones que evolucionan según principios

de la evolución natural,

2) las metaheurísticas para los métodos de relajación, que son

métodos de solución de problemas que utilizan adaptaciones del

modelo original que son más sencillas de resolver,

3) las metaheurísticas para las búsquedas por entornos, que

recorren el espacio de soluciones explotando estructuras de entornos

asociadas a esas soluciones, y

4) otros tipos de metaheurísticas que se corresponden con

tipos intermedios entre los anteriores, o derivados en algún sentido de

estos, y que por su gran variabilidad, para evitar la dispersión, no

consideraremos en lo que sigue.

Bien, haciendo nuestra esta forma de clasificar las

metaheurísticas, lo primero que podemos observar es que la anterior

definición de Soft-Computing que hemos hecho "por extensión" en

función de sus componentes, no solo mantiene la esencia de la

definición original de L.A. Zadeh, sino que la generaliza y amplia para

contemplar nuevas posibilidades. En efecto, si esos cuatro grupos de

metaheurísticas los nombramos MH (1), ... MH(4), respectivamente, el

anterior diagrama descriptivo de las principales metodologías que

integran la Soft-Computing, podría representarse ahora de forma más

explícita como se muestra a continuación,


donde, debido a que las componentes clásicas de la Soft-

Computing (Modelos Probabilísticos, Lógica Fuzzy, Redes de

Neuronas y Algoritmos Evolutivos) siguen estando ahí, las diferentes

áreas conocidas y estudiadas, se mantienen como hasta ahora,

surgiendo como siempre cuando dos o más de esas componentes se

interrelacionan entre sí. Sin embargo, como consecuencia de haber

incorporado nuevas posibilidades en la cuarta componente

(metaheurísticas) ahora tiene perfecto sentido esperar que aparezcan

nuevos Modelos Híbridos que desarrollar.

Para mostrar el abanico de áreas de estudio con el que

podemos contar, cuando la componente base que se toma es la de las

Metaheurísticas, en lo que sigue nos concentraremos en describir las

hibridaciones que surgen empleando para ello la anterior

categorización.

Metaheurísticas Híbridas en Soft Computing

Consideremos los cuatro grandes grupos de metaheurísticas

que más arriba hemos referido. A partir de ellos, en lo que sigue

describiremos las nuevas metaheurísticas que surgen, deteniéndonos

brevemente solo en aquellas que por su novedad tengan un nivel de

desarrollo o popularidad menor.

5.1. Supongamos las metas heurísticas evolutivas. Estas

metaheurísticas, las más populares con mucha diferencia sobre todas

las demás, definen mecanismos para que se desarrolle una evolución

en el espacio de búsqueda de los conjuntos de soluciones, con la

finalidad de aproximarse a la solución óptima 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 metaheurísticas son fundamentales:


Sin embargo, una mínima descripción de esta importantísima y

amplia área, en la que se incardinan desde los Sistemas Genéticos

Fuzzy, hasta el ajuste de controladores fuzzy con algoritmos

evolutivos, pasando por los Algoritmos de Estimación de

Distribuciones, los Sistemas Bioinspirados, etc., escapa por completo

del ámbito de este articulo y se aleja de su finalidad descriptiva y

discursiva, por lo que se remite al lector interesado a fuentes

bibliográficas recientes bien contrastadas ([9,10,11]).

5.2. Metaheurísticas de relajación. Se obtiene una relajación de

un problema real cuando este se simplifica eliminando, debilitando o

modificando algún elemento característico del mismo. Las

metaheurísticas de relajación son estrategias para el empleo de

relajaciones del problema en el diseño de heurísticas, que persiguen

encontrar una solución para un problema que, de no emplear esta

metodología, sería muy difícil poderlo resolver. Ejemplos triviales de

las mismas son los redondeos o los ajustes de naturaleza, como

ocurre cuando a una cantidad expresada imprecisa y lingüísticamente,

se le asocia un valor numérico 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

metaheurísticas de relajación basadas en reglas; admitiendo la

vaguedad de los coeficientes, justificando los algoritmos para resolver


problemas con parámetros fuzzy; y relajando la verificación de las

restricciones, permitiendo ciertas violaciones en su cumplimiento:

Por ilustrar un poco más concretamente alguna de estas metas

heurísticas, consideramos los algoritmos con criterios de parada fuzzy

[12,13]. Como se sabe, los criterios de parada fijan las condiciones de

finalización del procedimiento iterativo de un algoritmo,

estableciéndose dichos criterios a partir de las características teóricas

del problema, del tipo de solución que se busca y del tipo del algoritmo

que utilice. Si un algoritmo dado proporciona la sucesión (xn) de

soluciones factibles, algunos de los criterios de parada más frecuentes

son:

a) parar el proceso después de N iteraciones,

b) parar el proceso cuando la distancia relativa o absoluta entre

dos elementos de la sucesión a partir de una determinada iteración

sea menor o igual que un valor prefijado,

c) parar el proceso cuando una medida prefijada g(xn)

satisfaga una determinada condición 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 flexibilización de los algoritmos exactos con la

introducción 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 función del grado de pertenencia de los elementos.

5.3. Metaheurísticas de búsqueda. Probablemente estas sean

las metaheurísticas más importantes, por generales. Su

funcionamiento básico 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 búsquedas evolutivas, no lo son debido a que aquellas

basan su funcionamiento en la evolución de una población de

individuos sobre el espacio de búsqueda.

La descripción de estas metaheurísticas suele hacerse a partir

de una diversidad de metáforas, que pueden servir para justificarlas

como bio-inspiradas, de carácter sociológico, basadas en la

Naturaleza, ... que las confieren un alto grado de popularidad.

Ahora bien, fuera de ese marco descriptivo, dado que una

búsqueda puede realizarse mediante un único procedimiento

buscador, o por más de uno, y que en este caso, los métodos de

búsqueda podrían cooperar entre si o no, las metaheurísticas de

búsqueda (sin que esta clasificación sea exclusiva de este apartado)

pueden considerarse como individuales o múltiples, permitiéndose en

este último caso la posibilidad de que los diferentes agentes cooperen

entre sí o no. Las distintas opciones que pueden surgir en el contexto

de la Soft-Computing se recogen en el siguiente esquema:


Entre las metaheurísticas individuales más conocidas se

encuentran el "Hill Climbing", las de tipo "Greedy", las de Arranque

Múltiple, las de Entorno Variable, las de Recocido Simulado o las

Búsquedas Tabú, que pueden tener sus propias extensiones fuzzy.

Independientemente de su forma concreta de actuación, todas

estas metaheurísticas progresan por el espacio de búsqueda en base

a evaluaciones de la función objetivo del problema concreto que se

esté tratando de resolver, lo que explícitamente supone realizar

valoraciones numéricas, con ayuda de una función objetivo, en un

espacio exactamente determinado. Pero con mucha frecuencia, la

función objetivo representa alguna propiedad vagamente establecida,

y el espacio de búsqueda, o los entornos en los que ésta se va

realizando, no tiene unas fronteras nítidamente definidas, lo que da

perfecto sentido a enfocar la aplicación de estas metaheurísticas con

elementos teóricos del campo de los conjuntos y la lógica fuzzy.

Precisamente en ese contexto surgen los algoritmos de tipo FANS

(Fuzzy Adapative Neighborhood Search) [14,15].

FANS es un método de búsqueda por entornos donde las

soluciones se evalúan no solo en términos de la función objetivo, sino

también mediante el empleo de propiedades y conceptos fuzzy que

permiten valoraciones cualitativas sobre las soluciones. Además, es

un método adaptable al contexto, ya que su comportamiento varía en

función del estado de la búsqueda a través 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 operación (OS), para

adaptar el comportamiento o características del operador; y un

administrador de vecindario (NS), para generar y seleccionar una

nueva solución.

A continuación se muestra un esquema del algoritmo, en el que

se puede apreciar la interacción entre las cuatro componentes antes

descritas:


Como puede comprobarse, después de una etapa de

inicialización el algoritmo itera hasta que se verifica una cierta

condición de finalización. En cada iteración se ejecuta el administrador

de vecindario NS, el cual utilizando la solución actual SolAct, el

concepto fuzzy FC y el operador OP, generará cierto número de

soluciones vecinas, las cualificara mediante FC y elegirá alguna en

función de algún criterio. Si es posible, el administrador devuelve una

solución vecina, que pasa a ser la solución actual. Además se realiza

la comparación correspondiente para verificar si es la mejor de todas

las visitadas. Si, por ejemplo, no existieran soluciones vecinas

satisfaciendo el criterio utilizado, se produciría una condición de

excepción. Como respuesta, se ejecutaría el administrador de

operación OS, que modificaría en algún sentido el operador utilizado.

En la próxima iteración, el administrador de vecindario dispondría de

un operador diferente para buscar soluciones. Finalmente, si se

verifican ciertas condiciones, la propiedad difusa que se está

empleando se adapta, lo que ocurre por ejemplo cada vez que la

solución actual cambia, o después de un número fijo de iteraciones.

Por otro lado, si el procedimiento de búsqueda se realiza a

partir de varias metaheurísticas, como se ha comentado

anteriormente, tenemos la posibilidad de que estas cooperen entre sí o


no, y por tanto la generalización de todo lo descrito hasta ahora al

contexto del paralelismo, algo que obviamente escapa del ámbito de

este trabajo, pero sobre el que es interesante hacer una mínima

reflexión, ya que con la proliferación de la computación paralela, las

cada vez más potentes estaciones de trabajo, y la velocidad de las

redes de comunicación, las implementaciones paralelas de las

metaheurísticas han surgido como algo natural, proporcionando una

interesante alternativa para aumentar la velocidad de la búsqueda de

las soluciones. En ese sentido se han propuesto y aplicado diversas

estrategias que se han demostrado muy eficientes para resolver

problemas de gran tamaño y para encontrar soluciones mejores que

las de sus contrapartidas secuenciales, debido a la división del

espacio de búsqueda, o porque han mejorado la intensificación y la

diversificación de la búsqueda. Por ello, el paralelismo, y por tanto las

metaheurísticas múltiples, no sólo constituyen una vía para reducir los

tiempos de ejecución de las metaheurísticas individuales, sino también

para mejorar su efectividad y robustez.

En el ámbito de la Soft-Computing, la idea básica que hasta

ahora se ha desarrollado ha consistido en suponer que se dispone de

un conjunto de agentes resolvedores, cuya función básica es ser

algoritmos de solución de problemas de optimización combinatoria, y

ejecutarlos de forma cooperativa a través de un agente coordinador

para resolver el problema en cuestión, teniendo como premisa

fundamental la generalidad basada en un conocimiento mínimo del

problema. Cada agente resolvedor actúa de forma autónoma 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 cómo 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 envía a éstos, llevando de

esta manera todo el control de la estrategia.

2.2.3. Proceso de desarrollo Histórico Sensores o Pantallas Táctiles.


La Idea de tecnología flexible y adaptable que use una

interface compatible con el accionar humano instantáneo como

manejar un plumón, señalar y resaltar textos importantes con la mano,

hacer ubicación y explicación de objetos, etc. Viene siendo estudiando

desde ya hace mucho tiempo. En donde la actualidad no se determina

quién fue el fundador de la tecnología táctil. Pero lo que sí se sabe es

que fueron apareciendo progresivamente según las necesidades ante

una interface compleja.

Históricamente se atribuye la primera pantalla táctil al británico

E.A. Johnson, desarrollada alrededor de los años 1965 y 1967, la cual

fue una pantalla táctil capacitiva. El inventor describió su trabajo en un

artículo publicado en 1965 y luego lo detalló en los años siguientes,

teniendo como idea usar esta tecnología en control de tráfico aéreo.

Eso no llegó muy lejos, y en la década de los setenta, el doctor

Sam Hurst (fundador de la empresa Elographics) fue el que dio el

siguiente gran avance. Hurst creó un sensor “touch” en 1971 mientras

era profesor de la Universidad de Kentucky. Este sensor fue llamado

“Elograph” y fue patentado por la fundación de investigaciones de la

propia universidad. El “Elograph” no era una pantalla táctil

transparente como las que conocemos ahora, sino que era bastante

más tosco. La idea de Hurst era usar el sistema para leer información

de forma más fácil. En 1973, el elograph fue elegido dentro de uno de

los 100 productos tecnológicos más importantes para la época.

Transcurrido unos años de investigación y desarrollo, Sam

Hurst y su empresa logran finalmente en 1977 crear y patentar la

primera pantalla resistiva táctil, cuya tecnología ha estado presente en

muchos productos de hoy en día. Luego con el paso del tiempo

Elographics siguió trabajando en este tipo de pantallas, incluso en

conjunto con Siemens, logrando la primera pantalla de vidrio táctil

curva.

Pero no es hasta 1983 que las pantallas táctiles dan el

siguiente paso. HP lanzó al mercado uno de los primeros

computadores con pantalla táctil para uso comercial. El llamado HP-

150 funcionaba con transmisores y receptores infrarrojos montados

alrededor de una pantalla Sony CRT de 9”, el cual detectaba la


posición de cualquier objeto no transparente en la pantalla. Sin

embargo los sensores se ensuciaban frecuentemente con polvo, por lo

cual requería una constante limpieza para su correcto funcionamiento.

Ya para los noventas, empieza a surgir la industria de pantallas

táctiles en dispositivos móviles. Y fue nada más ni nada menos que

Apple la que la introdujo en este mercado en 1993, con su (fracasada)

PDA llamada Newton. El equipo venía equipado con reconocimiento

de escritura usando un lápiz. A la par, IBM también introduciría al

mercado lo que sería el primer llamado “Smartphone”, que ofrecía las

capacidades de un teléfono, un calendario, un bloc de notas, un

beeper, una PDA e incluso una máquina de fax. Todo esto sin botones

y simplemente a través de una pantalla táctil. Ya para 1996 Palm entra

al mercado de las PDAs con nuevas tecnologías táctiles dentro de su

serie Pilot.

Con el tiempo, los precios de esta tecnología han ido bajando y

las opciones para trabajar con ellas han ido creciendo. Muchos

fabricantes de teléfonos móviles han intentado incorporar así la

tecnología táctil dentro de sus equipos, pero no es hasta estos últimos

5 años que hemos visto cómo esta tecnología se ha vuelto masiva en

teléfonos, tablets y PDAs. De hecho si se ponen a pensar hoy en día

casi todos los teléfonos no básicos, tienen por defecto una pantalla

táctil, dejando atrás y con una impresión de anticuado el uso de los

botones.

Desde el contexto actual, la rentabilidad de este sistema radica

en su aplicación a los videojuegos utilizando, un control sin botones o

wimote (en el caso de la organización nintento y el PlayStation).

2.3. Marco Conceptual

Basándonos en nuestra investigación, la estructura un sistema SIAPDI para

este caso, consta de dos partes:

a. Hardware hibrido – Físico : consta de la construcción del sensor (emisor

y receptor) basándonos en componentes Físicos como :

- WebCam.

- Luz Visible

- Adaptadores Genéricos (Compatibilidad con interfaces USB)

- Componentes Electrónicos


- Componentes reciclables

b. Software – Lógico : conformada por los algoritmos lógicos, mini

sistemas reconocedores de imágenes y todas las características de un

software básico(interfaz de compatibilidad con proveedor de servicios -

API)

Dentro de su estructura de funcionamiento definimos las interfaces de

acceso y relación:

En lo referente al Hardware:

Una cámara 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 están 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 tecnología

que usan los Dispositivos Touch, pantallas Táctiles e inclusive los de

posicionamiento universal.

Se Pretende en una primera instancia la aplicación de luces visibles

como medio de generación de información.

Para lograr un dispositivo económico capas de enviar señales que

sean constantes rápidas y con cierta característica de análisis, es que se

vio en la necesidad de utilizar la luz visible, y no los infrarrojos como

cualquier otro dispositivo los utilizaría.

La utilización de una cámara web como medio de transformación de

la señal visible en información de coordenadas reales dentro de un plano

2D y su presentación en calidad de imagen para la PC, lleva dos ventajas

técnicas:

- Demuestra flexibilidad en limitación de áreas, identifica la cobertura de

captación automáticamente.

- Posee soporte con el ordenador para la transmisión de la imagen

captada.

- Fácil Reconocimiento en el análisis de Patrones gráficos.

- Flexibilidad en el uso de la Memoria del Equipo en Cuestión.

En lo referente al Software:


Un ordenador depende de su procesador y memoria para la

optimización o funcionamiento ideal de los programas. Por lo que cada

módulo o capa de sincronización 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 información.

Cada módulo divide la interactividad del sistema sus relaciones y su

optimización en su rendimiento.

Se usan tres espacios:

- namespace(“ANALIZADOR”) : que analiza y procesa la información

captada del exterior

- namespace(“PROCESADOR”) : este a su vez sirve como soporte para

el desarrollo dinámico de la sesión de clase, posee entorno grafico para

realizar la interactuación con el usuario.

- namespace(“INTELIGENTE”) : Cada estructura trata de predecir lo que

el usuario del sistema desea expresar de forma clara y concisa.


________________http://conversaciones.nokia.com/2011/04/25/5-datos-curiosos-que-deberias-saber-sobre-las-pantallas-tactiles/

FUENTES DE INFORMACIÓNLibros

Cesar Acuña Peralta Maestría en Administración - “Calidad Educativa” editorial

Cesar Vallejo

Alejandro Peña Ayala Ingeniería de Software: Una guía para crear sistemas de

informas de Información. Editorial Revillagigedo 83,

México DF. 1ra Edición.

Consultas en internet

- Elena, Hernández (2006), http://www-03.ibm.com/press/es/es/pressrelease/28340.wss,

visto por última vez, 01 de diciembre del 2011 10:40 pm.

- WikiPedia ,http://es.wikipedia.org/wiki/Pantalla_t%C3%A1ctil, visto por última vez, 10 de

diciembre del 2011 10:30 pm.

- Guillermo (2002) : http://alt-tab.com.ar/la-historia-detras-del-primer-smartphone/ , visto por

última 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 última vez 08 de noviembre del 2011 08:30 am.

- http://www.audienciaelectronica.net/2011/11/11/la-historia-de-la-pantalla-tactil/ , visto por


- Dianfe, http://www.pilos.com.co/drupal/historia-presente-y-futuro-de-las-pantallas-tactiles/ ,

visto por última vez 08 de noviembre del 2011 08:30 am.

- WIKIPEDIA, http://es.wikipedia.org/wiki/Multit%C3%A1ctil, visto por última vez 08 de

noviembre del 2011 08:30 am.

- BENYI ARREGOCES CARRERES,

http://www.consumer.es/web/es/tecnologia/internet/2009/04/27/184954.php , visto por última vez 08 de noviembre del 2011 08:30 am.

- WIKIPEDIA, http://es.wikipedia.org/wiki/Radiaci%C3%B3n_infrarroja, visto por última vez

08 de noviembre del 2011 08:30 am.

- OSMOSIS LATINA, http://www.osmosislatina.com/conectividad/bluetooth.htm, visto por



2010

2006

http://www.osmosislatina.com/conectividad/bluetooth.htm

http://es.wikipedia.org/wiki/Radiaci%C3%B3n_infrarroja

http://www.consumer.es/web/es/tecnologia/internet/2009/04/27/184954.php

http://es.wikipedia.org/wiki/Multit%C3%A1ctil

http://www.pilos.com.co/drupal/historia-presente-y-futuro-de-las-pantallas-tactiles/

http://www.audienciaelectronica.net/2011/11/11/la-historia-de-la-pantalla-tactil/

http://www.fayerwayer.com/2011/11/el-origen-de-la-pantalla-tactil/

http://alt-tab.com.ar/la-historia-detras-del-primer-smartphone/

http://es.wikipedia.org/wiki/Pantalla_t%C3%A1ctil

http://www-03.ibm.com/press/es/es/pressrelease/28340.wss

ANEXOS-


ANEXO N° 1MATRIZ DE CONSISTENCIA

Título : SISTEMA INTELIGENTE “SIAPDI” PARA EL DESARROLLO DE SESIONES DE APRENDISAJE DINAMICAS.

Problema OBJETIVOVARIABLES INDICADORES INDICES MÉTODOS TÉCNICAS INSTRUMENTOSProblema

PrincipalObjetivo General

¿Cómo es el desarrollo

de un sistema

inteligente “SIAPDI” en el desarrollo de Sesiones

de Aprendizaje Dinámicas?

Determinar la

contribución del sistema inteligente

“SIAPDI” en el desarrollo de sesiones

de aprendizaje dinámicas.

VARIABLEDEPENDIENTE

SESIONES DE APRENDISAJE DINAMICAS

1.1. Fluidez de Información

1.2. Efectividad

1.3. Capacidad Cognitiva.

1.4. Proceso de aprendizaje significativo

1.5. Evaluación

1.1.1. El profesorado conoce las herramientas TIC Básicas.1.1.2. Las Metodologías del profesor tienen resultados positivos en el aprendizaje del alumno.1.1.3. Identificar el Nivel Intelectual del alumno.1.1.4. Identificar el Nivel Intelectual del Profesor1.1.5. Identificar el nivel de conocimiento tecnológico del alumno.1.1.6. Identificar el nivel de conocimiento tecnológico del Profesor.

1.2.1. Los recursos tecnológicos responden a las Expectativas Educativas de la Institución.1.2.2. Los recursos tecnológicos presentan flexibilidad en su aplicación.1.2.3. Las herramientas colaborativas responden a las expectativas del profesor.1.2.4. Identificar el nivel de utilidad para la producción de conocimientos.1.2.5. Identificar el Rendimiento del Software y el Hardware en la aplicación de sesiones de aprendizaje

dinámicas.

1.3.1. Los recursos tecnológicos 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. Identificar el Alcance Tecnológico de los alumnos.1.4.2. Analizar las exigencias socio-tecnológicas del alumno y su entorno.1.4.3. Analizar e Identificar las destrezas de los alumnos frente a nuevas condiciones Tecnológicas.1.4.4. Analizar e Identificar el nivel de aprendizaje significativo de los alumnos.1.4.5. Los alumnos lograr identificar claramente los términos claves y conceptos primordiales.

1.5.1. Los recursos tecnológicos fomentan el desarrollo de conocimientos.1.5.2. Las Herramientas colaborativas del SIAPDI son las adecuadas en el proceso de Desarrollo y Aprendizaje

grupal.1.5.1. Cada recurso tecnológico cumple las expectativas de desarrollo y aplicación en el mejoramiento de la

calidad Educativa.1.5.2. Las Herramientas colaborativas que se utiliza en la institución son fáciles de manejar.1.5.3. Las Herramientas colaborativas demuestran efectividad en el desarrollo de la sesión de la sesión de

aprendizaje.

2. Tipo de investigación:Aplicada o tecnológica.

3. Niveles de investigación: Está ubicada en nivel experimental.

4. Diseño de la investigación:

Está basado en el diseño Cuasi-Experimental

5. Método de investigación:utilizará el método deductivo y como métodos específicos objetivo, subjetivo y estadístico

6. Universo y Muestra:Se usaran 2 de 24 secciones de la IEP 70545 “Tupac Amaru”

Para la etapa inicial del proyecto las técnicas, que se van ha utilizado para la recolección de datos son :

Observación Objetiva

Observación Subjetiva.

Entrevista.

Encuesta

Ficha Observación Directa

Registro de Observación de la Situación

Diarios Íntimos

Ficha de entrevista

Cuestionario

VARIBLEINDEPENDIENTE

SISTEMA INTELIGENTE “SIAPDI “

2.1. Arquitectura

2.2. Aplicación

2.3. Adaptación

2.4. Evaluación

2.1.1. Capacidad para interactuación con el usuario en tiempo real.2.1.2. Rendimiento en la clasificación organizada de recursos para la sesión de aprendizaje.2.1.3. Rendimiento en la Interactuación asincrónica de eventos.2.1.4. Nivel de compatibilidad de Hardware con Software.2.1.5. Identificación del nivel de rendimiento como cliente-servidor.2.1.6. Identificar el rendimiento del knowledge en su proceso de desarrollo.

2.2.1. Identificación de los requerimientos y recursos necesarios para mejorar el aprendizaje.2.2.2. Las estrategias y técnicas que los Módulos SIAPDI proveen son ideales para la aplicación 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. El sistema adecua las ideas demostrativas de los alumnos.2.3.2. Identificación del nivel de rendimiento en la expresión gráfica de ideas Básicas.2.3.3. Identificar el rendimiento en la capacidad de reconocimiento de patrones para auto-animación de objetos.2.3.4. Determinar el nivel de Integridad como Sistema Experto.2.3.5. Análisis del Rendimiento del Software y Hardware de Procesamiento Lógico.2.3.6. Factibilidad del entorno de Interactuación Usuario-Hardware-Software y viceversa.2.3.7. Identificación de las acciones comunes del usuario en la aplicación del Modelo Experimental.2.3.8. Analizar e Identificar el nivel de agrado del Usuario.2.3.9. Identificar la efectividad en la Implementación de recursos necesarios para la elaboración y ejecución de

una sesión de aprendizaje dinámica.

2.4.1. Cada Módulo SIAPDI cumple las expectativas de ejecución y soporte en el sistema.2.4.2. El Software está debidamente balanceado con el hardware.2.4.3. Analizar e Identificar los riesgos de Sobrecarga del Software.2.4.4. Analizar el Rendimiento del tiempo de ejecución y costes de mantenimiento del hardware.2.4.5. Los Usuarios Asimilan y aceptan las ventajas y resultados del Sistema como herramienta para el

mejoramiento de la calidad Educativa.


ANEXO N° 2

FICHA DE OBSERVACIÓN DIRECTANivel Cognitivo y de Libertad de expresión de los docentes que

enseñan dentro de la IEP 70545 “Túpac Amaru” DOCENTES

ITEMS

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

1. Conoce y expresa con claridad el significado de Calidad Educativa

2. Capacita a alumnos para la participación en concursos escolares.

3. Emplea voz audible para los oyentes.

4. Atiende a los demás.5. Pide aclaraciones.6. Reconoce cuando los demás tienen la razón.

7. Hace el Uso de la computadora en el desarrollo de sesiones de aprendizaje.

8. Hace el uso de Demostraciones reales en la enseñanza

9. Emplea adecuadamente los materiales durante el desarrollo de la sesión de aprendizaje

10. Conoce las tecnologías TIC Básicas.

11. Acepta a la Tecnología como medio de Desarrollo

12. Tiene deseos de aprender a manejar el software de interés

13. Fomenta el desarrollo entre sus compañeros de trabajo.

14. Presta atención en la forma en la que sus estudiantes se desarrollan como personas

15. Percibe el interés de sus alumnos, con respecto a la forma en que les gustaría aprender.

PUNTAJE TOTAL

LEYENDA C: 0-10, B: 11-15, A: 16-18, AD: 19-20Rango Calificativo de 0-20


REGISTRO DE OBSERVACIÓN DE LA SITUACIÓN

Tiempo Tipo Dato Expectativa

Registro exclusivo para la determinación de las Técnicas e Instrumentos a aplicar.LEYENDA C: 0-10, B: 11-15, A: 16-18, AD: 19-20

Rango Calificativo de 0-20


CUESTIONARIO N° 1

Nivel de Interés de los Docentes y Personal Administrativo de la IEP

70545 “Túpac Amaru”

1. ¿La institución motiva a los docentes en el cumplimiento de su misión?

SI ( ) NO ( )

¿De qué manera?

2. ¿La Institución motiva a los docentes en que todos los docentes compartan la visión de la

IEP?

SI ( ) NO ( )

¿De qué manera?

3. ¿Cree que usted posee un nivel de enseñanza acorde a nuestros tiempos?

SI ( ) NO ( )

¿Cómo se da?

4. ¿Los niños sienten agrado por la utilización 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 gustaría utilizar la tecnología como medio de enseñanza?

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. ¿Aceptaría el reto de formar parte de la nueva Educación?}

SI ( ) NO ( )


GLOSARIO DE TÉRMINOS

1. CALIDAD EDUCATIVA:se refiere a los efectos positivamente valorados por la sociedad respecto del proceso de formación que llevan a cabo las personas en su cultura. Se considera generalmente cinco dimensiones de la calidad: filosofía (relevancia); pedagogía (eficacia); cultura (pertinencia); sociedad (equidad); economía (eficacia)

2. SIAPDI (SISTEMA DE APRENDIZAJE DINÁMICO): Sistema capaz de incorporar herramientas TIC y Herramientas Colaborativas. Que puede incorporar una parte Física (Hardware) y una parte lógica (Software).

3. FLUIDEZ DE INFORMACIÓN: se refiere al grado en el que los conocimientos se desarrollan y se expresan libremente, evitando complicaciones en la comunicación de los mismos, de forma eficiente y eficaz.

4. EFICACIA: Es la capacidad para conseguir un resultado determinado5. EFICIENCIA: similar a eficacia, con la diferencia que se realiza empleando los medios

posibles y dentro del tiempo necesario.6. PRODUCCIÓN: Fabricación o elaboración de un producto. 7. CAPACIDAD COGNITIVA: es la capacidad por la cual el hombre lograr captar información de

interés del exterior y le da una utilidad personal.8. SITUACIÓN SOCIAL: estado que define el rol que juega dentro de una sociedad9. APRENDIZAJE SIGNIFICATIVO: se refiere al tipo de aprendizaje en que un aprendiz o

estudiante relaciona la información nueva con la que ya posee, reajustando y reconstruyendo ambas informaciones en este proceso

10. DESARROLLO DE CONOCIMIENTOS: proceso que conlleva la generación o creación de nuevos conocimientos basados en conocimientos existentes

11. ARQUITECTURA: es el arte y técnica de proyectar y diseñar estructuras y espacios que forman el entorno humano.

12. HERRAMIENTAS COLABORATIVAS: básicamente son los sistemas que permiten acceder a ciertos servicios que facilitan a los usuarios comunicarse y trabajar conjuntamente sin importar que estén reunidos un mismo lugar físico

13. FLEXIBILIDAD: es la capacidad que tiene un objeto o cosa de adaptar a nueva situación.14. ADAPTACIÓN: Transformación de un objeto o de un mecanismo para que desempeñe

funciones distintas de aquellas para las que fue construido:15. INTERFAZ: es la definición de los objetos o componentes públicos y privados que se usan

para interactuar con el sistema.16. EVALUACIÓN DEL RENDIMIENTO: lo referimos al proceso de calificar el nivel de utilidad

que un sistema pueda desempeñar bajo ciertas circunstancias.17. IDENTIFICAR: es determinar qué es lo que se quiere saber o hacer con alguna cosa u objeto.18. NIVEL: identifica el grado de importancia de alguna cosa.19. TECNOLOGÍA: es el producto de la ciencia, conlleva a la aplicación física de las teorías o

leyes.20. TIC: Tecnologias de información y Comunicación, nos facilitan las herramientas necesarias

para lograr una interactuación dinámica entre los usuarios y ordenadores.


Proyecto de Tesis v - SERGIO

Documents

Transcript of Proyecto de Tesis v - SERGIO