1
Personalización de Entornos de Aprendizaje Colaborativo: Un Modelo multiagente para la recomendación de tareas pedagógicas Melina B. Trejo, Pablo L. Martínez y Elena B. Durán Instituto de Investigaciones en Informática y Sistemas de Información Facultad de Ciencias Exactas y Tecnología, Universidad Nacional de Santiago del Estero. (e-mails:
[email protected],
[email protected],
[email protected])
Resumen—Hoy en día la educación se enfrenta a dos retos importantes, el estudio independiente y la construcción colaborativa del conocimiento, y se apoya en el uso de la tecnología para su desarrollo. El aprendizaje colaborativo es una actividad cada vez más frecuente, sobre todo, en grupos de alumnos dentro de las aulas de clase, y está adquiriendo relevancia en los entornos de aprendizaje a distancia debido a sus beneficios, como la integración de los alumnos y a la mejora de la calidad educativa. Para apoyar este tipo de aprendizaje se propone en este trabajo un módulo, basado en tecnología de agentes, integrado en la plataforma MOODLE, que permite personalizar las tareas pedagógicas que se ofrecen a un grupo de estudiantes, en función de los estilos de aprendizaje de sus integrantes. Palabras Claves— Aprendizaje Colaborativo, Estilos de aprendizaje, Personalización, Sistema multi-Agente.
I. INTRODUCCIÓN
E
L aprendizaje colaborativo (AC) se refiere a la adquisición de conocimientos, habilidades o actitudes desde la perspectiva del individuo a partir de su interacción con el grupo [1]. La educación en línea se ha vuelto una tendencia global de formación en los ambientes académicos, dando lugar al Aprendizaje Colaborativo Soportado por Computadora (ACSC). Ésta es un área que estudia cómo las personas pueden aprender de manera conjunta con la ayuda de los computadores. La inserción de nuevas TICs (wikis, foros, chats, mensajería instantánea, etc.) en los procesos de enseñanza- aprendizaje hace posible la interacción. Aunque no basta con poner énfasis sólo en el aspecto tecnológico, sino que es importante también considerar aspectos pedagógicos que permitan respaldar la calidad del proceso educativo. En ese sentido, uno de los grandes desafíos en la educación, es la personalización Si se parte de la concepción que aprender significa “adquirir conocimientos relativos a los problemas encontrados en el mundo”; actualmente, en la era de la información, a cada alumno se le pide dar forma a su propio conocimiento según su propia percepción del mundo. Este avance en la educación, en el que los individuos son responsables de sus propios procesos de aprendizaje, requiere ser acompañado desde la tecnología. El desafío de la
tecnología en la personalización de la educación es proporcionar herramientas que “razonen” acerca de la percepción del conocimiento de un estudiante como lo podría hacer un tutor humano. Se debe ser consciente que los estudiantes tienen diferentes habilidades y capacidades para procesar la información, y en base a estas diferencias poder ofrecer material pedagógico dinámico adaptado a preferencias particulares de aprendizaje. Para lograr esto se podría adaptar el material de un curso digital, a los estilos de aprendizaje de los estudiantes perteneciente a un grupo [2]. La mayoría de los entornos si bien cuenta con herramientas para la colaboración, no brindan soporte para formular actividades adaptadas a las características de los grupos de aprendizaje. En particular, MOODLE (Entorno de Aprendizaje Dinámico Modular Orientado a Objeto) es un entorno poderoso para diseñar y producir cursos en línea, que ayuda a los educadores a crear comunidades de aprendizaje en línea, puesto que posee herramientas para trabajos colaborativos. En este trabajo se plantea la aplicación de la tecnología de agentes para la personalización de entornos de aprendizaje a distancia. Estos agentes son entidades autónomas de software capaces de percibir su entorno, procesar tales percepciones y responder o actuar en su entorno de manera racional, es decir, de manera correcta y tendiendo a maximizar un resultado esperado [3]. Los agentes inteligentes son capaces de resolver problemas de manera cooperativa, este tipo de comportamiento es estudiado por una rama denominada “Sistemas Multi-Agente” (SMA). En este trabajo se presenta el diseño de un modulo de personalización para el entorno MOODLE, basado en la tecnología de agentes, que permite adaptar las actividades de los grupos de aprendizaje colaborativo, sobre la base de los estilos de aprendizaje de los integrantes del grupo. En la siguiente sección se realiza una descripción del modelo de SMA propuesto. En la sección III se describe la implementación y validación del SMA; y finalmente se presentan las conclusiones del trabajo realizado y se describen
2 las líneas de acción futuras. II. MODELO DE SISTEMA MULTI-AGENTE Sobre la base de las facilidades ofrecidas por la tecnología de Agentes, se diseñó un módulo de adaptación para el entorno de e-learning MOODLE. Este módulo es un sistema multi-agente que tiene como finalidad ofrecer tareas personalizadas a los miembros de un grupo de aprendizaje colaborativo, en función de los estilos de aprendizaje de los miembros del grupo. Para desarrollar sistemas basados en agentes, se requiere de una metodología que apoye este proceso para evitar que el mismo sea informal, engorroso, propenso a errores, y por lo tanto, caro. De entre las metodologías para el desarrollo de sistemas multi-agentes existentes, se ha seleccionado para el desarrollo del SMA del presente trabajo, la metodología INGENIAS [4,5], que presenta un enfoque orientado a objetos, además provee una colección y notación bien definida de actividades para controlar el proceso, las tareas del análisis, el diseño, la verificación, en el desarrollo de Sistemas Multi-Agente. Por otra parte, cuenta con una herramienta denominada INGENIAS Development Kit (IDK) que proporciona un editor gráfico para modelar el sistema multi-agente. En la Figura 1 se muestra el Modelo de Organización, obtenido a partir de la aplicación de INGENIAS, que muestra los tres agentes que intercatúan en el sistema: el Agente de Personalización, el Agente Gestor de Actividades y el Agente de Interfaz.
Figura 1. Modelo de Organización A continuación se describen las entidades que aparecen en el Modelo de Organización: AulaVirtual: Esta entidad representa el aula virtual de un curso de e-learning montado sobre la plataforma MOODLE. ModuloPersonalizacion: Representa al sistema multiagente, compuesto por tres agentes que interactúan entre sí y con los usuarios. AgenteInterfaz: Esta entidad simboliza al agente encargado de interactuar con los estudiantes, recibiendo solicitudes y presentando al grupo las tareas personalizadas del curso.
AgentePersonalizacion: Simboliza al agente responsable de determinar las tareas que se ofrecerán al grupo de alumnos en base a los estilos de aprendizaje que se manifiestan en sus integrantes. AgenteGestorTareas: Representa al agente cuyo objetivo es mantener la base de datos que contiene las tareas que se pueden ofrecer al grupo de estudiantes. A. Descripción del Agente Gestor de Actividades El agente gestor de actividades mantiene la base de datos de actividades. Esta base contiene las posibles actividades pedagógicas que se pueden proponer a los grupos de estudiantes en las distintas herramientas de colaboración que ofrece la plataforma MOODLE. Así, se proponen actividades para las siguientes herramientas: Foros: permiten la comunicación de los participantes desde cualquier lugar en el que esté disponible una conexión a Internet. Talleres: permite el aprendizaje y la evaluación cooperativa. Wiki: permite que los participantes de un curso puedan crear páginas web sobre un determinado. Base de Datos: permite al profesorado y/o a los estudiantes construir un banco de registros sobre cualquier tema o asunto, así como realizar búsquedas y mostrar resultados. Glosarios: les permite a los participantes crear y mantener una lista de definiciones, similar a un diccionario Para cada actividad propuesta, se asocian las capacidades requeridas en los estudiantes para poder concretarlas; capacidades que están vinculadas a las características de los estilos de aprendizaje del modelo de Felder y Silverman [6]. En la Tabla 1 se describen dos de las cuatro dimensiones del modelo y los respectivos estilos de aprendizajes relacionados, y las capacidades asociadas. Tabla 1: Capacidades asociadas a los estilos de aprendizaje del Modelo de Felder y Silverman Estilos de Id Cap Capacidades asociadas aprendizaje Dimensión relativa al tipo de información: sensoriales – intuitivos Resuelven problemas de manera CAP1 práctica y lógica. Sensoriales Ponen en práctica inmediatamente lo CAP2 que han aprendido. Asimilan la información con mayor CAP3 facilidad a través de conceptos teóricos. Intuitivos CAP4 Plantean ideas innovadoras. Dimensión relativa a la forma de trabajar con la información: activos – reflexivos. Tienden a entender mejor nueva CAP19 información cuando la discuten o la aplican. Activos Participan de discusiones acerca del CAP20 tema de estudio.
3 Estilos de Id Cap aprendizaje
III. DESARROLLO Y VALIDACIÓN DEL SISTEMA MULTI-AGENTE
Capacidades asociadas
Tienden a aprender pensando y CAP21 reflexionando sobre la nueva información. Reflexivos Tienden a tener una postura de CAP22 observador. Para elaborar estas tablas se realizó una consulta a expertos pedagógicos calificados. A modo de ejemplo se muestra en la Tabla 2 las actividades pedagógicas propuestas para la herramienta colaborativa FORO.
Tabla 2: Actividades pedagógicas propuestas para la herramienta colaborativa FORO Herram. Id Act Colaborat.
FORO
Tipo de actividades
Realizar preguntas y solicitar ACT1 opiniones a los alumnos (por ejemplo: tormentas de ideas). Presentar trabajos prácticos, y ACT2 abrir debates sobre la ejecución de los mismos. Presentar trabajos teóricos, y ACT3 abrir debates sobre la ejecución de los mismos.
El sistema multi-agente está siendo desarrollado en lenguaje PHP, para ser implantado como un módulo de personalización en el entorno MOODLE. La evaluación del módulo de personalización, se llevará a cabo en un curso a distancia, con actividades de aprendizaje colaborativo, para la asignatura Simulación de la carrera Licenciatura en Sistemas de Información de la Universidad Nacional de Santiago del Estero. Para realizar la validación, se dividirá a los asistentes del curso en dos grupo. Un grupo tomará el curso con el entorno MOODLE modificado; es decir, donde se haya implementado el Módulo de Personalización de actividades; y otro grupo, tomará el curso sin la implementación de dicho módulo. La contrastación de los resultados obtenidos de cada grupo se hará utilizando métricas para evaluar el rendimiento.
Id Cap. Asoc. CAP19
CAP20
CAP4
B. Descripción del Agente de Personalización El Agente de Personalización es el encargado de determinar qué tipo de actividades pedagógicas se le ofrecerán al grupo de estudiantes, en base a los estilos de aprendizaje que se manifiestan en sus integrantes. Este agente consulta en la base de datos con modelos de estudiantes, el estilo de aprendizaje de cada uno de los miembros del grupo. La base de datos de modelos contiene los Modelos de Usuario previamente creados aplicando el Método propuesto en [7], que contienen el estilo de aprendizaje de cada estudiante. Luego el agente busca en la base de datos de Capacidades, aquellas capacidades asociadas a los estilos de aprendizaje y finalmente con éstas consulta la base de datos Actividades, para obtener aquellos tipos de actividades apropiadas para los estilos de aprendizaje que se manifiestan en el grupo.
IV. CONCLUSIONES Con la implementación de un sistema de e-learning que ofrezca tareas personalizadas de acuerdo a los estilos de aprendizaje que se manifiestan en los miembros del grupo, se pretende mejorar y potenciar las habilidades y el procesamiento de la información aprendizaje de los estudiantes, en cursos a distancia implementados en el entorno educativo MOODLE.. Esto llevará a una mejora en el rendimiento académico de los estudiantes pertenecientes al grupo colaborativo y contribuirá a mejorar la calidad educativa. Como línea de acción futura, se plantea a corto plazo la implementación del módulo en la plataforma MOODLE, para ser utilizado en los cursos a distancia que imparte la Universidad Nacional de Santiago del Estero, en su Centro Universitario Virtual. A mediano plazo, se prevé la generalización de este módulo para ser utilizado en otros cursos a distancia que utilicen plataforma MOODLE. V. REFERENCIAS [1]
[2] [3]
[4]
C. Descripción del Agente de Interfaz El agente de interfaz interactúa con los estudiantes en dos instancias. En primer lugar, para identificar el tema del curso sobre el que desean trabajar, información que luego le comunica al agente de personalización, junto con la identificación de los integrantes del grupo, para que este consulte los estilos de aprendizaje de cada uno. Y en segundo término, interactúa con los estudiantes para presentarle al grupo las actividades sugeridas por el agente de personalización.
[5]
[6] [7]
González, C.M. & A. Zanfrillo, Entornos de Aprendizaje Colaborativos para el Desarrollo de Estudios de Postgrado, VII Coloquio Internacional sobre Gestión Universitaria en América del Sur, 2007. Felder, R.M., Matters of Style, ASEE Prism, 6(4), 18-23, 1996. Mas, A., Agentes Software y Sistemas Multi- Agente: Conceptos, arquitecturas y aplicaciones, Ed.: Pearson Prentice Hall, Madrid - España, 2005. Gomez-Sanz, Jorge J.; Pavon, Juan – INGENIAS Methodology and Tools – Universidad Complutense de Madrid Disponible en: http://www.staff.science.uu.nl/~dasta101/tfg/romefiles/eJ.G.Sanz.pdf. Consultada en Noviembre 2012. Pavón, Jua DGomez-Sanz Jorge – Agent Oriented Software Engineering with INGENIAS - Universidad Complutense Madrid, Dpto. Sistemas Informáticos y Programación 28040 Madrid. Disponible en: http://grasia.fdi.ucm.es. Consultada en Noviembre 2012. Felder, R.M. & L.K. Silverman, Learning and Teaching Styles in Engineering Education, Engr. Education, 78(7), 674-681, 1988. Farías, R.A. & E.B. Durán & S.G. Figueroa, Las Técnicas de Clustering en la Personalización de Sistemas de e-Learning, XIV Congreso Argentino de Ciencias de la Computación (CACIC), 2008.
