Resumen de Aprendizaje Interactivo de Algoritmos Voraces: del Enfoque Individual al Colaborativo
Ouafae Debdi
La tesis estudia el uso y evaluación de sistemas software educativos para la enseñanza de algoritmos de optimización. Existen distintas técnicas de diseño de algoritmos que pueden usarse para resolver problemas de optimización, bien de forma exacta (algoritmos voraces, programación dinámica, vuelta atrás, etc.) bien de forma aproximada (algoritmos aproximados, algoritmos probabilísticos, etc.). En nuestro caso nos hemos centrado en los algoritmos voraces. Como punto de partida se partía de un método experimental que propone al alumno descubrir si existen funciones de selección óptimas par aun problema de optimización dado y varios sistemas interactivos que lo soportan. La aportación principal de nuestro trabajo de tesis es profundizar en la parte informática de este método didáctico, mediante el desarrollo y evaluación de dos sistemas interactivos que lo soportan: el sistema GreedEx y su ampliación colaborativa GreedExCol. Podemos distinguir dos etapas en nuestro trabajo. En una primera fase, de forma iterativa se evaluó la usabilidad del sistema GreedEx. La usabilidad se evaluó mediante cuestionarios y observaciones, eliminando deficiencias y mejorando algunas funcionalidades. Inicialmente sólo soportaba dos problemas (el problema de la mochila y selección de actividades), y se extendió para soportar otras cuatro variantes del problema de la mochila. Como resultado paralelo, hemos profundizado en el uso docente del método experimental, obteniendo pautas para su uso educativo eficaz. En una segunda fase, se desarrolló y evaluó GreedExCol, ampliación colaborativa de GreedEx. GreedExCol da soporte a la discusión entre los miembros de un pequeño grupo de hasta cuatro alumnos. La metodología de trabajo con GreedExCol es la siguiente. Primero, cada alumno realiza individualmente su labor indagatoria experimental. Se comparten y discuten los resultados obtenidos por cada uno de ellos, de forma que puedan hacer una propuesta de grupo razonada y consensuada de las funciones que consideran óptimas. Para evaluar nuestro método educativo, se ha optado por medir el grado de usabilidad de la herramienta GreedExCol, determinar el nivel de motivación de los alumnos y evaluar la eficacia educativa de nuestro enfoque. La usabilidad se evaluó mediante cuestionarios y logs, detectándose la necesidad de mejoras significativas en su infraestructura de colaboración. También se detectó una correlación entre la motivación de los alumnos y la usabilidad de los distintos elemento de GreedExCol. En una segunda evaluación, se detectaron mejoras significativas en la motivación de los alumnos y su aprendizaje. En una tercera fase, se realizó un análisis de estilos de aprendizajes de alumnos de Informática, junto con otro análisis de correlación, bien con motivación, bien con eficiencia educativa para comprobar si los alumnos que aprenden más o se motivan más corresponden a algún estilo de aprendizaje. De las limitaciones encontradas es la falta de enfoques que integran dos paradigmas educativos como son CSCL y el método experimental. Además son pocas, por no decir ninguna, las herramientas educativas para el aprendizaje de los algoritmos voraces que han sido evaluadas con diferentes enfoques: eficiencia, usabilidad y motivación de los alumnos con resultados satisfactorios. Éste es precisamente la aportación principal del trabajo de esta tesis doctoral. En definitiva esta tesis recoge como aportación e innovación más destacada en el ámbito de la investigación de aprendizaje de algoritmia un método educativo que combina dos enfoques: el experimental y el colaborativo, junto con métodos de evaluación del mismo desde la dimensión de la usabilidad, la eficiencia y la motivación de los alumnos hacia las herramientas que se desprenden de dicho método.
