Zulma20[1]

Edutec. Revista Electrónica de Tecnología Educativa

Núm. 20/ Enero 06

Sistemas tutoriales multiagentes con modelado del
estudiante y del autor

Zulma Cataldi
Laboratorio de informática Educativa y Medios audiovisuales. Facultad de
ingeniería.Universidad de Buenos Aires.
liema@fi.uba.ar

Fernando Salgueiro
liema@fi.uba.ar

Fernando Lage
liema@fi.uba.ar

Resumen: En esta comunicación se presenta una arquitectura para los STI (Sistemas
Tutores Inteligentes) que integra los aspectos más significativos tecnología de agentes.

________________________________________________________________________
Resolución de problemas matemática y TIC Pág. 1

La arquitectura considera la incorporación de agentes en los módulos del tutor y del
estudiante a fin de poder integrarlos al modelado considerando la base Teoría Uno de
Perkins los estilos de aprendizaje y las inteligencias múltiples de Gardner.

Abstract: In this communication an architecture for STI (Intelligent Tutoring Systems) is
presented and considers the most significant aspects of agents technology.
This architecture considers the incorporation of agents in the modules of the tutor and the
student in order to be able to integrate them to the modeled one considering the Theory
One of Perkins, the styles of learning and multiple intelligences of Gardner.

Palabras claves: Sistemas tutores inteligentes, Sistemas multiagentes, modelado de tutor.

Key Words: Intelligent Tutoring Systems, multiagents systems, modeled of tutor.

1. INTRODUCCIÓN.

1.1. Sistemas Tutores Inteligentes (STI).

Desde 2001 el grupo del LIEMA comenzó a investigar en la aplicación de los STI
en educación, con vistas a la concepción de STI, a través de la propuesta de una nueva
arquitectura (Cataldi, 2004, Cataldi et al., 2004; Salgueiro et al., 2005a,b) y rediseño de los
módulos básicos (Costa et al. 2005, Cataldi et al., 2005, Salgueiro et al., 2005b,c). En esta
dirección se encaminaron los esfuerzos tratando de sentar las bases conceptuales en la
concepción de los STI tutores cuyos componentes básicos puedan ser intercambiables y
reutilizables y que estén fundamentados sólidamente a través de teorías de la enseñanza y
de aprendizaje desde las líneas constructivistas.

Originariamente, los STI se implementaban siguiendo el paradigma procedural, pero
aparecieron algunas limitaciones con respecto a los lenguajes utilizados y al hardware

________________________________________________________________________

disponible. La imposibilidad de representar los dominios complejos y la falta de visión
global acerca las concepciones de los aprendizajes no permitían la creación de un sistema
que pudiera tener las características básicas de los STI propuestas por Carbonell (1970) y
que además fuese eficiente. Más tarde, aparecieron las implementaciones usando
programación orientada a objetos (Russell, 2003), las implementaciones a través de
módulos se integraban para formar un sistema expandible (Carbonell, 1991) y por último
surgieron los desarrollos basados en sistemas multiagentes como lo describe Villareal
Goulart et al. (2001).

En la última década los STI comenzaron a desarrollarse no tan solo orientado a
aplicaciones experimentales sino también a comerciales, utilizando la Programación
Orientada a Objetos (POO) y siguiendo la idea de Carbonell (1970) para los módulos
definidos en la arquitectura trimodular sin solapamientos de funcionalidades. A partir de
ello, surgieron más tarde los Sistemas Tutores Inteligentes Distribuidos y los Sistemas
Tutores Inteligentes basados en la Web, que además aprovechaban las características de las
redes informáticas y en particular de Internet.
Finalmente, surgieron planteos de STI modelados a través de agentes y SMA. En un
comienzo, estos agentes solamente encapsulaban a cada uno de los módulos fundamentales
que conformaban a los STI, por lo que se tenían un: agente tutor: que encapsulaba las
tareas que descriptas por Carbonell (1970) para el módulo del tutor, un agente estudiante
que encapsulaba las tareas para el módulo del estudiante y un agente dominio: que en los
STI orientado a agentes presentaba el mayor problema, ya que no es sencillo encapsular
“todo el conocimiento” dentro de un agente. Estas primeras aproximaciones a los STI
basados en agentes son un “wrapping” o encapsulamiento de las funcionalidades de los
módulos, técnica muy utilizada para los sistemas comerciales.
Las implementaciones más elaboradas de los STI no buscaban aplicar simplemente
el paradigma de agentes a los tutores existentes, sino que debieron rediseñar completamente
su arquitectura para obtener mejores resultados, con respecto a las características que
ofrecía el nuevo paradigma de programación. Un ejemplo de esta nueva redefinición para
soportar a los agentes es la planteada por Patel y Kinshuk (Patel et al., 1996) con los

________________________________________________________________________

módulos por qué conocer, cómo conocer y cuándo conocer con el agregado adicional del
módulo qué conocer, que sigue una estructura acorde a los sistemas basados en agentes.

1.2. Agentes inteligentes y sus aplicaciones en educación: los STI

A fin de precisar qué es un agente, se puede tomar la definición de Russell y Norvig
(2003) quienes señalan que: “un agente es un sistema capaz de percibir a través de
sensores la informaciones que proviene del ambiente donde está insertado y reaccionar a
través de efectores, por lo que se lo puede definir como una entidad de software que exhibe
un comportamiento autónomo, situado en un ambiente en el cual es capaz de realizar
acciones para alcanzar sus propios objetivos y a partir del cual percibe los cambios”.
Un agente es inteligente cuando es capaz de actuar con autonomía y flexibilidad,
basadas en cualidades de reactividad: como la capacidad para percibir su entorno y
responder a tiempo a los cambios que ocurren en él, proactividad o capacidad de mostrar
un comportamiento dirigido por objetivos, es decir, de tomar la iniciativa para planificar su
actuación a fin de lograr sus objetivos y habilidad social a través de la capacidad para
interactuar por decisión propia en los procesos de negociación o cooperación con otros
agentes de software o personas usando un lenguaje expresivo.

Existen otras características que incrementan la inteligencia del agente tales como:
las actitudes mentales, que el agente debe ser capaz de adoptar, similarmente a las del
razonamiento práctico1 realizado por las personas, tales como creer que determinadas
cuestiones son ciertas, desear algo, comprometerse a hacer lo posible por lograrlo e
intentarlo; aprendizaje, que el la habilidad para aumentar por sí mismo el conocimiento
sobre la resolución de problemas y movilidad, desde la habilidad para trasladarse, por
decisión propia, a otra máquina y continuar allí su ejecución, mejorando así la resolución de
un problema. Otras cualidades pueden ser: la racionalidad o capacidad para no actuar
contradiciendo sus propios objetivos (salvo por una buena causa); la veracidad o
compromiso de no comunicar información falsa y benevolencia al aceptar las solicitudes de
servicio, siempre que sea posible.

1
Por razonamiento práctico se interpreta a la clase de razonamiento pragmático que se usa para decidir qué hacer.
________________________________________________________________________

Wooldridge y Jennings (1995) expresan que: “Un agente es un sistema
computacional que está situado en un ambiente y que es capaz de acciones autónomas en
este medio para alcanzar sus objetivos de diseño”. Si bien no existe una definición
universalmente aceptada, se puede tomar una más integradora donde un agente: “es un
sistema (o entidad) físico o virtual situado en algún ambiente, que es capaz de actuar de
manera autónoma y flexible, y cuyo comportamiento está orientado por un conjunto de
tendencias que pueden estar dadas por la satisfacción de ciertos objetivos individuales o la
optimización de cierta función de satisfacción o supervivencia”.

Una definición que complementa a la anterior es la de Villareal Farah (2003) quien
dice que existen diversas definiciones de agentes inteligentes dependiendo principalmente
del contexto y agrega que para hacer referencia a los agentes inteligentes en el marco
educativo y de los STI se los ve como: “fragmentos de software con características
humanas que facilitan el aprendizaje. Estas características puede expresarse desplegando
texto, grafico, iconos, voz, animación, multimedia o realidad virtual”.

Con esta base teórica, en esta investigación, se busca una metodología que propicie
el diseño de los STI con la integración de entidades o agentes inteligentes desde la visión
que la inteligencia genuina sólo es posible si se cuenta con un cuerpo situado dentro de un
entorno, donde para interactuar con el medio ambiente, el agente debe ser capaz de percibir,
razonar y actuar, es decir debe poseer sensores que le permitan recolectar información, a fin
de convertir esa información en conocimiento para alcanzar su objetivo, razonando y
actuando para modificar el entorno.
Por este motivo, se puede decir que este enfoque se inspira en los modelos
biológicos, por lo que se nutre de conceptos mentales como son los: “deseos”,
“motivaciones”, “creencias” y “humores”.
En este campo, se hace referencia también a conceptos sociológicos como
“comunicación”, “cooperación”, “coordinación” y “competencia”, por lo que se puede
decir que este enfoque está inspirado también en la sociología.

________________________________________________________________________

La investigación en metodologías orientadas a agentes es un campo relativamente
nuevo debido a la relación del paradigma de la orientación a agentes con la orientación a
objetos y con los sistemas basados en conocimiento, las metodologías orientadas a agentes
no han surgido como metodologías totalmente nuevas, sino que se han planteado como
extensiones de metodologías existentes. Los intentos por obtener STI cada vez más
flexibles han llevado a la incorporación de los NSTID (Nuevos Sistemas Tutores
Inteligentes Distribuidos) con las ventajas consecuentes de sus aplicaciones con módulos
disponibles en diferentes servidores.
La idea entonces es cimentar las bases teóricas conceptuales y metodológicas para la
construcción de los STI donde la importancia de un tutor inteligente radica en que la
captura de la experticia de los especialistas (ya sea uno o varios docentes expertos en el
dominio), podrá ayudar a la formación de los estudiantes novatos, a través de la adecuación
de la estrategia didáctica que mejor responda a las características de cada estudiante
(considerado novato). Se trata de rediseñar la arquitectura de los STI (Salgueiro et al.,
2005a, b; Costa et al. 2005 y Cataldi et al., 2005) a fin de obtener módulos con
funcionalidades e interfaces bien definidas y sin solapamiento de funciones con la
tecnología de agentes.
Un sistema así definido puede ser aplicable en cualquier área del conocimiento, ya
sea en educación, en capacitación de recursos humanos, o en áreas de administración de
negocios tales como en las diferentes opciones de intelligent business y collaborative
markets a través de sistemas asesores.
Se piensa, que un grupo de agentes cooperando (y compitiendo) a través de un
enfoque inspirado en la sociología, que incluye conceptos tales como comunicación,
cooperación, coordinación y competencia, podría aportar una mejor opción. Pero, este
intento se debe tomar con mucha cautela, ya que en dominios complejos los sistemas
multiagentes necesitan grandes cantidades de información acerca del mismo, por lo que
resulta muy difícil prever todas las situaciones posibles para que los agentes puedan
evolucionar y adaptarse al entorno. Esta podría ser una de la principales limitaciones a
resolver al tratar de implementar un STI basado en SMA..

________________________________________________________________________

2. EL PARADIGMA DE PROGRAMACIÓN DE AGENTES.

La Inteligencia Artificial Distribuida (IAD) es la rama de la Inteligencia Artificial
(IA) que trata de la resolución de problemas de manera cooperativa en un cierto ambiente
por medio de entidades denominadas agentes Las técnicas desarrolladas por la IAD
permiten resolver aplicaciones en distintos niveles a través de: 1) la expansión de las
funcionalidades existentes en el sistema a través del encapsulamiento de estas mismas
aplicaciones en IAD, 2) La generación de sistemas que incorporen las técnicas de la IAD
desde su concepción hasta su implementación. Esto permite obtener una mayor agilidad,
flexibilidad, inteligencia y rendimiento del sistema global que se pueden mejorar a medida
que estos factores permitan alcanzar los objetivos a través de: a) la construcción de sistemas
descentralizados en lugar de los sistemas más usuales con todos sus componentes
centralizados, b) la obtención de soluciones emergentes resultantes de las interacciones
entre los agentes entre sí o de los agentes con los humanos y c) la ejecución concurrente en
lugar de ejecución secuencial que es un punto muy importante a destacar en los desarrollos
actuales (Bolan Frigo, et al., 2004).

El paradigma de la programación de agentes nace entonces como una necesidad,
debido a que muchos de los problemas a resolver son de naturaleza distribuida y para ello
se requiere de soluciones de tipo distribuidas. En cuanto a la aplicación de los agentes y
SMA al ámbito educativo, más precisamente en lo que respecta al diseño de los STI y los
Asesores Inteligentes, se han llevado a cabo investigaciones que propician su aplicación.
Frasson (1996) afirma al respecto, que: “una de las aplicaciones de agentes autónomos
más promisorias es probablemente en la educación y en el entrenamiento” y Shoham
(1992) sostiene que una solución para la construcción de ambientes de enseñanza y de
aprendizaje, si los agentes trabajan de una manera concurrente y autónoma para alcanzar
sus objetivos podría ser una sociedad de agentes que puedan aprender y enseñar.

________________________________________________________________________

3. METODOLOGÍAS PARA EL DISEÑO DE SMA.

Las metodologías para el diseño de los SMA, dan el marco formal para la
concepción de sistemas desarrollados específicamente con agentes. Siguiendo a
Wooldridge (2002) se puede decir que éstas consisten en un conjunto de modelos que
incluyen normativas y procedimientos asociados y se pueden dividir en dos grandes grupos:
a) aquellas inspiradas en los desarrollos orientados a objetos y sus extensiones y b)
aquellas que adaptan la ingeniería de conocimiento y otras técnicas asociadas. Entre las
primeras se pueden citas la AAII (Australian AI Institute) (Kinny et al., 1996), GAIA
(Wooldridge, 1999), agentUML (Odell et al., 2001) y al segundo grupo corresponden:
Desire Framework (Brazier et al., 1995), Cassiopieia (Collinot et al., 1996) y agentes en Z
(Luck et al., 1997)

Las características de los STI sugieren la necesidad de que los agentes que lo
constituyan posean la capacidad de representar simbólicamente el conocimiento y tengan
además la capacidad de llevar a cabo tareas de planificación. Es decir, estas capacidades se
pueden obtener a través de agentes de tipo deliberativos donde la decisiones que los tomen
agentes se basarán en mecanismos de razonamiento lógico. Dada la complejidad del
entorno de desarrollo para el STI, es particularmente apropiado adoptar el enfoque BDI
(believes, desires, intentions), que fuera inicialmente formulado por Bratman (1987) y
luego formalizado por Kinny, Georgeff y Rao (1997).
Las arquitecturas BDI se inspiran en un modelo cognitivo humano (Bratman, 1987),
donde las creencias de los agentes están dadas por la información que reciben del entorno,
constituyendo su propio modelo del mundo. Estas creencias provienen y se modifican por
la acción de los sensores que posee el agente y por la información transmitida
intencionalmente por otros agentes, siendo esta información siempre verdadera, dadas las
características de sinceridad de los agentes. Los deseos, están constituidos por aquellos
estados que el agente debe verificar en su mundo, por lo que los objetivos de un agente son
un conjunto de deseos consistentes entre si y las intenciones son un subconjunto de los
deseos que el agente se propone alcanzar. Los planes están dados por las acciones que el
agente llevará a cabo para lograr sus intenciones los que se pueden desglosar en subplanes.

________________________________________________________________________

De este modo, el agente lleva a cabo una secuencia de revisión de creencias,
generación o modificación de deseos, establecimiento de intenciones y objetivos y
determinación de acciones para lograr esos objetivos, de manera cíclica, que modificarán
nuevamente el mundo tal como lo percibe el agente. (Rao y Georgeff, 1995). Thomason
(1990) ha señalado algunas cuestiones que surgen naturalmente desde la concepción de
agente y que son particularmente complejas de resolver tales como: la representación del
proceso de razonamiento, la utilización de grandes cantidades de razonamiento en
situaciones de final abierto, la construcción de un micromundo de decisión y el manejo de
los objetivos en conflicto. Rao y Georgeff (1995) han propuesto una aproximación formal
mediante el planteo de mundos posibles2, y el agregado de operadores modales para las
creencias, los objetivos y las intenciones, donde cada mundo corresponde a un estado
posible de sucesos, con una relación de accesibilidad entre ellos, en los que el sistema se
representa mediante árboles de decisión. Cohen y Levesque (1990) han identificado
algunas de las propiedades fundamentales de los agentes BDI, que se pueden resumir en: a)
las intenciones plantean problemas para los agentes, los cuales necesitan determinar como
resolverlos, b) las intenciones proveen un filtro para la adopción de otras intenciones, las
cuales no deben entrar en conflicto con aquellas, c) los agentes persiguen el éxito de sus
intenciones, y se inclinan a repetir los intentos si estos fallan, d) los agentes creen que
aquello que intentan es posible, e) los agentes no creen que no deberán cambiar el rumbo
de sus intenciones, g) bajo ciertas circunstancias, los agentes creen que deberían cambiar el
rumbo de sus intenciones, h) los agentes no necesitan considerar todos los efectos
colaterales de sus intenciones.

En el modelado de los sistemas BDI se consideran dos niveles de abstracción: el nivel de
abstracción externo y el interno. Dentro del aspecto externo se toma en cuenta el modelo de agente,
que define la jerarquía de clases y permite determinar qué instancias de agente deben existir, y el
modelo de interacción, que describe, para cada clase, las responsabilidades, finalidades, servicios e
interacciones asociadas y las relaciones de control. Respecto del aspecto interno, allí es donde se
especifican las creencias los deseos y planes de cada agente. Una arquitectura construida sobre la

2
El modelo de mundos posibles, para la lógica epistémica fue propuesto por Hintikka (1992) y ahora es el más comúnmente formulado a
través de una lógica modal usando las técnicas desarrolladas por Kripke (1963). La visón de Hintikka estaba en ver lo que un agente
cree se podría caracterizar en términos de mundos posibles. La lógica epistémica normalmente es formulada como lógica normal
modal usando la semántica de Kripke (1963).

________________________________________________________________________

base teórica de los agentes BDI debe, en consecuencia, poseer estructuras que permitan el
almacenamiento del estado mental o conjunto de creencias del agente, las cuales se corresponden
con el conocimiento que el agente tiene de su entorno, ya éstos no pueden diferenciar entre
información verdadera y creencias. Estas creencias se representan a través de fórmulas de lógica de
primer orden y se pueden almacenar en cualquier estructura de datos, o base de datos.
A partir de la percepción del agente y de los mensajes recibidos provenientes de
otros agentes, estas creencias se actualizan a través de la generación de nuevas entidades de
creencia, y de la eliminación de otras. La disposición de los datos donde se almacenan los
deseos de un agente tiene una estructura análoga a la que almacena las creencias. A partir
del procesamiento de las creencias y deseos se generan las intenciones del agente, éstas a su
vez constituyen la estrategia de acción que sigue el agente, estando sujetas a modificaciones
y que se pueden representar como pilas de planes instanciados. En la definición de los
planes se utilizan las fórmulas de creencias pero no instanciadas; los planes suelen
almacenarse utilizando una estructura de árbol donde las ramas son los posibles cursos de
acción y los nodos son los estados (Emerson, 1990).
En general, se tiene almacenada además, una secuencia de los eventos ocurridos en
el entorno, estructurada como una cola donde los eventos pueden ser la adquisición de una
creencia, o su eliminación. Estos eventos también reflejan la historia del agente, ya que
almacenan los planes utilizados en el pasado.
Los agentes racionales (Bratman, 1987) o de razonamiento práctico poseen
características tales como: a) tienen limitados sus recursos y su capacidad de comprensión y
un conocimiento incompleto del entorno en el que vive, b) tienen creencias sobre el mundo
y deseos que satisfacer, que le llevan a formular intenciones para actuar, c) una intención es
un compromiso para realizar un plan que, en el momento de formularlo es sólo parcial, ya
que depende del estado del entorno en el momento de su ejecución, d) el agente ejecuta las
acciones que intenta realizar sin volver a razonar hasta que se ve forzado a revisar sus
intenciones porque se producen cambios en sus creencias o deseos., formalizadas en una
lógica de intenciones (Rao y Georgeff,1995):
Se puede plantear entonces, el intérprete BDI con diversas estrategias (Wooldridge,
2000) según las características de compromiso del agente (si son osados o precavidos, o si
reconsideran o no sus intenciones cuando creen que no son realizables).

________________________________________________________________________

4. ENTORNOS DE DESARROLLO.

Dentro de los entornos de sistemas multiagentes, una primera opción es la
plataforma OpenSource JADE3 (Java Agent Development Framework) que ofrece algunas
ventajas que justifican la elección de la misma para el desarrollo del sistema multiagente.
La plataforma JADE posee API´s (Application Programming Interface) para la creación
agentes (y elementos relacionados con los mismos), contando además con una interface
gráfica y con herramientas para controlar y depurar el sistema. Los desarrollos responden
al estándar FIPA (Foundation for Intelligent Physical Agents) como así también los
mensajes intercambiados por los agentes (maneja para cada agente una cola de mensajes
ACL (Agent Communication Language) la cual se puede acceder de manera síncrona,
asíncrona o temporizada.
Una segunda opción es JADEX4 ( JADE extension) que es una plataforma que
utiliza JADE con lo cual cumple con todas las especificaciones de la FIPA y proporciona el
marco y las herramientas para desarrollar agentes orientados a objetivos, según el modelo
BDI. Posee una API que facilita el acceso a los conceptos de JADEX cuando se programan
los planes, construidos en JADEX como una clase Java predefinida que proporciona
métodos útiles para gestionar las creencias. Para definir un agente, además de los planes
hay que crear un archivo XML conteniendo las creencias, deseos y planes iniciales del
agente. Este marco brinda también ciertas funcionales que pueden facilitar la definición de
las capacidades del agente.
Una tercera opción entre las plataformas relevadas lo constituye FIPA-OS5 que fue
la primera implementación Open Source del estándar FIPA y ahora tiene posee uno de los
mayores niveles de uso con un gran aporte de los desarrolladores que permiten soportar las
especificaciones experimentales más corrientes en desarrollo. Esta plataforma permite
todos los beneficios de la tecnología FIPA. FIPA-OS 2 es un conjunto de componentes
implementados en Java. Su evolución, permitió el desarrollo del (micro FIPA)µFIPA-OS
apuntando a PDA’s (Personal Digital Assistant) y teléfonos móviles inteligentes, que ha
sido desarrollado por la Universidad de Helsinki como parte del Proyecto Crumpet
3
JADE es un desarrollo de TILAB (CSELT) y su página web es www.jade.tilab.com/, www.jade.cselt.it/ y
http://sharon.cselt.it/projects/jade/ sitio web consultado el 01/07/05
4
JADEX sitio web consultado el 01/07/05 http://vsis-www.informatik.uni-hamburg.de/projects/jadex/
5
FIPA-OS sitio web consultado el 01/07/05 http://fipa-os.sourceforge.net/
________________________________________________________________________

(Creation of User-friendly Mobile Services Personzalized for Tourism) del IST
(Information Society Technology). El componente de comunicación FIPA ACL es el
responsable del envío y recepción de los mensajes y puede ser encapsulado por un agente
FIPA construido por FIPA.OS a través de una extensión de la clase FIPAOSAgent que es la
base para cualquier nuevo agente implementado en el ambiente. Existen además otras
herramientas como LEAP6 (Lightweight Extensible Agent Platform) que es un ambiente de
desarrollo y ejecución de agentes inteligentes, y es el precursor de la segunda generación de
la plataforma de FIPA y ZEUS7 que es un sistema Open Source de agentes implementado
en Java, que se puede considerar como un conjunto de herramientas para construir
aplicaciones multiagentes colaborativas.

5. TEORÍAS DE ENSEÑANZA, ESTILOS DE APRENDIZAJE E
INTELIGENCIAS MULTIPLES.

Se propone diseñar un STI con un marco teórico pedagógico basado en la Teoría
Uno (Perkins, 1995) y por este motivo, se deben rediseñar los submódulos básicos que
componen el STI, a fin de poder integrar los conceptos planteados por la Teoría Uno al
diseño computacional. Con esta mejora, se busca poder identificar el protocolo pedagógico,
o método de enseñanza con el cual cada uno de los estudiantes se pueda sentir más cómodo,
a fin de obtener los mejores resultados en cada sesión. Esto no se puede lograr de una
manera simple en una clase tradicional o sesión pedagógica, en las que un solo docente esta
a cargo de la formación un gran número de estudiantes donde cada uno puede tener como
preferencia a diferentes estilos docentes. Un STI no posee esta limitación, ya que cada una
de las sesiones pedagógicas se realiza con un solo estudiante a la vez, independientemente
de la concurrencia del sistema.

Se ha observado también que los STI, sistemas expertos y asesores inteligentes
disponibles en la actualidad no han encontrado soluciones eficientes que permitan una

6
Sitio web consultado el 02/07/05 http://leap.crm-paris.com/
7
ZEUS. The ZEUS Agent Building Tool. British Telecommunications, http://more.btexact.com/projects/agents/zeus/,
consultado el 02/07/05.

________________________________________________________________________

mayor flexibilidad en cuanto a la incorporación de diferentes modalidades de enseñanza,
aunque en los ´90, con los avances de la psicología cognitiva (Gardner, 1988), las
neurociencias (Gardner, 1987) y los nuevos paradigmas de programación, los sistemas
facilitadores de la enseñanza evolucionaron desde una propuesta instructiva (Cruz Feliú,
1997) hacia entornos de descubrimiento y experimentación del nuevo conocimiento
(Bruner, 1990; Perkins, 1995; Perkins, 2002; Pozo, 1998; Pozo, 1999) y una visión
constructivista de los procesos de aprendizaje. La evolución se marcó desde la postura
conductista con base en la teoría de Skinnner hacia la psicología cognitiva (Schunk, 1997;
Woolfolk, 2001) con aportes tan importantes como aquellos referidos a la activación de los
diferentes sistemas simbólicos que pueden propiciar (Cabero, 2001) potenciando la teoría
de Gardner (1993) de las inteligencias múltiples y su reformulación (Gardner, 1998).
En un sistema como el que se propone, el modelo del tutor es el encargado de
definir y de aplicar una estrategia pedagógica de enseñanza (socrática, orientador,
instructor, etc.), de contener los objetivos a ser alcanzados y los planes utilizados para
alcanzarlos. Es el responsable de seleccionar los problemas, de monitorear y de criticar el
desempeño, de proveer asistencia cuando se la requiera y de seleccionar el material de
aprendizaje para el estudiante. Además de integrar el conocimiento acerca del método de
enseñanza (deductivo, inductivo, analógico, analítico, sintético, de trabajo colectivo, etc.),
las técnicas didácticas (expositiva, discusión, demostración, diálogos, instruccional,
responder preguntas, etc.) y del dominio a ser enseñado (con integración de planificación y
curriculum) (Coll, 1994). En este sentido, la intención de la investigación es emular a un
tutor humano, pero orientado hacia la psicología cognitiva, es decir, teniendo en cuenta,
como señala Perkins (1995), los estilos más apropiados de enseñanza tales como la
instrucción didáctica, el entrenamiento y la enseñanza socrática. A raíz de las necesidades
expuestas, surge una conexión directa con la Teoría Uno que no es un modelo, ni un
método de enseñanza, sino un conjunto de recomendaciones compatibles con cualquier
teoría. Ella estipula que “la gente aprende más cuando tiene una oportunidad razonable y
una motivación para hacerlo”. Para aplicarla se deben reunir las siguientes condiciones:
información clara a través de descripción y de ejemplos de los objetivos y conocimientos
requeridos y de los resultados esperados, práctica reflexiva, es decir, a través de
oportunidades para el alumno de ocuparse activa y reflexivamente de aquello que deba

________________________________________________________________________

aprender, realimentación informativa a través de consejos claros y precisos para que el
alumno mejore el rendimiento y pueda proceder de la manera más eficaz, fuerte motivación
intrínseca y extrínseca mediante actividades ampliamente recompensadas, sea porque son
muy interesantes y atractivas en sí mismas o porque permiten obtener otros logros que
importan al alumno (Perkins, 1995).
Por lo tanto la Teoría Uno planteada por Perkins (1995) se constituye en una opción
válida para dar la base teórica educativa del STI, de lo que se desprenden los distintos
modelos de enseñanza disponibles compatibles con esta teoría. Perkins (1995) plantea que
si se combinan las condiciones que estipula la Teoría Uno con cada uno de los programas
de estudio, se obtienen los métodos respectivos. En otras palabras, la Teoría Uno se
“encarna” de distintas maneras según el programa del momento en la institución. Las
cuatro opciones fundamentales son las siguientes: la instrucción didáctica (o magistral), el
entrenamiento., la enseñanza socrática entre otras opciones.
Se pueden especificar sintéticamente las características de cada una de ellas:
− La instrucción didáctica satisface una necesidad que surge en el marco de expandir el
repertorio de conocimientos del alumnado.
− El entrenamiento satisface la necesidad de asegurar una práctica efectiva.
− La enseñanza socrática se aplica para ayudar al alumno a comprender ciertos conceptos
por sí mismo y darle la oportunidad de investigar y de aprender cómo hacerlo.

Respecto de los estilos de aprendizaje, se han relevado y seleccionado las
herramientas disponibles más adecuadas para caracterizar los estilos de aprendizaje, y se ha
observado que Felder y Silverman (1988) presentan un nuevo enfoque en el estudio de los
aprendizajes que complementa y enriquece la producción que se ha hecho en este sentido,
clasificando a los estudiantes según su forma de aprender de acuerdo a la siguiente lista de
pares dicotómicos: a) Sensitivos (concretos, prácticos, orientados hacia los hechos y los
procedimientos) o intuitivos (conceptuales, innovadores, orientados hacia las teorías), b)
Visuales (prefieren la presentación visual del material tal como películas, cuadros, o
diagramas de flujo) o verbales (prefieren las explicaciones escritas o habladas), c)
Inductivos (prefieren la información que deviene desde lo especifico hacia lo general) o
deductivos (prefieren la información que deviene desde lo general hacia lo especifico) d)

________________________________________________________________________

Activos (aprenden manipulando las cosas y trabajando con otros) o reflexivos (aprenden
pensando acerca de las cosas y trabajando solos), e) Secuenciales (aprenden poco a poco en
forma ordenada) o globales (aprenden de forma holística). Se observa también que un
alumno puede presentar varias de las características descriptas, por lo que el docente
debería ser capaz de adaptar su estilo y modalidad de enseñanza a los estilos de aprendizaje
de tal forma de facilitar la actitud de los estudiantes y la forma de apropiación de los
contenidos a fin de evitar el fracaso que conduce a la deserción y el desgranamiento
(Felder, 1998; 2004). Esto significa reconocer que existen diferentes maneras de acceder al
conocimiento en términos de intereses y estilos, es decir, se poseen puertas de entrada
diferentes para iniciar el proceso de acceso al conocimiento (Litwin, 1997; Gardner, 1993,
2001)).
Según Gardner (1993, 2001) la inteligencia humana posee siete (ocho en la
reformulación) dimensiones diferentes (las siete inteligencias: lingüística, lógico-
matemática, musical, espacial, interpersonal, intrapersonal y cinética-corporal y octava la
naturalista) y a cada una de ellas le corresponde un determinado sistema simbólico. Por lo
tanto, se podría desarrollar un protocolo pedagógico específico que tuviera en
consideración la composición de inteligencias de los estudiantes manejando diferentes
sistemas simbólicos a fin de construir ambientes diferenciadores de aprendizaje (Cabero,
2001).
A partir de estos dos marcos teóricos provistos por los desarrollos de la tecnología
de agentes, los métodos de enseñanza y los estilos de aprendizaje, se elaborará la
arquitectura básica del STI incluyendo, dichas teorías para los modelados y la tecnología
de agentes inteligentes.

6. ARQUITECTURA PLANTEADA PARA EL STI.

La arquitectura que se propone se deriva de la planteada por Carbonell (1970)
(Figura 1) con la consideración de los rediseños sin superposiciones funcionales a fin de
obtener módulos independientes del dominio e intercambiables.

________________________________________________________________________

Sistema Tutor Inteligente

Modulo Modulo Tutor Modulo
Dominio Estudiante

Interfaz

Figura 1: Estructura clásica de un Sistema Tutor Inteligente propuesta por Carbonell (1970).

Desde la perspectiva de las aplicaciones de agentes, se puede distribuir el
conocimiento a impartir en un STI en varios agentes tutores, donde cada uno posee sus
propias creencias, deseos, intenciones, objetivos y planes de acción a través de diferentes
protocolos pedagógicos. Es decir, cada uno estará emulando al estilo de enseñanza de un
tutor humano. Una sesión pedagógica se inicia cuando el estudiante ingresa al sistema a
través de su identificación, a través del agente de interface (AgI). Los datos del mismo
están almacenados en la base de conocimientos (BC) donde se registra el historial y el
estado actual del estudiante por medio de su actualización. Mediante el analizador del perfil
(AgAP) agrupa al estudiante según su estilo de aprendizaje (Felder, 1988) y de su en el
resultado del test de inteligencias múltiples (Gardner, 1998).

Ag Ev

AgPP1

Estudiante
Ag LN AgPP2

AgPP3

Ag AP
Ag I

Plataforma de
comunicación Ag ME
BC

________________________________________________________________________

Figura 2. Arquitectura básica, donde AgI es el agente de interface, AgAP el agente analizador del perfil,
AgME es el agente de modelo del estudiante, BC es la base de conocimiento, Ags. PP son los agentes de
tutores con diferentes protocolos pedagógicos, AgLN es el agente de lenguaje natural y AgEv es el agente
evaluador.

De este modo, el sistema responde a las características del estudiante (AgME) que
ingresa al mismo y le sugiere el protocolo pedagógico más adecuado entre los disponibles
en el sistema (AgPP1, AgPP2, AgPP3, etc). Cada agente pedagógico, posee un generador
de contenidos con objetivos para cada una de las Unidad Didácticas de acuerdo a cada
estilo de enseñanza. Los protocolos pedagógicos están dados por los que sugiere la Teoría
Uno (Perkins, 1995). Existe además, un agente generador de Lenguaje Natural (AgLN) que
permite llevar a cabo la comunicación a través del la plataforma de comunicación utilizada,
y un agente evaluador (AgEV) que realiza un diagnóstico de los errores de los estudiantes
y lleva acabo las evaluaciones.

Las arquitecturas propuestas por JADE, resuelven la comunicación usando KQML
(Knowledge Query and Manipulation Language) propietario, por lo que restringe la
evolución del sistema y su interoperabilidad, por ello se prefiere FIPA-OS plataforma de
desarrollo utilizable con comunicación FIPA-ACL y gran cantidad de plataformas
disponibles compatibles con integración de diferentes opciones Java. Para el administrador
de base de datos, se pensó en MySQL. Actualmente, se está realizando un estudio
comparativo de las tres grandes plataformas mencionadas a fin de sustentar la elección.

7. GRADO DE AVANCE.

Se está completando la primera etapa del proyecto centrada en el modelado de las
preferencias de los estudiantes, para obtener el método de tutorizado según su estilo de
aprendizaje (Costa et al.; 2005).
Se está evaluando en qué medida los atributos relevados con las planillas de
estilos de aprendizaje, se pueden utilizar como datos de entrada para la clasificación a fin

________________________________________________________________________

de generar los árboles de decisión de profundidad acotada por medio de los métodos de
poda o pruning adecuados para obtener las reglas de las familias o clústers con un alto nivel
de confianza. Los resultados de la selección de los protocolos pedagógicos se validaron
utilizando muestras longitudinales de estudiantes, a partir de 2004 y continuando durante en
año 2005. De este modo se tiene un método eficiente para adecuar el sistema al tipo de
tutorizado con el que el alumno siente más afinidad. Se obtiene así, un modelo de STI
adaptativo que reacciona ante las necesidades particulares de los alumnos y que de algún
modo da cuenta de las problemáticas surgidas en los alumnos que ingresan a la Facultad
que requieren de mayor tiempo de tutorizado o acercamiento al experto, y proveerá de una
herramienta que si bien no reemplaza al tutor podrá asistir al estudiante.

8. CONCLUSIONES.

Se ha investigado el problema desde distintas ópticas (sistemas inteligentes y
ciencias de la educación) de forma tal de obtener una base teórica sobre la cual desarrollar
un tutor inteligente. Se ha tenido en cuenta las teorías de aprendizaje, de enseñanza y las
plataformas para el desarrollo de los sistemas multiagentes.
A partir del marco teórico descrito y de los paradigmas de desarrollo de sistemas
multiagentes, se ha diseñado el conjunto de módulos correspondientes al sistema tutor,
habiéndose cumplido con los objetivos que se habían previstos para la presente etapa. Esta
arquitectura presenta una forma más efectiva de comunicación entre el usuario y el
sistema, ya que toma en consideración el estilo de aprendizaje del estudiante.

9. LÍNEAS DE INVESTIGACIÓN FUTURAS.

Determinado el marco teórico, se seccionarán las herramientas metodológicas y el
ambiente de desarrollo más adecuado, a fin de:
− Diseñar un módulo de agente (AgPP) que pueda llevar a cabo la tarea de generación de
estrategias de enseñanza en el módulo del tutor, que permita la adición de nuevos protocolos de
enseñanza (SMA:AgPP´s) que se adapten a las necesidades de cada del alumno (a través de su
perfil); es decir, el agente debe ser capaz de adaptarse a los estilos de aprendizaje de los

________________________________________________________________________

alumnos ofreciendo la estrategia de enseñanza más adecuada.
− Diseñar un módulo (modelo de estudiante) que permita obtener los diferentes estilos de
aprendizaje de los estudiantes de acuerdo sus preferencias (AgAP el agente analizador
del perfil y AgME el agente de modelo del estudiante).
La etapa siguiente se centrará en:
− Diseñar y probar del módulo evaluador con sus diferentes opciones (evaluación y
autoevaluación) y finalmente, en:
− Completar e integrar el módulo del dominio y la interface.

10. BIBLIOGRAFÍA

BOLAN FRIGO, L.; POZZEBON, E.; BITTENCOURT, G. (2004). O Papel dos Agentes
Inteligentes nos Sistemas Tutores Inteligentes. World Congress on Engineering and
Technology Education (WCETE'2004). Guarujá / Santos, SP. Proceedings of the World
Congress on Engineering and Technology Education.
BRATMAN, M (1987). Intentions, plans and Practical Reasons. Harvard University Press,
Cambridge MA.
BRUNER, J. (1990). Actos de significado. Más allá de la revolución cognitiva. Alianza.
Madrid.
CABERO, J (2001). Tecnología Educativa. Editorial Síntesis.
CARBONELL, J. R. (1970). AI in CAI: An artificial intelligence approach to computer
assisted instruction. IEEE transaction on Man Machine System. V11 n.4, p 190-202.
CATALDI, Z. (2004). Metodología para el diseño y evaluación de sistemas tutores
inteligentes. Proyecto de Tesis Doctoral. UNLP con pasantía en ITBA CAPIS.
CATALDI, Z.; LAGE, F.; GARCÍA–MARTÍNEZ, R. Y PERICHINSKY, G. (2004).
Estrategias metodológicas para el diseño de sistemas tutores inteligentes. Aceptado en
WICC´2004. Universidad del Comahue. 21-22 de mayo.
CATALDI, Z; SALGUEIRO, F, COSTA, G, LAGE, F Y GARCIA–MARTINEZ, R.
(2005). Sistemas tutores inteligentes: los estilos del estudiante para selección del tutorizado.
WICC 2005. 13 y 14 de mayo. UNRC.

________________________________________________________________________

COHEN, P. R. y LEVESQUE, H. A. (1990) Intentions is choice with commitent. Artificial
Intelligence. 42, 213-261.
COLL, C. (1994). Psicología y curriculum. Editoral Paidos, Barcelona.
COLLINOT, A; DROGOUL, A. Y BENHAMOU; P. (1996) Agent oriented design os
soccer robot team. ICMAS-96. Kyoto. 41-47.
COSTA, G.; SALGUEIRO, F. A., CATALDI, Z., GARCÍA MARTÍNEZ, R. Y LAGE, F.
J. (2005). Sistemas inteligentes para el modelado del estudiante. Aceptado. GCETE’2005,
Global Congress on Engineering and Technology Education. Marzo 13-15.
CRUZ FELIÚ, J. (1986). Teorías del aprendizaje y tecnología de la enseñanza. Trillas
México
EMERSON, E. (1990). Temporal and Modal Logic. In J. van Leeuwen (Ed.), Handbook of
Theoretical Computer Science, Elsevier Science, 1990)
FELDER R.M.; SILVERMAN L.K. (1988). Learning Styles and Teaching Styles in
Engineering Education. Engr. Education, 78 (7), p. 674-681.
FELDER, B. (1998). R Index of Learning Styles. Consultado el 20 de junio de 2004 en:
www.2.ncsu.edu/unity/lockers/users/f/felder/public/ILSdir/ilsweb.html
FELDER, R. (2004). Conferencia “Cómo estructurar la currícula en Ingeniería” en el IV
CAEDI. Congreso Argentino de Enseñanza de la Ingeniería. Instituto Tecnológico de
Buenos Aires. 1-3 de setiembre de 2004.
FRASSON, C. GAUTHIER, G Y LESGOLD, A. (1996). Intelligent Tutoring Systems
Lecture notes in computer science. Springer Verlag, 1996.
GARDNER, H. (1985). Las Inteligencias Múltiples. Paidós, Barcelona.
GARDNER, H. (1987). La nueva ciencia de la mente: Historia de la psicología cognitiva.
Paidós. Barcelona.
GARDNER, H. (1993). Las inteligencias múltiples. La teoría en la práctica. Paidós.
Barcelona.
GARDNER, H. (2001). La inteligencia reformulada. Paidós, Barcelona.
GUARDIA ROBLES, B. (1997). Asesores Inteligentes para apoyar el Proceso de
Enseñanza de Lenguajes de Programación. Tesis de Maestría en Ciencias Computacionales.
ITESM. Monterrey. México.
HINTIKKA, J. (1962). Knowledge and Belief. Cornell University Press, Ithaca (NY),

________________________________________________________________________

IGLESIAS, C. A.; GARIJO, C.; GONZÁLEZ, J. (2001). Metodologías orientadas a
agentes. Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial. Número
6, Volumen 2. p. 12-23.
JENNIGS, N. SYCARA, K. Y WOOLDRIDGE, M. (1998). A roadmap of agent research
an development. Autonomous agents and multiagents systems. 1, 275-306.
KINNY, D., GEORGEFF, M., AND RAO, A (1996). A methodology and modelling
technique for systems BDI agents. 7th European Workshop of Modelling Autonomous
Agent in a Multi-Agent World. Berlin. LNAI vol1038 Págs. 56-71
KINNY, D., GEORGEFF, M., AND RAO, A (1997). A Methodology and Modelling
Technique for Systems of BDI Agents. Informe Interno.
KRIPKE, S. (1963). Semantical analysis of modal logic. Zeitschrift für Mathematische
Logik und Grundlagen der Mathematik, 9:67-96.
LITWIN, E. (1997). La configuraciones didácticas. Paidos. Buenos Aires.
LUCK; M. GRIFFITHS, N. Y D´INVERNO, M. (1997) From agent theory to agent
construction: A case of study. Intelligent Agents III. LNAI vol 1193.Págs. 49-64. Springer
Berlin.
ODELL, M., PARUNAK,H Y BAUER, B. (2001) Representing agent interaction protocols
in UML. AOSE 2000: LNCS, ol.1957 Págs. 121-140. Springer. Berlin.
PATEL, A.; KINSHUK. (1996). Knowledge Characteristics: Reconsidering the design of
Intelligent Tutoring Systems. CAL Software Engineering & Research Centre 8.1-8.3,
Bosworth House, De Montfort University The Gateway, Leicester LE1 9BH Phone/Fax:
(44) 116 257 7193.
PERKINS, D. (1995). La escuela inteligente. Gedisa
POZO MUNICIO, I. (1999). Aprendices y Maestros. Alianza.
POZO, J. I. (1998). Teorías cognitivas del aprendizaje. Morata.
RAO, A.Y GEORGEFF, M. (1995). BDI Agents: From Theory to Practice Proceedings of
the First Intl. Conference on Multiagent Systems.
RUSSELL, S.J. Y NORVIG P. (2003). Artificial Intelligence: A Modern Approach (2nd
Edition). Prentice Hall.

________________________________________________________________________

SALGUEIRO, F. A, COSTA, G., CATALDI, Z., GARCÍA MARTÍNEZ, R. Y LAGE, F. J.
(2005a). Sistemas inteligentes para el modelado del tutor. GCETE’2005, Global Congress
on Engineering and Technology Education. marzo 13-15
SALGUEIRO, F; COSTA, G., CATALDI, Z, LAGE, F. J. Y GARCÍA-MARTÍNEZ, R.
(2005b)... Sistemas tutores inteligentes con modelado del tutor y del estudiante para mejorar
los aprendizajes de programación en ingeniería. Primeras Jornadas de Educación en
Informática y TICs en Argentina. 14 y 15 de Abril. Bahía Blanca. Universidad Nacional del
Sur. Red de Universidades con Carreras de Informática.
SALGUEIRO, F.; COSTA, G., CATALDI, Z.; LAGE, F. J. Y GARCÍA-MARTÍNEZ, R.
(2005c). Redefinition of basic modules of an intelligent tutoring system: the tutor module.
WICC 2005. Workshop de Investigadores en Ciencias de la Computación. 13 y 14 de
mayo. Universidad Nacional de Río Cuarto. Córdoba. RED UNCI.
SCHUNK, D. (1997). Teorías de la Educación. Prentice Hall.
SHOHAM, Y. (1993). Agent-oriented programming. Artificial Intelligence, 60:51–92.
THOMASON, R. (1990). Progress Towards a Formal Theory of Practical Reasoning:
Problems and Prospects. AI Laboratory , University of Michigan, Ann Arbor.
VILLARREAL GOULART, R. Y GIRAFFA, M. L. (2001). Utilizando a Tecnologia de
Agentes na Construção de Sistemas Tutores Inteligentes em Ambientes Interativos. Tesis
de Maestría. PUCRS
VILLAREAL FARAH, G. (2003). Agentes Inteligentes en educación. Edutec: revista
electrónica de tecnología educativa. Número 16, abril 2003. Centro Comenius
Universidad de Santiago de Chile.
WOOLDRIDGE, M. (1999). Verifying that agents implement a communication lenguaje.
Proceedings 16th National Conference on AI (AAI 99) Orlando. Págs.52-57.
WOOLDRIDGE, M. (2000). Reasoning about Rational Agents MIT Press. Cambridge,
MA., USA.
WOOLDRIDGE, M. (2002). An introduction to multiagent systems. John Wiley Sons.
WOOLFOLK, A. (2001). Psicolog

________________________________________________________________________

Zulma20[1]

Más contenido relacionado

Destacado (20)

Similar a Zulma20[1] (20)

Más de alextm76 (7)

Zulma20[1]