Un modelo de planificación instruccional usando razonamiento basado en casos en sistemas multi-agente para entornos integrados de sistemas tutoriales inteligentes y ambientes colaborativos de aprendizaje

• Autores: Jovani Alberto Jiménez Builes
• Directores de la Tesis: Demetrio Arturo Ovalle Carranza (dir. tes.)
• Lectura: En la Universidad Nacional de Colombia (UNAL) ( Colombia ) en 2006
• Idioma: español
• Enlaces
  • Tesis en acceso abierto en: repositorio.unal.edu.co
• Resumen
  • español

    La Inteligencia Artificial en la Educación es un área interdisciplinar en la que se mezclan investigadores con diversas formaciones y objetivos. Principalmente, trabajan en ella personas interesadas en diferentes campos como: la pedagogía, psicología, informática entre otros. Cada una de ellas aporta desde su perspectiva a la construcción de la disciplina con el propósito de aplicar diversas técnicas al desarrollo de sistemas de enseñanza / aprendizaje de manera inteligente. El término “inteligente” utilizado en estos sistemas queda determinado fundamentalmente por su capacidad de adaptación continua a las necesidades de conocimiento de cada aprendiz. Esta tesis de doctorado presenta un modelo de planificación instruccional usando razonamiento basado en casos para Sistemas Multi-Agente pedagógicos. El modelo permite adaptar la instrucción a las necesidades específicas de cada aprendiz, concediendo al ambiente de enseñanza / aprendizaje de flexibilidad y autonomía gracias a los atributos de los agentes de software. Ambiente Multi-Agente de Enseñanza/Aprendizaje ALLEGRO es el nombre dado al prototipo utilizado para validar el modelo propuesto. Su dominio del conocimiento es el área de gráfica digital para cursos de postgrado en arquitectura y se encuentra estructurado en Unidades Básicas de Aprendizaje (Basic Units of Learning, BULs) que son los temas o unidades a tratar y en Objetivos Instruccionales (Instructional Objectives, IOs) que son los propósitos que debe alcanzar un alumno al finalizar una BUL. ALLEGRO integra los beneficios de los Sistemas Tutoriales Inteligente (ITS) los cuales permiten suministrar procesos de enseñanza/aprendizaje en forma individualizada y los Ambientes Colaborativos de Aprendizaje Apoyados por Computador (CSCL) que permiten propiciar procesos de enseñanza/aprendizaje de manera colaborativa. El paradigma instruccional del sistema ALLEGRO se fundamenta en tres teorías de aprendizaje: conductismo, cognitivismo (cognición distribuida y aprendizaje basado en problemas) e histórico-social.

  • English

    Artificial Intelligence in Education is an interdisciplinary area in which several researchers work. They have backgrounds and goals diverse, for example, several areas as: pedagogy, psychology and computer science. Each one of them contributes from its perspective to the discipline improvement in order to apply techniques to develop teaching/learning intelligent systems. The used “intelligent” term in these systems is certain fundamentally by its adaptation capacity to the knowledge necessities of each apprentice. This doctoral thesis presents a model of Instructional Planning using Cases-Based Reasoning techniques for Pedagogic Multi-Agent Systems. This model allows adapting the instruction to specific necessities of each apprentice, granting to teaching / learning environment with flexibility and autonomy, due to software agents attributes. ALLEGRO: Teaching/Learning Multi-Agent Environment is the used prototype to validate the proposed model. This domain of knowledge is the digital graph area for postgraduate courses in architecture. It is structured in Basic Units of Learning (BULs) that are the topics or units to develop and in Instructionals Objectives (IOs) that are the goals that an apprentice should reach when concluding a BUL. ALLEGRO integrates the kindness of Intelligent Tutoring System (ITS) which allows providing to teaching/learning in individualized way and Computer-Supported Collaborative Learning (CSCL) which supporting teaching/learning process in collaborative way. This instructional paradigm is based on three learning theories: behaviorism, cognitivism (distributed cognition and problem-based learning) and social-historical.