Revista Iberoamericana de Tecnologías del/da Aprendizaje...

Una publicación de la Sociedad de la Educación del IEEE Uma publicação da Sociedade de Educação do IEEE A publication of the IEEE Education Society MAYO/MAIO/MAY 2008 VOL. 3 NÚMERO/NUMBER 1 (ISSN 1932-8540)

Editorial (en alemán)….……………………………………..………………………...Michael E. Auer i Editorial (en inglés)………..….………………………………………...………...….. Michael E. Auer iiiEditorial (en español)…...……………………………………………………………. Michael E. Auer vEditorial (en português )…………………………………………………………..…. Michael E. Auer viii ARTÍCULOS/ARTIGOS/PAPERS Diseño de un sistema de tele-educación adaptativo basado en vídeo………………………………... ..…………………………………..Xabiel G. Pañeda, Ángel Neira, David Melendi, Roberto García,

Manuel Vilas, Víctor García y José Ramón Menéndez 1

Simulador de Estudio de Grabación de Audio…………………………………………..……………... ………………………....Jorge Munilla Fajardo, Salvador Luna Ramírez, y Ana M. Barbancho Pérez 11 Sistema recomendador colaborativo usando minería de datos distribuida para la mejora continua de cursos e-learning………………………................................................................................................... ………………………………………………….Enrique García Salcines, Cristóbal Romero Morales,

Sebastián Ventura Soto y Carlos de Castro Lozano 19 Diseño de un Curso de Programación Avanzada a través de Aprendizaje Basado en Proyectos: Una Aplicación Geoinformática ………..……………………….................................................................... Sergio Martín, Elio San Cristóbal, Germán Carro, Guillermo Lafuente, Manuel Castro y Juan Peire 31

Nuevos métodos de enseñanza: una experiencia en diseño electrónico ……………………………….. ……...……………………………………………………………………………Gerardo Aranguren 39

Um Modelo conceitual para Aprendizagem Colaborativa Baseada na execução de Projetos pela Web …………… …………………………........Luisa Aleyda García González e Wilson Vicente Ruggiero 47

Revista Iberoamericana de Tecnologías del/da Aprendizaje/Aprendizagem (Latin-American Learning Technologies Journal)

IEEE-RITA (http://webs.uvigo.es/cesei/RITA)

DOI (Digital Object Identifier) Pendiente

CONSEJO/CONSELHO EDITORIAL

Presidente (Editor Jefe):

Martín Llamas Nistal, Universidad de Vigo, España Vicepresidente (Coeditor):

Manuel Castro Gil, UNED, España

Miembros: Melany M. Ciampi, COPEC, Brasil

Javier Quezada Andrade, ITESM, México

Carlos Vaz do Carvalho, INESP, Portugal

Edmundo Tovar, UPM, España

Secretaría: Pedro Pimenta, Universidade do

Minho, Portugal Francisco Mur, UNED, España

COMITÉ CIENTÍFICO

Alfredo Fernández Valmayor, Universidad

Complutense de Madrid, España

Antonio J. López Martín, Universidad Estatal de Nuevo Méjico, USA Antonio J. Méndez,

Universidad de Coimbra, Portugal

Arturo Molina, ITESM, México

Baltasar Fernández, Universidad Complutense

de Madrid, España Carlos Delgado,

Universidad Carlos III de Madrid, España

Carlos M. Tobar Toledo, PUC-Campinas, Brasil

Claudio da Rocha Brito, COPEC, Brasil

Daniel Burgos, Universidad Abierta de Holanda,

Holanda Fernando Pescador, UPM,

España

Francisco Arcega, Universidad de Zaragoza,

España Francisco Azcondo,

Universidad de Cantabria, España

Francisco Jurado, Universidad de Jaen,

España Gustavo Rossi, Universidad

Nacional de la Plata, Argentina

Héctor Morelos, ITESM, México

Hugo E. Hernández Figueroa, Universidad de

Campinas, Brasil Inmaculada Plaza,

Universidad de Zaragoza, España

Jaime Sánchez, Universidad de Chile, Chile

Javier Pulido, ITESM, México

José Bravo, Universidad de Castilla La Mancha, España José Carpio, UNED, España

José Palazzo M. De Oliveira, UFGRS, Brasil

Juan Quemada, UPM, España

Juan Carlos Burguillo Rial, Universidad de Vigo,

España J. Fernando Naveda

Villanueva, Universidad de Minnesota,

USA Luca Botturi, Universidad

de Lugano, Suiza Luis Anido, Universidad de

Vigo, España Luis Jaime Neri Vitela,

ITESM, México Manuel Caeiro Rodríguez,

Universidad de Vigo, España

Manuel Fernández Iglesias, Universidad de Vigo,

España Manuel Ortega,

Universidad de Castilla La Mancha, España

M. Felisa Verdejo, UNED, España

Maria José Patrício Marcelino, Universidad de

Coimbra, Portugal

Mateo Aboy, Instituto de Tecnología de Oregón,

USA Miguel Angel Sicilia Urbán,

Universidad de Alcalá, España

Miguel Rodríguez Artacho, UNED, España

Paloma Díaz, Universidad Carlos III de Madrid,

España Paulo Días, Universidade

do Minho, Portugal Rosa M. Vicari, UFGRS,

Brasil Víctor H. Casanova,

Universidad de Brasilia, Brasil

Vitor Duarte Teodoro, Universidade Nova de

Lisboa, Portugal Vladimir Zakharov, Universidade Estatal

Técnica MADI, Moscú, Rusia

Yannis Dimitriadis, Universidad de Valladolid,

España

Revisores

Addison Salazar Afanador, Universidad Politécnica de

Valencia, España Alberto Jorge Lebre Cardoso,

Universidad de Coimbra, Portugal Ana Arruarte Lasa, Universidad

del País Vasco, España Alfredo Ortiz Fernández,

Universidad de Cantabria, España André Luís Alice Raabe,

Universidade do Vale do Itajaí, Brasil

Angel García Beltrán, Universidad Politécnica de Madrid, España

Angel Mora Bonilla, Universidad de Málaga, España

Angélica de Antonio Jiménez, Universidad Politécnica de Madrid,

España Antonio Navarro Martín,

Universidad Complutense de Madrid, España

Antonio Sarasa Cabezuelo, Universidad Complutense de

Madrid, España Basil M. Al-Hadithi, Universidad

Alfonso X El Sabio, España Basilio Pueo Ortega, Universidad

de Alicante, España

Carmen Fernández Chamizo, Universidad Complutense de

Madrid, España Cecilio Angulo Bahón,

Universidad Politécnica de Catalunya , España

César Alberto Collazos Ordóñez, Universidad del Cauca, Colombia

Crescencio Bravo Santos, Universidad de Castilla-La Mancha,

España Daniel Montesinos i Miracle, Universidad Politécnica de

Catalunya, España David Benito Pertusa, Universidad

Publica de Navarra, España Faraón Llorens Largo, Universidad

de Alicante, España Gabriel Díaz Orueta, UNED,

España Gloria Zaballa Pérez, Universidad

de Deusto, España Gracia Ester Martín Garzón,

Universidad de Almeria, España Ismar Frango Silveira, Universidad

de Cruzeiro do Sul, Brasil Javier Areitio Bertolin,

Universidad de Deusto, España Javier González Castaño,

Universidad de Vigo, España

Joaquín Roca Dorda, Universidad Politécnica de Cartagena, España Jorge Alberto Fonseca e Trindade, Escola Superior de Tecnología y

Gestión, Portugal Jose Ángel Irastorza Teja,

Universidad de Cantabria, España José Angel Martí Arias,

Universidad de la Habana, Cuba José Javier López Monfort, Universidad Politécnica de

Valencia, España José Luis Guzmán Sánchez,

Universidad de Almeria, España José Luis Sánchez Romero,

Universidad de Alicante, España José Ramón Fernández Bernárdez,

Universidad de Vigo, España Juan Carlos Soto Merino,

Universidad del Pais Vasco, España

Juan I. Asensio Pérez, Universidad de Valladolid, España

Juan Meléndez, Universidad Pública de Navarra, España

Juan Suardíaz Muro, Universidad Politécnica de Cartagena, España Juan Vicente Capella Hernández,

Universidad Politécnica de Valencia, España

Lluís Vicent Safont, Universidad Ramón Llul, España

Luis Benigno Corrales Barrios, Universidad de Camagüey, Cuba

Luis de la Fuente Valentín, Universidad Carlos III, España

Luis Fernando Mantilla Peñalba, Universidad de Cantabria, España

Luis Gómez Déniz, Universidad de Las Palmas de Gran Canaria,

España Luis Zorzano Martínez,

Universidad de La Rioja, España Manuel Benito Gómez,

Universidad del Pais Vasco, España

Manuel Gromaz Campos, Centro de Supercomputación de Galicia,

España Manuel Pérez Cota, Universidad de

Vigo, España Margarita Cabrera Bean,

Universidad Politécnica de Catalunya, España

Maria Antonia Martínez Carreras, Universidad de Murcia, España

Mario Muñoz Organero, Universidad de Carlos III, España

Marta Costa Rosatelli, Universidad Católica de Santos, Brasil

Mercedes Caridad Sebastián, Universidad Carlos III, España

Miguel Angel Gómez Laso, Universidad Pública de Navarra,

España Miguel Ángel Redondo Duque,

Universidad de Castilla-La Mancha, España

Miguel Angel Salido, Universidad Politécnica de Valencia, España

Oriol Gomis Bellmunt, Universidad Politécnica de

Catalunya, España Óscar Martínez Bonastre,

Universidad Miguel Hernández de Elche, España

Rafael Pastor Vargas, UNED, España

Raúl Antonio Aguilar Vera, Universidad Autónoma de Yucatán,

México Robert Piqué López, Universidad Politécnica de Catalunya, España

Víctor González Barbone, Universidad de la República,

Uruguay Victoria Abreu Sernández,

Universidad de Vigo, España Xabiel García Pañeda, Universidad

de Oviedo, España Equipo Técnico: Diego Estévez González, Universidad de Vigo, España

IEEE-RITA Vol. 3, Núm. 1, Mai 2008 i

ISSN 1932-8540 © IEEE

Online Engineering und die Notwendigkeit einer auf diesen aktuellen und zukünftiger Trend fokussierten

Ausbildung

Michael E. Auer, Senior Member IEEE Präsident und CEO International Association of Online Engineering

Online Engineering ist eine der

zukünftigen Entwicklungslinien fortschritt-licher teleworking/e-working Umgebungen in vielen Bereichen der Gesellschaft, nicht nur in den Ingenieurwissenschften. In den zurückliegenden Jahren wurden erhebliche Fortschritte bei der Entwicklung von Fernlabors (remote and virtual labs) gemacht. Diese Entwicklung wurde durch die technische Weiterentwicklung des Internet (Bandbreite) sowie neue Modelle im E-Learning und E-Working wesentlich beeinflusst. Dabei sind die Vorreiter die Ingenieur- und Naturwissenschften.

Remote Engineering und Virtual

Instrumentation haben große Bedeutung als Zukunftstrends wegen:

• der wachsenden Komplexität von

Ingenieuraufgaben, • der zunehmenden Spezialisierung und

Verteuerung von Ausrüstungen, Softwaretools und Simulatoren,

• der Notwendigkeit des Einsatzes von teuren Ausrüstungen, Softwaretools und Simulatoren auch in kurzzeitigen Projekten,

• dem notwendigen Einsatz von high-tech Geräten auch in KMUs,

• dem Erforderniss von hochqualifizierten Mitarbeitern zur Bedienung modernster Geräte,

• den Erfordernissen der Globalisierung und der zunehmenden Arbeitsteilung.

Aktives Lernen und Arbeiten mit Online Labors ist speziell wichtig im E-Learning und E-Working. Am Arbeitsplatz können weit entfernte Labors ohne zu Reisen genutzt werden. Diese Flexibilität ist wichtig für Telearbeit, in der Ausbildung und beim Lebenslangen Lernen.

Online Labors werden zunehmend

auch unmittelbar industriell eingesetzt. Vorteile sind unter anderem: • Teure und komplexe Meßgeräte können

von verschiedenen Standorten eines Unternehmens oder von verschiedenen Unternehmen gemeinsam genutzt werden.

• Komplexe Experimente unter Nutzung spezieller Medien z.B. zur Kühlung sowie anderen Spezialausrüstungen können direkt aus vom Schreibtisch des Wissenschaftlers gesteuert werden.

• Teams verschiedener Standorte können effektiver zusammenarbeiten ohne zusätzlich zu reisen.

• Langzeitversuche (Zuverlässigkeit, Aus-fallverhalten) können bequem von zuhause z.B. an Wochenenden überwacht werden.

Durch die Nutzung von Online Labors können Kostennachteile, ineffektive Auslastung von Ausrüstungen, schlechter technischer Support u.a. vermieden bzw. verringert werden. Im gleichen Maße kommt es zu einer zunehmenden Integration von Lernen und Arbeiten (embedded learning).

Das alles begünstigt auch Behinderte und Heimarbeiter, da sie zur Arbeit nicht an

IEEE-RITA Vol. 3, Núm. 1, Mai 2008 ii

ISSN 1932-8540 © IEEE

die Firmenstandorte fahren müssen. Mitarbeiter können spezialisierte Geräte in anderen Betriebsteilen direct ohne zu reisen nutzen. Das schafft auch neue Möglich-keiten für KMUs, die solche speziellen Ausrüstungen sonst nicht nutzen könnten.

Aber in aller Welt fehlen Spezialisten

für Online Engineering und die erforderliche Zahl wird in den kommenden Jahren noch dramatisch steigen.

Im Rahmen eines EU geförderten SOCRATES Projektes haben IEEE Mitglieder aus Österreich, Deutschland Irland, Rumänien und Slovenien ein Joint European Master Program in Remote Engineering (MARE project) entwickelt. Dieses Studienprogramm umfaßt: • Grundlagen, Anwendungen und

Erfahrungen des Remote Engineering • Entwicklung und Anwendung virtueller

und entfernter Arbeitsumgebungen • Moderne Teleworking Lösungen mit

Remote Labors • Remote Technologien für komplexe

Ingenieuraufgaben • Nutzung von Hardware, Softwaretools

und von Simulatoren in Netzwerken • Neue Wege für KMUs zur Nutzung von

high-tech Ausrüstungen Das Masterstudienprogramm vermittelt Fähigkeiten zur: • Nutzung von Ausrüstungen und

Softwaretools über das Internet und/oder das firmeninterne Intranet

• Organisation, Implementierung, Durch- führung und Betreuung von Remote-systemen

• Aktiven Einbeziehung Behinderter in den Arbeitsprozess

In den letzten zehn Jahren hat sich eine weltweite Gemeinschaft von Entwicklern und Anwendern von Online Engineering Lösungen herausgebildet, die sich jährlich auf interessanten Konferenzen, Workshops und Sommerschulen trifft.

Ein Träger dieser globalen Vernet-zung ist die “International Association of Online Engineering” (IAOE). Die IAOE ist Herausgeber von drei wissenschaftlichen Zeitshriften.

Die jährliche wissenschaftliche Konferenz der IAOE ist die “International Conference on Remote Engineering and Virtual Instrumentation” (REV). Die REV2008 findet Ende Juni 2008 in Düsseldorf (Deutschland) und die REV2009 in Bridgeport, CT (USA) statt.

Die IAOE unterstützt auch andere Konferenzen. Zum Beispiel die “International Conference on Interactive Computer aided Blended Learning” (ICBL), die im November 2008 zum zweiten Mal in Florianopolis (Brasilien) stattfindet und gerade für die Leser diese Journals interessant sein könnte.

Als Lehrender in der Ingenieur-ausbildung und Präsident der IAOE freue ich mich auf eine Zusammenarbeit mit der IEEE-RITA Community und ich bin mir sicher, wir werden gemeinsam die neuen Herausforderungen in der Ingenieur-ausbildung meistern.

Dr.-Ing., Dr.sc. Michael E. Auer, Professor für Elektrotechnik; Leiter des “Center of Competence Online Labs and E-Learning”, FH Kärnten, Villach, Österreich. Prof. Auer studierte und promovierte auf den Gebieten Elektrotechnik und Informationstechnik an der TU Dresden. Seine Forschungs-

interessen liegen in den Bereichen Ingenieurausbildung, Echtzeit- und Netzwerk-programmierung, System- und Netzwerk-administration heterogener Netzwerke und remote working environments. Er ist Autor bzw. Co-autor von über 150 Publikationen und leitendes Mitglied einer Reihe nationaler und internationaler Organisationen im Bereich Online Technologien. Prof. Auer lehrt auch an den Universitäten Klagenfurt (Österreich), Amman (Jordanien), Brasov (Rumänien) and Dubai (UAE) und hält Vorlesungen vor Bachelor und Master Studenten.

IEEE-RITA Vol. 3, Núm. 1, May 2008 iii

ISSN 1932-8540 © IEEE

Online Engineering as present and future Trend and the Need for Deeper Education in this Field

Michael E. Auer, Senior Member IEEE

President and CEO International Association of Online Engineering

Online Engineering is one of the

future directions for advanced teleworking/e-working environments not only in engineering and science (economics, informatics) but also in all other fields affecting society. In the last two to three years, considerable advances have been made regarding the design and development of remote and virtual laboratories. These advancements have been possible because of the growing technical capacity of the internet (bandwidth) and new models of e- and distance learning and e-work. The forerunners in this area are engineering disciplines and the natural sciences.

Remote Engineering and Virtual Instrumentation are very relevant future trends in engineering and science because of: • the growing complexity of engineering

tasks, • the increasiningly specialized and

expensive equipment, software tools and simulators required,

• the necessary use of expensive equipment and software tools/simulators in short time projects,

• the application of high tech equipment required in SMEs,

• the need of highly qualified staff to control new equipment,

• the demands of globalisation and division of labour

It is not only increasingly necessary to allow and organize a shared use of equipment, but also develop specialized software as for example simulators.

Active learning or working by means of online laboratories is especially valuable for distance working or education. Users in the workplace can access remote laboratories without having travel. This flexibility is important for teleworking, education and lifelong learning.

Online laboratories are increasingly being used in industry. Some benefits of industrial use of remote labs include: • Expensive and complex instruments can

be used from different locations within the same company or can be shared by different companies.

• Complex experimental systems, including specific media addition such as for cooling inert gas maintained by special equipment and staff at a specific location, can be directly controlled from the scientist’s or engineer’s office.

• Team members working at different locations can effectively cooperate and take advantages of the same test-run results without any extra traveling.

• Long-term trials (reliability, failure performance) can be conveniently supervised from home, e.g. on weekends.

Using online laboratories has the potential of significantly reducing obstacles related of cost, time-inefficient use of facilities, inadequate technical support and limited access to laboratories. This kind of development leads to the seamless integration of work and learning (embedded learning).

This also could benefit people with special needs and people working from their

IEEE-RITA Vol. 3, Núm. 1, May 2008 iv

ISSN 1932-8540 © IEEE

homes, as they would not need to travel to their company facilities to perform their work. Even employees working at their company’s facilities can use remote specialized equipment at another affiliation or company without traveling. This may provide new opportunities and benefit for SMEs that would not otherwise be able to use such equipment otherwise.

But all over the world there is a lack of specialists in this field and the number of needed specialists will dramatically increase in the coming years.

Within an EU funded SOCRATES project IEEE Members from Austria, Germany, Ireland, Romania, and Slovenia developed a Joint European Master Program in Remote Engineering (MARE project). This master study program promotes: • Basics, applications and experience in

Remote Engineering • Design and application of virtual and

remote working environments • Advanced teleworking solutions such as

online labs • Remote Technologies for complexe

engineering tasks • Use of hardware, software tools and

simulators in networks • New ways for SME to apply high-tech

equipment The master study program gives the opportunity: • To use equipment and software tools

distributed in the Internet or company intranet

• To organize, implement, serve and maintain remote solutions

• To participate activly in the labor process for people with special needs

In the last decade a worldwide community in the field of Online Engineering solution developers has been established and some very interesting conferences,

workshops and summer schools take place every year.

An organisational framework for all this kind of global networking is the International Association of Online Engineering (IAOE). The IAOE is also issuer of three scientific e-journals.

The annual scientific conference of the IAOE is the “International Conference on Remote Engineering and Virtual Instrumentation” (REV). REV2008 will take place at the end of June 2008 in Dusseldorf (Germany) and REV 2009 in Bridgeport, CT (USA).

The IAOE also supports some other conferences. For example the “International Conference on Interactive Computer aided Blended Learning” (ICBL), which is organized again in November 2008 in Florianopolis (Brazil), may be of interest for the readers of this journal.

As engineering educator and president of the IAOE it is a pleasure for me to cooperate with the IEEE-RITA community and I am sure we will manage the new and formidable challanges in engineering education.

Dr. Ing., Dr.sc. Michael E. Auer, Professor of Electrical Engineering; Head of the Center of Competence Online Labs and E-Learning, Carinthia University of Applied Sciences, Villach, Austria. Prof. Auer earned his Ph.D. and M.S. degrees in electrical engineering and IT from the University of

Technology Dresden, Germany. His research interests are in engineering education, real time and network programming, system- and network administration of heterogeneous networks, and remote working environments. He is author or co-author of more than 150 publications and leading member of numerous national and international organizations in the field of online technologies. Prof. Auer has also teaching positions at the Universities of Klagenfurt (Austria), Amman (Jordan), Brasov (Romania) and Dubai (UAE) and gives lectures in a variety of courses at both the undergraduate and graduate levels.

IEEE-RITA Vol. 3, Núm. 1, Mayo 2008 v

ISSN 1932-8540 © IEEE

Ingeniería en Línea como Tendencia presente y futura y la Necesidad de una Educación más Profunda

en este Campo

Michael E. Auer, Senior Member IEEE Presidente y Director Ejecutivo de la Asociación Internacional de Ingeniería en línea

(Traducido por M. Llamas)

La ingeniería en línea es una de las

direcciones futuras para los entornos de teletrabajo y trabajo electrónico no sólo en la ingeniería y ciencias (economía, informática) sino también en todos los otros campos de la sociedad. En los últimos dos/tres años se han realizados avances considerables en el diseño y desarrollo de laboratorios remotos y virtuales. Estos avances han sido posibles gracias al aumento de la capacidad técnica de Internet (ancho de banda) y a nuevos modelos para el aprendizaje y trabajo, tanto a distancia como electrónico. Los precursores en esta área son las disciplinas de ingeniería de ciencias naturales.

La Ingeniería Remota y la Instrumentación Virtual son tendencias futuras muy relevantes en ingeniería y ciencia debido a: • la creciente complejidad de las tareas de

ingeniería, • los cada vez más especializados y caros

equipos, herramientas software y simuladores requeridos,

• el necesario uso de equipos caros y herramientas/simuladores software en proyectos de corto plazo,

• la aplicación de equipamiento de alta tecnología requerida en las PYMEs,

• la necesidad de personal altamente cualificado para el manejo del nuevo equipamiento,

• las demandas de globalización y división del trabajo.

No es sólo cada vez más necesario permitir y organizar un uso compartido del equipamiento, sino también desarrollar software especializado, como por ejemplo, simuladores.

El aprendizaje activo o el trabajo por medio de laboratorios en línea son especialmente valiosos para el trabajo o aprendizaje a distancia. Los usuarios en el lugar de trabajo pueden acceder a laboratorios remotos sin necesidad de viajar. Esta flexibilidad es importante para teletrabajo, educación y educación continua.

Los laboratorios en línea se utilizan cada vez más en la industria. Algunos de sus beneficios en el uso industrial son: • Pueden utilizarse instrumentos

complejos y caros desde distintas localizaciones dentro de la misma compañía o pueden compartirse por diferentes compañías.

• Pueden controlarse desde la oficina sistemas experimentales complejos, tales como enfriamiento de gas inerte mantenido por un equipo y personal especial.

• Miembros de un equipo trabajando en diferentes localizaciones pueden cooperar efectivamente y aprovechar los mismos resultados de la ejecución de una prueba, sin ningún viaje extra.

• Ensayos a largo plazo (fiabilidad, rendimiento de fallos) pueden ser supervisados convenientemente desde casa, por ejemplo, los fines de semana.

IEEE-RITA Vol. 3, Núm. 1, Mayo 2008 vii

ISSN 1932-8540 © IEEE

El uso de laboratorios en linea tiene el potencial de reducir significativamente obstáculos relacionados con el coste, uso del tiempo de las instalaciones inadecuado, falta de apoyo técnico y acceso limitado a los laboratorios. Este tipo de desarrollo conduce a la integración sin fisuras de trabajo y aprendizaje (aprendizaje incrustado).

Esto también puede beneficiar a la gente con necesidades especiales y gente que trabaja desde sus casas, al no tener que viajar a las instalaciones de su empresa para realizar su trabajo. Incluso los empleados que trabajen en las instalaciones propias de la empresa pueden utilizar equipamiento especializado remoto en otra localización o de otra compañía sin necesidad de viajar. Esto puede proporcionar nuevas oportunidades y beneficios a las PYMEs que de ninguna otra manera podrían acceder a tal equipamiento.

Pero en todo el mundo hay una falta de especialistas en este campo y el número de especialistas necesarios se incrementará dramáticamente en los próximos años.

Dentro de un proyecto europeo SOCRATES, miembros del IEEE de Austria, Alemania, Irlanda, Rumanía y Eslovenia, desarrollamos un Programa Máster Conjunto Europeo en Ingeniería Remota (proyecto MARE). Este máster promociona: • Fundamentos, aplicaciones y

experiencias en Ingeniería Remota • Diseño y aplicación de entornos de

trabajo virtuales y remotos • Soluciones de teletrabajo avanzadas

como los laboratorios en linea • Tecnologías Remotas para tareas

complejas de ingeniería • Uso de herramientas hardware/software

y simuladores en redes • Nuevos modos para las PYMEs de

aplicación de equipamiento de alta tecnología

El programa de máster da la oportunidad de : • Usar equipamiento y herramientas

software distribuidas, en Internet o en la intranet de la empresa

• Organizar, implementar, servir y mantener soluciones remotar

• Participar activamente en el proceso laboral a las personas con necesidades especiales

En la pasada década se ha establecido una comunidad mundial en el campo de la Ingeniería en línea y cada año tienen lugar algunas conferencias, talleres y escuelas de verano interesantes en este campo.

La Asociación Internacional de Ingeniería en Línea (IAOE International Association of Online Engineering) es una organización que engloba este tipo de actividades. Edita tres revistas científicas electrónicas, y organiza una conferencia científica anual, la “International Conference on Remote Engineering and Virtual Instrumentation” (REV). REV2008 tendrá lugar a finales de Junio de 2008 en Dusseldorf (Alemania) y REV 2009 en Bridgeport, CT (USA).

La IAOE también respalda otras conferencias. Por ejemplo, la “International Conference on Interactive Computer aided Blended Learning” (ICBL), que es organizada otra vez en Noviembre del 2008 en Florianopolis (Brasil), y que puede ser de interés para los lectores de esta revista electrónica IEEE-RITA.

Como educador en Ingeniería y presidente del IAOE es un placer para mí cooperar con la comunidad de IEEE-RITA y estoy seguro que seremos capaces de gestionar los nuevos y formidables cambios en la educación de la ingeniería.

IEEE-RITA Vol. 3, Núm. 1, Mayo 2008 vii

ISSN 1932-8540 © IEEE

Dr.-Ing., Dr.sc. Michael E. Auer, Profesor de Ingeniería Eléctrica. Director del Centro de Competencia de Laboratorios en Linea y E-learning, Universidad de Ciencias Aplicadas de Carinthia, Villach, Austria. El profesor Auer tiene los grados de Ph.D. y M.S. en Ingeneiría Eléctrica e IT por la

Universidad Tecnológica de Dresde, Alemania.

Sus intereses de investigación son educación de ingeniería, teimpo real y administración de redes hetereogéneas. Es autor o co-autor de más de 150 publicaciones y es miembro destacado de numerosas organizaciones, tanto nacionales como internacionales, del campo de tecnologías en linea. El profesor Auer imparte también docencia en las Universidades Klagenfurt (Austria), Amman (Jordan), Brasov (Romania) y Dubai (UAE), y da clases en varios cursos, tanto a nivel de grado como de postgrado.

IEEE-RITA Vol. 3, Núm. 1, Maio 2008 viii

Online Engineering como Resposta presente e futura para uma Educação Melhor neste Domínio

Michael E. Auer, Senior Member IEEE

Presidente e CEO da Associação Internacional de Online Engineering (Traduzido por Carlos Vaz de Carvalho)

Online Engineering é uma das orientações futuras para sistemas avançados de tele-trabalho/e-trabalho, não só em ambientes de engenharia e ciência (economia, informática), mas também em todos os outros domínios que afectam sociedade. Nos últimos dois a três anos têm sido feitos progressos consideráveis no que respeita à concepção e desenvolvimento de laboratórios virtuais e remotos. Estes avanços foram possíveis devido à crescente capacidade técnica da internet (largura de banda) e aos novos modelos de aprendizagem electrónica e à distância e de e-trabalho. Os precursores nesta área são as disciplinas de engenharia e ciências naturais.

Remote Engineering e Virtual Instrumentation são tendências muito relevantes em engenharia e ciência, devido a: • complexidade crescente das tarefas de

engenharia, • existência de equipamentos cada vez

mais especializados e caros, exigindo ferramentas de software e simuladores,

• necessidade de utilização de equipamentos caros e de ferramentas de software / simuladores em projectos de curta duração,

• aplicação de equipamentos de alta tecnologia nas PME,

• necessidade de pessoal altamente qualificado para controlar os novos equipamentos,

• exigências da globalização e de divisão do trabalho.

Cada vez é mais necessário permitir e organizar uma utilização partilhada de equipamento, mas também desenvolver software especializado como simuladores.

A aprendizagem activa ou trabalhar por meio de laboratórios on-line é especialmente útil para o trabalho ou o ensino a distância. Os utilizadores podem aceder ao local de trabalho nos laboratórios remotos sem ter de se deslocar. Essa flexibilidade é importante para o teletrabalho, educação e a formação ao longo da vida.

Os laboratórios online estão a ser cada vez mais utilizados na indústria. Alguns benefícios da utilização industrial dos laboratórios remotos incluem: • instrumentos caros e complexos podem

ser utilizados a partir de diferentes locais dentro da mesma empresa ou podem ser compartilhados por diferentes empresas,

• sistemas experimentais complexos, como os que exigem a refrigeração de gás inerte através de equipamentos especiais e de pessoal localizado num determinado sítio, podem ser controlados directamente a partir do gabinete do cientista ou engenheiro,

• os membros de uma equipa que trabalham em locais diferentes podem efectivamente cooperar e usar os resultados de um teste sem se deslocar,

• ensaios de longo prazo (fiabilidade, desempenho, etc.) podem ser convenientemente supervisionados a partir de casa, por exemplo, nos fins de semana.

IEEE-RITA Vol. 3, Núm. 1, Maio 2008 ix

ISSN 1932-8540 © IEEE

O uso de laboratórios online tem o potencial de reduzir significativamente os custos, o tempo de uso ineficiente dos recursos, a insuficiência de apoio técnico e as limitações de acesso aos laboratórios. Este tipo de desenvolvimento leva à integração perfeita de trabalho e de aprendizagem.

Isto também pode beneficiar as pessoas com necessidades especiais e pessoas que trabalham a partir de suas casas, já que não teriam necessidade de viajar para a sua empresa. Até mesmo os funcionários trabalhando em instalações de uma empresa podem usar equipamento especializado remoto localizado noutra parte da empresa. Isso pode proporcionar novas oportunidades e benefícios para as PMEs.

Mas existe uma falta generalizada de especialistas nesta matéria e o número de especialistas necessários irá ainda aumentar drasticamente nos próximos anos.

No âmbito de um projecto SOCRATES financiado pela EU, membros IEEE da Áustria, Alemanha, Irlanda, Roménia e Eslovénia desenvolveram um Joint European Master Program em Remote Engineering (MARE projecto). Este programa promove: • Princípios básicos, aplicações e

experiências em Remote Engineering, • Concepção e aplicação de ambientes

virtuais e trabalho remoto • Opções avançadas de tele-trabalho

como laboratórios online, • Tecnologias remotas para desempenho

de tarefas complexas de engenharia, • Uso de hardware, software e

simuladores em rede, • Novas formas de usar equipamento de

alta tecnologia em PMEs. O programa oferece a oportunidade: • De utilizar equipamentos e ferramentas

de software distribuídos na internet ou em intranets de empresas,

• de organizar, implementar e manter soluções remotas,

• de permitir a pessoas com necessidades especiais uma intervenção profissional activa. Na última década estabeleceu-se uma

comunidade mundial na área da Online Engineering com importantes conferências, workshops e escolas de verão

Um quadro organizacional para este tipo de rede é a International Association of Online Engineering (IAOE) que também edita três e-revistas científicas. A conferência anual da IAOE é a "International Conference on Remote Engineering and Virtual Instrumentation" (REV). REV2008 terá lugar no final de Junho de 2008, em Dusseldorf (Alemanha) e em 2009 terá lugar em Bridgeport, CT (E.U.A.).

O IAOE também apoia outras conferências. Por exemplo, a " International Conference on Interactive Computer aided Blended Learning" (ICBL), que é organizada em Novembro de 2008 em Florianópolis (Brasil), pode ser de interesse para os leitores desta revista.

Como professor e presidente de IAOE é para mim um prazer colaborar com a comunidade da IEEE-RITA e estou certo de que saberemos gerir as novas e formidáveis opções no ensino de engenharia.

Dr. Ing., Dr.sc. Michael E. Auer, Professor do Departamento de Engenharia Electrotécnica; Director do Centro de Competência Online e e-learning, Caríntia University of Applied Sciences, Villach, na Áustria. Prof Auer é Doutorado e Mestre em Eng. Electrotécnica e TI pela Universidade de Tecnologia

de Dresden, Alemanha. Os seus interesses de I&D são o ensino de engenharia, programação em tempo real e em rede, administração de redes heterogéneas e ambientes de trabalho remoto. É autor ou co-autor de mais de 150 publicações e líder de numerosos organismos nacionais e internacionais em matéria de tecnologias online. Prof Auer é também docente nas Univ. de Klagenfurt (Áustria), Amã (Jordânia), Brasov (Romênia) e Dubai (EAU), e dá palestras a nível da graduação e pós-graduação.

Title— Design of an adaptive distant-learning system based on video Abstract—The inclusion of multimedia contents in educational services has helped to increase the quality of learning processes. This paper presents an innovative educational system where these contents are used in novel ways and not only as mere complements of traditional materials. The idea is to create an on-line adaptive tutor which uses video as the main element and is able to generate courses adapted to the particular needs of each student by using the experience of the teachers, student feedback and behaviour. Distance learning is improved by extending the presence of the teacher and creating complementary methods of evaluation. Index Terms—distant-learning, adaptive system, audio/video,

Web

I. INTRODUCCIÓN

OS sistemas de tele-educación son hoy en día una realidad que invade todos los niveles de la enseñanza. Desde

cursos de formación ocupacional hasta títulos universitarios se imparten usando este método desde hace ya algunos años. La abundante investigación en este campo ha tocado todos los elementos de los sistemas para hacerlos más intuitivos y versátiles, consiguiendo con ello facilitar el aprendizaje. Expertos en diversos campos como la pedagogía y la informática han diseñado todo tipo de técnicas para permitir al estudiante cuestiones tales como ver presentaciones, realizar tests o descargarse apuntes.

Dentro de los sistemas de tele-educación, existe un grupo denominado tutores adaptativos que son capaces de guiar al alumno en su estudio en función de sus respuestas junto con criterios establecidos por el profesor. En términos generales, podemos definir la adaptatividad como la capacidad del sistema de tele-enseñanza para detectar las necesidades del alumno y autorganizarse para asumirlas automáticamente [1].

El sistema que aquí se describe está centrado en la presentación al usuario de los contenidos en formato vídeo. Siguiendo el criterio de que una imagen vale más que mil palabras, se van combinando los ejercicios con la

X. G. Pañeda, Angel Neira, D. Melendi, R. García, V. García son

miembros del Departamento de Informática de la Universidad de Oviedo, Campus de Viesques, CP-33204. Xixón, Asturies, Spain. e-mail: {xabiel, neira, melendi, garciaroberto, victor}@uniovi.es. José Ramón Menéndez es miembro del Departamento de Física de la Universidad de Oviedo. E-mail [email protected].


reproducción de vídeos sobre los contenidos de las diferentes unidades temáticas.

Puesto que el principal objetivo es diseñar una herramienta adaptativa, los vídeos que se van presentando al alumno varían según un sistema de reglas establecidas por el director del proceso educativo, el criterio del profesor, los vídeos previamente visualizados y el resultado obtenido en los tests de evaluación. La principal novedad que el sistema incorpora es la capacidad de recuperar información sobre los vídeos que el alumno ha visualizado, el tiempo, los saltos hacia delante y hacia atrás con el objetivo de utilizarla como una variable de entrada al proceso de adaptación. Cada uno de los vídeos contendrá un conjunto de metadatos que asocian los segmentos de vídeo a los conceptos tratados. Mediante el sistema de recuperación del comportamiento del alumno, será posible saber los conceptos que ha visualizado. Esta información, contrastada con los resultados obtenidos en las evaluaciones, genera un conocimiento muy interesante a la hora de configurar los siguientes pasos a seguir en el proceso educativo. Todo el sistema de adaptación se basará en los conceptos que el alumno visualiza y supera. Haciendo pasar este conocimiento por un conjunto de reglas, se determinará qué vídeos se van a presentar al alumno a continuación y si está cualificado para pasar al siguiente tema.

El resto del artículo se estructura de la siguiente forma. En la sección 2 se comentan los trabajos relacionados. En la sección 3 se realiza una descripción general del sistema educativo diseñado. En la 4 se describen las fuentes de información. En la 5 el sistema de recuperación de la información en tiempo real. En la sección 6 se describe el modelo del alumno utilizado por el sistema. En la 7 se presenta el sistema de toma de decisiones. Por último en las secciones 8 y 9 se comentan las conclusiones obtenidas y unos posibles trabajos futuros.

II. TRABAJOS RELACIONADOS

Existen numerosos productos comerciales de relativo éxito orientados a la enseñanza a distancia basados en la aplicación exhaustiva de tecnologías multimedia. La evolución desde aquellas primeras implementaciones basadas en la caracterización de un alumno tipo al que se le van presentando los elementos multimedia de forma secuencial, o bien orientadas hacia una la navegación libre del alumno ha sido considerable. Sin embargo, no introduciremos aquí una relación de publicaciones descriptivas de este tipo de desarrollos particulares porque, a nuestro modo de ver, en su

Diseño de un sistema de tele-educación adaptativo basado en vídeo

Xabiel G. Pañeda, Member, IEEE, Ángel Neira, David Melendi, Roberto García, Member, IEEE, Manuel Vilas, Víctor García, José Ramón Menéndez1

L

IEEE-RITA Vol. 3, Núm. 1, Mayo 2008 1

ISSN 1932-8540 © IEEE

mayor parte han sido desarrollados ad-hoc y de forma independiente y divergente. Esto hace muy difícil el aprovechamiento de sus componentes en nuevos diseños o la interoperación de los mismos.

Debido a esta gran diversidad, con el advenimiento del nuevo milenio se han generado organizaciones que han dado lugar a la creación de especificaciones y estándares de e-learning que permiten la integración de diferentes metodologías, la interoperabilidad entre diferentes sistemas de aprendizaje y la reusabilidad de contenidos. Su desarrollo está relacionado con el proceso de maduración de este campo y ha ido de la mano de otros procesos similares en la Industria, especialmente en el terreno de las Tecnologías de la Información y las Telecomunicaciones, donde la estandarización se puede considerar casi como un fenómeno religioso [2]. Las entidades más relevantes el área del aprendizaje a distancia son el IMS Global Consortium, el IEEE Inc. Learning Technology Standards Committee (TLSC) y el ISO International Electrotechnical Commission. En el contexto de la tecnología de la enseñanza a distancia, estos estándares son desarrollados generalmente para ser utilizados en el diseño y la implementación de los sistemas, lo que posibilita su portabilidad, interoperatividad y reusabilidad. Evidentemente, en cualquier desarrollo actual estas especificaciones y estándares no deben de ser obviados, tanto en el diseño de los modelos de datos, como en su formalización, como en la caracterización y uso de las APIs (Application Programming Interface). No obstante, entendemos que hay que tener siempre en cuenta que se trata de tecnologías emergentes que se encuentran en constante cambio y desarrollo, tanto en los aspectos relacionados con las capacidades tecnológicas y configuraciones variables, como en el desarrollo dinámico de los mismos estándares. Para una revisión crítica tanto de los mencionados organismos como de sus estándares y especificaciones es interesante [3].

Por otra parte, existe una sólida base teórica orientada al desarrollo de sistemas de tutoría inteligente que de forma progresiva está empezando a adaptarse a las nuevas tecnologías orientadas a la Web. Desde el que podría considerarse como primer sistema de enseñanza adaptativo e inteligente basado en la Web, presentado por Peter Brusilowsky en 1996, [4] han sido publicadas muchas ideas interesantes orientadas a construir modelos efectivos de enseñanza cada vez más individualizada. Continuando con el mismo autor, sendos artículos que proporcionan una evaluación y revisión sistemática de estos avances pueden encontrarse en [5, 6].

Centrándonos específicamente en alguno de los artículos que han orientado o ayudado de forma concreta al sistema aquí presentado, cabe destacar el trabajo presentado en [7] donde se ha considerado un modelo para que los profesores puedan organizar y estructurar los cursos de forma individualizada, basándose en los niveles de los estudiantes y su actividad.

Otro elemento utilizado ha sido la elaboración de plantillas para generar las estructuras finales de las lecciones. En [8], a

partir de la modelización de los alumnos, se usa de forma variable e individualizada el material disponible.

La Tele-enseñanza Adaptativa, como fusión de los sistemas de enseñanza a distancia adaptativa con recursos multimedia, ha sido objeto de algunas publicaciones interesantes orientadas a la elaboración de herramientas de autor [9].

Por su relación directa con el trabajo aquí presentado debemos destacar la metodología presentada en [10]. Particularmente han sido considerados sus planteamientos para proporcionar al profesor las herramientas y ayudas necesarias para enlazar los aspectos pedagógicos con los técnicos. También ha sido asimilado el concepto de granularidad como definición de jerarquía de objetos, desde los más genéricos de capítulo, sección y párrafo hasta las entidades más pequeñas, como los vídeos, las presentaciones animadas, las imágenes o las ventanas textuales.

Finalmente, en [11] se ha demostrado que es posible y muy interesante evaluar la capacidad de los Servicios de Tele-educación para recoger la actividad de los alumnos y poder integrarla en el modelo de enseñanza de forma dinámica. Esta conclusión y el proceso para llevarla a cabo es elemento clave del proceso de adaptación del sistema que se propone en este trabajo.

III. DESCRIPCIÓN GENERAL DEL SISTEMA EDUCATIVO

El sistema educativo que se propone en este trabajo se basa en tres pilares: la utilización del vídeo como elemento básico para presentar conocimiento al alumno, la adaptación del proceso de enseñanza a través de la presentación al alumno del vídeo más adecuado a su evolución como estudiante, y la utilización del “concepto” como elemento central del proceso adaptativo.

En lo que respecta al primer pilar, el sistema utiliza un elemento altamente explotado desde hace muchos años por los cursos a distancia en formato CD. En el campo de la tele-educación su utilización es moderada, aunque siempre como complemento de contenidos en otros formatos. Un ejemplo podría ser el sistema AulaNet de la Universidad de Oviedo (http://www.aulanet.uniovi.es).

El segundo es la novedad más importante del sistema que aquí se presenta. Mediante la recuperación en tiempo real del comportamiento del alumno al visualizar los vídeos que se le van presentando, se obtiene importante información que combinada con otra recogida por vías más tradicionales, como el resultado de los tests, permitirá decidir cuáles son los vídeos que se le van a presentar al alumno a continuación. El proceso de análisis de esta información sigue la metodología diseñada por el equipo investigador [11] para evaluar el funcionamiento de servicios de vídeo para el entorno educacional.

El tercero de los pilares se centra en la utilización del concepto. Se denomina concepto a la unidad temática mínima que puede ser tratada en una lección. Cada uno de ellos, estará interrelacionado con otros previos y posteriores. Además, se organizan jerárquicamente para constituir las unidades didácticas y son asignados a los elementos multimedia que los

2 IEEE-RITA Vol. 3, Núm. 1, Mayo 2008

ISSN 1932-8540 © IEEE

presentan o evalúan en diferentes formatos y versiones (secuencias de vídeo, esquemas, gráficos, ítems de evaluación). Aprovechando las características estructurales y funcionales de estas relaciones se establecen grafos de objetos que, junto a las reglas pedagógicas, constituirán el núcleo básico del modelo de conocimiento [12].

Un ejemplo sobre una unidad didáctica de la asignatura de física, podría ser “la obtención del campo eléctrico creado por una distribución de carga” que se presenta en la figura 1. De esta unidad podemos considerar un primer concepto en el que se explica a los alumnos el campo eléctrico creado por una carga puntual modelo. Este nos sirve de base para un segundo concepto, que corresponde al campo eléctrico creado por un conjunto discreto de cargas puntuales, que sustenta, el tercer nivel conceptual asociado con el campo eléctrico creado por distribuciones continuas de carga. En él, el conjunto discreto de cargas puntuales nos facilita la comprensión de la gestión en el tratamiento de infinitos infinitésimos de carga y, por tanto, de la necesidad de la utilización del cálculo diferencial e integral. Tras la correspondiente bifurcación conceptual que nos permite distinguir entre problemas sin simetría y con simetría y, de las posibilidades que nos ofrecen los problemas en los que existe simetría, pasamos al último nivel que consiste en el desarrollo de los diferentes ejemplos asociados con cada caso. Se pueden clarificar los diferentes niveles conceptuales en base al código de colores de la figura 1.

Distribuciones continuas de carga

Sin simetría

Con simetría

Lineal Superficial Volúmica

Teorema de Gauss

planar axial central

Plano infinitoCorteza cilíndrica infinita

Cilindro infinito

Hilo infinito

Corteza esférica

Esfera

Carga puntual

Cálculo diferencial e integral

Distribuciones discretas de carga

Carga puntual

Fig. 1 Ejemplo de relaciones conceptuales

Tanto la información extraída de los vídeos reproducidos, como el resultado de las cuestiones en los tests, se traducirán a conceptos estudiados (visualizados), conceptos superados y conceptos (objetivos) pendientes. De esta forma, todo el sistema de adaptación basará sus decisiones en listas de conceptos.

A. Roles

El sistema contempla 4 roles diferentes: el administrador, el director del proceso educativo, el profesor y el alumno. El administrador es el encargado de la gestión del sistema. Introduce profesores y alumnos en el mismo, y puede visualizar información relativa a los cursos. El administrador

no forma parte del proceso educativo y su labor se restringe a la gestión operativa del sistema.

El director del proceso educativo será el encargado de establecer el sistema de decisión que gestionará la adaptatividad del proceso educativo. Introducirá un conjunto de reglas que establecerán los criterios para la presentación de vídeos y requisitos para superación de un tema. Su papel se centrará en evitar que los profesores no expertos en sistemas automáticos de aprendizaje tengan que ocuparse de gestionar las reglas de adaptación.

El profesor es el responsable de un curso y sus tareas se dividen en dos grandes grupos: definición del curso y gestión del curso. La primera se realiza inicialmente y en ella deberá definir los temas, sus unidades didácticas y sus conceptos asociados, introducir contenidos en vídeo, definir meta-información para los vídeos y las preguntas de los tests. Además tendrá que definir qué vídeos son principales, alternativos o específicos y los criterios de evaluación para superar un tema.

Una vez el curso ha comenzado, el profesor deberá realizar el seguimiento, resolver dudas de los alumnos e introducir valoraciones para definir los próximos pasos de cada alumno.

El último de los roles es el del alumno. Su objetivo será realizar el curso con éxito. Para ello deberá visualizar un conjunto de vídeos, consultar un conjunto de documentos de apoyo y realizar con éxito un conjunto de tests.

B. Estructura educativa del sistema

El sistema educativo que se propone está centrado en el concepto de curso. Los alumnos realizarán cursos de forma individual. Cada curso tendrá unos objetivos predefinidos y unas materias claramente estructuradas por un profesor.

Curso

Test Inicial

Test Final

Tema 1

Tema n

…

Unidad 1.1

Unidad 1.n

…

Material c 1

Video principal

Video alt1

Video parcial1

Test Final

Curso

Test Inicial

Test Final

Tema 1

Tema n

…

Unidad 1.1

Unidad 1.n

…

Material c 1

Video principal

Video alt1

Video parcial1

Test Final

esp1

Curso

Test Inicial

Test Final

Tema 1

Tema n

…

Unidad 1.1

Unidad 1.n

…

Material c 1

Video principal

Video alt1

Video parcial1

Test Final

Curso

Test Inicial

Test Final

Tema 1

Tema n

…

Unidad 1.1

Unidad 1.n

…

Material c 1

Video principal

Video alt1

Video parcial1

Test Final

esp1

Fig. 2 Estructura de un curso

Un curso está compuesto por los siguientes elementos, siguiendo la estructura que se muestra en la figura 2:

• Un test inicial. Su objetivo será evaluar el nivel de partida del alumno para definir el punto de inicio del proceso educativo. La idea es evitar tanto presentarle información demasiado básica que le aburra, como demasiado avanzada que le lleve a la imposibilidad de entender la explicación.

• Temas. Cada curso contará con un conjunto de temas que el alumno deberá recorrer de forma ordenada.

• Unidades. Cada uno de los temas estará compuesto por

GARCÍA PAÑEDA et al.: DISEÑO DE UN SISTEMA DE TELE-EDUCACIÓN ADAPTATIVO 3

ISSN 1932-8540 © IEEE

unidades donde se estudiarán una serie de conceptos. El estudio se realizará mediante la visualización de ciertos vídeos. Estos vídeos estarán clasificados en tres grupos: o Vídeos principales. Vídeos diseñados para ser

visualizados por el alumno inicialmente en la unidad.

o Vídeos alternativos. Vídeos que incluyen los mismos conceptos que el principal con enfoques diferentes. Se pueden presentar al alumno como alternativa al principal.

o Vídeos específicos. Vídeos de refuerzo para cuando el alumno necesita revisar un concepto específico en una unidad.

• Material complementario. Documentos de apoyo, presentaciones y otro tipo de material descargable que complemente la información que se va presentando mediante los vídeos al alumno.

• Test final de tema. Test que el alumno realiza al finalizar un tema para evaluar si ha adquirido los conocimientos esperados.

• Test final de evaluación de los conocimientos adquiridos. Como referencia para el profesor, el curso multimedia finalizará con la realización de un test sobre los conocimientos adquiridos durante el mismo. En la figura 3 se muestra la pantalla para la introducción de una pregunta de test.

Fig. 3 Introducción de una pregunta de test

C. Creación de un curso

El profesor será la persona encargada de la creación de un curso. Para ello deberá inicialmente definir los objetivos del curso (tanto de forma textual como a través de la especificación de un conjunto de conceptos que van a ser tratados en el mismo). Una vez creada esta información más general deberá comenzar a definir los temas en los que se va a descomponer el curso. En la figura 4 se puede observar una pantalla para la introducción de nuevos temas en la herramienta que implementa el diseño descrito. En esta descomposición el profesor deberá tener en cuenta que los temas son tratados por el sistema como elementos independientes que serán evaluados a través de un test para ser superados. Cada uno de los temas estará compuesto por

unidades a las que se les asociarán diversos vídeos. El profesor deberá indicar para cada unidad el objetivo de la misma, una breve descripción y qué conceptos son los que se van a tratar en la misma. Asociará a la unidad un conjunto de vídeos donde al menos existirá un vídeo principal. Además, podrá introducir vídeos alternativos y otros para conceptos específicos. Para cada vídeo deberán introducirse una serie de metadatos. Estos consistirán en una secuencia de pares donde se indica rango temporal dentro del vídeo y el concepto trabajado en ese periodo.

Tanto para la evaluación final como para la de cada uno de los temas del curso, el profesor introducirá un conjunto de preguntas (ítems de evaluación) a las que asociará un conjunto de posibles respuestas. De entre todas las respuestas definirá una única como verdadera, siendo el resto falsas. Para cada pregunta, como se muestra en la figura 3, el profesor indicará a qué concepto está asociada dicha pregunta. De este modo el sistema será capaz de seleccionar las preguntas que presenta al alumno en función de los conceptos con los que están relacionadas.

Adicionalmente, el profesor podrá asociar a los temas tanto material de apoyo como bibliografía recomendada que complementen los vídeos introducidos.

Fig. 4 Pantalla de creación de un curso

D. Realización de un curso

La realización de un curso se iniciará con la matrícula del alumno. Una vez inscrito y pasada la fecha de comienzo del curso, el alumno deberá realizar un test inicial que proporcione información sobre sus conocimientos de partida. A partir de ese momento comienza el curso propiamente dicho. El alumno arranca el curso por el tema 1 e irá recorriendo el resto siguiendo el orden establecido por el profesor. Cada tema está compuesto por un conjunto de unidades por las que el alumno podrá moverse libremente, es decir que aunque tienen un orden preestablecido no se obliga al alumno a seguirlo. Algunas de las unidades podrían darse por superadas si los resultados del test de partida así lo recomendasen. La figura 5 muestra la presentación que se hace al alumno de un tema.


ISSN 1932-8540 © IEEE

Tema

Vídeo

Unidad

Tema

Vídeo

Unidad

Fig. 5 Presentación al usuario del contenido de un tema

Cuando el alumno decide visualizar el contenido de una unidad se le presenta un único vídeo, si bien, este no tiene por qué ser siempre el mismo, ya que el sistema de adaptación seleccionará en cada momento el que considere más conveniente. El alumno podrá permanecer viendo los vídeos de las unidades que componen un tema todo el tiempo que crea conveniente. En ese periodo el sistema irá escogiendo los vídeos más adecuados para su reproducción, intentando que el alumno no se aburra y dándole nuevos puntos de vista. En general, cuando se repite la visualización de una unidad suele ser porque no le quedó perfectamente clara la explicación en la reproducción inicial. Utilizado un vídeo con un enfoque diferente, se puede facilitar la comprensión de los conceptos en él recogidos.

Cuando el alumno se considere lo suficientemente preparado, podrá realizar un test para evaluar sus conocimientos sobre el tema. Con la información recogida a través del test, la información recabada de las reproducciones de vídeos realizadas y el criterio del profesor, el sistema tomará la decisión de si el alumno tiene conocimientos suficientes para pasar al tema siguiente o si debe revisar algunos conceptos del actual. En caso de tener que revisar el tema actual, se le volverán a presentar vídeos, posiblemente diferentes a los previamente visualizados, centrados en los conceptos que necesita trabajar con más profundidad. Una vez el diagnóstico indica que el alumno debe pasar al siguiente tema, este proceso se repite de igual forma en lo sucesivo. De este modo, el alumno recorrerá todos y cada uno de los temas. Como prueba final se le planteará un cuestionario. Con el resultado y la opinión del profesor se decidirá si ha superado los objetivos del curso o debe repasar algunos conceptos antes de darlos por superados.

IV. FUENTES DE INFORMACIÓN

El sistema de adaptación recibirá información de tres fuentes: el profesor, los resultados de los test que realiza el alumno y las reproducciones realizadas sobre los vídeos.

Como se muestra en la figura 6, el sistema combinará toda esa información recuperada en tiempo real para adaptar el proceso educativo del alumno.

Tomadorde

decisiones

Servidor de audio/vídeo Alumno/aProfesor/a

SI

Log de lasreproducciones

Siguiente vídeo

TestsCriterios

Tomadorde

decisiones

Servidor de audio/vídeo Alumno/aProfesor/a

SI

Log de lasreproducciones

Siguiente vídeo

TestsCriterios

Fig. 6 Fuentes de información

A. Reproducciones de vídeo

Para cada reproducción de vídeo que realice el alumno, se almacenarán los conceptos que se han estudiado así como un log completo con el nombre del vídeo, hora y fecha de la reproducción, zonas del vídeo visualizadas y las interacciones realizadas (pausas, avances, retrocesos). Puesto que el sistema registrará todas las reproducciones del alumno, será posible saber cuantas veces se ha estudiado cada una de las unidades y todos y cada uno de los vídeos que han visualizado. Esta información será un elemento clave en el modelo del alumno.

B. Resultado de los tests

Se almacenará información general sobre el test: • Puntuación obtenida. Se contabilizará el número de

respuestas acertadas en el test. • Número de veces que se ha repetido el test para ese tema.

Este número será utilizado para identificar al test, por ejemplo test1.1, hará referencia a la primera vez que se realiza el test del tema 1.

• Conceptos del tema que el alumno no maneja con claridad. Puesto que las preguntas tienen asociados conceptos, el haber fallado preguntas de un concepto indica que no se maneja con claridad.

• Lista de conceptos que maneja con claridad. • Log con todas las preguntas realizadas en el test, la

respuesta seleccionada por el alumno y si fue acertada o errónea.

El sistema almacenará esta información para todos y cada uno de los tests realizados a lo largo del curso.

C. Criterio del profesor

El criterio del profesor definirá cómo ve la progresión del alumno situándolo en alguno de los siguientes estados: • Progresa adecuadamente (PA). En este estado el alumno

puede seguir avanzando en el proceso de aprendizaje. Según el criterio del profesor su adquisición de conocimientos es adecuada.


ISSN 1932-8540 © IEEE

• Necesita tutoría (NT). Este estado impide el avance del alumno al siguiente tema, aunque podrá seguir estudiando contenidos del actual. Para desbloquear el avance del alumno, éste deberá ponerse en contacto con el profesor para analizar su falta de progreso.

V. SISTEMA DE RECUPERACIÓN DE LA INFORMACIÓN SOBRE

LAS REPRODUCCIONES DE VÍDEOS EN TIEMPO REAL

Para hacer un seguimiento preciso de la evolución del alumno a la hora de acceder a los contenidos en vídeo, es necesario recuperar información sobre las reproducciones en tiempo real. Para ello, se ha diseñado un módulo capaz de recuperar datos sobre la reproducción aprovechando los sistemas de log de los servidores de vídeo. Al igual que los servidores Web, los servidores de vídeo basados en la tecnología de streaming registran cada descarga que se realiza sobre los mismos [13]. En este caso, puesto que el protocolo utilizado es el RTSP [14] y el vídeo es un medio de información de tipo continuo, se registran elementos como la duración de las reproducciones, las interacciones realizadas por los usuarios, las duraciones de las pausas, etc.

Con la finalidad de que el seguimiento pueda realizarse en un tiempo que podríamos considerar real, el sistema educacional desarrollado aprovecha una funcionalidad proporcionada por los servidores de streaming Helix [13] llamada Advanced o Custom Logging. Esta funcionalidad permite recoger datos en tiempo real sobre los accesos realizados por los usuarios. Para ello, el sistema dispone de una interfaz configurable que permite, desde imprimir los datos de los accesos en un fichero hasta enviar estos datos mediante un socket TCP, UDP o incluso un mensaje HTTP.

Para recoger los datos sobre los accesos de los usuarios a los contenidos de audio y vídeo se ha diseñado un Módulo de

Registro On-Line. El funcionamiento de este módulo se ilustra en la figura 7. Se trata de un sistema que recibe los datos de las peticiones de los usuarios de forma directa desde el servidor de streaming cada vez que un usuario finaliza una reproducción. De este modo, el servidor de vídeo ha sido configurado para enviar un mensaje HTTP al módulo de registro, que se encarga de extraer la información contenida en el mismo e insertarla en la base de datos del sistema educacional.

Servidor

Helix

PeticiónHTTP

Base de Datos

Sistema Educacional

MóduloRegistroOn-line

<xml>…

</xml>

Fig. 7 Funcionamiento del módulo de registro on-line

El mensaje enviado por el servidor de vídeo al de recuperación de información en tiempo real, contiene datos en formato XML sobre la reproducción que acaba de realizar un usuario. Estos datos incluyen detalles sobre el usuario,

segundos de reproducción, fechas y horas de inicio y finalización, además de detalles sobre las interacciones realizadas por el mismo (pausas y saltos hacia adelante y atrás).

Una vez registrada la información, este módulo la completará cruzándola con los metadatos sobre el vídeo. El proceso consistirá en detectar si los periodos en los que se trata un concepto están dentro de los segmentos de vídeo visualizado. En la figura 8 se presenta de forma gráfica este proceso. En ella pueden verse los conceptos visualizados en color negro y en naranja los que no lo han sido. Como resultado del proceso obtendrá una lista de los conceptos que el alumno ha visualizado por completo durante la reproducción. Esta información será también almacenada e incluida en el modelo del alumno.

Vídeo

Concepto1Concepto2

Concepto3Concepto4

Concepto5Concepto6

Periodos visualizados

Conceptos visualizados

Vídeo

Concepto1Concepto2

Concepto3Concepto4

Concepto5Concepto6

Periodos visualizados

Conceptos visualizados

Fig. 8 Extracción de los conceptos visualizados

VI. MODELO DEL ALUMNO

Hemos considerado el modelo del alumno, según se define de forma clásica en los sistemas de tutores inteligentes [15], implícitamente dentro de la red de objetos creada para la toma de decisiones presentada en el apartado siguiente.

En relación con las estructuras de datos consideradas se han seguido las especificaciones del IMS-LIP (Learning Information Packages) para el modelado [16], si bien aquí estas se reducen básicamente a la caracterización de listas de objetos que deben ser gestionadas dinámicamente durante el proceso de aprendizaje.

De forma específica, además de la información personal del alumno, que podrá ayudar al profesor en la toma de algunas decisiones, el sistema mantendrá la siguiente información: • Lista de conceptos visualizados por el alumno. Se

incluirán en esta lista todos los conceptos que el alumno ha visualizado en alguno de los vídeos que ha reproducido y cuántas veces. Se tendrán en cuenta sólo los que estaban presentes en los trozos de vídeo reproducidos completamente, ya que puede darse la circunstancia de que el alumno sólo visualice parcialmente esos vídeos y por tanto no acceda a algunos conceptos (los visualizados únicamente de forma parcial no serán considerados).

• Lista de conceptos superados por el alumno. Se incluirán en esta lista todos aquellos conceptos a los que el alumno ha respondido satisfactoriamente en los tests que se le han realizado. A diferencia de la lista anterior, que siempre incorporará nuevos conceptos, en ésta pueden borrarse conceptos si, después de haber contestado a cuestiones positivamente, en un test posterior el alumno contesta erróneamente.


ISSN 1932-8540 © IEEE

• Lista de objetivos pendientes. Se incluirán aquí los objetivos del curso que el alumno todavía no ha superado.

• Lista de objetos activables. Conjunto conformado con los vídeos y los ítems de test que pueden ser activados en la próxima acción del usuario.

• Criterio del profesor. Progresa adecuadamente/Necesita tutoría.

• Log de las acciones de alumno y profesor. En esta lista se incluye la siguiente información: o Reproducciones realizadas. Se relacionará con el

log reproducciones descrito en la sección IV. o Tests realizados. Se relacionará con la información

recabada de los tests descrita en la sección IV. o Cambios de criterio del profesor. Se almacenará un

log con todos los cambios de estado (PA/NT).

VII. DISEÑO DEL SISTEMA DE TOMA DE DECISIONES

El conjunto de las relaciones entre los elementos de enseñanza que intervienen en el sistema (temas, unidades, ítems de evaluación, características de los alumnos, interacciones), se implementa en forma de redes de objetos interrelacionados. Estas redes configuran el módulo básico del modelo de conocimiento. Será a partir de estas redes de objetos, aprovechando las especiales características jerárquicas y estructurales de sus relaciones [17], de donde se extraerá la información necesaria. Ésta será de dos tipos. Uno que agrupará la información deducida a partir de la verificación de la actividad del estudiante, y cuyo objetivo será generar y actualizar la lista de conceptos superados por el alumno. El otro, que denominaremos lista de objetivos pendientes, y que será requerida en el avance de la enseñanza, y extraíble a partir de la aplicación reiterada de las reglas de adaptación.

Asociada a la lista de objetivos pendientes se generará la lista de objetos activables, que agrupa a los elementos que van a ser presentados al alumno (cadena de vídeos de presentación de conceptos e ítems de tests). Es de observar que estas listas se generan dinámicamente conforme avanza el proceso de enseñanza-aprendizaje y dependen del conocimiento sobre la materia disponible, del grado de asimilación, preparación previa, tipo de alumno sobre el que se está trabajando, y las acciones de éste.

A través de la asociación de la actividad del estudiante con las relaciones entre conceptos, unidades, vídeos e ítems de evaluación, definidas por el profesor en las redes, se irán actualizando las listas de conceptos visualizados y superados de cada alumno.

Para obtener los objetivos pedagógicos requeridos en cada momento en la toma de decisiones, sólo será necesario aplicar el motor de inferencias según las reglas anteriores y las listas actualizadas.

A. Objetos y relaciones

Las relaciones entre los elementos de enseñanza, implementados por medio de las redes de objetos, constituyen el núcleo del sistema.

Se enumerarán los objetos considerados más importantes para la comprensión general del sistema, así como sus relaciones con los demás, que definirán su comportamiento posterior. • El concepto. Es el elemento básico y está integrado en

todos los demás elementos de conocimiento que intervienen en la enseñanza.

• Los vídeos. Estos objetos de conocimiento están constituidos básicamente por grabaciones audiovisuales, aunque desde el punto de vista educativo se consideran simplemente presentaciones de grupos de conceptos. En definitiva, son lo que finalmente ve el alumno y utiliza para aprender. Por tanto, la estructura de los mismos en cuanto a representación podrá ser lo mas variada posible, y dependerá de lo que el profesor decida que quiere mostrar en un momento dado. Cada vídeo, lleva asociada la enumeración de los elementos de enseñanza relacionados, esencialmente conceptos. En la figura 9 se puede observar la pantalla en la que se asocian los conceptos a cada vídeo. Las ideas o conceptos básicos de pedagogía que están presentes en la justificación de la elaboración de diferentes tomas o versiones para un mismo concepto son: o El tipo de alumno que esté estudiando. o El nivel de profundidad a presentar. o El objetivo perseguido en la exposición. o El tipo de estudio realizado (inicial, repaso, consulta,

re-explicación). o Las relaciones con otros conceptos. o El enfoque o puntos de vista de varios autores. o El material previo disponible.

Nombre vídeo

Concepto

Rango temporal

Nombre vídeo

Concepto

Rango temporal

Fig. 9 Asignación de conceptos a vídeos

• Objetos Estructurales y de Organización del Conocimiento. El sentido semántico de estos objetos es el de permitir organizar y partir la materia o conocimiento en unidades más elementales, con diferentes niveles de abstracción y de contenido. La organización de los conceptos de conocimiento en temas y unidades didácticas permitirá posteriormente la selección, identificación e incorporación de los vídeos. También es posible relacionar estos objetos con las características particulares de los alumnos. Estos objetos y el núcleo de sus relaciones, se


ISSN 1932-8540 © IEEE

extraen de la estructuración del curso que inicialmente realiza el profesor.

• Objetos de Evaluación Explícita. Son los elementos de enseñanza referidos a la evaluación y verificación de los conocimientos adquiridos por el alumno. Desde el punto de vista del presente apartado, se considerará su interrelación con los demás elementos de conocimiento, especialmente los conceptos que son evaluados con cada ítem. También se señalará aquí la necesidad de introducir un abanico amplio de ítems, el cual permita al motor de inferencias seleccionar ítems diferentes para evaluaciones reiteradas de los mismos conceptos.

• Objetos Indicadores de Eventos. Se podrían definir como aquellos por medio de los cuales el alumno incide de forma directa en la propia estrategia de enseñanza. A través de ellos, las propias actuaciones del alumno en el proceso de aprendizaje constituyen una forma de evaluación implícita, e influyen y conducen la navegación del sistema. El tipo de eventos a considerar podrá ser tan amplio como lo permita el equipo utilizado. Incluso, se pueden asociar eventos derivados de la inacción por parte del alumno frente a estímulos (preguntas abiertas, sugerencias que debería consultar…), o su lentitud en las respuestas, pero la actuación del sistema frente a los mismos es similar. En el presente modelo, basado en los vídeos, se han considerado fundamentalmente los tiempos de visualización, rebobinado y saltos que el alumno ha empleado.

• Objetos de Identificación del Alumno. Son los que conectan el conocimiento o materia a impartir con las características particulares que tiene el alumno que lo está recibiendo. Corresponderán a las instancias posibles de los tipos de alumnos considerados en el estudio, para permitir relacionarlas con los demás elementos de conocimiento, particularizando la enseñanza.

• Objetos Complementarios y Auxiliares. Existen otra serie de elementos que presentan una funcionalidad distinta: o Objetos de identificación de prerrequisitos:

necesarios para la comprensión de ciertos conceptos. o Objetos de introducción y presentación: además de su

propio interés intrínseco, son también especialmente interesantes para suavizar los posibles saltos bruscos entre diferentes conceptos o diferentes áreas de conocimiento, sobre todo, cuando se permite saltos en el orden de los objetivos.

o Objetos de motivación: aportando sugerencias de tipo conductista [18].

B. Motor de inferencias

Presentados los componentes, se describe el comportamiento general del modelo en cuanto a su funcionamiento y mecanismos de propagación.

1) Situación inicial

Con la información inicial sobre el alumno, obtenida del sistema tras el test inicial y la información proporcionada por el profesor, se obtienen los conceptos considerados superados

por el alumno. Con éstos, es preciso acudir a las redes de objetos y deducir toda la información posible relacionada. Algunas reglas que conducirán esta propagación son: • Si todos los conceptos claves de una unidad se han dado

por superados, la unidad entera se da por superada. • Si hay algún concepto aislado pendiente de superar,

entonces se incorpora a la lista de objetivos pendientes. El vídeo específico asociado con el mismo se incorporará a la lista de objetos activables.

• Incorporar a la lista de objetivos pendientes los temas con las unidades didácticas que contienen asociadas a los vídeos principales junto con los tests requeridos por cada tema (lista de objetos activables). 2) Propagación y actualización de objetivos

A partir del primer objetivo pendiente de la lista, es necesario presentar al alumno el elemento activable asociado (vídeo, item de test). Además, habrá que recoger e interpretar las respuestas y la actividad de éste, con lo que dispondremos de nuevos objetos que actualizarán las listas del modelo del alumno.

Es posible que tras la activación de un objeto (visualización de vídeo o evaluación) se deduzcan en paralelo varios de los subobjetivos perseguidos, por lo que se eliminarán de la lista de objetivos pendientes.

C. Métodos, algoritmos y reglas

Se presentan en este apartado los métodos, algoritmos y estrategias concretas utilizadas en el proceso de enseñanza. Se ha considerado, de acuerdo con la metodología clásica de los sistemas tutores inteligentes [19], la separación entre la base de conocimientos (constituida por reglas que gestionan el proceso de aprendizaje y generadas por el profesor y/o por el director del proceso educativo) y los mecanismos de inferencia implementados, que generarán de forma automática las decisiones necesarias a partir de dichas reglas y las redes de objetos definidas.

1) Mecanismos de inferencia

Con carácter general, los métodos utilizados por el sistema para la propagación de objetivos en la toma de decisiones estarán constituidos de acuerdo con las siguientes características: • Siempre que se modifiquen las listas de objetivos

pendientes u objetos activables derivadas de la visualización de un vídeo o la resolución de un test, se activarán las reglas para identificar los conceptos asociados visualizados o superados.

• El resultado de la verificación de una regla será la actualización de las listas de objetivos pendientes y de objetos activables. 2) El marco de las reglas

Con los elementos anteriores, la enumeración de las reglas de control de objetivos quedará implementada por los siguientes grupos: • GRUPO1: Reglas de identificación de contenidos. Este

grupo de reglas trabajará sobre los nodos estructurales, identificando por medio de las reglas de objetos, las


ISSN 1932-8540 © IEEE

unidades que componen un tema objetivo de enseñanza y los conceptos correspondientes. Es necesario considerar que deben eliminarse los objetos contenidos en la lista de conceptos superados por el alumno.

• GRUPO2: Reglas de identificación y caracterización de alumnos. Agrupan los comportamientos del sistema frente a las tipologías de los alumnos considerados. Especifican qué hacer frente a los que han fallado en alguna evaluación, en repeticiones de explicaciones de conceptos o repasos, o el comportamiento del alumno frente a las grabaciones.

• GRUPO3: Reglas de identificación de objetos activables. Describen los comportamientos para obtener vídeos o ítems de test que satisfagan las listas de objetivos pendientes. Deben considerarse situaciones en las que, en la medida de lo posible, no se repitan vídeos previamente visualizados, se identifiquen los vídeos que mas se ajusten a los conceptos que se pretenden comunicar, no se repitan ítems de evaluación, etc.

• GRUPO4: Reglas de actualización de conceptos superados o visualizados. Están orientadas a la actualización de las listas del modelo del alumno tras la visualización de vídeos o resolución de tests. Recorrerán los grafos de objetos y, en función de la actuación del estudiante, incorporarán nuevas unidades y temas superados a las listas

• GRUPO5: Reglas de actualización de objetivos pendientes. Grupo de reglas que realizan la actualización de objetivos pendientes a partir de las actualizaciones de las listas del alumno.

VIII. CONCLUSIONES

La incorporación del vídeo a los sistemas de tele-educación aumenta la confianza del alumno y mejora la retención del conocimiento. En los últimos años existe una tendencia clara de incorporar estos medios a los sistemas existentes. En este entorno, adaptar los tutores inteligentes para usar el vídeo como medio y procesar en tiempo real las interacciones del alumno con el mismo, facilitará la adaptación del proceso de aprendizaje a las necesidades y características particulares de cada alumno.

El sistema que aquí se presenta puede ser utilizado tanto como único elemento de enseñanza, como para complementar las clases impartidas en el aula por el profesor. Los procesos de adaptación al espacio europeo de educación superior llevan a que en las clases presenciales se apliquen técnicas de grupo y actividades alternativas a la lección magistral. Para que éstas tengan sentido, el alumno debe previamente adquirir unas bases de conocimiento por su cuenta. En general, este aprendizaje se realiza mediante el estudio de apuntes o la lectura de libros. En ambos casos, es reconocido que este tipo de estudio puede llegar a hacerse duro cuando los conceptos son densos. Utilizando el sistema cuyo diseño aquí se presenta, el profesor podría extender su presencia más allá del aula, consiguiendo que el alumno no se sienta tan solo en el estudio

que debe hacer en su casa. Además, puesto que el sistema es adaptativo, se buscaría no aburrirlo, dándole diferentes enfoques si no consigue adquirir los conocimientos en el primer intento. El sistema también será muy útil para el profesor que, al conocer con detalle el estudio del alumno y sus resultados, puede incorporar un nuevo criterio de evaluación más allá del examen final.

Como inconveniente se plantea la cuestión del coste de implantación. La producción de vídeos resulta costosa y necesita largas sesiones de grabación, máxime cuando son necesarios vídeos con diferentes enfoques (alternativos) y de refuerzo de ciertos conceptos.

Actualmente, el sistema presentado se está utilizando, a modo de experiencia piloto, como complemento al sistema docente presencial de las asignaturas de Física de las carreras de Ingeniería Técnica en Informática de la Universidad de Oviedo.

IX. TRABAJOS FUTUROS

Con los resultados obtenidos una vez finalizado el presente curso, será necesario evaluar el funcionamiento de las reglas de adaptación planteadas y del método de extracción de conceptos a partir del temario de la asignatura. Esta experiencia debería permitir mejorar la adaptación del sistema. Se procederá entonces a definir una metodología que facilite dicha tarea a la hora de hacerlo para nuevas asignaturas.

Además de las mejoras derivadas de esta experiencia, se trabajará en un futuro en mejorar el proceso de evaluación continua, incorporando nuevas técnicas de creación y análisis de pruebas a distancia. Por ejemplo, incorporando parámetros de dificultad a las preguntas, introduciendo cuestiones que toquen varios conceptos, etc.

Otro aspecto que se pretende trabajar es la recogida de información sobre la calidad de los vídeos realizados en función de su utilización por parte de los alumnos. Mediante el análisis del comportamiento del usuario, se tratará de detectar la necesidad de realizar nuevas grabaciones que enfoquen los conceptos de un modo diferente. De este modo se mejorará la calidad del curso de forma continuada.

Por último, se pretende también estudiar la incorporación de algún canal más a la hora de recibir datos de entrada. Por ejemplo, sistemas en los que el alumno pueda indicar cuales han sido los conceptos que le han resultado más duros de aprender.

AGRADECIMIENTOS

Este trabajo está financiado parcialmente por la Universidad de Oviedo mediante el proyecto “Estudio y valoración de la incorporación de vídeo de forma adaptativa en un entorno de tele-enseñanza” (PC-07-007) y por el Ministerio de Educación y Ciencia Español mediante el proyecto FUTURMEDIA (TSI2007-60474).


ISSN 1932-8540 © IEEE

REFERENCIAS

[1] Houda Zouari Ounaies,et al., Measured Evaluation Model in e-learning Adaptive Systems. Proceedings of the IADIS Int. Conf. e-Society. Dublin. 2006.

[2] A survey of the IT industry. The Economist. 2003. [3] Friesen, N. Interoperability and Learning Objects: An Overview of E-

Learning Standarization. En Interdisciplinary Journal of Knowledge and Learning Objects. Vol.1. 2005.

[4] Brusilovsky, et al.. ELM-ART: An intelligent tutoring system on World Wide Web. In C. Frasson, G. Gauthier, & A. Lesgold Third International Conference on Intelligent Tutoring Systems, ITS-96. Vol. 1086. Springer Verlag. Berlin: 1996.

[5] Brusilovsky, P; Peylo; C. Adaptive and Intelligent Web-based Educational Systems. International Journal of Artificial Intelligence in Education 13. 2003.

[6] Brusilovsky, P; Karagiannidis, C.; Sampson, D. Layered evaluation of adaptive learning systems. En Int. J. Cont. Engineering Education and Lifelong Learning, Vol. 14, Nos. 4/5. 2004.

[7] Hwang, H; et al. An individualized and Self-Regulated e-Learning System. Int. Conference on e-Learning, e-Business, Enterprise Information Systems, e-Government, &Outsourcing. Las Vegas. 2006.

[8] Nagy, O.; Long, A. An Automated Template Based Interactive Multimedia Solution for Handheld Devices in the Educational Field or Other Domains. Int. Conf. on Frontiers in Education. Nevada. 2006.

[9] Chang, Chih-Kai. Constructing a streaming video-based learning forum for collaborative learning. Journal of Educational Multimedia and Hypermedia 13 (3). 2004.

[10] Del Corso, et al., G. A teacher friendly environment to foster learned-centered customization in development of interactive Educational Packages. IEEE Transactions on Education v.48 No.4. 2005.

[11] Pañeda et al.: Metodología para la Evaluación de un Servicio de Tele-educación Multimedia. IE Comunicaciones No1. 2005.

[12] Neira, A, López Brugos, J.A. Foundations on Adaptative Tutoring Systems based on Systemic Networks. Computer Aided Learning and Instruction in Science and Engineering. LNCS 1108. Springer-Verlag. 1996.

[13] Real Networks, Helix Universal Server. 2002. [14] Schulzrinne, H. et al. Real Time Streaming Protocol (RTSP). 1998. [15] Clancey, W.J. Qualitative Student Models. Annual Reviews Computer

Science 1986. [16] Global Learning Consortium. Learner Information Packages.

http://imsglobal.org/profiles. [17] Neira A. et al. Systemic Networks for Distributed Multimedia Teaching

Systems. Aproach to an Architecture. NETIES’97. Ancona. 1997. [18] Gropper, G.L. Intructional Strategies. Educational Technology Pub.

Englewood Cliffs, NJ. 1974 [19] Burns, H.L., Capps C.G. Foundations of Intelligent Tutoring Systems.

En Intelligent Tutoring Systems. Polson & Richardson Eds. Lawrence Erlbaum As. Pub. 1988.

Xabiel G. Pañeda es Doctor e Ingeniero en Informática y Profesor titular de Universidad Interino del Área de Ingeniería Telemática del Departamento de Informática de la Universidad de Oviedo. Es miembro de diferentes organizaciones, plataformas y comités de investigación como el SYMM (Shychronize Multimedia) del W3C. Especialista en servicios de audio/vídeo para Internet.

Ángel Neira Álvarez es Doctor en Informática e Ingeniero de Telecomunicación. Ejerce como Profesor Titular de Universidad en el área de Ingeniería Telemática del Departamento de Informática de la Universidad de Oviedo. Ha trabajado en el campo de los tutores adaptativos desde el año 1998 y realizado su tesis doctoral en este campo.

David Melendi Palacio es Doctor e Ingeniero en Informática y Profesor Titular de Universidad Interino del Área de Ingeniería Telemática del Departamento de Informática de la Universidad de Oviedo. Es miembro de diferentes organizaciones, plataformas y comités de investigación como el SYMM (Shychronize Multimedia) del W3C. Especialista en servicios de audio/vídeo para Internet.

Manuel Vilas Paz es Doctor e Ingeniero de Telecomunicación. Es especialista comunicaciones y gestión de red. Roberto García Fernández es Doctor e Ingeniero de Telecomunicación y Profesor Titular de escuela universitaria del área de Ingeniería Telemática del Departamento de Informática de la Universidad de Oviedo. Es especialista en redes de cable e integración servicios de audio/vídeo sobre las mismas. Victor Guillermo García García es Doctor e Ingeniero de Telecomunicación y Catedrático de Escuela Universitaria del Área de Ingeniería Telemática del Departamento de Informática de la Universidad de Oviedo. Es especialista en redes de cable.

José Ramón Menéndez es Doctor en Físicas y Catedrático de Escuela Universitaria del Área Física Aplicada del Departamento de Física de la Universidad de Oviedo.


ISSN 1932-8540 © IEEE

Title— Studio Recording Virtual Environment Abstract— Audio and Video engineering students should be

conversant with the work in the recording studio. Unfortunately, due to its high price, few units are available and thus the students cannot practice so much time as wished. In this paper the development of an Audio Recording Studio Simulator is presented. The simulator allows the students to practice with the different devices that can be found in a recording studio, where the mixing console is the main element. The students can virtually practice before the sessions to make the most of the time in the studio, which is the main target. Additionally, it can be used to check and revise the knowledge. Different technical and pedagogical aspects are also discussed specially about the simulator functionalities, in order to simplify the real system and keep the main tasks without losing its teaching value. The results show how the students notice an improvement in the learning process when they use this tool.

Index Terms— Audio Recording Studio, Engineering education, Mixing Console, Simulator.

I. INTRODUCCIÓN A formación práctica está adquiriendo una relevancia cada vez mayor en la educación universitaria. Si bien esta

afirmación se puede aplicar a cualquier disciplina, se vuelve especialmente importante cuando se trata de áreas eminentemente aplicadas como son las ingenierías. Sólo con una buena formación práctica los estudiantes de ingeniería de hoy podrán convertirse en profesionales competentes en el futuro. Lamentablemente, aún siendo conscientes de su importancia, en ocasiones resulta difícil que los alumnos reciban toda la formación práctica que sería deseable debido a la limitación de los recursos. Las nuevas tecnologías pueden ayudar a paliar esta situación mediante la creación de entornos virtuales [1]. Estos entornos virtuales no deberían tener como objetivo la sustitución de las prácticas en el laboratorio, sino el de complementarlas. Así, los entornos virtuales, también llamados laboratorios virtuales, permiten que los discentes practiquen todo el tiempo que sea necesario para aumentar el rendimiento cuando se trabaje sobre los recursos físicos [2][3].

El presente trabajo describe el proceso de desarrollo de un entorno virtual de estudio de grabación de audio y su puesta

Dpto. Ingeniería de Comunicaciones de la Universidad de Málaga. E.T.S.I. Telecomunicación. C.P.: 29071 Málaga. Tfn: (+34) 952134166; fax: (+34) 952132027; e-mail: {munilla, sluna, abp}@ic.uma.es.


en práctica como experiencia docente en la titulación de Ingeniería Técnica de Telecomunicación, especialidad Sonido e Imagen (ITT-SI), en la Universidad de Málaga (España).

La sección II presenta la situación docente que justifica la necesidad de la herramienta construida, así como los objetivos perseguidos. La sección III introducirá algunos aspectos técnicos sobre la realidad que desea simularse: elementos que componen el estudio de grabación, conexionado, etc. La sección IV describirá el proceso de implementación de la herramienta, haciendo especial hincapié en aquellos problemas que se han presentado al intentar trasladar el entorno real a uno virtual, y las soluciones adoptadas para obtener los mejores resultados desde un punto de vista pedagógico. La sección V presenta los resultados obtenidos y la valoración de los alumnos tras la experiencia. Por último, la sección VI contiene las conclusiones finales.

II. SITUACIÓN DE INICIO. NECESIDAD DE ESTUDIO VIRTUAL La enseñanza de los Equipos de Audio recae sobre dos

asignaturas en los planes de estudio de ITT-SI: Equipos de Audio y Laboratorio de Equipos de Audio. La primera aporta los conocimientos teóricos sobre este tipo de dispositivos, y la segunda, en la que nos centraremos, tiene como objetivo que los alumnos apliquen sobre equipos reales los conocimientos adquiridos en la asignatura teórica. La primera asignatura se imparte en 45 horas de docencia, mientras que la segunda dispone de 30 horas prácticas en la sala de laboratorio correspondiente. El estudio de grabación en general y la mesa de mezclas en particular, como su elemento central, constituyen uno de los temas nucleares de las asignaturas anteriormente mencionadas. Concretamente, y dentro de la asignatura de Laboratorio de Equipos de Audio, se realizan diversas sesiones prácticas en el estudio de grabación profesional del que dispone la Escuela Técnica Superior de Ingeniería de Telecomunicación (ETSIT). En los últimos años, 100 discentes se han matriculado en dicha asignatura por curso académico como media. Debido a este elevado número de personas, las horas que cada alumno tiene reservadas para trabajar con la mesa de mezclas y los equipos asociados en el estudio de grabación resultan insuficientes, teniendo en cuenta que resulta necesario un periodo de presentación y adaptación a los equipos.

La experiencia de cursos anteriores nos ha llevado a una organización de grupos, cada uno de ellos constituido por 3 ó 4 personas, que trabajan en el estudio de grabación 4 horas en 2 sesiones de 2 horas cada una. En la primera de estas 2 sesiones se presentan los equipos, su interconexión y ciertos

Simulador de Estudio de Grabación de Audio Jorge Munilla Fajardo, Salvador Luna Ramírez, Member, IEEE, y Ana M. Barbancho Pérez

L


ISSN 1932-8540 © IEEE

procesos básicos. En la segunda sesión, se explican procesos más complejos de edición, grabación y reproducción en el estudio de audio.

En los últimos años se observa un ligero descenso en el número de alumnos matriculados, por lo que no se prevé que, a corto o medio plazo, varíe la organización de las sesiones en el estudio de grabación audio descritas en el párrafo anterior.

Los objetivos que se buscan con el desarrollo de este simulador de estudio de grabación de audio son dos. En primer lugar, se pretende reducir fundamentalmente el tiempo de adaptación al estudio de grabación real, para hacer más intensas y eficaces las horas empleadas en el laboratorio con el equipamiento real. Como segundo objetivo, se desea proporcionar una herramienta con la que los discentes, una vez realizada la práctica en el estudio, puedan repetir aquellos procesos que consideren convenientes, recordando así los procedimientos y protocolos de actuación que se introdujeron en el estudio de grabación.

De este modo, el diseño de la herramienta se ha orientado a que el interfaz gráfico sea lo más parecido posible al del sistema real. Se considera importante como requerimiento de diseño que el simulador final no exceda las prestaciones de un ordenador personal de gama media (equipo estándar con tarjeta de sonido básica), para que los alumnos puedan utilizarla en sus casas con sus propios equipos informáticos.

III. DESCRIPCIÓN DEL ESTUDIO DE GRABACIÓN El estudio de grabación es un recinto especialmente

dedicado al registro, mezcla y procesamiento de señales sonoras. Su coste resulta muy elevado, no sólo por el acondicionamiento acústico que requieren las instalaciones, sino también por el equipamiento que necesita. La Fig. 1 muestra el esquema del conexionado de los equipos del estudio de grabación que se ha seguido para el desarrollo del entorno de simulación. Queda fuera del propósito de este artículo el describir detalladamente estos dispositivos, para lo que se recomienda acudir a la bibliografía existente [4]. Sin embargo, para conseguir exponer claramente la herramienta diseñada, a continuación se hace una breve introducción a los principales equipos que pueden encontrarse en el estudio de grabación y que constituyen el núcleo de la herramienta de simulación.

1) Fuentes de audio y transductores: las fuentes de audio

son el origen de las señales que proporcionan información de entrada al sistema. Debido a que los subsistemas que componen el estudio de grabación trabajan con señales eléctricas, los dispositivos transductores se encargan de hacer de interfaz entre el dominio acústico y el eléctrico de manera previa a la conexión con la mesa de mezcla. En el caso de la transducción de entrada, son los micrófonos los que realizan dicha función; para la transducción de salida, la ejecutan los altavoces.

Las fuentes naturales de audio, esto es, las que se producen en la naturaleza, pueden no ser las únicas señales de entrada

para el estudio. Existen dispositivos que generan información audio de entrada de manera artificial, como, por ejemplo, los sintetizadores digitales. De igual manera, las señales audio pueden pasar un preproceso previo a su conexión con la mesa de mezclas. Es el caso de compresores, puertas de ruido, etc [4].

2) Mesa de mezclas: es el elemento principal del estudio de grabación. A ella se conectan las distintas fuentes de señal y de ella sale la señal final mezclada para ser registrada. Sus posibilidades de interconexión y procesado interno son muy elevadas. Debido a su importancia y a la relevancia que tiene en el simulador, se realiza una descripción más detallada de este dispositivo en el siguiente subapartado.

3) Multipistas: este dispositivo permite almacenar diversas señales en cada una de las pistas de las que dispone, presentando opciones avanzadas de búsqueda, inserción y sincronización entre ellas. En el pasado se utilizaba registro magnético lineal para almacenar las señales; pero en la actualidad, prácticamente todos los multipistas almacenan la información de manera digital no lineal (unidad de disco duro).

4) DAT (Digital Audio Tape): soporte de almacenamiento que se utiliza para grabar el producto final en una calidad digital similar a la que tienen los discos compactos, esto es, señal estéreo con 44,1 kHz de frecuencia de muestreo y 16 bits por muestra.

5) Amplificador y altavoces de monitorización: son utilizados por el técnico de sonido para comprobar el resultado de las mezclas y el procesado que se está realizando.

Fig. 1. Interconexión de los dispositivos en el estudio de grabación.

El método más habitual de producción musical es el

conocido como overdub [4]. Este método consiste en que cada fuente sonora que interviene en el producto musical se registra de manera independiente y se almacena en el sistema multipistas. Así, se permite aislar los posibles defectos cometidos en la interpretación o registro de las distintas fuentes. Tras procesar de manera independiente las señales de entrada, se utiliza la mesa de mezclas para combinarlas y


ISSN 1932-8540 © IEEE

obtener el producto final. Para ayudar al intérprete a ejecutar su parte de la composición, desde la mesa se le envía una señal de referencia de manera simultánea a la grabación del sonido interpretado por parte del músico. Esta señal de sincronización es conocida como foldback [4].

Además de los dispositivos reseñados, conviene indicar que en un estudio de grabación pueden encontrarse otros muchos tipos de dispositivos adicionales con funcionalidades más específicas como: secuenciadores, procesadores de dinámica o de efectos externos. Estos dispositivos no han sido incluidos en la herramienta de simulación, dado que no constituyen el núcleo básico de elementos de un estudio de grabación, y su inclusión supone una mayor complejidad del sistema.

A. Mesa de mezclas Una división clásica de las mesas de mezclas es la que las

separa entre analógicas y digitales. La diferencia entre ambas se encuentra en el procesado interno de la señales que en unas es analógico y en las otras es digital. En las mesas digitales, por tanto, se hace necesario un proceso de conversión analógico-digital a la entrada y el proceso inverso a la salida. En la actualidad, la mayoría de las mesas profesionales son digitales, quedando las analógicas para procesos de mezcla más simples. La Fig. 2 representa el esquema de una mesa de mezclas digital, en el que se distingue: los módulos de procesamiento de entrada, el módulo de enrutamiento y los módulos de salida. Los módulos de procesamiento de entrada y salida varían en función del tipo de señal que contienen y el tratamiento de señal a realizar. El módulo de enrutamiento permite combinar las distintas entradas en los distintos módulos de salida. Puede decirse que las diferencias existentes entre las distintas mesas comerciales son las posibilidades que ofrecen de procesamiento de señal de audio y la flexibilidad en el enrutamiento.

Fig. 2. Esquema de una mesa de mezclas digital genérica

IV. DESARROLLO DE LA HERRAMIENTA El primer objetivo de diseño de la herramienta virtual es

simular el entorno que el alumno encuentra en el estudio de

grabación de la manera más fiel posible. Consecuentemente, se han tomado como referencia para su implementación los dispositivos reales disponibles en nuestro estudio. En la herramienta virtual destacan tres subsistemas: mesa de mezclas, multipistas y DAT.

A. Mesa de mezclas Se pretende emular las prestaciones de una mesa de mezclas

profesional [5], tomando como referencia la disponible en el laboratorio. El dispositivo real con el que trabajarán los alumnos ofrece 40 canales de entrada, de los que 24 son analógicos, y una conversión analógica-digital de 96 kHz como frecuencia de muestreo y con 24 bits por muestra, además de una alta gama de posibilidades de procesamiento. No se persigue que la herramienta sea capaz de simular exhaustivamente todas las funcionalidades de la mesa, sino desarrollar un entorno lo más similar posible a la realidad donde se puedan llevar a cabo experiencias introductorias a las prácticas que posteriormente realizarán con los sistemas reales. Las funciones que han sido consideradas más importantes, y que, por tanto, se han implementado en el simulador, son las siguientes: • Atenuadores deslizantes (slider faders) y de ganancia

(gain): ajustan los niveles de señal de entrada y de envío. • Medidores de nivel. • Ecualización: filtrado mediante ecualización paramétrica

de cuatro bandas de frecuencia. • Procesadores dinámicos: compresores y expansores. Son

procesados no lineales que se aplican a la señal para modificar su rango de funcionamiento.

• Efectos: la mesa de mezclas contiene un procesador de efectos internos. El envío a estos efectos puede hacerse antes de los atenuadores (pre-fader) o después de éstos (post-fader).

• Enrutamiento: o posibilidad de combinar las entradas y direccionarlas a cualquiera de las salidas de la mesa de mezclas.

• Memoria de escenas: almacena los parámetros de trabajo actuales permitiendo reanudar el trabajo con esa misma configuración en un momento posterior.

• Panoramización: las señales pueden enviarse con mayor o menor nivel al canal principal de salida derecho y/o izquierdo.

• Subgrupos: la posibilidad de agrupar señales que recibirán el mismo tratamiento.

El primer inconveniente que aparece al tratar de simular el comportamiento de la mesa radica en la captación de señales de entrada. La mesa de mezclas es un dispositivo especialmente diseñado para recibir distintos tipos de señales simultáneamente. Las tarjetas de sonido de los ordenadores convencionales suelen disponer como máximo de dos entradas: micrófono y línea. Sólo una de ellas puede ser captada en un momento dado. Para simular entonces la captación de múltiples entradas, se trabaja con múltiples archivos de sonido simultáneamente, previamente grabados de manera individual. Esto es similar al modo en que trabaja la mesa de mezclas, pero de manera diferida. El simulador, por

MUNILLA, LUNA Y BARBANCHO: SIMULADOR DE ESTUDIO DE GRABACIÓN DE AUDIO 13

ISSN 1932-8540 © IEEE

tanto, permite la grabación de nuevos ficheros de sonido que podrán ser utilizados a continuación como entradas. También es posible configurar la elección de la señal foldback de referencia.

Los controles de ganancia (gain) son usados en la mesa de mezclas para controlar el nivel de las señales analógicas a la entrada antes de la conversión A/D. Esta funcionalidad ha sido igualmente simulada, aunque no implementan su sentido real, pues actúan ya sobre señales ya digitalizadas (archivos de audio). El equivalente a estos controles en el simulador se encuentra en los controles que permiten ajustar los niveles de grabación de nuevos ficheros.

Con respecto a las señales de salida, aparece el mismo problema de simultaneidad que se presenta a la entrada. La mesa de mezclas es capaz de generar distintas salidas simultáneamente; mientras que las tarjetas de sonido únicamente disponen de una salida estéreo. En el caso del simulador, el usuario es el que debe indicar si desea escuchar la salida principal o la de monitores (control room). Si desea escuchar otra señal de envío, debe direccionarla a la principal o la de monitores. La Fig. 3 muestra el interfaz de usuario que simula la mesa de mezclas en el entorno virtual. La apariencia ofrecida es muy similar a la del dispositivo real, si exceptuamos el número de atenuadores deslizantes: 13, frente a los 21 del sistema real. Adicionalmente, existen en la herramienta virtual ciertos botones con funcionalidades específicas de la naturaleza virtual del simulador, como, por ejemplo, el que selecciona el canal de salida, explicado en el párrafo anterior.

Fig. 3. Interfaz de la mesa de mezclas virtual.

La ecualización realizada por el simulador es de tres bandas de frecuencia, mientras que la de la mesa de mezclas a emular es de cuatro; y el número de efectos implementados en el simulador se reduce a 10, mientras que la mesa real ofrece bastantes más. En cualquier caso, estas simplificaciones no representan obstáculo para el aprendizaje del manejo de la mesa de mezclas, ni reduce su funcionalidad pedagógica.

B. Multipistas y DAT Como referencia para el multipistas virtual, se ha elegido un

modelo de multipistas digital con 8 pistas y un disco duro de

850 MB que permite 20 minutos de grabación para una frecuencia de muestreo de 44,1 kHz y 16 bits por muestra. La apariencia del interfaz en el simulador se muestra en la Fig. 4. La simulación de su funcionamiento se ha realizado mediante lectura y registro de ficheros. Además se han incluido todos los parámetros y opciones de sincronización con la mesa de mezclas. Muchos de estos parámetros no tienen un efecto directo sobre la simulación, debido a que en el entorno virtual simplemente se leen los ficheros, tal como se explica en la sección IV-A. No obstante, se han incluido para no soslayar la necesidad de tener una correcta configuración del multipistas real, con el objeto de que la edición y grabación de audio se realicen de manera adecuada.

Fig. 4. Interfaz del multipistas en el simulador. El diseño del DAT virtual resulta sencillo, pues se limita al

registro y reproducción de un fichero audio [5].

C. Modos de funcionamiento El uso del simulador puede resultar complicado para un

estudiante que se enfrenta por primera vez a un interfaz como el de una mesa de mezclas comercial. Dicha complejidad reside, por un lado, en el propio funcionamiento de la mesa de mezclas y sus procedimientos de uso, que no son evidentes para un usuario novel. A este primer aspecto se le añaden, por otro lado, las particularidades propias del simulador como son el uso de ficheros como entradas del sistema. Así, un primer enfrentamiento del usuario con la herramienta virtual puede tornarse desalentador y, por esta razón, se han desarrollado dos modos de funcionamiento en el simulador: el modo guiado y el modo libre.

El modo guiado es recomendado para todos los usuarios que usen por primera vez esta herramienta, tengan o no conocimientos sobre mesas de mezclas. En dicho modo, al usuario se le propone un guión tutorizado, compuesto de pequeños ejercicios prácticos, que tienen como principal objetivo el aprendizaje básico de la mesa de mezclas, y, de manera indirecta, la habituación al uso del simulador. El guión seguido por estos ejercicios es un reflejo del utilizado en la asignatura de laboratorio para la enseñanza de este sistema. El usuario puede avanzar o retroceder a lo largo de los ejercicios y solicitar que algunos pasos sean resueltos automáticamente. En el modo libre, por su parte, el usuario puede hacer uso de las funciones implementadas en el simulador en la manera que desee.


ISSN 1932-8540 © IEEE

D. Detalles de programación Para el desarrollo de la aplicación virtual se ha utilizado el

entorno de programación Visual Basic 2005 Express Edition (Beta) y de libre distribución [6]. Este entorno está especialmente pensado para la programación con Visual Basic.NET [7]. Se trata de un lenguaje de programación visual guiado por eventos y centrado en un motor de formularios con capacidad de programación orientada a objetos [8]. Este lenguaje presenta ventajas como la facilidad para introducir nuevos controles, ya que usa librerías dinámicas que contienen todas sus funcionalidades. Por el contrario, los ficheros ejecutables no resultan muy eficientes, no siendo demasiado rápidos ni fáciles de exportar a otras maquinas. Para todo lo relacionado con la manipulación de dispositivos y archivos de sonido (crear, reproducir, grabar, aplicar efectos, ecualizaciones…) se ha utilizado el interfaz de programación de aplicaciones (API) DirectSound perteneciente a la colección DirectX.

La aplicación presenta una Interfaz de Documento Múltiple (MDI) que ejerce como contenedor de diversos formularios, que son los que ejercen la funcionalidad de los distintos sistemas del estudio virtual. Gráficamente, un formulario consiste en una ventana con diversos controles que implementan el interfaz virtual de cada dispositivo. La herramienta virtual, por tanto, está compuesta por: • Formulario principal: formulario padre de la jerarquía

MDI. Presenta los parámetros iniciales de la aplicación, como, por ejemplo, los controladores primarios de captura y reproducción, así como el formato de captura audio.

• Formulario mesa de mezclas. • Formulario multipistas. • Formulario DAT. • Formularios de ayuda. • Formularios de opciones. Sin entrar en detalles sobre la programación del código, sí cabe resaltar que el programa utiliza una clase fundamental que ha sido denominada ‘pista’. Los objetos de la clase ‘pista’ serán los encargados de contener los archivos de sonidos sobre los que se va a trabajar. Asociados a esta clase, se han desarrollado los distintos métodos que permiten manipular los archivos audio fuente, y se han definido las propiedades cuyos valores se utilizarán para tomar decisiones dentro de la aplicación. Para conseguir que el aspecto del simulador fuera lo más parecido a la realidad, alguno de los controles, que la herramienta de desarrollo contiene por defecto, han sido modificados visualmente mediante programas de diseño gráfico. Con el mismo objetivo, se han añadido nuevos controles gráficos a los ya disponibles en la herramienta de programación. Para la instalación de la herramienta en el ordenador personal del alumno se ha desarrollado un programa de instalación que, además del estudio virtual, se encarga de instalar las herramientas .Net Framework 2.0 y DirectX SDK (junio 2005), en caso de no encontrarse ya instaladas o tratarse de una versión posterior.

V. USO DOCENTE Y EVALUACIÓN DE LA HERRAMIENTA Tal como se presentaron en la sección II, desde el punto de

vista pedagógico los objetivos de la herramienta son dos: el primero, que consiste en la iniciación al uso de la mesa de mezclas previa al trabajo práctico en el estudio real, permitiendo reducir el tiempo de aclimatación al estudio de grabación y, así, lograr un mejor aprovechamiento del tiempo disponible; y el segundo objetivo, que busca que los discentes puedan repasar y verificar los conocimientos adquiridos durante las sesiones prácticas. Tal como se explicó en la sección II, no es objetivo de la herramienta sustituir la práctica en el estudio sino apoyarla.

Como elementos de evaluación para los objetivos mencionados se recogieron datos correspondientes a las modificaciones docentes introducidas en la asignatura de Laboratorio de Equipos de Audio, así como elaboración y análisis de encuestas al alumnado. Otras técnicas de evaluación de herramientas virtuales pueden encontrarse en [9], [10].

El objeto principal de las encuestas consiste en obtener datos del uso y valoración del estudio virtual. Las encuestas fueron contestadas por el 91% de los alumnos matriculados en la asignatura, por lo que puede afirmarse que los resultados y conclusiones que se extraen de las mismas tienen un valor estadístico alto. Las preguntas incluidas en la encuesta se dividen en tres bloques:

• Preguntas sobre la utilización práctica del simulador de estudio de grabación.

• Aceptación por parte de los alumnos de la herramienta. • Valoración general de la herramienta.

A. Modificaciones docentes y datos de uso Para que los alumnos pudieran disponer de la herramienta,

ésta se puso disponible en la página web de la asignatura, y, además, se distribuyó en los primeros días de docencia de la asignatura a través de CDs.

La Tabla I presenta de manera resumida las modificaciones docentes que introduce el uso del estudio virtual en los cursos académicos 04/05, 05/06 y 06/07. En los dos primeros cursos indicados en la tabla, se incrementó el número de horas en el estudio de audio real incrementando el número de turnos, y pasando de 2 a 4 horas por alumno. En el tercer curso se introdujo la herramienta virtual, haciendo que se pase de 4 a 6 horas de trabajo con estudio real y virtual. Estas dos horas son la estimación aproximada del tiempo mínimo que el alumno necesita para terminar el modo guiado propuesto por el programa.

TABLA I MODIFICACIONES DOCENTES EN LA ASIGNATURA

Curso académico 04/05 05/06 06/07 Herramienta virtual NO NO SI Nº horas (real + virtual) 2 + 0 4 + 0 4 + 2 (min) Conceptos en simulador 1 – 3 Conceptos en estudio real 1-3 1-5 1 – 7

La numeración de los conceptos a los que hace referencia la

Tabla I se corresponde con la siguiente descripción:


ISSN 1932-8540 © IEEE

1. Presentación del estudio y de la mesa de mezclas 2. Inicialización de los equipos. Memoria de escenas de la

mesa de mezclas. Sincronización mesa-multipistas-secuenciador.

3. Registro y envío de señales: ajuste de niveles, enrutamiento, envío de señal de referencia, registro en multipistas.

4. Procesado de las señales registradas: panoramización, efectos, ecualización.

5. Registro en cinta master. 6. Edición digital. 7. Automatización.

Como se puede observar en la Tabla I, los conceptos

impartidos y practicados aumentaron por el hecho de incrementar el número de turnos en el estudio real en el curso 05/06 frente al año académico anterior. Así mismo, con la introducción de la herramienta virtual en el curso 06/07 se amplían los conceptos impartidos en el laboratorio gracias a que los conceptos iniciales de presentación y adaptación a los sistemas audio han sido previamente trabajados de manera individual por los alumnos con el programa simulador.

No obstante, como se observa en la misma tabla para el curso 06/07, los conceptos iniciales del 1 al 3 no se obvian en el laboratorio, sino que tan sólo se presentan de manera más ligera y rápida. Se consigue así el objetivo de aumentar la eficiencia de las horas de trabajo con el estudio de grabación audio real.

En cuanto al uso y aceptación de la herramienta entre los alumnos, se obtienen dos indicadores: • El porcentaje de alumnos que han utilizado la herramienta

de simulación es del 85%. Este porcentaje hace ver que este tipo de sistemas tienen una alta aceptación por parte de los alumnos. Los motivos por los cuales existe un grupo de alumnos que no han utilizado la aplicación no tienen tendencia clara y son variados (poca motivación, no poseer ordenador o anticuado, etc.).

• El tanto por ciento de alumnos que utilizan la herramienta y han completado el guión propuesto del modo tutorizado es del 63%. Esto asegura que, al menos, más de la mitad de los alumnos que deciden utilizar la herramienta le han dedicado el tiempo mínimo necesario para completar este modo.

B. Valoración de la herramienta Los resultados que se obtienen de las encuestas en relación

a la valoración de la herramienta, se van a dividir en dos bloques: la de aquellos alumnos que no finalizaron el modo guiado y los que sí lo hicieron.

Los alumnos que no han terminado el modo guiado representan un 37% de los que han utilizado la herramienta. Las razones dadas para ello son, en primer lugar, la falta de tiempo, en segundo lugar el no saber cómo seguir y, en tercer lugar, problemas con el funcionamiento de la aplicación.

Las contestaciones de este grupo de alumnos al bloque de preguntas sobre la utilización del simulador, se resumen en la Tabla II.

De los resultados de la Tabla II hay que destacar que, a pesar de que estos alumnos no han terminado el guión

tutorizado, la mayoría de ellos piensan utilizar el simulador para preparar el examen y otros usos. Por el contrario, piensan que su comprensión de la mesa de mezclas no se ha visto mejorada por el uso de la herramienta. Esto es probablemente debido a que no han completado el modo guiado, en el que se presentan de manera sistemática y pedagógica conceptos de los sistemas del estudio virtual.

TABLA II

ENCUESTA-UTILIZACIÓN, ALUMNOS QUE NO FINALIZAN EL MODO GUIADO Pregunta Sí No Ns/Nc ¿Cree que va a utilizar la herramienta para la preparación del examen?

76% 24% 0%

¿Cree que utilizará la herramienta en el futuro para otros usos?

52% 36% 12%

¿Cree que ha entendido mejor la lección práctica gracias a la herramienta?

30% 64% 6%

Las contestaciones sobre la valoración general de la

herramienta, que se puntúa de forma numérica entre 0 (muy mala) y 5 (muy buena), se presentan en la Tabla III.

TABLA III

ENCUESTA-VALORACIÓN, ALUMNOS QUE NO FINALIZAN EL MODO GUIADO Valoración Puntuación

media Valore la herramienta de manera general. 3,5 Valore la herramienta desde el punto de vista pedagógico 3,68

Los resultados plasmados en la Tabla III hacen inferir que

es una herramienta bien valorada en sí misma y como elemento pedagógico.

En cuanto a los alumnos que sí completaron el modo guiado, este grupo está compuesto por el 63% de los que utilizan la herramienta de simulación. Los resultados obtenidos por este grupo de alumnos, y para el bloque de preguntas sobre la utilización del simulador, se presentan en la Tabla IV.

TABLA IV

ENCUESTA-UTILIZACIÓN, ALUMNOS QUE FINALIZAN EL MODO GUIADO Pregunta Sí No Ns/Nc ¿Cree que va a utilizar la herramienta para la preparación del examen?

65% 35% 0%

¿Cree que utilizará la herramienta en el futuro para otros usos?

52% 40% 8%

¿Cree que ha entendido mejor la lección práctica gracias a la herramienta?

72% 20% 8%

Al comparar los resultados presentados en la Tabla IV con

los de la Tabla II, la diferencia más destacada se encuentra en el porcentaje de alumnos que consideran que sí han conseguido una mejor comprensión de la mesa de mezclas,


ISSN 1932-8540 © IEEE

gracias a la utilización de la herramienta de simulación, pasando del 30% entre los alumnos que no usaron el modo guiado al 72% entre los que sí lo hicieron.

Las contestaciones sobre la valoración general de la herramienta se presentan en la Tabla V. Si se comparan los resultados de esta tabla con los de la Tabla III, se comprueba como la valoración general de la herramienta por parte de los alumnos que han terminado el modo guiado es mayor, lo cual encaja con la percepción de un mejor aprendizaje del manejo de los dispositivos del estudio de grabación (72% en la tabla IV).

TABLA V ENCUESTA-VALORACIÓN, ALUMNOS QUE FINALIZAN EL MODO GUIADO Valoración Puntuación

media

Valore la herramienta de manera general. 3,72 Valore la herramienta desde el punto de vista pedagógico 3,62

Por último, decir que no se han incluido resultados sobre calificaciones pues la práctica en el estudio de grabación, aún siendo, quizás, la más importante, constituye uno de los seis módulos que componen la asignatura y, por tanto, su incidencia en la nota final de los alumnos responde, en principio, a esta proporción. Por otro lado, los alumnos que mayor interés y esfuerzo han dedicado a la utilización de esta herramienta, son principalmente los alumnos más implicados en la asignatura y que mejores resultados obtienen, en cualquier caso, en las calificaciones finales.

C. Posibles mejoras De las observaciones de los alumnos y de la propia

experiencia con el manejo de la herramienta, se han extraído una serie de posibles mejoras al estudio virtual que pueden resumirse del siguiente modo: • Añadir algún tipo de esquema indicativo de cómo se

conectan entre sí los distintos dispositivos simulados en el estudio virtual. Se podría implementar como ejercicio en el modo guiado de la herramienta.

• Para amenizar el seguimiento del modo guiado, pueden complementarse los guiones en formato texto con ficheros de audio que repitan las instrucciones.

• Completar más funcionalidades y ensombrecer en el interfaz gráfico aquellas que no están todavía disponibles, para evitar la confusión del usuario.

• Reservar horas de la asignatura de laboratorio dedicadas a que los alumnos puedan trabajar con el simulador.

VI. CONCLUSIONES Este trabajo presenta el desarrollo de un simulador virtual

de estudio de grabación audio, incluyendo un interfaz de grabador multipistas, otro de grabador DAT y, como elemento central, el interfaz de la mesa de mezclas. El objetivo básico de la aplicación es conseguir que los alumnos puedan practicar con su ordenador personal estándar de manera previa al desarrollo de la práctica física en el estudio. Se reduce de

esta manera el tiempo necesario de aclimatación, y, además, sirve como instrumento de repaso y verificación de conocimientos adquiridos tras las sesiones prácticas con el equipamiento real. Como resultado de la utilización de esta herramienta en la docencia de la asignatura Laboratorio de Equipos de Audio, el 85% de los alumnos matriculados han usado el estudio virtual. Los conceptos impartidos se han ampliado, pese a las limitaciones de equipamiento, gracias al trabajo personalizado del alumno con el simulador. En cualquier caso, un 72% de los alumnos que completan el guión de trabajo propuesto consideran que les ha sido de utilidad para mejorar el aprendizaje práctico del estudio de grabación, valorando con un 3,7 sobre 5.

AGRADECIIMIENTOS Este trabajo ha sido financiado por las ayudas para

proyectos de innovación educativa convocadas por los “Servicio de Innovación Educativa” y “Servicio de Enseñanza Virtual y Laboratorios Tecnológicos” de la Universidad de Málaga-PIE 06006.

REFERENCIAS [1] R. Pastor, R. Hernández, S. Ros, M. Castro, “Especificación

metodológica de la implementación y desarrollo de entornos de experimentación”, IEEE-RITA, Vol. 1, No.1, Noviembre 2006

[2] Angel Perles, Juan M. Martinez, Houcine Hassan, José Albadanejo, Carlos Domínguez, “El simulador SimSeny en la innovación docente de la asignatura informática industrial”, VII Jornadas de Enseñanza Universitaria de la Informática. Palma de Mallorca, Junio 2001.

[3] Charles R. Standridge, “Teaching with the problem solving power of simulation”, Proceedings of the 2006 Winter Simulation Conference.

[4] Glen Ballou. “Handbook for Sound Engineers, 3rd edition”, 2003. [5] David Miles Huber, Robert E. Runstein. “Técnicas de grabación

modernas”, 6th Edition, Omega 2007. [6] Peter Wright, “Beginning Visual Basic 2005 Express Edition: From

Novice to Professional”, A.press 2006. [7] Francisco Balena. “Programming Microsoft Visual Basic .NET (Core

Reference)”. Microsoft-Press 2003. [8] Bertrand Meyer. “Object-Oriented Software Construction. 2nd Edition”.

Prentice Hall 1988. Traducido al español: “Construcción de Software Orientado a Objetos”, 1999.

[9] Isabel García, Miguel Gutiérrez, Gil Gutiérrez, “La evaluación frente al ordenador: un incentivo en la enseñanza práctica de simulación de sistemas productivos”, VIII Congreso de Ingeniería de Organización. Leganés, Septiembre 2004.

[10] Sally Brown, Joanna Bull, Phil Race (Editores), “Computer Assisted Assessment in Higher Education”, Routledge 1999.

Jorge Munilla Fajardo nació en Málaga en 1976. Obtuvo el título de Ingeniero de Telecomunicación por la Universidad de Málaga en el año 2000. Desde el año 2000 está vinculado al Departamento de Ingeniería de Comunicaciones de la Universidad de Málaga, primero como investigador con cargo a proyecto y en la actualidad como profesor colaborador a tiempo completo. Sus temas de interés se centran en los sistemas de audio y los sistemas criptográficos para

comunicaciones inalámbricas.


ISSN 1932-8540 © IEEE

Salvador Luna Ramírez nació en Málaga en 1976. Obtuvo el título de Ingeniero de Telecomunicación por la Universidad de Málaga en el año 2000. Desde el año 2000 está vinculado al Departamento de Ingeniería de Comunicaciones de la Universidad de Málaga, en la actualidad como profesor titular. Sus temas de interés se centran en sistemas de audio y vídeo, así como la optimización en la gestión de recursos de redes de comunicaciones móviles.

Ana M. Barbancho Pérez nació en Málaga en 1976. Obtuvo el título de Ingeniera de Telecomunicación por la Universidad de Málaga en 2000, por el que recibió el Segundo premio Nacional Fin de Carrera de Educación Universitaria, curso 1999-2000. En 2001 obtuvo el título de Profesora de Solfeo por el Conservatorio Superior de Música de Málaga. Recibió el título de Doctora por la Universidad de Málaga en 2006. Desde el año 2000 está vinculada al Departamento de

Ingeniería de Comunicaciones de la Universidad de Málaga, donde desarrolla su labor docente y de investigación. Sus temas de investigación se centran en las comunicaciones móviles, la acústica musical y el tratamiento digital de la señal. Es autora de más de una decena de artículos en revistas internacionales así como de más de una veintena de ponencias en congresos internacionales.


ISSN 1932-8540 © IEEE

Title—Collaborative recommender system using distributed rule mining for improving web-based adaptive courses. Abstract—Nowadays, the application of data mining techniques in e-learning and web based adaptive educational systems is increasing exponentially. The discovered useful information can be used directly by the teacher or the author of the course to improve the instructional/learning performance. This can be an arduous task and therefore educational recommender systems are used in order to help the teacher in this task. In this paper we describe a recommender system oriented to suggest the most appropriate modifications to the teacher in order to improve the effectiveness of the course. We propose to use a cyclical methodology to develop and carry out the maintenance of web-based courses in which we have added a specific data mining step. We have developed a distributed rule mining system in order to discover information in the form of IF-THEN recommendation rules about the web courses. We have used an iterative and interactive association rule algorithm without parameters and with a weight-based evaluation measure of the rule interest. And we have used a collaborative recommender system to share and score the obtained recommendation rules in one specific course between teachers of other similar courses and some experts in education. Finally, we have carried out several experiments with real students in order to determine the effectiveness of the proposed system and the utility of the recommended rules.

Index Terms—data mining, recommender systems, e-learning, web-based education

Enrique García Salcines es Profesor Colaborador del Dpto. de

Informática y Análisis Numérico de la Universidad de Córdoba, CP 14072 España (Teléfono: +34957211020; fax: +34957211051; e-mail: [email protected]).

Cristóbal Romero Morales es Profesor Contratado Doctor del Dpto. de Informática y Análisis Numérico de la Universidad de Córdoba, CP 14072 España (Teléfono: +34957212172; fax: +34957218630; e-mail: [email protected]).

Sebastián Ventura Soto es Profesor Titular del Dpto. de Informática y Análisis Numérico de la Universidad de Córdoba, CP 14072 España (Teléfono: +34957218349; fax: +34957211051; e-mail: [email protected]).

Carlos de Castro Lozano es Profesor Titular del Dpto. de Informática y Análisis Numérico de la Universidad de Córdoba, CP 14072 España (Teléfono: +34957211020; fax: +34957211051; e-mail: [email protected]).


I. INTRODUCCIÓN N los últimos años hemos asistido a un gran incremento de los sistemas de educación on-line o

sistemas de e-learning. Cada vez son más los centros de enseñanza públicos o privados que ponen a disposición de sus alumnos sistemas de gestión del aprendizaje (Learning Management Systems, LMS) basados en la web. Los primeros sistemas de este tipo eran de carácter comercial (por ejemplo, WebCT, Virtual-U o TopClass aunque, en la actualidad, cada vez cobran mayor protagonismo sistemas de libre distribución como Moodle, ATutor o ILIAS [1].

Estos sistemas suelen contar con una amplia oferta de actividades y recursos didácticos que se ofrecen indiscriminadamente a todos los alumnos del curso, lo que en multitud de ocasiones conduce a que éstos se vean desbordados ante la oferta disponible y sean incapaces de elegir los recursos que mejor se adaptan a sus características e intereses. Los sistemas adaptativos inteligentes y basados en web para educación (Adaptive and Intelligent Web-Based Educational Systems, AIWBES) aparecen con la intención de solucionar este problema, automatizando la adaptación del sistema a las características y necesidades de los usuarios [2]. Estos sistemas utilizan las técnicas de los sistemas adaptativos [3,4] para construir un modelo de alumno que permite adaptar el sistema a sus necesidades de aprendizaje, y aplican técnicas de inteligencia artificial (IA) [5,6] para automatizar tareas tales como el adiestramiento, la monitorización de los alumnos y el diagnóstico de sus limitaciones. El desarrollo de estos sistemas ha dado lugar a un campo de investigación en auge, que es el aprendizaje colaborativo inteligente, cuyo objetivo es extender la funcionalidad de las herramientas simples de trabajo colaborativo que incorporan los LMS utilizando agentes inteligentes [7].

El desarrollo de un AIWBES es una actividad laboriosa [8], tanto más compleja cuanto mayor es el número de posibilidades de adaptación que se desea ofrecer. Un diseño cuidadoso no suele ser suficiente, es necesario realizar también una evaluación posterior basada en los resultados obtenidos por los usuarios del mismo. Para abordar este problema, se han utilizado con éxito técnicas de

Sistema recomendador colaborativo usando minería de datos distribuida para la mejora

continua de cursos e-learning Enrique García Salcines, Cristóbal Romero Morales, Sebastián Ventura Soto y Carlos de Castro

Lozano

E


ISSN 1932-8540 © IEEE

descubrimiento de conocimiento o minería de datos [9] que asisten al profesor en la validación de los cursos. Estas técnicas permiten descubrir nuevo conocimiento a partir de los datos de utilización del curso y de asistir al profesor en el proceso de mejora continua de los cursos adaptativos, detectando de forma semiautomática posibles errores, carencias o mejoras que puedan realizarse en los cursos ya generados.

El campo de aplicación de la minería de datos en educación, en particular orientado a los profesores para la mejora de sus cursos, plantea una serie de desafíos a resolver. Por una parte, existe una amplia variedad de cursos e-learning sobre los que se puede aplicar minería de datos, pero los resultados obtenidos con un tipo de curso no necesariamente son válidos o aplicables a otro. La amplia gama de resultados que podría obtenerse dependiendo del tipo de curso, provoca que la búsqueda de patrones generales repetibles que puedan aplicarse a cualquier tipo de curso sea una tarea bastante difícil. Por otra parte, la aplicación de técnicas de minería de datos sobre un curso, de manera concreta y con parámetros específicos de filtrado, podría provocar un problema de descubrimiento de reglas de asociación en bases de datos pequeñas [10], donde la información de partida es insuficiente para construir un modelo que permita inferir comportamientos futuros.

En este artículo proponemos un sistema recomendador colaborativo que permite a profesores y expertos en educación intercambiar experiencias entre sí sobre cómo aprenden sus alumnos, de forma que este conocimiento les permita mejorar sus propios cursos on-line. La sección II presenta los trabajos previos relacionados con nuestra propuesta. En la sección III se describe la arquitectura del sistema y el algoritmo de minería diseñado. Las secciones IV y V describen, respectivamente, la implementación del algoritmo y las pruebas realizadas para evaluar la efectividad del sistema. Por último, se presentan las conclusiones del artículo y las líneas de trabajo futuras.

II. ANTECEDENTES A continuación se van a describir los principales

antecedentes en las distintas áreas de investigación relacionadas con nuestra propuesta.

A. Algoritmos de minería de datos La minería de datos se encuentra enmarcada dentro del

proceso de descubrimiento o extracción de conocimiento (Knowledge Discovery in Databases, KDD), entendiendo como tal a la extracción no trivial de información potencialmente útil, válida, novedosa y comprensible a partir de un gran volumen de datos [11].

Entre los sistemas que aplican técnicas de minería de datos en educación online se pueden destacar: los sistemas de personalización [12] del aprendizaje, los de detección de irregularidades [13] que descubren patrones de navegación irregulares, los que detectan problemas en el diseño y la estructura de cursos de e-learning [14] y los sistemas

recomendadores [15] que clasifican los alumnos y los contenidos para recomendar recursos e itinerarios óptimos.

Una de las técnicas de minería de datos más utilizadas en los sistemas anteriores es el descubrimiento de reglas de asociación. Una regla de asociación [16] del tipo X ⇒ Y, expresa una fuerte correlación entre ítems (atributo-valor) de una base de datos. Se define el soporte de una regla como la probabilidad de que un registro satisfaga tanto a su antecedente como a su consecuente. La confianza de una regla se define como la probabilidad de que un registro satisfaga al consecuente de la regla habiendo satisfecho el antecedente de la misma.

El problema del descubrimiento de reglas de asociación consiste en encontrar todas las asociaciones que satisfagan ciertos requisitos de soporte y confianza mínimos, los cuales suelen expresarse mediante parámetros que define el usuario. El primer algoritmo que resolvió este problema fue Apriori [16]. En [17] se hace una comparación entre los principales algoritmos para el descubrimiento de reglas de asociación concluyendo que para valores altos del soporte, que aseguran que la confianza obtenida se repita en un futuro, el algoritmo Apriori es el más eficiente. No obstante, el Apriori es muy sensible a los valores de soporte y confianza que elige el usuario, lo cual no es una tarea fácil para alguien no experto en minería.

Una mejora del Apriori es el algoritmo denominado Apriori Predictivo [18], cuya principal ventaja es que el usuario no tiene que especificar los valores umbrales de soporte y confianza mínimos. El algoritmo intenta encontrar las N mejores reglas de asociación, donde N es un número fijo, buscando un balance adecuado entre el soporte y la confianza de forma que se maximice la probabilidad de hacer una predicción correcta sobre el conjunto de datos. Utilizando el método bayesiano, se define y calcula un parámetro llamado exactitud predictiva que nos dice el grado de exactitud de la regla encontrada.

B. Medidas de interés de las reglas descubiertas Aunque la versión predictiva del algoritmo Apriori

representa una ventaja sobre la versión original, el algoritmo no asegura que las reglas obtenidas sean las más interesantes para detectar problemas en el curso e-learning. Por esta razón, es necesario llevar a cabo una evaluación del conocimiento extraído. Tradicionalmente, esta evaluación se ha llevado a cabo mediante medidas objetivas de interés tales como el soporte y la confianza [19], así como medidas procedentes del campo de la estadística tales como Chi-Cuadrado o el coeficiente de correlación, que miden el grado de dependencia entre las variables. Sin embargo, en la actualidad están cobrando una gran importancia las denominadas medidas subjetivas [20], basadas en factores definidos por el usuario.

En [21] se presenta un sistema denominado IAS (Interestingness Analysis System) que compara las reglas descubiertas con el conocimiento que tiene el usuario del dominio de interés. A través de un lenguaje de especificación propio el usuario indica la base de


ISSN 1932-8540 © IEEE

conocimientos existente en la materia en cuestión, mediante relaciones entre los campos o items de la base de datos. Sea U el conjunto de las especificaciones del usuario y A el conjunto de las reglas descubiertas, la técnica propuesta clasifica y ordena las reglas dentro de los siguientes cuatro tipos de grupos:

a) Reglas conformes, tanto la condición como el consecuente (conform)

b) Reglas con el consecuente inesperado (unexpConseq) c) Reglas con la condición inesperada (unexpCond) d) Reglas con ambas, la condición y el consecuente

inesperado (bsUnexp) En general, los conjuntos de items frecuentes son

beneficiosos para descubrir reglas de asociación en grandes bases de datos. Las bases de datos en educación son relativamente pequeñas (dependen de la cantidad de alumnos por clase), si las comparamos con otros campos de la minería de datos. Por tanto, es imprescindible aprender cómo aprovechar la experiencia, el sentido común y los modelos de otras personas que, previamente, hayan trabajado con bases de datos de características similares. Esto nos acerca al campo de la minería de datos distribuida y filtrado colaborativo.

C. Minería de datos distribuida y filtrado colaborativo La minería de datos distribuida (MDD) asume que los

datos están distribuidos en dos o más sitios y estos sitios cooperan para obtener resultados globales sin revelar los datos de cada sitio o revelando partes de éstos. Trabajos previos [22,23] han propuesto algoritmos MDD que agrupan los datos en subconjuntos. También se han propuesto algoritmos de minería paralelos [24] para trabajar con conjunto de datos grandes, dividiéndolos y distribuyéndolos entre los distintos procesos de una máquina virtual. Uno de los métodos más intuitivos para encontrar reglas de asociación de manera distribuida se conoce como partición horizontal de datos [25], donde el proceso de minería se aplica localmente y los resultados obtenidos en cada sitio se combinan finalmente para obtener reglas que se cumplen en la mayoría de las bases de datos locales.

Si a estas herramientas de MDD se añaden métodos pro-activos que utilizan herramientas para soportar trabajo colaborativo, estamos ante un desarrollo multidisciplinar que normalmente involucra expertos en diferentes áreas de conocimiento: ingenieros del conocimiento que modelan el conocimiento, desarrolladores de bases de conocimiento que construyen, organizan, anotan y mantienen estas bases de datos y expertos que validan elementos de conocimiento antes de su inserción en un repositorio de contenidos. Las opiniones que dan estos expertos y los propios usuarios acerca de un problema a través del voto explícito o implícito constituyen la clave de los sistemas recomendadores colaborativos, que intentan sugerir las mejores soluciones basada en las experiencias del conjunto.

D. Sistemas recomendadores Los sistemas recomendadores (RS) se aplican

actualmente en muchos sectores del entorno web, entre estos podemos citar: 1) el e-comercio para ofrecer servicios personalizados al cliente [26]; 2) en los buscadores de páginas web para evitar la sobrecarga de información [27]; 3) en las bibliotecas digitales para ayudar a encontrar los libros o artículos que se ajustan a las preferencias del usuario [28]. Otro campo de aplicación de los RS, que es muy reciente y está actualmente en auge es el e-learning [29,30] donde utilizando distintas técnicas de recomendación se le recomienda al alumno una actividad de aprendizaje on-line o un camino de navegación óptimo basado en sus preferencias, conocimientos y el histórico de navegación de otros alumnos de características similares.

Las técnicas de recomendación [31] poseen varias clasificaciones basándose en las fuentes de datos sobre las cuales se hacen las recomendaciones y el uso que se le da a estos datos. La aproximación de filtrado colaborativo (CFS: Collaborative Filtering System), también llamado filtrado social, depende de una base de datos de productos, así como datos demográficos y otras evaluaciones de un posible consumidor de algunos productos aún no experimentados. Esta técnica es quizás la más familiar, la más implementada y la más madura de las técnicas de recomendación [32]. La idea principal de CFS es la automatización del proceso del "boca-a-boca" por el que la gente recomienda productos o servicios unos a otros. Si el usuario necesita elegir entre varias opciones de las que no tiene ninguna experiencia, éste probablemente confiará en las opiniones de aquellos que sí tienen esa experiencia. Por otra parte, la técnica de recomendación basada en el conocimiento (KBR: Knowledge-Based Recommendation) intenta sugerir objetos basados en inferencias sobre las preferencias y necesidades del usuario. Se distingue de las demás técnicas en que ésta tiene un conocimiento previo funcional sobre cómo un item en particular puede satisfacer la necesidad de un usuario y por tanto puede razonar sobre la relación entre esta necesidad y una posible recomendación. El perfil del usuario puede ser cualquier estructura de conocimiento que soporte esta inferencia. En el caso simple de Google, por ejemplo, será simplemente la consulta que formula el usuario. En otros, puede ser una representación más detallada de las necesidades del usuario [33].

III. UN SISTEMA RECOMENDADOR PARA LA MEJORA CONTINUA DE CURSOS E-LEARNING

En esta sección se describe CIECoF (Continuous improvement of e-learning courses framework), un sistema recomendador colaborativo aplicado a educación, cuya principal finalidad es ayudar a los profesores a mejorar sus cursos de e-learning de forma continua. El sistema utiliza técnicas de minería de datos distribuida, presentando al usuario las relaciones interesantes descubiertas a partir de

GARCÍA SALCINES et al.: SISTEMA RECOMENDADOR COLABORATIVO 21

ISSN 1932-8540 © IEEE

su propia información y las descubiertas por otros usuarios con perfiles similares, que han obtenido dichas relaciones trabajando con sus propias bases de datos. Mediante un procedimiento de valoración subjetiva, los usuarios evalúan el interés de las relaciones obtenidas. De este modo, la base de conocimientos se reforzará con aquellas experiencias que por su peso satisfacen las necesidades de muchos usuarios, lo cual implica recomendaciones cada vez más efectivas.

El sistema de minería de datos distribuida está basado en una arquitectura cliente-servidor con N clientes que aplican el mismo algoritmo de minería de reglas de asociación de manera local sobre los datos de utilización de un curso online por sus alumnos. Los resultados de este algoritmo, se muestran al profesor en un formato comprensible de tuplas del tipo regla-problema-recomendación, para ayudarle a corregir los problemas detectados. Estos resultados puede compartirlos con otros profesores de perfil similar. Veamos en detalle cada elemento de la arquitectura propuesta (Figura 1).

El servidor de aplicaciones contiene dos módulos. El primero es una aplicación web para gestionar la base

de conocimientos (KB) o repositorio de reglas y el segundo módulo es un servicio web que permite que el servidor comparta con el cliente la versión actualizada de la KB en formato PMML [34].

Debido a que inicialmente la KB está vacía, es necesario rellenarla por defecto con un conjunto de tuplas (regla-problema-recomendación) de carácter general y que pueden aplicarse a la mayoría de los distintos tipos de cursos. Para ello, un conjunto de expertos en educación propusieron las primeras tuplas de la KB. Dichos expertos, autorizados por el sistema, pueden añadir, eliminar o editar sus propias tuplas, además de votar por las tuplas propuestas por el resto de expertos.

La aplicación cliente forma parte de una metodología cíclica [35] en la cual un profesor que construye un curso e-learning, pueda ser capaz de detectar posibles problemas en el diseño y los contenidos del mismo, lo cual añade una etapa de retroalimentación o mantenimiento del curso.

En esta metodología se distinguen varias fases: 1) Construcción del curso. El profesor a través de una herramienta autor o utilizando un LMS diseña y desarrolla los contenidos del curso; 2) Ejecución del curso por los alumnos. El sistema, de forma transparente para los usuarios, recoge información que se almacena en una base de datos; 3) Mejora continua. En esta fase, el módulo de minería de reglas trabaja en combinación con la KB para clasificar las reglas encontradas en esperadas, si coinciden con alguna de las presentes en la KB, o inesperadas en caso contrario. Por otra parte, las tuplas inesperadas se ordenan según el algoritmo IAS [21] y, si son valoradas como interesantes por el profesor, pueden ser propuestas para ser analizadas por los expertos y, si así se decidiera, ser insertadas en la KB.

Una vez que el cliente descarga del servidor la versión actualizada de la KB, éste puede aplicar el algoritmo de minería de manera offline, o sea sin estar conectado.

Fig. 1 Arquitectura del sistema CIECoF


ISSN 1932-8540 © IEEE

En la aplicación cliente el profesor también puede votar por una tupla determinada. En este caso, el voto puede hacerse de dos formas:

1) De manera implícita, donde el profesor no vota directamente por la regla, sino que es el propio sistema el que considera si la regla ha sido útil al profesor basándose en si las recomendaciones propuestas han tenido éxito. Esta información se envía al servidor junto con la exactitud predictiva de la regla en cuestión. La ventaja de este método radica en que no se obliga al profesor a votar expresamente por una tupla. Sin embargo, este método puede introducir datos erróneos al votar positivamente por recomendaciones o cambios que finalmente no sean significativos en la mejora del curso.

2) La manera explícita, requiere que el profesor vote directamente por la tupla, indicando si ésta le ha sido útil o no. Este método es más exacto, pues el profesor votará por la tupla una vez que haya comprobado si esta ha provocado una mejora en el aprendizaje. Sin embargo, requiere una mayor implicación del profesor en la actualización de la base de conocimientos.

A. Una nueva medida de evaluación asignando pesos Para asistir al profesor en la toma de decisiones sobre qué

regla aplicar es necesario ordenar los elementos de la KB respecto al nivel de interés que tenga cada una. Para ello es necesario establecer una nueva medida de interés basada en pesos, que refleje los aspectos descritos en la arquitectura y que tenga en cuenta los siguientes parámetros:

1) Exactitud de la regla encontrada por el usuario actual según Apriori Predictivo.

2) Cómo ha sido de útil esa regla a otros usuarios a través de votaciones.

3) Cómo de interesante ha evaluado un equipo de expertos en educación la regla encontrada, utilizando también el sistema de votación.

Sean U1, U2,…, Um, m usuarios distintos, Si el conjunto de reglas de asociación esperadas encontradas por Ui (i=1,2,…m), S = {S1, S2,…, Sm} y E1, E2,…, Ek. k expertos distintos. De acuerdo con la definición de peso dada por de Good [36], el voto de una regla R en S se puede utilizar para asignar un peso Wr. En la práctica los usuarios estarán más interesados en aplicar las reglas que están más soportadas o votadas por la mayoría de usuarios que las que tengan menos votos.

Sea S = {S1, S2,…,Sm} y R1, R2, …, Rn todas las reglas en S. Entonces el peso de Ri se puede definir como:

donde i=1,2,…,n y NumVotosUs(R) es el número de usuarios que han votado por la regla R en S.

Aplicando el mismo razonamiento para el voto de los expertos tenemos que:

donde i=1,2,…,n y NumVotosExp(R) es el número de expertos que han votado por la regla R en S.

El peso de la regla Ri, puede expresarse como una medida ponderada de los pesos de usuarios y expertos tal que:

eiuiiCWexpertosCWusuariosW RRR ∗+∗= (1)

donde Cu y Ce son los coeficientes de ponderación para la opinión de los usuarios y expertos respectivamente, tal que Cu+Ce = 1.

Una vez que se tienen los pesos de cada regla, se puede conformar una medida de interés que denotaremos por exactitud ponderada (WAcc). Esta nueva medida debe tener en cuenta además el tercer factor que mencionábamos al principio de esta sección: la exactitud predictiva que tiene la regla según el algoritmo Apriori Predictivo.

Sean U1, U2,…, Um, m usuarios distintos, entonces podemos definir WAcci de una regla Ri obtenida por el usuario activo Uj (j=1,2…,m) como:

m

RaccWWAcc

m

j ji

iRi

∑ =∗= 1)(

donde WRi es el peso de la reglas según la ecuación (1), y acc(Rj) (j=1,2,…,m) son las exactitudes predictivas devueltas por el algoritmo AP a cada usuario Uj que ha votado por la regla Ri.

B. Diseño del algoritmo Hemos diseñado e implementado un algoritmo para

minería de reglas de asociación aplicado a educación, el cual se basa en los siguientes algoritmos: 1) Apriori Predictivo para el descubrimiento de reglas de asociación sin parámetros; 2) IAS para el análisis subjetivo y clasificación de las reglas inesperadas a través de su comparación con una base de conocimientos sobre el dominio, previamente definida.

El algoritmo implementado incluye la nueva medida de interés basada en pesos propuesta anteriormente. El algoritmo implementado es especialmente útil para su uso en sistemas recomendadores colaborativos, donde se puede aprovechar la sinergia que ofrece la red, para producir recomendaciones cada vez más útiles y exactas.

El algoritmo propuesto es interactivo e iterativo. En cada iteración el usuario ejecuta el algoritmo de minería para encontrar las reglas que servirán de base a las recomendaciones, pudiendo ejecutarlo tantas veces como desee.

La Figura 2 muestra el algoritmo utilizado en el sistema propuesto. En el paso 1) se inicializa la variable Num al

∑ =

= m

j j

ii RNumVotosUs

RNumVotosUsWusuarios R

1)(

)(

∑ =

= k

j j

ii RpNumVotosEx

RpNumVotosExWexpertos R

1)(

)(


ISSN 1932-8540 © IEEE

número de reglas N que desea encontrar el usuario; en 2) comienza un bucle cuyas instrucciones se ejecutarán mientras el usuario no decida parar. El paso 3) es el sub-algoritmo al que llamaremos Minería, que describiremos en la siguiente sección, y que devuelve el conjunto de recomendaciones (Rec) y reglas inesperadas (Rne) encontradas. De 4) a 6) el usuario vota si le ha sido útil o no la recomendación y de 7) a 11) evalúa las reglas no esperadas para determinar si son interesantes las cuales podrían añadirse previa validación por los expertos en la base de conocimientos KB.

Fig. 2. Algoritmo principal

Sean U1, U2,…, Um, m usuarios distintos, S el conjunto de

reglas de asociación encontradas por Uj (j=1,2,…m); S = {S1, S2, …, Sm}; y R1, R2, …, Rn todas las reglas en S; acc(Ri)

(i=1,2,…n) son las exactitudes predictivas de Ri; R conjunto de reglas a descubiertas por el usuario actual, Re conjunto de reglas esperadas y Rne el conjunto de reglas inesperadas tal

que R = Re U Rne; KB el conjunto de reglas que conforman la base de conocimientos sobre el dominio. El algoritmo implementado (Fig. 3) está diseñado como a continuación se expone.

En el paso 1) se llama a la función GenRules, que descubre las reglas de asociación, a esta función se le pasa como parámetro el número de reglas deseadas y hace una llamada al algoritmo Apriori Predictivo. El código fuente [37] de este algoritmo ha sido modificado para incluirle restricciones al conjunto de ítems que pueden estar presentes en el antecedente y en el consecuente de las reglas a descubrir.

En el paso 2) se clasifican las reglas encontradas en esperadas, si coinciden sintácticamente con alguna regla de nuestra base de conocimientos, o inesperadas en caso

contrario. En los pasos del 3) al 8) se calcula, para cada regla Ri Re, la nueva medida de interés basada en pesos WAcc. En los pasos del 9) al 12) se utiliza el algoritmo IAS para calcular los grados de conformidad de cada regla no esperada Rne con las reglas almacenadas en la base de conocimientos KB. En 14) se ordena de mayor a menor el conjunto Re basado en la medida antes calculada AccR, mostrando en 15) las recomendaciones correspondientes a cada una de las reglas ordenadas anteriormente. Por último en 16) se le da la posibilidad al usuario de acceder a la unidad de visualización de reglas no esperadas para que este analice cuál de las reglas no esperadas es interesante y posible candidato a incluir en la base de conocimientos.

Fig. 3. Sub-algoritmo Minería

IV. IMPLEMENTACIÓN DEL SISTEMA La aplicación cliente y servidor conforman un sistema

híbrido recomendador basado en KBS y CFS, donde las recomendaciones de cambios para mejorar el curso se producen basados en la base de conocimientos que se crea y gestiona en el servidor según los distintos perfiles de usuarios. Se utiliza además, como enfoque complementario el filtrado colaborativo cuyo papel es filtrar y organizar las prioridades de las recomendaciones dependiendo de las votaciones de los expertos y de usuarios de perfil similar.


ISSN 1932-8540 © IEEE

A. Implementación del cliente La aplicación cliente, que se ha implementado en el

lenguaje de programación Java, consta de cuatro paneles básicos:

Preprocesado. En este panel el usuario primero selecciona el origen de datos sobre el que se va a realizar el proceso de minería. El formato de datos de entrada principal es una base de datos MySQL de Moodle. Una vez seleccionados los datos, el programa muestra todos los atributos presentes que son de tipo numérico. Con el objetivo de mejorar la comprensibilidad de las reglas descubiertas y reducir significativamente el tiempo de ejecución del algoritmo de búsqueda, es necesario discretizar estos atributos.

Parámetros de configuración. En este módulo se muestran los parámetros que va a utilizar el algoritmo de minería Apriori Predictivo, entre los cuales podemos encontrar el número de reglas que se quieren descubrir, así como una serie de restricciones que puede indicar el usuario, respecto a la cantidad de ítems máxima que pueden estar presentes en el antecedente o consecuente de las reglas a descubrir. Si el usuario no es experto en minería de datos o no desea cambiar estos parámetros de configuración puede utilizar los que vienen establecidos por defecto, que son los óptimos según las pruebas experimentales realizadas (ver la Sección V).

Repositorio de reglas. Se muestra en la Figura 4 y es la base de conocimientos que se utiliza en el análisis subjetivo de las reglas descubiertas. Debido a que una recomendación relativa a un curso necesariamente no tiene que ser válida y aplicable a otro curso distinto, se han establecido tres parámetros que identifican el perfil de un curso (Topic, Level, Difficulty): 1) el área temática del curso; 2) el nivel de estudios al que pertenece, si es Universitario, Secundaria, Primaria, Educación Especial u otro tipo; y 3) el grado de dificultad. Por tanto, antes de ejecutar el algoritmo de minería, el usuario debe seleccionar el perfil de su curso y descargar del servidor (botón: Get rules set from server) la base de conocimientos correspondiente al perfil introducido.

Los campos que se incluyen en el repositorio devuelto por el servidor son: la regla en sí, el problema que detecta esta regla y una posible recomendación para su solución. Para identificar cada tupla se incluyen también datos adicionales como el autor, la fecha y la valoración que posee la regla según la medida de interés propuesta WAcc. Resultados. Una vez configurados los parámetros de la aplicación o utilizando sus valores por defecto, el usuario ejecuta el algoritmo. En este panel se muestran los resultados obtenidos en una tabla, con los siguientes campos:

Regla-Problema-Recomendación-Valoración-APLICAR

Fig. 4 Interfaz del cliente

La recomendación puede ser de dos tipos:

1) Activa: si ésta implica una modificación directa del contenido o estructura del curso. Las recomendaciones activas pueden estar relacionadas con: modificaciones en el enunciado de las preguntas o de las prácticas/tareas asignadas a los alumnos, cambios en los parámetros asignados previamente como la duración del curso o el nivel de dificultad de una lección, la eliminación de un recurso tipo foro, chat, etc.

2) Pasiva: si éstas detectan un problema más general y le indican al profesor que consulte otras recomendaciones de grano más fino.

En los casos que la recomendación sea activa, al pulsar el botón APLICAR se mostrará al usuario la zona del curso a la que hace alusión la recomendación. Si es una recomendación activa y el usuario la aplica estará votando implícitamente por esa recomendación.

B. Implementación del servidor Para el servidor hemos implementado, utilizando JSP

(Java Server Pages), una aplicación web (Figura 5) para la gestión de la base de conocimientos. Para el acceso completo a todas las opciones de edición del repositorio se ha creado un perfil básico que es el del experto en educación, el cual tiene permisos para insertar nuevas reglas en el repositorio y votar por las ya existentes. En base a las votaciones de los expertos se calcula el parámetro Wexpertos. También, se almacenan las votaciones implícitas que hacen los clientes en sus análisis locales, a partir de las cuales se calcula Wusuarios.

Para permitir el intercambio de información entre el cliente y el servidor se ha implementado un servicio web que se encarga del intercambio del archivo PMML, que contiene el repositorio. Las tuplas del repositorio se han clasificado previamente según los parámetros de perfil de curso descritos en la sección A.


ISSN 1932-8540 © IEEE

Fig. 5 Interfaz del servidor

V. SECCIÓN EXPERIMENTAL Para probar nuestra arquitectura necesitábamos datos

sobre los que aplicar el proceso de minería. Durante el curso académico 2004-2005 se llevó a cabo en Córdoba la primera experiencia piloto en España para la alfabetización tecnológica de mujeres del entorno rural, denominado “Cordobesas Enredadas”. Para la ejecución del proyecto se desarrollaron 7 cursos correspondientes a los temarios ECDL (Licencia Europea para Manejo del Ordenador), basados en el sistema operativo Guadalinex y el paquete de ofimática OpenOffice.

A. Obtención de datos con INDESAHC Los cursos se desarrollaron con la herramienta autor

INDESAHC [38], que permite la creación de cursos hipermedia adaptativos compatibles con Moodle. La definición del curso está basada en un modelo jerárquico formado por temas divididos en lecciones y donde cada lección contiene una serie de conceptos para la explicación o evaluación de los contenidos de la materia a través de escenarios o páginas web (Figura 6). También se incluye un modelo de adaptación que adapta los contenidos al nivel de conocimiento del alumno. Dicho modelo está basado en un esquema de ocultación de enlaces [4] previa clasificación de los contenidos del curso de acuerdo a distintos niveles de dificultad.

La Tabla I muestra, por una parte, los atributos de datos relacionados con el curso hipermedia adaptativo, que se han añadido como tablas nuevas a la base de datos de Moodle y por otra, otros atributos relacionados con recursos didácticos tales como foros, chats, cuestionarios y tareas que se introducen también desde la interfaz de la herramienta autor.

Una vez que el curso es generado y publicado en Moodle, ya estamos en disposición de utilizar los datos de seguimiento de los alumnos como datos de entrada del proceso de minería.

Fig. 6 Modelo del dominio en INDESAHC

TABLA I ATRIBUTOS DE DATOS UTILIZADOS EN EL PROCESO DE MINERÍA

Nivel Atributo Descripción

Curso

duration Duración estimada para el curso c_time Tiempo invertido por el alumno c_score Nota media del curso c_attempt Nº intentos antes de aprobar el

curso c_quiz_attempt Nº intentos en el cuestionario c_quiz_time Tiempo total en el cuestionario c_quiz_score Nota obtenida en el cuestionario c_chat_messages Nº de mensajes enviados al chat assignment_score Nota de la tarea forum_read Nº de mensajes leídos en el foro forum_post Nº de mensajes puestos en el foro doc_view Si ha consultado el documento

Tema u-lessons Nº de lecciones del tema

u_time Tiempo en completar el tema u_initial_score Nota del alumno en el pre-test u_final_score Nota final del alumno en el tema u_attempt Nº intentos antes de aprobar el

tema forum_read Nº de mensajes leídos en el foro forum_post Nº de mensajes puestos en el foro assignment_score Nota de la tarea doc_view Si ha consultado el documento

Lección l_concepts Nº de conceptos en la lección

l_time Tiempo total en completar la lección

l_diffic_level Grado de dificultad de la lección Ejercicio e_time Tiempo en completar el ejercicio

e_score Nota obtenida en el ejercicio

B. Preprocesado de datos Antes de aplicar minería de reglas de asociación es

necesario preprocesar antes los datos de entrada para adaptarlos a nuestro modelo de datos. Este preprocesado incluye una serie de etapas como la limpieza de datos, la transformación de variables continuas a discretas y la integración de datos cuando estos provienen de distintas fuentes. En nuestro sistema, la limpieza de datos se realiza debido a dos causas muy comunes. Por una parte, se descubrió que el atributo tiempo en muchos casos contenía valores demasiados altos debido a que el alumno ha


ISSN 1932-8540 © IEEE

abandonado el ordenador sin salir antes de ese ejercicio, concepto o sección; para corregir esto hemos considerado como datos ruidosos los tiempos que exceden un valor máximo establecido asignando dicho valor máximo al dato considerado erróneo. Por otra parte, se descubrió que algunos alumnos no habían completado todas las actividades que componen el curso. En el caso en que fue posible, se contactó con los alumnos y se les solicitó que lo finalizaran, con el fin de poder utilizar su información. En los casos en que esto no fue posible, se desechó la información relativa a ese alumno.

Una vez seleccionados los datos, el programa muestra todos los atributos presentes que son de tipo numérico. Con el objetivo de mejorar la comprensibilidad de las reglas descubiertas y reducir significativamente el tiempo de ejecución del algoritmo de búsqueda, es necesario discretizar estos atributos. La transformación a variable discreta [39] consiste en clasificar los valores de los atributos continuos dentro de una lista pequeña de intervalos. Cada intervalo resultante es una estimación de un valor discreto del atributo. Nuestro proceso de discretización va a utilizar tres posibles valores nominales: BAJO, MEDIO y ALTO y se han implementado tres métodos de transformación discreta: método de igual anchura, método de igual frecuencia y un método manual, donde el usuario establece manualmente los límites de las categorías.

Normalmente cuando se trabaja en un problema de minería de datos es necesario primero formar un único conjunto con todos los datos que provienen de distintas fuentes. En nuestro caso tenemos dos fuentes: 1) las tablas que guardan el seguimiento del alumno con los atributos propios de INDESAHC; y 2) las tablas propias de Moodle que guardan información relativa al uso de otros recursos didácticos como foros, chats, tareas, etc, dentro del curso. Con estos datos se crea una base de datos temporal sobre la que se aplicará la minería de reglas. Para la realización de todas las pruebas se ha utilizado MySQL debido a que es el formato del servidor de base de datos de Moodle.

Antes de proceder a la aplicación del algoritmo de minería de reglas el usuario del sistema puede además, restringir el dominio de búsqueda especificando a qué nivel quiere realizar el análisis, por ejemplo si es a nivel de curso, tema, lección o ejercicio. La tabla temporal resultante que se crea y sobre la que se aplica el algoritmo en este caso sólo contendrá atributos y transacciones de todos los alumnos respecto al nivel en cuestión seleccionado. El sistema permite también, encontrar relaciones interesantes entre atributos de tablas distintas, por ejemplo si el usuario selecciona un análisis a nivel de curso-tema, tema-ejercicios, etc; la tabla temporal que se crea contendrá atributos y transacciones de más de una tabla.

C. Creación de la base de conocimientos Para la creación de la base de conocimientos que se

utilizó en los experimentos, se utilizaron 3 profesores

expertos en el área de Ciencias de la Computación e Inteligencia Artificial de la Universidad de Córdoba, los cuales propusieron las tuplas iniciales del repositorio. Posteriormente cada experto, utilizando la aplicación web servidora, votó por cada tupla de la KB, según los criterios especificados en la Figura 7.

La evaluación la hemos dividido en dos grupos de criterios a los que llamaremos C1 y C2, con tres opciones cada uno. Sean W1, W2 los pesos asignados por el administrador del sistema a ambos grupos de opciones C1 y C2, podemos calcular la puntuación total de una tupla según:

2211 ** CWCWPt +=

donde 1C y 2C son las medias de las puntuaciones dadas por los expertos en cada apartado del grupo, para la tupla en cuestión. En nuestro experimento el valor de ambos pesos ha sido fijado a un 50%.

Figura 7. Formulario que se muestra al experto para la evaluación de

tuplas

D. Descripción de la información descubierta Los resultados que a continuación se exponen

corresponden a pruebas realizadas con 150 alumnos, que ejecutaron el curso denominado “Hoja de Cálculo”. A continuación se van a describir un par de reglas descubiertas de tipo esperadas o sea que coinciden con la base de conocimientos. Indicar que también se descubrieron muchas reglas que no brindaban información alguna de utilidad para nuestros propósitos, como por ejemplo, aquellas que incluían en el antecedente y consecuente atributos de tiempo y que relacionaban ítems de conceptos que no estaban relacionados.

1) Si (e_time [25] = ALTO) entonces (e_score[25] =

BAJO), exact = 0.85 Esta regla significa que, si el tiempo empleado en el

ejercicio es alto, entonces la nota del ejercicio es baja. Se


ISSN 1932-8540 © IEEE

descubrió que existía un problema en ese ejercicio del curso hipermedia adaptativo, que pertenecía al tema “Uso de la aplicación”, la lección “Primeros pasos con el procesador de texto” y concepto “Renombrar y guardar un documento”, que era un escenario de INDESAHC de tipo video interactivo donde el alumno debe simular utilizando el ratón los pasos necesarios para completar una actividad. En este caso particular, se comprobó que el enunciado de la pregunta era ambiguo y podía interpretarse de varias maneras, con lo cual se corrigió. Otras reglas de formato similar se encontraron pero relacionadas con preguntas de tipo test o de relación de columnas.

2) Si (u_forum_read [2] = BAJO) Y (u_forum_post [2] =

BAJO) entonces (u_final_score [1] = ALTO), exact = 0.75 Esta regla significa que, si los mensajes enviados y leídos

del foro 2 que pertenece al tema 1 son bajos, entonces la nota del tema es alta. La regla descubre que ese foro del tema 1 no es necesario o que hay problemas con el tutor. Este tipo de regla descubierta cuestiona la necesidad de un foro a determinados niveles de la jerarquía del dominio, de hecho en nuestro caso se optó por eliminar el foro.

E. Análisis de la efectividad de las recomendaciones Para verificar que los cambios realizados por el profesor tras escuchar las recomendaciones propuestas por el sistema son efectivas, debemos tener en cuenta dos puntos de vista: 1) el del profesor, respecto a qué porcentaje de los problemas supuestamente corregidos, basados en las recomendaciones iniciales, se repiten en sucesivas ejecuciones del curso con grupos de alumnos distintos y 2) el de los alumnos, respecto a cómo influyen las recomendaciones de cambios que ya no se repiten, en las calificaciones finales que éstos obtienen. De estos dos aspectos mencionados se derivan dos hipótesis de partida, en primer lugar tenemos que si los cambios realizados por el profesor son 100% efectivos, estos problemas no debían detectarse de nuevo al analizar los datos de uso en los grupos siguientes; en segundo lugar, si estos no se repiten debían implicar además, una mejora en las calificaciones.

En una etapa de mejora continua del curso como la que proponemos, con sucesivas correcciones en base a los datos de utilización del curso por distintos grupos, sea TotalRec1

el total de recomendaciones mostradas cuando se analizaron los datos de uso del grupo 1 y que indujeron a cambios en la estructura o contenidos del curso; sea TotalRec1,i el total de recomendaciones que se repiten en consecutivas ejecuciones del curso con otros grupos de alumnos respecto a las obtenidas con el grupo inicial, podemos calcular la efectividad de los cambios realizados, basándonos en las recomendaciones propuestas en la fase inicial 1 (primera ejecución del curso) respecto a la fase i (i=2,3...N) correspondiente a consecutivas ejecuciones del curso como:

1

,111 TotalRec

TotalRecTotalRecEfectRec i−

= (2)

Podemos medir la efectividad que ha tenido en los alumnos la corrección de los problemas detectados, comparando la nota media y desviación estándar en las sucesivas ejecuciones del curso.

Para calcular (2) y comparar las notas finales de los alumnos, se eligió como base material de estudio el curso “Hoja de Cálculo”, y dos grupos de 45 alumnos que harían el curso de manera consecutiva. Con el objetivo de eliminar la influencia de factores externos como conocimientos previos de informática, edad media del grupo, nivel de estudios, etc, que pudiesen alterar el resultado de la investigación, se forzó la composición de los grupos de forma que se cumpliesen los siguientes requisitos: 1) que los alumnos no tuviesen conocimientos previos de informática, esto era relativamente fácil, pues los cursos como hemos mencionado van destinados a la alfabetización digital en entornos rurales; 2) la edad media del grupo fuese la misma; 3) el nivel de estudios no superase el grado medio.

La Tabla II muestra los resultados desde el punto de vista del profesor al aplicar nuestro sistema de manera consecutiva sobre los datos de utilización de los tres grupos de alumnos. La columna “Nuevas” se refiere a las recomendaciones iniciales que da el sistema a problemas detectados en el curso y que el profesor ha considerado útiles y aplicables; la columna “Rep” se refiere a aquellas recomendaciones iniciales que a pesar del profesor haberlas aplicado, se vuelven a repetir las mismas tuplas en ejecuciones consecutivas del curso. La Tabla III muestra los resultados desde el punto de vista del alumno. La columna “NRep” se refiere las tuplas que no se repiten, se muestran además las notas medias finales y desviaciones estándar de cada grupo y se calculan los valores de p-value comparando el grupo 1 con el grupo 2.

Del análisis de los datos de las Tablas II y III se pueden extraer varias conclusiones:

1) Tal y como se suponía en nuestra hipótesis inicial, el porcentaje de efectividad se acerca al 100 % en la medida que el curso se ejecuta más veces. Se detectó que los problemas que se repiten se debieron a cambios en el diseño

TABLA III RESULTADOS DESDE EL PUNTO DE VISTA DEL ALUMNO

Grupo No Rep. Nota p-value 1-2

1 0 6,55 +0,30 < 0,0001 2 15 6,95 +0,56

TABLA II RESULTADOS DESDE EL PUNTO DE VISTA DEL PROFESOR

Grupo Nuevas Repetidas Total EfectRecom (%)

1 21 0 21 0 2 5 6 11 72,7


ISSN 1932-8540 © IEEE

del curso, que tenían una alta componente subjetiva, por ejemplo el cambio de nivel de dificultad de una lección, o de la duración estimada para un tema.

2) En cada grupo se han detectado nuevos problemas y por tanto nuevas recomendaciones asociadas para resolverlos, que no habían sido detectadas con anterioridad, la causa de esto podría estar en que, a pesar de los intentos por igualar la composición de cada grupo, estamos trabajando con personas con características muy subjetivas como el intelecto, habilidades, etc.

3) Además de aumentar el porcentaje de efectividad, vemos que el total de recomendaciones asociadas a problemas encontrados disminuye, lo cual es un índice también de que el curso va mejorando continuamente.

4) Comparando las notas de ambos grupos se observa una sensible mejoría, lo cual también indica la efectividad del sistema propuesto.

VI. CONCLUSIONES Y TRABAJO FUTURO En este artículo se ha presentado un sistema

recomendador colaborativo que utiliza minería de datos distribuida para la continua mejora de cursos de e-learning. Este sistema permite que profesores de perfil similar, compartan los resultados de sus investigaciones como resultado de aplicar minería de manera local sobre sus propios cursos.

Se ha diseñado e implementado un nuevo algoritmo de minería de reglas de asociación interactivo e iterativo que utiliza una nueva medida de evaluación de las reglas descubiertas basada en pesos y que tiene en cuenta la opinión de los expertos y de los propios profesores para producir recomendaciones cada vez más efectivas.

Se han realizado pruebas experimentales teniendo en cuenta dos puntos de vista, el del profesor que realiza los cambios basándose en las recomendaciones que brinda el sistema y el del alumno que realiza el curso una vez modificado por el profesor.

Los resultados finales demostraron las hipótesis de partida, por una parte, que los problemas detectados se reducirían en consecutivas ejecuciones del curso y por otra, que las notas finales de los alumnos mejorarían en la medida que el profesor iba corrigiendo los problemas. Aunque los resultados de las notas demostraron una sensible mejoría, proponemos como trabajo futuro hacer un estudio más detallado, con mayor cantidad de grupos para buscar diferencias más significativas. Actualmente se están estudiando qué otros atributos del modelo de datos, además de la nota final, se pueden tener en cuenta en las comparaciones.

REFERENCIAS [1] Itmazi, J.A.S., “Sistema Flexible de gestión del e-learning para

soportar el aprendizaje en las universidades tradicionales y abiertas”. PhD Thesis. University of Granada, Spain.

[2] Brusilovsky, P. “Adaptive and Intelligent Web-based Educational Systems”, International Journal of Artificial Intelligence in Education, 2003, pp. 156-169, IO Press.

[3] Brusilovsky, P., “Methods and techniques of adaptive hypermedia”, User Modeling and User-Adapted Interaction, 6(2-3), 1996, pp. 87-129

[4] De Bra, P. & Calvi, L., “AHA! An open Adaptive Hipermedia Architecture”, The New Review of Hipermedia and Multimedia, 4, 1998, pp. 115-139.

[5] Brusilovsky, P., Schwarz, E., & Weber, G., “ELM-ART: An intelligent tutoring system on World Wide Web”, Third International Conference on Intelligent Tutoring Systems, ITS-96 (Vol. 1086, 1996, pp. 261-269). Berlin: Springer Verlag

[6] Heift, T., & Nicholson, D., “Web delivery of adaptive and interactive language tutoring”, International Journal of Artificial Intelligence in Education, 12(4), 2001, pp. 310-324.

[7] Costaguta R., “Una Revisión de Desarrollos Inteligentes para Aprendizaje Colaborativo Soportado por Computadora”. Revista Ingeniería Informática, edición 13, Disponible en Abril de 2008 en http://www.inf.udec.cl/revista.

[8] Herín, D., Sala M., Pompidor, P. “Evaluating and Revising Courses from Web Resources Educational”. ITS 2002, LNCS 2363, pp. 208-218. 2002.

[9] Zaïne, O.R., Han, J. “Implementation of a Web Usage Mining Framework for Web Activity Evaluation”. TeleLearning Conference 2000. pp. 13-21.

[10] Zhang C., Zhang S., Association Rule Mining. Berlin: Springer, 2002, ch. 7.

[11] W. Klösgen, J.M. Zytkow. Handbook of Data Mining and Knowledge Discovery. Oxford University Press. 2002.

[12] Srivastava, J.; Mobasher, B.; Cooley, R., “Automatic Personalization Based on Web Usage Mining”, Communications of the Association of Computing Machinery, 2000, pp. 142-151.

[13] Barnett, V.; Lewis, T.; Outliers in Statistical Data. John Wiley & Sons, 1994.

[14] Romero, C., Ventura, S., Bra, P. D., & de Castro, C., “Discovering prediction rules in AHA! Courses”, En 9th International User Modeling Conference (Vol. 2702, pp. 25-34), 2003, Berlin: Springer Verlag.

[15] Li, J.; Zaiane, O.R. “Combining Usage, Content and Structure Data to Improve Web Site Recommendation”, Int. Conf. on Electronic Commerce and Web Technologies, Spain, 2004.

[16] Agrawal, R., et al, “Fast discovery of association rules”, In Advances in Knowledge Discovery and Data Mining, Menlo Park, CA: AAAI Press, 1996, pp. 307-328.

[17] Zheng Z., et al, “Real world performance of association rules”. In Proceedings of the Sixth ACM-SIGKDD, 2001.

[18] Tobias S., “Finding Association Rules That Trade Support Optimally against Confidence”, Lecture Notes in Computer Science, Vol. 2168, 2001, 424+

[19] Tan P., Kumar V., “Interesting Measures for Association Patterns: A Perspectiva”, Technical Report TR00-036. Department of Computer Science. University of Minnnesota, 2000.

[20] Silberschatz, A., Tuzhilin, A.. “What makes pattterns interesting in Knoledge discovery systems”., IEEE Trans. on Knowledge and Data Engineering. 8(6), 1996, pp.970-974.

[21] Liu B., Wynne H., Shu C. Yiming M., “Analyzing the Subjective Interestingness of Association Rules”, IEEE Inteligent System, 2000.

[22] A. Savasere, E. Omiecinski, and S. B. Navathe, “An efficient algorithm for mining association rules in large databases,” in Proceedings of 21st International Conference on Very Large Data Bases. VLDB, Sept. 11-15 1995, pp. 432–444. [Online]. Disponible en Abril de 2008 en http://www.vldb.org/dblp/db/conf/vldb/.

[23] P. Scheuermann, “Distributed web log mining using maximal large itemsets,” Knowledge and Information Systems, vol. 3, no. 4, Nov. 2001, pp. 389–404.

[24] D. B. Skillicorn and Y. Wang, “Parallel and sequential algorithms for data mining using inductive logic,” Knowledge and Information Systems, vol. 3, no. 4, pp. 405–421, Nov. 2001.

[25] D. W.-L. Cheung, V. Ng, A. W.-C. Fu, and Y. Fu, “Efficient mining of association rules in distributed databases,” IEEE Transactions on Knowledge and Data Engineering, vol. 8, no. 6, pp. 911–922, Dec. 1996.

[26] Zan, H. et al, “A graph model for E-commerce Recomendador systems,” Journal of the American Society of Information Science and Technology, 55(3), 2004, pp.259-274.


ISSN 1932-8540 © IEEE

[27] Eliassi-Rad, T. and Shavlik, J., “A System for Building Intelligent Agents that Learn to Retrieve and Extract Information,” International Journal of User Modeling and User-Adapted Interaction, special issue User Modeling and Intelligent Agents. 13 (4), No. 1-2, 2003, pp.. 35-88.

[28] Geyer-Schulz, A. et al., “An Architecture for Behavior-Based Library Recomendador Systems,” Information Technology and Libraries. 22(4), 2003, pp.165-174.

[29] Rosta F., Brusilovsky, P., “Social navigation support in a course recommendation system”, Adaptive Hypermedia and Adaptive Web-Based Systems: 4th International Conference, AH 2006, 2006, pp. 91-100.

[30] Tang T., McCalla, G., “Smart Recommendation for an Evolving E-Learning System: Architecture and Experiment”. International Journal on E-Learning, 4(1), 2005, pp. 105-129.

[31] Terveen, L. and Hill, W., “Beyond Recomendador Systems: Helping People Help Each Other”. In J. M. Carroll (Ed.) Human-Computer Interaction in the New Millennium, Addison-Wesley. ACM Press, New York, ch 22, 2001, pp. 487-509.

[32] Burke, R., “Semantic ratings and heuristic similarity for collaborative filtering”, In Proceedings of the Seventeenth National Conference on Artificial Intelligence, Austin, Texas, July 30th–August 3rd, 2000.

[33] Burke, R,. “Knowledge-based Recomendador Systems”. In A. Kent (ed.), Encyclopedia of Library and Information Systems. Vol. 69, Supplement 32. New York: Marcel Dekker. 2000.

[34] Data Mining Group. Predictive Model Markup Language (PMML). Disponible en Abril de 2008 en http://www.dmg.org/pmml-v3-0.html .

[35] García, E., Romero, C. et al, “Using Rules Discovery for the Continuous Improvement of e-Learning Courses”, en Proc. of the 7th International Conference on Intelligent Data Engineering and Automated Learning- IDEAL 2006, LNCS 4224, 2006, pp. 887-895

[36] Good I., Probability and the weighting of evidence. Charles Griffin, London, 1950.

[37] Paquete de minería de datos Weka. Disponible en Abril de 2008 en http://www.cs.waikato.ac.nz/ml/weka/.

[38] De Castro, C., García, E., Romero, C., Ventura, S. “Herramienta autor INDESAHC para la creación de cursos hipermedia adaptativos”. Revista latinoamericana de tecnología educativa. Vol. 3, 1, 2004.

[39] H. Liu, F. Hussain, C.L. Tan, and M. Dash. “Discretization: An enabling technique”. Journal of Data Mining and Knowledge Discovery, 2002, pp. 393-423.

Enrique García Salcines es Profesor colaborador del Departamento de Informática de la Universidad de Córdoba en España. Actualmente, está realizando su Tesis Doctoral en el campo deminería de datos aplicada a educación. Su área de interés principal es la aplicación de técnicas de inteligencia artificial para la mejora del aprendizaje.

Cristóbal Romero Morales es Profesor Contratado Doctor del Departamento de Informática de la Universidad de Córdoba en España. Es doctor en Informática por la Universidad de Granada desde el año 2003. Su área de interés principal es la aplicación de minería de datos en educación.

Sebastián Ventura Soto es Profesor Titular del Departamento de Informática de la Universidad de Córdoba en España. Es doctor en Ciencias por la Universidad de Córdoba desde el año 1996. Su área de interés principal es soft-computing y sus aplicaciones.

Carlos de Castro Lozano es profesor titular del departamento de Informática de la Universidad de Córdoba en España. Es doctor en Ciencias por la Universidad de Córdoba desde el año 1983. Sus principales áreas de interés son metodologías y recursos en e-learning y accesibilidad.


ISSN 1932-8540 © IEEE

Title— Design of an Advanced Programming Course through

Project-Based Learning: A Geographical Application Abstract— The present paper shows an example of how to

learn programming through project-based learning and virtual communities. It proposes to the students the development of an application related with mobility managing multiple media formats. This development involves the understanding of concepts related with programming; networks and communications; and the use of XML. Thanks to the learning through motivating practice-based development, students face the real problems that they will find in private companies when they finish their degree.

Index Terms— Project based learning, geocomputing, advanced programming, collaborative work.

I. INTRODUCCIÓN ay un antiguo proverbio chino que dice “Oigo y olvido. Veo y recuerdo. Hago y entiendo” [1]. La verdad es que las personas aprenden de maneras muy diferentes, pero

en general la práctica es la mejor manera de aprender. Este hecho toma especial énfasis en el campo de la programación [2]. Los conceptos teóricos son muy importantes para aprender programación. Los estudiantes necesitan unos conocimientos básicos antes de empezar a programar [3]. Sin embargo, sólo cuando se enfrentan al reto de programar una

S. Martín pertenece al Departamento de Ingeniería Eléctrica, Electrónica y

de Control de la UNED, C/Juan del Rosal nº 12, 28040, Madrid, España (phone: +34-913-987-923; fax: +34-913-987-785; e-mail: smartin@ ieec.uned.es).

E. San Cristóbal pertenece al Departamento de Ingeniería Eléctrica, Electrónica y de Control de la UNED, C/Juan del Rosal nº 12, 28040, Madrid, España (e-mail: [email protected]).

G. Carro estudia en la UNED, España (e-mail: [email protected]). G. Lafuente estudia en la UNED, España (e-mail:

[email protected]). M. Castro pertenece al Departamento de Ingeniería Eléctrica, Electrónica y

de Control de la UNED, C/Juan del Rosal nº 12, 28040, Madrid, España (e-mail: [email protected]).

J. Peire pertenece al Departamento de Ingeniería Eléctrica, Electrónica y de Control de la UNED, C/Juan del Rosal nº 12, 28040, Madrid, España (e-mail: [email protected] ).


aplicación real se dan cuenta de que no han entendido todos los conceptos.

El objetivo de este artículo es mostrar un ejemplo de aprendizaje basado en proyectos en el campo de la programación avanzada a través de un proyecto que resulte útil y motivador para los estudiantes.

Por otro lado, además del aprendizaje orientado a proyectos, la metodología seguida incluirá la creación de una estructura distribuida de grupos de trabajo tanto presenciales como on-line, que persigue, en primer lugar, crear una red de acercamiento entre los distintos estudiantes de la UNED (Universidad Nacional de Educación a Distancia de España), dado que están distribuidos por toda la geografía española y sufren la dificultad del aprendizaje a distancia; y en segundo lugar, dotar a los estudiantes de una serie de habilidades prácticas de gran utilidad de cara al mercado laboral.

II. PROPUESTA DE PROYECTO El proyecto propuesto es una aplicación geoinformática

que mejorará la movilidad entre los distintos centros de una misma organización. Aspecto que adquiere una gran relevancia en una Universidad como la UNED, con más de 70 centros y extensiones en España y presente en más de 15 países.

Los alumnos de la UNED son conscientes de que la distancia es a veces un gran obstáculo entre ellos, por eso el proyecto elegido está relacionado precisamente con la movilidad, ya que será algo que les acerque en cierta medida. Esta distancia crea problemas de movilidad no sólo a los estudiantes sino también a los profesores que tienen que viajar a los distintos centros de la universidad [4]. El objetivo de este desarrollo es hacer más fácil la movilidad entre los distintos puntos de una organización [5].

El proyecto se basará en la información disponible de todos los centros de la UNED, para generar distintas vistas de la información de los centros de la UNED, por ejemplo, facultades, escuelas, bibliotecas, restaurantes, tiendas, bancos, etc., siendo posible ofrecer incluso información multimedia o basada en Web.

Las distintas vistas que se generarán harán uso de los Sistemas de Información Geográfica (GIS) Google Earth y Google Maps, así como se busca la compatibilidad en el

Diseño de un Curso de Programación Avanzada a través de Aprendizaje Basado en Proyectos:

Una Aplicación Geoinformática Sergio Martín, Student Member, IEEE, Elio San Cristóbal, Student Member, IEEE, Germán Carro,

Student Member, IEEE, Guillermo Lafuente, Student Member, IEEE, Manuel Castro, Fellow, IEEE y Juan Peire, Senior Member, IEEE.

H


ISSN 1932-8540 © IEEE

desarrollo con la mayoría de los navegadores GPS comerciales.

III. DESCRIPCIÓN DEL PROYECTO Anteriormente al desarrollo del ejercicio, los estudiantes

deben haber comprendido bien y adquirido experiencia en algunos conceptos teóricos, especialmente relacionados con documentos XML, hojas de estilo XSL y protocolos de comunicación a través de Internet:

• Documentos XML. o Qué es un documento XML válido y bien

formado y cómo validarlo. o Documento de Definición de Tipos (DTD)

y XML-Schemas. o Cómo crear un documento XML válido.

• Hojas de estilo XSL. o Cómo crear una hoja de estilo XSL. o Cómo validarla.

• Programación con XML/XSL. o Cómo leer información desde un

documento XML. SAX y DOM. o Aplicar hojas de estilo XSL a documentos

XML. • Protocolos de comunicación en Internet.

o Conocimiento básico de TCP / IP. o Uso de puertos IP y sockets TCP. o Protocolos a nivel de Aplicación: HTTP.

• Mapeado de información en sistemas geográficos (Mash-up).

La primera actividad sobre la que los estudiantes deben

pensar es cómo convertir la dirección física de los puntos de una organización en coordenadas GPS.

Fig. 1. Documento XML con la información correspondiente a un punto de interés, obtenida a través del servicio web proporcionado por Google Maps. Los alumnos deberán ser capaces de leer dicho documento XML para obtener sus coordenadas.

Para esta tarea, los estudiantes se dan cuenta que tienen que

leer un fichero XML con todas las direcciones y la información de los puntos de interés. Como consecuencia

tendrán que aprender que es documento XML y como recuperar información de él (Figura 1).

Una vez, que todos los documentos XML han sido leídos, los estudiantes deben afrontar el reto de convertir esa información en coordenadas GPS. En este punto, el profesor sugiere que hay un servicio Web soportado por Google que permite este tipo de operación. El reto en este caso para el estudiante es conseguir acceder a este servicio web (Figura 2).

Fig. 2. Esquema general en la obtención de las coordenadas GPS. A través de la información contenida en la base de datos de puntos de interés se accede al servicio web proporcionado por Google Maps para traducir la dirección postal en coordenadas GPS.

Por esa razón, tendrán que estudiar cómo funciona TCP/IP, los protocolos de Internet, como HTTP 1.1 [6], y cómo utilizar ese servicio web en particular.

Además, como se ha comentado antes el sistema ofrece varias visualizaciones. La primera vista es un sistema basado en web que muestra gráficamente todos los puntos en un mapa, incluyendo información multimedia (Figura 3). Este mapa permite la interacción con los puntos de interés, así cómo establecer rutas de uno a otro y encontrar todo tipo de servicios como hoteles, restaurantes, etc. Este módulo es ofrecido por Google Maps [7]-[8].

Fig. 3. Imagen de la ciudad de Madrid con la información relativa a las distintas facultades dentro de la Ciudad Universitaria correctamente mapeada En este caso se ha seleccionado la Facultad de Psicología para obtener más información.

Por otro lado, el sistema también ofrece información de todos los puntos de interés para los principales navegadores


ISSN 1932-8540 © IEEE

GPS comerciales, como ‘TomTom’, ‘Navman’, ‘Navio’, ‘Viaroute’, ‘Garmin’, ‘Mio’ o ‘Destinator’.

El desarrollo de este módulo requiere tener conocimientos acerca de cómo crear y validar hojas de estilo XSLT, y cómo aplicarlas a documentos XML. Estas técnicas permiten a los estudiantes generar diferentes vistas partiendo de la misma información. Para conseguir este objetivo, los estudiantes deben crear 9 diferentes hojas de estilo XSL, una por cada forma de visualización.

Fig. 4. Imagen con el contenido de los ficheros para los navegadores GARMIN y NAVMAN. Para generarlos, los alumnos deberán hacer uso del documento XML con los datos de los centros y de plantillas XSL para generar el contenido de los distintos ficheros.

El primer documento mostrado en la figura 4 corresponde

con un fichero de puntos de interés para navegadores Garmin, y el segundo para Navman. Dichos documentos, al igual que los del resto de navegadores GPS, serán generados a partir del documento XML con las coordenadas GPS y la información relativa a cada centro de la organización: latitud, longitud y nombre.

IV. METODOLOGÍA La metodología seguida aúna tanto técnicas de Aprendizaje

Basado en Proyectos como de Aprendizaje Mixto (Blended Learning), consistente en el uso de enseñanza presencial junto con on-line, aportando cada una de ellas unas características propias al proceso de aprendizaje en sí [9].

A. Aprendizaje Basado en Proyectos (ABP) Hoy en día, el aprendizaje basado en proyectos (ABP) es

una alternativa a la enseñanza tradicional, basada en la clase magistral impartida por el profesor. Esta metodología se centra en el aprendizaje [9]-[10]; por este motivo los estudiantes tienen un peso significativo en la selección de los temas de los proyectos que van a realizar. En términos muy

simples, el ABP ayuda a los estudiantes a: adquirir conocimientos y habilidades básicas, aprender a resolver problemas complicados y llevar a cabo tareas difíciles utilizando estos conocimientos y habilidades. El ABP se orienta hacia la realización de un proyecto o tarea, el trabajo se enfoca en la solución de un problema complejo o en la realización de una actividad que también lo es; el trabajo se lleva a cabo en grupos y los estudiantes tienen mayor autonomía que en una clase tradicional para moverse y hacer uso de diversos recursos [10]-[12].

La clave para el éxito de este tipo de enseñanza es, por una parte, posibilitar que los estudiantes se involucren en actividades auténticas y, por la otra, construir nuevo conocimiento en base al que ya poseen y profundizar en el aprendizaje mediante el ser parte de un equipo.

Esta metodología, a pesar de ser cara en tiempo para los profesores, es muy estimulante y motivadora para los estudiantes. De hecho, el aprendizaje fuera de la Universidad tiene mucho más en común con este tipo de aprendizaje que con la tradicional clase magistral donde el profesor hablaría y los alumnos únicamente escucharían o tomarían notas con una actitud pasiva.

Como consecuencia, para que el proyecto sea un éxito se debe escoger un desarrollo que resulte motivador e interesante a los estudiantes. En nuestro caso, fueron evaluados diversos tipos de proyectos, pero finalmente se decidió escoger uno relacionado con la movilidad y los servicios geográficos. La razón es porque incluía todos los conceptos de programación que se deseaba que los estudiantes aprendieran a la par de ser un atractivo reclamo debido a su llamativo interfaz gráfico. Además, la movilidad se ha convertido en un elemento de importancia en algunas organizaciones durante los últimos años. Actualmente, muchas compañías están creando servicios de información geográfica que les proporcionan un valor añadido tanto de cara a los clientes como al propio personal. Estos desarrollos toman especial relevancia en las compañías de transportes o logística, donde el conocimiento de las localizaciones de los clientes y las rutas para llegar a ellos juegan un papel crucial dentro de su modelo de negocio. En general, los sistemas de información geográfica adquieren utilidad en cualquier tipo de organización donde es importante hallar una manera sencilla de llegar a algún sitio.

Además, con objeto de aumentar un poco más la motivación de los estudiantes, está accesible un sitio web donde todos los servicios desarrollados por los estudiantes están accesibles para todo el mundo, así como toda la información relativa al proyecto (Figura 5).

B. Blended learning Como se ha comentado anteriormente, en el desarrollo del

curso se intercalarán tanto sesiones de trabajo presenciales como on-line, dando lugar a la creación de grupos virtuales de trabajo. Una de las principales desventajas que tiene un grupo virtual, es que se crea un cierto temor en todos los implicados sobre cómo se va a desarrollar el modelo de aprendizaje y el aislamiento que supone este tipo de enseñanza.

MARTÍN et al.: DISEÑO DE UN CURSO DE PROGRAMACIÓN AVANZADA 33

ISSN 1932-8540 © IEEE

Fig. 5. Sitio Web del Departamento de Ingeniería Eléctrica, Electrónica y de Control con los servicios de movilidad desarrollados accesibles para toda la comunidad universitaria.

Otro factor que influye es la tendencia de la sociedad a no

aceptar los cambios. La enseñanza tiene un enfoque tradicional de tipo presencial y las tecnologías que favorecen de forma positiva una adecuada enseñanza virtual son relativamente nuevas y no todo el mundo acoge este nuevo concepto con aceptación.

Todo esto provoca que inicialmente se proponga la realización de unas sesiones presenciales donde los alumnos puedan aprender las nociones básicas y donde tomen una primera toma de contacto tanto con el profesor/tutor como con el resto de alumnos. De esta forma, conseguimos que se pierda el miedo a entrar en el estudio de un campo desconocido para la mayoría de alumnos a la vez que se les enseña a utilizar la plataforma virtual, que será su futuro lugar de trabajo, resolviendo las dudas que puedan ir surgiendo respecto a él. Con ello se consigue que el entorno deje de ser desconocido y se evita el rechazo que se produce sobre las cosas nuevas y que no se saben usar.

Una vez realizado las sesiones presenciales toca desarrollar el modelo virtual. Este modelo de aprendizaje se tiene que enfrentar a dos grandes desafíos: la implicación del alumno y la necesidad de tener contenidos adecuados para este tipo de enseñanza.

La implicación del alumno se ha de conseguir con modelos adecuados de motivación. Uno de los puntos clave para lograr esto es a través de una adecuada participación que permita que todos los alumnos expongan sus dudas, opiniones y problemas sin ningún tipo de trabas, y tan importante como esto, es que las respuestas a sus planteamientos sean prácticamente instantáneas, ya que si no se entrará en una sensación de soledad y abandono que hará que toda motivación se vaya perdiendo.

Además, se ha de observar que en ningún momento se intenta eliminar el factor presencial a favor del virtual. Ambos modelos se han de complementar para favorecer la situación de los estudiantes en cada momento. El elemento presencial aporta mayor compañerismo entre el grupo y anima a la gente

que se inicia en un mundo nuevo a meterse con ánimo en él al ver a gente a su alrededor con sus mismas inquietudes y problemas.

Por otro lado, el perfil de la UNED nos muestra a alumnos con escaso tiempo que han de compaginar estudios, trabajo y familia, lo que les impide estar atados al estricto horario que marcan los modelos presenciales. Aquí es donde el elemento virtual gana en importancia, ya que la aplicación on-line está disponible 24 horas 365 días al año, dando libertad a cada miembro del grupo para seguir los materiales en los momentos que tenga disponibles y dando flexibilidad para que se adapten al ritmo de estudio adecuado a su situación personal.

C. Participación del alumno Es habitual en la enseñanza presencial, la existencia de una

actitud cohibida o tímida a la hora de plantear sugerencias, críticas, dudas o cuestiones por parte del alumno, y también a la hora de flexibilizar y enfocar nuevas perspectivas por parte de los tutores.

Este problema se difumina, y llega a desaparecer, en un entorno virtual. La inexistencia de fronteras físicas da libertad a los participantes que se mueven de manera cómoda a la hora de realizar nuevos planteamientos y sugerencias. En un espacio de estas características nadie es más que otro, la experiencia es global, compartida, desaparecen las etiquetas y el respeto es mutuo.

El objetivo es la colaboración dentro del grupo de trabajo. Todos aportan y proponen, y se consultan los deseos de cada uno tomando decisiones que beneficien a la mayoría, pero sin descartar nunca ideas propuestas de manera definitiva. Este modelo de actuación cuenta, por supuesto, con una obligación añadida, el alumno debe querer participar, es por ello que la elección de un proyecto estimulante es de gran relevancia. En este sistema los alumnos tienen que ser conscientes de que tendrán que implicarse en el proyecto, los tutores tendrán que estar preparados para flexibilizar el proyecto inicial en función de las derivaciones que éste vaya tomando según los participantes propongan sugerencias, realicen críticas o tomen decisiones.

En definitiva, este sistema, difumina la frontera alumno/tutor y convierte a éste último en un “director de orquesta” que marca la línea de salida y una básica estructura a seguir; más que en el típico profesor paternalista; permitiendo así que el alumno se desarrolle de manera intelectual sin más limitaciones que las de su curiosidad y motivación por aprender.

D. El papel del tutor-moderador Según lo expuesto anteriormente, es necesario modificar la

visión del tutor tradicional, así como sus atribuciones. Podríamos decir que su papel sería más parecido al de un “moderador”, en el sentido de que su actitud debe ser canalizadora y nunca de limitación respecto a las ideas y sugerencias aportadas. Si cabe, su papel, como ya se ha indicado anteriormente, será más importante al inicio del proceso. Deberá presentar de manera estructurada el curso a


ISSN 1932-8540 © IEEE

impartir y conseguir material cualificado y suficiente para que los alumnos encuentren la base sobre la que posteriormente deberán trabajar.

Evidentemente, deberá explicar los primeros pasos de funcionamiento del grupo y resolver las preguntas iniciales al respecto. Pero ahí termina el parecido con una clase tradicional.

En este punto es el alumno el que debe comenzar a evaluar el material citado y a proponer en base a la estructura inicial posibles variantes o bien soluciones a la misma para comenzar a avanzar en el aprendizaje. Su labor a partir de ese momento es supervisar y adoptar un papel conciliador a la hora de ir aunando esfuerzos y sugerencias de los diferentes alumnos, descartando de manera diplomática y razonada aquellas que dificultarían el aprendizaje o ralentizarían el avance del mismo, y potenciando las que por sus características lo beneficiarían y asentarían. También es posible que la existencia de más de un tutor moderador sea más favorable en estos casos. Incluso pueden actuar como tales alumnos que inicialmente han dado muestras de una actitud especial a la hora de implicarse en el grupo, o bien de conocimientos suficientes que puedan ayudar a los demás. Esta estructura aún difumina más la imagen profesor-alumno.

En este sentido se ha comprobado que hasta tres figuras moderadoras pueden funcionar con este criterio, el número impar a veces soluciona propuestas dudosas de una manera democrática, y al mismo tiempo no ralentiza demasiado la toma de decisiones. Más de este número nos haría incurrir en un proceso demasiado jerárquico a la hora de evaluar una propuesta, y en un entorno virtual como el tratado aquí las decisiones deben ser rápidas para no generar apatía en los participantes. Así mismo en algún momento el hecho de que existan tres moderadores puede generar conflicto si existe inflexibilidad por parte de alguno de ellos pero indudablemente alguien tiene que dirimir en casos puntuales, y tomar las riendas de los diferentes proyectos para adecuarlas al tiempo y al espacio (no olvidemos que el servidor de soporte tiene un espacio limitado).

Una posible solución a este tipo de situaciones se encuentra en variar en el tiempo a los moderadores, alternarlos en función de las líneas a seguir. En un proyecto como el que se expone aquí, en algunos instantes del mismo es preferible que el moderador sea alguien con conocimientos de redes y comunicaciones, pero en otro momento es más factible que tenga conocimientos de programación. Esto proporciona una posibilidad que no es habitual en una clase presencial, y es, que participantes que empiezan como alumnos pueden ir rotando en el papel de moderadores puntuales y enfrentarse a las obligaciones y responsabilidades que eso supone. Siendo este otro punto importante del aprendizaje de un individuo.

En todos los campos empresariales, laborales o sociales, siempre se debe tener contacto de la situación de lo que ocurre “al otro lado del mostrador”; por decirlo de manera coloquial; porque entendiendo al otro podremos ponernos en su lugar y evitar así conflictos en un futuro. Además, ofreciendo al alumno la capacidad de adoptar este punto de vista se le está

dando la oportunidad de adoptar el papel de líder dentro de un grupo y, éste, es un papel que cada día tiene más valor dentro del sector empresarial, ya que normalmente a nadie se le enseña en la educación tradicional a desempeñar esta función. De esta forma, el alumno puede ver, desde su propia experiencia, cuales son los valores de liderazgo que motivan a un grupo y lo llevan al éxito en sus proyectos, a la vez que adquiere habilidades que le ayudarán en su futuro profesional si se tiene que enfrentar algún día al cargo de “jefe de proyecto”.

En una clase presencial con un único tutor eso implica exponerse visualmente a los compañeros lo que a veces no es interesante socialmente o se desecha por timidez, en un grupo virtual con varios moderadores se dará de forma natural y apenas se dará uno cuenta de qué sucede. Por ello es importante el control, pero nunca hasta el punto de asfixiar y limitar la evolución del grupo. De ahí que la existencia de varios moderadores; al menos en este caso; sea más efectiva que la de uno sólo. Este sistema de funcionamiento facilita la descarga de trabajo y el reparto de obligaciones entre ellos.

V. COMUNICACIÓN A TRAVÉS DE UN ESPACIO VIRTUAL ABIERTO

En entornos de enseñanza presencial, la búsqueda de un espacio común donde los miembros de un grupo de trabajo puedan reunirse para intercambiar conocimiento, opiniones o ideas no conlleva demasiados problemas. En cambio, en el ámbito de la enseñanza a distancia, como es el caso de la UNED, esta búsqueda implica la utilización de tecnologías informáticas y telemáticas de última generación que permitan el acercamiento de los estudiantes mediante espacios virtuales, mitigando de esta manera la desventaja de la distancia.

Generalmente estos sistemas informáticos son conocidos como plataformas de tele-educación o sistemas de gestión del aprendizaje (LMS). Dichas plataformas permiten a los estudiantes realizar numerosas actividades sin tener que estar físicamente en el mismo sitio. Estas actividades incluyen la posibilidad de colaborar con otros estudiantes tanto de manera sincrónica, es decir, mediante conversaciones on-line, también conocidas como chats, o asincrónica, como puede ser mediante correos electrónicos o foros. En este último caso los profesores pueden organizar actividades de colaboración virtual, donde estudiantes y profesores discuten algún tema o trabajan en algún proyecto común. Generalmente también es común encontrar otros tipos de servicios disponibles en dichas plataformas tales como:

• Agendas. En ellas se muestran los eventos o hitos más importantes referentes al curso o proyecto.

• Noticias. Donde los profesores pueden anunciar o recordar a los estudiantes eventos tales como exámenes, tareas, etc., así como otros eventos que puedan resultar de interés.

• Materiales. Aquí es donde el profesor deja accesibles los materiales para la realización del curso, tales como apuntes, tareas, etc.


ISSN 1932-8540 © IEEE

• Encuestas. Permiten estar al tanto de las percepciones de los estudiantes sobre algún tema particular.

• Preguntas y respuestas. Las preguntas y respuestas más comunes suelen ser pocas, pero ocupan la mayor parte del tiempo de consulta de los profesores. Estas funcionalidades permiten centralizar en forma organizada este tipo de material.

En el caso particular de la UNED, se ha hecho uso de dotLRN [13]-[15], que es una plataforma de gestión del aprendizaje de código libre disponible en la Universidad. Más concretamente, se trata de aLF, que es una versión de la aplicación dotLRN personalizada a las necesidades y requerimientos propios de la UNED. A través de esta plataforma se puede crear una zona de Noticias relevantes para la comunidad, una sala de Chat, donde ciertos días a ciertas horas los estudiantes se encuentran para intercambiar ideas, opiniones o simplemente charlar. Otro servicio implementado es el de foros, gracias al cual se pueden crear distintos hilos de conversación, cada uno con un tema distinto.

Una de las grandes ventajas de esta plataforma es la posibilidad de crear sub-grupos de trabajo o sub-comunidades, de manera que sea posible crear una especialización de dicho grupo para ciertos alumnos con intereses comunes, con todos los servicios de comunicación, noticias y demás disponibles [16]-[19]. De la misma manera, según van apareciendo grupos de interés o de trabajo se van creando sub-comunidades dependientes de la primera que facilitan el desarrollo de proyectos concretos [20]-[23].

En este sentido, otra gran ventaja del sistema es que una vez se crea una nueva comunidad de trabajo se pueden otorgan permisos de administración a nuevos usuarios. Ello permite ir distribuyendo las responsabilidades entre un gran número de integrantes del grupo, y consecuentemente, implicar un mayor número de personas en el desarrollo global de la solución.

Este tipo de organización en comunidades permite un desarrollo ordenado y escalable del trabajo, permitiendo a los usuarios especializarse en las áreas que consideran más interesantes al mismo tiempo que tienen acceso a las comunidades de niveles superiores, con información más general.

Finalmente, gracias a esta plataforma, cada miembro puede acceder a todos los recursos y disponer de la información en cada momento, las 24 horas del día y los 365 días del año consiguiendo eliminar las fronteras de la distancia y el tiempo.

VI. EVALUACIÓN Con objeto de evaluar la evolución del aprendizaje llevado a cabo por el alumno, hay distintas metodologías que se pueden llevar a cabo. La más extendida es la realización de un examen teórico final, bien tipo test o bien de respuesta abierta. Otra variante de esta metodología es la realización también de un examen previo al inicio del curso para poder así comparar el avance real del alumno.

Esta metodología de evaluación no se adapta con el tipo de aprendizaje planteado en este curso, ya que si lo que se trata

de potenciar son las capacidades prácticas del alumno no tiene sentido realizar un examen teórico escrito, ya que se estarían evaluando capacidades distintas a las deseadas. En su lugar, dentro del curso piloto se ha optado por una evaluación continua basada en la observación del trabajo realizado por cada grupo de alumnos, valorando no sólo los conocimientos teóricos o técnicos, sino también la capacidad para encontrar soluciones a un problema dado, el trabajo en grupo, la capacidad de aprendizaje, la colaboración y el liderazgo.

VII. CONCLUSIONES Este artículo describe una propuesta de un ejercicio para

estudiantes de programación avanzada. El objetivo principal del proyecto es motivar a los estudiantes a aprender diferentes conceptos de programación a través del desarrollo de un sistema que mejora la movilidad dentro de organizaciones.

La metodología de aprendizaje basado en proyectos intenta involucrar a los estudiantes más en el proceso de aprendizaje, motivándoles gracias al desarrollo de un proyecto que los estudiantes consideren de interés y de utilidad. De hecho, esta forma de aprender es más natural y mucho más cercana a la manera de aprender fuera de la Universidad que a la clásica forma de enseñar con clases magistrales y una actitud más pasiva por parte del alumno. Los estudiantes se convierten ahora en el centro del proceso de aprendizaje en lugar de los profesores.

Además, gracias a esta metodología los estudiantes aprenden cómo aprender por ellos mismos, a ser ellos los que propicien y guíen el aprendizaje, en lugar de aprender únicamente lo que se les dice que deben aprender. Cuando el estudiante se siente implicado y motivado con cierto proyecto, la actitud pasiva se vuelve activa Esta lección es incluso más importante que aprender los conceptos de programación avanzada que pretende el curso.

Es cierto que esta transformación implica la asunción; por parte del estudiante; de una mayor responsabilidad a la hora de implicarse en su formación académica, y de la misma forma exige una mayor flexibilidad por parte de los tutores a la hora de adaptarse a las necesidades particulares de cada estudiante. De la misma forma esta estructura formativa rentabiliza de manera directa el intercambio de conocimiento. El trabajo en grupo, como base de esta estrategia formativa, posibilita que todos los participantes implicados se vean aleccionados a compartir información, experiencias y conocimiento para lograr un objetivo común.

AGRADECIMIENTOS Los autores quieren agradecer al Ministerio de Ciencia y

Educación de España y al Plan Nacional Español de I+D+I 2004-2007 el apoyo en el proyecto TSI2005-08225-C07-03 "MOSAICLearning: Aprendizaje móvil y electrónico, de código abierto, basado en estándares, seguro, contextual, personalizado y colaborativo".


ISSN 1932-8540 © IEEE

REFERENCIAS [1] Martin, D. (1999). How to be a Successful Student.

http://www.marin.cc.ca.us/~don/Study/Hcontents.html. Web Site query on 15th of October 2007.

[2] Fincher S. (1998). Project-based learning practices in computer science education. Proceedings Frontiers in Education Conference FIE 1998, pp. 1185 – 1191. Oct. 2006. NY: IEEE.

[3] Varanasi, M.R. (2006). Work In Progress: An Innovative electrical engineering program integrating project-oriented and lifelong learning pedagogies. Proceedings Frontiers in Education Conference FIE 2006, pp. S1H-7 – S1H-8. Oct. 2006. NY: IEEE.

[4] Martin, S., Castro, M. et al. (2006). Ubiquitous and biometric applications on distance education. An alternative to the traditional examination. Proceedings of I International Conference on Ubiquitous Computing: Applications, Technology and Social Issues, pp. 39 – 42, June 2006. Alcala de Henares, Spain: Alcala University.

[5] Castro, M., Gil, R., Martin, S. et al. (2006). New Project on Secure Education Services for On-Line Learning. Proceedings of 9th International Conference on Engineering Education ICEE 2006. pp. R4H-24 – R4H-28, July 2006. Puerto Rico (USA). VA: INEER.

[6] HTTP. (1997). First release of HTTP/1.1 specification is dated January 1997 RFC 2068.

[7] Jones, W. (2006). Microsoft and Google vie for virtual world domination. Spectrum IEEE. Volume 43, Issue 7, July 2006, pp. 16 – 18. NY: IEEE.

[8] Teranishi, Y. et al. (2006). MapWiki: a ubiquitous collaboration environment on shared maps. Proceedings 2006 International Symposium on Applications and the Internet Workshops (SAINT 2006 Workshops), Jan.2006, Phoenix, Arizona, USA. NY:IEEE.

[9] Linge, N. (2006). Problem-based learning as an effective tool for teaching computer network design. Transaction on Education. Volume: 49 Issue: 1, pp. 5 – 10. NY: IEEE.

[10] Molina, J. M. (2002) Aprendizaje basado en Proyectos (ABP). http://www.mercadeo.com/31_aprendizajebp.htm. Web Site queried on 15th of December 2007.

[11] Gilroy, K. Collaborative E-Learning: The right approach. Arsdigita Community Journal. (2000).

[12] Alexandrov, V.S.; Alexandrov, N. S. and Ramírez-Velarde, R. “Novel pedagogical paradigms facilitating mixed mode and collaborative

learning using open source software,” presented at the Int. Conf. Interactive Computer Aided Learning, Villach, Austria, 2006.

[13] Calvo, R. and Ellis, R. DotLRN: Sistema de gestión de la enseñanza. Revista IRICE – Instituto Rosario de Investigaciones en Ciencias de la Educación, Nº 17 (2003).

[14] Tsukamoto, Y. and Namatame, A. Distributed learning and cooperative learning. IJCNN '93-Nagoya. Proceedings of 1993 International Joint Conference on Neural Networks1993. Volume 2, 25-29 Oct. 1993 Page(s):1661 - 1664 vol.2.

[15] Reichlmayr, T. Enhancing the student project team experience with blended learning techniques. Proceedings 35th Annual Conference Frontiers in Education, 2005. FIE '05. 19-22 Oct. 2005 Page(s):T4F - 6-11.

[16] Garrison, D.R. and Kanuka, H. "Blended Learning: Uncovering its Transformative Potential in Higher Education", Internet and Higher Education 7, 2004, pp 95-105

[17] Hayashi, T; Tominaga, H and Yamasaki, T. Blended learning contents for university education. 7th International Conference on Information Technology Based Higher Education and Training, 2006. ITHET '06. July 2006 Page(s):499 – 502.

[18] Wisbech, H. Blended Learning and Leadership. 2nd Information and Communication Technologies, 2006. ICTTA '06. Volume 1, 24-28 April 2006 Page(s):601 – 603.

[19] Von Hippel, E. Democratizing Innovation. Cambridge, MA: MIT Press, 2005.

[20] Hernandez, R.; Pardo, A. and Kloos, C.D. Creating and Deploying Effective eLearning Experiences Using .LRN. IEEE Transactions on Education. Volume 50, Issue 4, Nov. 2007 Page(s):345 – 351

[21] Marin, B.; Hunger, A.; Werner, S.; Meila, S. and Schiitz, C. A synchronous groupware tool to conduct a distributed collaborative learning process, Proceedings of the FIfth International Conference on Information Technology Based Higher Education and Training, 2004. ITHET 2004. 31 May-2 June 2004 Page(s):269 - 273

[22] Alavi, M. Distributed learning environments. Computer, Volume 37, Issue 1, Jan. 2004 Page(s):121 - 122

[23] Gerhardt, L.A. The future of distance learning - the process and the product. 6th International Conference on Information Technology Based Higher Education and Training, 2005. ITHET 2005. 7-9 July 2005.

Sergio Martín. Ingeniero Superior de Informática, Especialidad Aplicaciones y Sistemas Distribuidos, por la Universidad Carlos III de Madrid (UC3M). Actualmente cursando estudios de doctorado en el área de Tecnología Educativa del departamento de Ingeniería Eléctrica, Electrónica y de Control (DIEEC) de la UNED. Ha participado desde 2002 en proyectos de investigación tanto nacionales como internacionales en dicho departamento,

relacionados con movilidad e inteligencia ambiental, localización y redes inalámbricas, así como en proyectos relacionados con "e-learning" y nuevas tecnologías aplicadas a la enseñanza. Así mismo, ha publicado más de medio centenar de artículos en revistas y conferencias tanto nacionales como internacionales. Es miembro de la Sociedad de Educación de IEEE y Student Member del IEEE.

Elio San Cristóbal. Ingeniero Informático, especialidad en Ingeniería del Software, por la Universidad Pontificia de Salamanca (UPS) e Ingeniero Técnico en Informática de Sistemas por la misma Universidad. Ha realizado los estudios de doctorado en el Área de Tecnología Electrónica en el Departamento de Ingeniería Eléctrica, Electrónica y de Control de la ETSII de la UNED. Ha trabajado para el Instituto Universitario de Educación a

Distancia de la UNED. Actualmente esta trabajando para el Centro de Servicios Informáticos de la UNED. Ha colaborado en varias publicaciones y libros: Seguridad en las Comunicaciones y en la Información, Diseño y Desarrollo Multimedia Herramientas de Autor, Materiales para la integración de adultos con discapacidades en el mercado. Es miembro de la Sociedad de Educación de IEEE y Student Member del IEEE.

German Carro. Estudiante de Ingeniería Técnica en Informática de Sistemas por la UNED. Licenciado en Economía por la Universidad de A Coruña y Master en Administración Financiera y Tributaria por la Escuela de Hacienda Pública y la Universidad de A Coruña. Es autor de varios artículos relacionados con el aprendizaje colaborativo mediante enseñanza mixta (presencial y on-line). Es Student Member del IEEE.

Guillermo Lafuente. Ingeniero Técnico en informática de sistemas por la UNED y estudiante de Ingeniería Superior Informática en la Universitat Oberta de Catalunya (UOC) y de la certificación CCNA de Cisco Systems. Es autor de varios artículos relacionados con el aprendizaje colaborativo mediante enseñanza mixta (presencial y on-line). Es Student Member del IEEE, miembro del Affinity Group GOLD y

Woman In Engieering.

Manuel Castro. Doctor Ingeniero Industrial por la Escuela Técnica Superior de Ingenieros Industriales (ETSII) de la Universidad Politécnica de Madrid (UPM) e Ingeniero Industrial, especialidad Electricidad, intensificación Electrónica y Automática, por la misma Escuela. Ha obtenido el Premio Extraordinario de Doctorado de la UPM así como el Premio Viesgo 1988 a la Tesis Doctoral por la aportación a la Investigación Científica sobre

Aplicaciones de la Electricidad en los Procesos Industriales. Ha obtenido el Premio a los mejores Materiales Didácticos en Ciencias Experimentales del Consejo Social de la UNED en los años 1997 y 1999. Ha recibido el premio a la "Innovative Excellence in Teaching, Learning & Technology" del "Center for the Advancement of Teaching and Learning" del año 2001. Actualmente


ISSN 1932-8540 © IEEE

es Catedrático de Universidad del área de Tecnología Electrónica en el Departamento de Ingeniería Eléctrica, Electrónica y de Control, ETSII de la UNED y Director del Departamento. Ha sido Vicerrector de Nuevas Tecnologías de la UNED, así como Subdirector de Investigación, y Subdirector de Gestión Académica de la ETSII de la UNED y Director del Centro de Servicios Informáticos de la UNED. Participa en numerosos proyectos de investigación como investigador, coordinador y director y publica en revistas y congresos, tanto nacionales e internacionales. Publica igualmente libros y material investigación multimedia dentro de sus líneas de investigación y docencia, así como realiza programas de radio, televisión, etc. Ha trabajado cinco años como Ingeniero de Sistemas en Digital Equipment Corporation. Pertenece al comité organizador de los congresos internacionales y nacionales IEEE FIE, CIES-ISES, TAEE y SAAEI, así como es revisor y presidente de mesa. Es miembro Fellow del IEEE, miembro del Administration Committee (AdCOM) de la Sociedad de Educación del IEEE y Fundador y Pasado-Presidente del Capítulo Español de la Sociedad de Educación del IEEE. Es Vice-Presidente del Consejo de Dirección de ISES España.

Juan Peire. Doctor Ingeniero Industrial por la Escuela Técnica Superior de Ingenieros Industriales de la Universidad Politécnica de Madrid e Ingeniero Industrial, especialidad Electricidad por la misma Escuela. Licenciado en Derecho por la Universidad Complutense de Madrid. Actualmente es Catedrático de Universidad del área de Tecnología Electrónica en el Departamento de Ingeniería Eléctrica, Electrónica y de Control, ETSII de la UNED. Ha

obtenido el Premio a los mejores Materiales Didácticos en Ciencias Experimentales del Consejo Social de la UNED en los años 1997 y 1999. Ha recibido el premio a la "Innovative Excellence in Teaching, Learning & Technology" del "Center for the Advancement of Teaching and Learning" del año 1999. Ha trabajado varios años como Consultor especializado en la creación de Empresas Tecnológicas, así como ha dirigido diversos proyectos de investigación, tanto nacionales como internacionales. Es Senior Member del IEEE.


ISSN 1932-8540 © IEEE

Nuevos métodos de enseñanza: una experiencia en diseño electrónico

Gerardo Aranguren

1 Title—New methods of teaching: an experience in electronic

design. Abstract—In the last years it is being spoken much of the

Declaration of Bologna and the search of an European Space of Higher Education. Many of these discussions occupy the legal scope or administrative and other they animate to us to modify the didactic methodology to adapt us to the new theories on education. This article describes a practical and tried example of how it is had been using some of these techniques in the course of Design of Advanced Digital Systems of the degree of Engineering of Telecommunication. This document describes the used methodology, the tasks developed by the students and the model of evaluation.

Index Terms—Constructivism, Electronics engineering

education, Educational technology, European Space of Higher Education (ESHE).

I. INTRODUCCIÓN L incremento de las comunicaciones y la movilidad está modificando nuestra forma de vida a gran ritmo. La

enseñanza no es ajena a este cambio y actualmente se enfrenta al reto de adaptar los sistemas docentes a un mundo más interconectado, con nuevas formas de acceso a la información y con unas exigencias de calidad.

Además, va creciendo la conciencia de que el profesor universitario no debe ser sólo un buen investigador, sino que debe cumplir con excelencia su labor docente. La Declaración de Bolonia [1] y la búsqueda de un Espacio Europeo de Enseñanza Superior [2], [3] han venido a recordar esa obligación primaria a los docentes universitarios. Obligación que no consiste exclusivamente en transmitir bien los conocimientos, sino en adaptarse a unos nuevos métodos de enseñanza donde prima la participación del estudiante para adquirir los conocimientos.

Hace algo más de 10 años se planteó la reforma de los planes de estudio, sistema actualmente vigente, en Ingeniería de Telecomunicación de la E. T. S. de Ingeniería de Bilbao. Con intención de mejorar la docencia se aprovecho la ocasión para plantear una asignatura optativa de segundo ciclo con la metodología docente que nos hubiera gustado recibir durante nuestros estudios. Además se contaba con la experiencia de 5

Gerardo Aranguren pertenece a la Universidad del País Vasco, E. T .S. de

Ingeniería, Departamento de Electrónica y Telecomunicaciones, Bilbao, Spain. Tfno.: 946014131, email: [email protected].

D.O.I. (Digital Object Identifier) Pendiente.

años utilizando esa metodología en cursos de doctorado y, por tanto, había cierta experiencia.

Durante los últimos años se ha impartido la asignatura de Diseño de Sistemas Digitales Avanzados de una manera peculiar, distinta al modelo de clase magistral, con una evaluación continua, haciendo participar a los estudiantes, lo que ha valido la incomprensión por parte del resto de compañeros y una alta aceptación por parte de los estudiantes. Cuando se han planteado los cambios derivados de la Declaración de Bolonia, se ha descubierto con alegría que el método que se ha estado utilizando, durante 15 años, coincide en gran parte con el propuesto dentro del Espacio Europeo de Enseñanza Superior.

En las siguientes hojas se describe esta metodología. Pero es necesario hacer algunas indicaciones previas, fruto de la experiencia de estos años.

La corriente constructivista, actualmente en boga en el mundo de la enseñanza [4], nos habla de la complejidad del aprendizaje y cómo cada persona aprende de forma diferente. Hay innumerables formas de enseñar y aprender, cada uno debemos buscar la metodología propia para nuestra asignatura, debemos adaptarnos a las circunstancias y medios disponibles. No hay un método único e infalible que todos debamos descubrir y copiar. Tampoco se deben tomar los procedimientos comunes e incorporarlos sin adaptar a las propias convicciones y necesidades.

La totalidad de lo expuesto en este artículo sólo es válido en la asignatura descrita y sus circunstancias. Parte de lo expuesto puede servir a otros profesores para diseñar sus propias asignaturas y metodologías.

Cualquier cambio es conveniente realizarlo de manera progresiva. Debemos probar nuevos métodos, valorarlos y corregirlos, hasta encontrar la manera de enseñar con la mayor eficacia. De cualquier forma la innovación siempre nos ayuda a mejorar. Durante estos años se han ido introduciendo y probando distintas tareas, en ocasiones han servido para mejorar, otras veces para no caer en la rutina de hacer lo mismo todos los años y otras para adaptarse a las circunstancias de un determinado curso.

En fin, hay muchas razones para hacer cambios, pero no parece conveniente hacerlos todos a la vez. En otra asignatura de la misma titulación, Sistemas Digitales, también se ha empezado a probar nuevos métodos. Por las características de esta asignatura (muchos estudiantes y en 2º de Ingeniería de Telecomunicación) no se ha podido utilizar los mismos procedimientos que en la asignatura descrita, pero se ha encontrado otros métodos para favorecer el aprendizaje y muchas oportunidades de mejorar.

E


ISSN 1932-8540 © IEEE

La mayor dificultad que se ha encontrado durante estos años es la falta de experiencia de los estudiantes en la partición. En muy pocas asignaturas se les anima a ser activos, a trabajar cada día, o exponer sus puntos de vista en clase. A medida que todos los profesores vayan incorporando técnicas de este estilo, los estudiantes estarán más acostumbrados a trabajar, participar y aprender haciendo, que a estudiar los últimos días para aprobar.

Otra dificultad común a numerosas asignaturas es la falta de motivación de los estudiantes, el estudiar para tener un título no les seduce. Quieren aprender para ejercer una profesión y, por tanto, es muy importante acercarles a la realidad. La ingeniería no es un conjunto de teorías y fórmulas, es una actividad profesional creativa que requiere un contacto con las necesidades de la sociedad.

II. CIRCUNSTANCIAS DE LA ASIGNATURA Las circunstancias determinan en gran medida la

metodología a emplear en cada asignatura: número de estudiantes, equipamiento, conocimientos del profesor, etc.

La asignatura en que se ha desarrollado esta experiencia es una asignatura optativa de segundo ciclo impartida durante un cuatrimestre. Por tanto, se trata de estudiantes con unos conocimientos extensos de las telecomunicaciones y con interés manifiesto por los contenidos de la asignatura.

El número de plazas se encuentra limitado a 24 estudiantes con el fin de poder emplear las técnicas que se describen después. La limitación es fundamental si queremos conocer a cada uno por su nombre y realizar una evaluación continua de su aprendizaje y participación en clase.

En las universidades del norte de Europa donde se han desarrollado las metodologías que priman la participación del estudiante frente al discurso del profesor, la relación entre número de estudiantes y profesores es mucho más baja que en nuestro país y por eso, posiblemente, se pueden utilizar fácilmente estos modelos de acercamiento entre el profesor y los estudiantes. El número de estudiantes es una clave del método a emplear.

La asignatura se imparte en un aula sin ningún equipamiento, lo que limita en gran medida las posibilidades. Un aula con ordenadores conectados a Internet abre muchísimas posibilidades a la búsqueda de información y al empleo de documentación real por parte de los estudiantes.

En los últimos cursos de carrera los estudiantes tienen un conocimiento extenso y modular de los principios básicos de la electrónica, pero carecen de experiencia en su empleo y no están acostumbrados a relacionar contenidos de distintas asignaturas. El objetivo de esta asignatura es que los estudiantes desarrollen competencias respecto del empleo de los conocimientos y su utilidad en aplicaciones reales de ingeniería.

Desde hace años se viene hablando de que el papel del profesor en la enseñanza debe cambiar mucho [5]. La información actualmente está al alcance de todos, a través de Internet disponemos de una biblioteca inacabable en cada ordenador. La información ya no se contiene en libros de

difícil acceso y trabajoso entendimiento. El papel del profesor como transmisor de conocimientos ha dejado de ser esencial. El papel del profesor se debe orientar a dirigir el aprendizaje de los estudiantes. En la asignatura descrita el profesor debe conseguir que los estudiantes aprendan haciendo el papel de director de proyectos de una empresa con un equipo de trabajo formado por los estudiantes. Es cierto que exige una experiencia profesional importante por parte del profesor.

También el papel del estudiante ha cambiado. Ya no debe memorizar lo que puede obtener con unas pocas pulsaciones de teclas. Hace años los estudiantes atesoraban fotocopias de información, ahora pueden almacenar algo en los discos duros de sus ordenadores, pero con un buscador tienen acceso a una información actualizada e inagotable. Por tanto, ¿qué deben hacer?: aprender haciendo. El estudiante debe construir el conocimiento que adquiere, debe ser un sujeto activo del aprendizaje. Por suerte, la ingeniería es muy práctica y se presta fácilmente a este tipo de enseñanza. Un laboratorio es un buen modelo de cómo debe aprender el estudiante: haciendo [6].

Una última cosa que no se debe olvidar. En gran medida en las ingenierías sólo se enseña a diseñar y calcular, pero la ingeniería tiene muchos otros aspectos que es conveniente no olvidar: producción, gerencia, comercialización, trato con el cliente. Además la ingeniería está en contacto con nuestras vidas a cada instante. Disociar estos aspectos es un error que en esta asignatura se procura evitar.

III. DESARROLLO DE CONOCIMIENTOS Y COMPETENCIAS PARA DISEÑO ELECTRÓNICO

Una de las primeras cosas que se debe plantear al diseñar una asignatura es la utilidad y modo de utilización en la vida profesional de los conocimientos impartidos. En muchas ocasiones se puede observar que la introducción de determinados temas se realiza por costumbre, porque están recogidos en el libro que se utiliza, por ser algo científicamente elevado. Por desgracia, pocas veces se plantea si es un conocimiento que puede resultar útil en el futuro, en que modo se emplea al ejercer la ingeniería, etc.

En la asignatura Diseño de Sistemas Digitales Avanzados se comenzó por plantear el tortuoso ciclo del diseño electrónico. Un camino salpicado de distintas actividades que requieren capacidades específicas. En la figura 1 se representan con rectángulos los pasos del proceso y con elipses las competencias que es necesario dominar.

Este diagrama se puede realizar de muchas formas. En este caso se destacan los pasos más relacionados con la electrónica.

Normalmente la enseñanza de diseño electrónico se centra en los aspectos más relacionados con el desarrollo y el montaje de prototipos (zona inferior de la figura 1). En general se olvidan los primeros pasos de diseño del sistema y el último sobre el proceso de fabricación. La asignatura descrita se centra precisamente en los primeros pasos del diseño y da a conocer los aspectos de fabricación que es necesario conocer para realizar un diseño adecuado.


ISSN 1932-8540 © IEEE

Figura 1. Diagrama del proceso de diseño y desarrollo de un sistema digital.

A partir de esta figura se analizaron las capacidades que

deben adquirir los estudiantes, el modo de adquirirlos y el modo de emplearlos al ejercer la profesión. Del análisis se obtienen las siguientes competencias a adquirir: 1. Análisis de problemas de ingeniería que requieren diseñar electrónica. 2. Conocer las nuevas tecnologías y mostrar interés por las TIC. 3. Trabajo en equipo multidisciplinar para definir el proyecto y sus posibles soluciones. 4. Valentía y seguridad para tomar decisiones acertadas. 5. Capacidad para trabajar en grupo: expresarse, escuchar y razonar sobre lo tratado. 6. Búsqueda y selección de componentes atendiendo a criterios técnicos y comerciales. 7. Conocimiento de las herramientas de diseño y simulación. 8. Capacidad de entender la documentación en inglés. 9. Elaboración de documentación. 10. Conocimiento del proceso completo de fabricación y puesta en marcha sobre todo en lo que afecta al diseño.

IV. TAREAS DESARROLLADAS EN LA ASIGNATURA En los nuevos sistemas de enseñanza propugnados por el

Espacio Europeo de Enseñanza Superior y valorados a través

de los ECTS, es fundamental el trabajo del estudiante. Por eso la definición de las tareas es algo clave.

A lo largo de la asignatura el aprendizaje se realizará a través de las siguientes tareas:

a) Exposición y discusión dirigida, clase habitual, donde un estudiante plantea como resolver un problema y comenta los diversos aspectos con sus compañeros.

b) Trabajo en equipo. Preparación de un problema de ingeniería en grupo y exposición en clase.

c) Trabajo colaborativo. Variante del trabajo en equipo donde se fomenta la participación de todos los estudiantes del grupo. Además se afronta un proyecto de ingeniería electrónica en su totalidad.

d) Foro de discusión. Foro en Internet, a través de una plataforma docente, sobre un tema de innovación.

e) Visita guiada a una empresa. f) Búsqueda y selección de componentes. g) Realización de informes sobre alguna de las tareas

anteriores: ¡INFORME!, que no trabajo. Todos estos métodos son corrientes, pero en esta asignatura

se han precisado teniendo en cuenta los planteamientos expuestos: nuevo papel del profesor, competencias a desarrollar por el estudiante, medios disponibles, etc. Cada tarea se utiliza en un momento preciso de la asignatura y tiene

ARANGUREN: NUEVOS MÉTODOS DE ENSEÑANZA: UNA EXPERIENCIA EN DISEÑO ELECTRÓNICO 41

ISSN 1932-8540 © IEEE

un modo de desarrollo perfectamente definido y, en parte, distinto del tradicional.

A continuación se describen cada una de las tareas que componen la metodología, aspecto fundamental de la innovación operada. En su lectura o en su ejecución se puede seguir cualquier orden.

A. Exposición y discusión dirigida La clase básica o más habitual de la asignatura es de este

tipo. Está constituida por las siguientes partes no del todo diferenciadas:

- Exposición por parte del profesor de algún aspecto de la electrónica. El contenido de la asignatura no guarda relación con la metodología descrita, de forma que no se va a describir en este documento.

- Al final de la exposición se indican algunos problemas para resolver fuera del aula. Los problemas que se plantean son globales, no concretos o ceñidos a unos datos. Interesa fundamentalmente como plantearlos, las técnicas a utilizar, ventajas e inconvenientes de cada solución, etc. Algunos ejercicios planteados tratan sobre algoritmos de tratamiento de imágenes, desarrollo de algoritmos matemáticos de modo electrónico, desarrollar un sistema para controlar las constantes vitales de personas ancianas, desarrollar un sistema de comunicaciones para un caso particular, etc.

- En la siguiente clase un estudiante voluntario expone sus planteamientos, como abordar el proyecto, posibles soluciones,... Nunca debe ser un estudiante obligado o que no haya preparado su exposición, eso es una clara pérdida de tiempo.

- A continuación, el resto de estudiantes realiza preguntas o expone otros planteamientos, mejoras, errores de planteamiento de su compañero, etc. Deben aprender que la solución mejor tiene un poco de la aportación de cada compañero, que no hay soluciones únicas, deben tratar de comprender otros enfoques.

- El profesor actúa de moderador y al final de la discusión resalta las mejores ideas, aclara los posibles errores, completa las posibles soluciones, etc.

Con una clase de este tipo hemos tratado que el estudiante: - Se interese por asuntos diversos: medicina, ferrocarriles,

electrónica de consumo, etc. Actualmente en todos los campos se utiliza la electrónica de una manera u otra.

- Realice una búsqueda de información: Internet, biblioteca, consulta con un familiar experto,…

- Busque entre los conocimientos ya adquiridos en otras asignaturas la solución que debe dar en cada caso. Que razone y piense. Esto lleva tiempo, pero se puede realizar andando por la calle, oyendo música. Nunca sabemos cuando surge la chispa de la idea feliz.

- Descubra que la ingeniería no es sólo acumulación de conocimientos. Es también mucho sentido común, capacidad de observación, asociación de conocimientos, etc.

- Ha expuesto en público y, si lo ha hecho bien, con respeto hacia otras ideas, razonando, etc. En cierto modo ha participado en una reunión de un grupo de un proyecto.

La cantidad de ejercicios propuestos a lo largo del cuatrimestre es grande, pero no se pretende que todos los estudiantes resuelvan todos los problemas todos los días. Las circunstancias particulares de cada uno les llevan a elegir los ejercicios a realizar. Es importante dar esa flexibilidad para adaptarse a sus posibilidades, además se deposita en ellos la responsabilidad sobre el trabajo a realizar.

B. Trabajo en equipo Saber trabajar en equipo es una de las características más

solicitadas por las empresas y por eso se debe intentar enseñar a los estudiantes a trabajar en equipo. En esta asignatura se emplean dos métodos de trabajo en equipo: el convencional y el trabajo colaborativo expuesto en el siguiente apartado.

El trabajo en equipo se puede plantear de muchas formas y normalmente se vicia porque en cada grupo sólo trabajan parte de los estudiantes, el documento realizado suele ser un compendio de material recogido sin estructurar, no hay aportación propia, etc.

Para evitar estos vicios, en esta asignatura se realiza el siguiente planteamiento de los grupos de trabajo.

- Se forman grupos de 4 estudiantes y se les asigna un tema distinto a cada grupo. En concreto deben estudiar como implementar electrónicamente un algoritmo: sumas rápidas, multiplicación, división, logaritmos, etc. Se les informa de la bibliografía básica.

- Después de estudiar el tema personalmente, se reúnen por grupos, parte del tiempo empleando horas de la asignatura para facilitar su disponibilidad.

- Un día acordado se reúne cada grupo con el profesor en tutoría para repasar la información recogida, comentar la elaboración de los datos, concretar lo importante y preparar la presentación a la clase.

- Pocos días después en clase, durante media hora exponen a sus compañeros los métodos de realización del algoritmo. Durante otra media hora discuten con el resto de compañeros las soluciones que han tomado, ventajas, inconvenientes y hasta qué punto están de acuerdo con las soluciones adoptadas. Es fundamental que sus compañeros realicen preguntas para demostrar que han entendido y que lo han explicado bien. Durante la exposición el profesor determina el estudiante que debe intervenir en cada momento para evitar la polarización en el líder del grupo.

Con esta tarea se ha intentado que: los estudiantes trabajen en grupo evitando los vicios de este tipo de tarea, acudan a una tutoría a presentar sus ideas, hagan exposiciones en grupo, razonen sobre los distintos algoritmos, etc. La dedicación de tiempo a esta tarea es reducida ya que el tema está muy acotado, la bibliografía básica es proporcionada por el profesor y no requieren hacer un documento extenso.

C. Trabajo colaborativo. Esta tarea se basa en la descripción de Collazos [7]. Se

considero que podía ser útil en la asignatura y se ha empleado los dos últimos cursos. El desarrollo de esta tarea es del siguiente modo.


ISSN 1932-8540 © IEEE

- Se plantea en clase varios proyectos de electrónica para que los estudiantes elijan el tema que se va a trabajar en grupo colaborativo. El último curso los estudiantes eligieron desarrollar un sistema de llave única. Es decir, un sistema de acceso donde sólo sea necesario llevar una llave para abrir las puertas a las que un individuo tenga permiso de acceso, teniendo en cuenta que pueden existir puertas comunes y distintas para dos personas, que se puedan ir añadiendo y quitando posibilidades de acceso, que sea seguro, etc. En resumen, un sistema de apertura de puertas que sustituya al incómodo llavero repleto de llaves.

- A continuación se hacen grupos de 4 estudiantes. Todos los grupos deben resolver el mismo proyecto, pero cada estudiante del grupo debía dedicarse a una parte del proyecto, para lo cual se determinan cuatro partes y cada estudiante elige una de ellas: comunicación de la llave con la cerradura, lógica de la aplicación, desarrollo electrónico del sistema y varios (alimentación, sistema de apertura, etc.)

- Se dan varias semanas para que cada estudiante por su cuenta busque información, piense soluciones, etc. Estos apartados constituyen la primera fase reflejada en la figura 2 a).

- Segunda fase (2 horas). Reunión del grupo en clase para intercambiar la información y vertebrar las partes del proyecto. La labor del profesor en este caso es orientar el trabajo por grupos, resolver dudas, etc. Figura 2 b).

- Tercera fase (2 horas). Reunión en clase de los estudiantes por partes del proyecto: comunicación, lógica, electrónica y varios. Intercambio de información personalizada. Figura 2 c).

- Cuarta fase (2 horas). Reunión en clase de los grupos originales para recoger la información recibida de otros grupos y completar el planteamiento del diseño. Figura 2 d).

Una colaboración en grupos de esta forma evita que un estudiante mantenga una actitud pasiva. Al regresar a su grupo en la cuarta fase posee una información que necesita el grupo y se hace indispensable. Normalmente en todo grupo surge un líder que puede llegar a anular a sus compañeros. Con una colaboración de este tipo necesariamente se deberá tener en cuenta la aportación de cada uno de los estudiantes del grupo.

Los estudiantes han participado en esta tarea con dedicación y satisfacción. Se han sentido protagonistas y creadores de un producto. Han tenido que pensar en el usuario, elegir las características del producto final, hacer consideraciones sobre seguridad, plantear los circuitos que resuelven el problema, etc. Los más remisos a participar en clase no tienen reparos en mostrar sus ideas en grupos pequeños.

D. Foro de discusión. Como adaptación a circunstancias particulares casi todos

los años se dan las circunstancias para ausentarse una o dos semanas de clase: congresos, reuniones, etc.

Esa ausencia se puede suplir con clases no presenciales en forma de foro de discusión.

Para esto es fundamental utilizar una plataforma docente como Moodle [8] o similar. La metodología empleada en este caso es la siguiente.

Figura 2. Fases del trabajo colaborativo.

- Se dejaron en Moodle [9] dos artículos básicos sobre

aspecto que interesa que conozcan los estudiantes. En concreto se ha utilizado dos temas que en parte rompen con los planteamientos más clásicos de la electrónica y de la lógica y que es interesante que conozcan: la lógica asíncrona (en concreto NCL) [10] y la lógica borrosa.

- Se indica a los estudiantes que lean los artículos. Siguiendo el modelo actual de ECTS donde se mide el trabajo del estudiante, se puede calcular unas 4 horas para la lectura de cada artículo.

- Utilizando la plataforma Moodle, desde fuera del puesto de trabajo, se abre un foro de discusión sobre los dos temas planteando distintas preguntas.

- El foro es conveniente que esté vigente muy poco tiempo una o dos semana, para evitar dilaciones y pérdida de interés por parte de los estudiantes, para no convertir al profesor en un esclavo de atención del foro, etc. En el último curso durante una semana se produjeron unas 80 aportaciones al foro. Es decir, cada estudiante envió un promedio de 4 aportaciones.

El foro sirve para que utilicen un modo de aprendizaje nuevo, para que expongan sus opiniones por escrito, para conocer dos aspectos contradictorios de la electrónica, etc.

E. Visita guiada a una empresa. La visita a una empresa es algo que todo profesor desea

para sus asignaturas, pero no es nada fácil conseguir una empresa que se preste al “saqueo” de 24 estudiantes hurgando y preguntando, que se adapte a los contenidos de la asignatura, que no se encuentra muy lejos, etc. Durante varios años se ha visitado en la asignatura la empresa P4Q [11], a la que estamos muy agradecido. Esta empresa, a parte de su calidad técnica, tiene una filosofía de funcionamiento muy interesante para los estudiantes y para cualquier profesional.

Inicialmente se puede pensar que una visita a una empresa es algo muy simple: ir, ver y volver. Los estudiantes pueden


ISSN 1932-8540 © IEEE

llegar a considerarlo como una excursión que les libra de unas cuantas horas de clase.

El planteamiento en este caso ha sido algo diferente. La visita se compone de una charla con un turno de preguntas y la visita a la línea de montaje de circuitos impresos. Las personas que realizan las explicaciones previas muestran, además de los aspectos técnicos, aspectos gerenciales, comerciales, etc. En el turno de preguntas, los estudiantes se suelen mostrar muy interesados en los siguientes temas: creación de una empresa, métodos para conseguir el capital inicial, cómo conseguir clientes, control de calidad, estado actual del mercado de la electrónica, relaciones laborales, etc. Los aspectos técnicos casi no suscitan preguntas de los estudiantes quedan muy claros en la visita a la línea de montaje.

Con el fin de asegurar el aprovechamiento de la visita, los estudiantes deben realizar un informe de una página enunciando y justificando una razón para contratar a la empresa. Parte de la valoración del ejercicio es la originalidad, dos estudiantes que comenten el mismo motivo para contratar la empresa ya saben que no pueden aspirar a la nota máxima.

F. Búsqueda y selección de componentes. Una labor importante en diseño electrónico es la búsqueda y

selección de componentes, también en muchas asignaturas se realizan ejercicios de este tipo. No obstante no se suele enseñar en ninguna asignatura a buscar componentes ni a seleccionarlos. Es evidente que los estudiantes dominan la utilización de buscadores a través de Internet mucho mejor que los profesores, pero es distinto buscar cosas genéricas que realizar una búsqueda de componentes concretos.

Esta actividad se realiza en los siguientes pasos: - Se pide a los estudiantes que realicen la selección de un

determinado componente para una aplicación: un microcontrolador con unas características mínimas, un sensor, un convertidor analógico digital o cualquier otro componente.

- Los estudiantes realizan la búsqueda fuera del aula. En general utilizan buscadores genéricos: Google, Yahoo, etc. Las palabras claves que utilizan en la búsqueda son las características solicitadas como: 2 puertos UART, 8 bits de resolución, etc. Normalmente les cuesta mucho encontrar lo solicitado, encuentran pocos componentes, complejos y que no corresponde a los fabricantes y distribuidores principales.

- La siguiente clase se debe realiza en un aula dotada de ordenadores y acceso a Internet. El profesor les va indicando como realizar una búsqueda y selección de componentes. Se facilitan los nombres de los principales fabricantes o distribuidores. Se les indica la página de algún fabricante que tenga sistemas de búsqueda por características.

- Los estudiantes deben obtener las hojas de características de los componentes que consideren con más posibilidades. A continuación se les ayuda a leer las hojas de características de forma rápida tratando de fijarse en las principales características y dejando el resto de literatura para la fase de diseño. Es importante destacarles las características que nos han llevado a seleccionarlo, los niveles de tensión, tipos de conexiones con otros dispositivos, encapsulado, cumplimiento de normativa RoHS [12], etc. También es interesante hacerles

ver si aparecen aspectos comerciales como: distribuidor, precio, disponibilidad, etc.

Figura 3. Anagramas de distintas normativas que deben cumplir los

componentes y circuitos electrónicos.

- Por último, los estudiantes deben presentar un informe de una página donde indican el componente elegido para el proyecto propuesto y las principales características que se han tenido en cuenta para su selección frente a otros componentes semejantes.

Esta tarea basta con realizarla en una asignatura, a ser posible de los primeros cursos. Durante esta tarea desarrollan, además de otras competencias, la competencia de toma de decisiones, competencia que deben ejercer a lo largo de su vida en muchas ocasiones.

G. Realización de informes. Aunque no es una tarea diferenciada, en varias de las tareas

anteriores se debe realizar un informe escrito: trabajo en grupo, grupo colaborativo, selección de componentes y visita a empresa. A veces existe la costumbre de mandar trabajos escritos a los estudiantes que resultan extensos, requieren mucha dedicación por parte de los estudiantes y no hay tiempo para corregirlos. Además este tipo de documentos no existen en el trabajo real del ingeniero, por lo que no contribuyen a la preparación profesional de los estudiantes.

En esta asignatura se ha optado por pedir informes. Es decir, documentos escritos muy escuetos donde se plantea muy brevemente el problema (se supone conocido por el lector del informe), se presentan las posibles soluciones y se hace una valoración razonada de las acciones a realizar o las decisiones a tomar. El tiempo dedicado a la redacción de estos informes es muy pequeño en comparación al tiempo dedicado a encontrar las soluciones. El tiempo de corrección es también reducido: los informes de grupos son pocos (6 informes) y de un máximo de 4 páginas, el informe de visita a empresa ocupa solamente una hoja.

La capacidad de redactar, sabiendo transmitir no llenando páginas de información sin elaborar, y la capacidad de síntesis, también son muy importantes a la hora del ejercicio profesional.

V. EVALUACIÓN DE COMPETENCIAS Una asignatura basada en el trabajo del estudiante a lo largo

del curso, evidentemente, debe tener un modo de evaluación acorde. Además el objetivo de la asignatura y, por tanto, lo que se debe evaluar es que el estudiante desarrolle una serie de competencias o destrezas que le servirán para su futuro profesional: búsqueda de información, análisis y síntesis de


ISSN 1932-8540 © IEEE

problemas de ingeniería, interés pos las nuevas tecnologías, trabajo en grupo, etc.

En esta asignatura la evaluación de las competencias se hace valorando cada tarea y realizando un seguimiento de cada estudiante. Una evaluación bien planificada no aumenta el trabajo del profesor, por el contrario elimina el tedioso trabajo de corrección y la ingrata labor del estudiante de tener que preparar un examen donde se lo juega todo en un par de horas.

Cada una de las tareas es valorada con una determinada ponderación, a final de curso se dispone, por ejemplo, de las siguientes notas por cada estudiante (figura 4):

- Las dos mejores notas de exposición de ejercicios en clase (30% de la nota final). Cada estudiante expone al menos dos veces en clase a lo largo del curso.

- Las cinco mejores notas de participación espontánea en clase: preguntando o sugiriendo mejoras a lo expuesto por un compañero (15%). Muchos estudiantes participan más de 5 veces a lo largo del curso. Los más tímidos tienen dificultades para llegar a este número y se les debe animar a hacerlo.

- Una nota por la exposición del trabajo en grupo donde todo el grupo obtiene la misma nota (15%) y otra por la actitud de participación en el trabajo colaborativo (15%).

- Nota de los dos informes de trabajo en grupo (10% + 10%).

- Nota del informe de visita a empresa (5%).

Figura 4. Valor porcentual de las tareas en la nota final.

Cada día, después de clase, se debe tomar nota de los

estudiantes que han participado en el desarrollo de la clase. Normalmente 2 ó 3 han expuesto algún ejercicio en la pizarra y unos 10 han realizado alguna aportación. Una lista con la fotografía de cada estudiante facilita la valoración, además al ser pocos es posible conocer sus nombres en un par de semanas.

También la utilización de matrices de valoración (rubrics, en inglés) puede ayudar a tener claro los aspectos a considerar. En la tabla 1 se muestra como ejemplo la matriz de valoración utilizada para evaluar la participación en el trabajo colaborativo. Hay numerosas Web [13] y [14] que facilitan la realización de estas matrices.

En una asignatura de este tipo se consigue que en todo momento el trato con los estudiantes sea personal (se les puede llamar por su nombre), respetuoso (no se exige nada de modo obligatorio), positivo (cualquier aportación a un problema de ingeniería tiene su parte de razón). No suele haber dificultades para que se presenten voluntarios, más bien hay dificultades para seleccionar el estudiante que debe salir a

exponer. El seguimiento de cada estudiante permite detectar pronto a los estudiantes con menor capacidad o interés para facilitarles su participación o la preparación de los ejercicios.

En la última clase del curso se proponen unas notas de forma que si un estudiante no acude al examen obtendrá esa nota. Raramente se debe suspender a algún estudiante, salvo en el caso de falta de participación donde recibe un “no evaluado” y debe presentarse al examen. Al examen en estos años sólo han acudido los no evaluados.

El examen, siguiendo la tónica de la asignatura, también tiene sus particularidades. Unos días antes del examen, o meses antes si el examen es en septiembre, se proporciona al estudiante el enunciado del ejercicio. Evidentemente es un ejercicio con un enunciado amplio y muchas soluciones posibles, como sucede en ingeniería. El día del examen debe presentar el ejercicio resuelto y conversar con el profesor sobre su propuesta, viabilidad, soluciones, etc.

En resumen, los estudiantes son evaluados durante todo el

cuatrimestre, sobre todo cuando ellos quieren y han preparado bien un ejercicio. El examen sólo existe en casos puntuales. El tiempo dedicado por el profesor a la evaluación es muy pequeño.

La evaluación se basa en la media ponderada de ¡13 notas! Excel resuelve el problema del cálculo. Al final se aplica la nota decimocuarta o coeficiente de compensación en función de otros aspectos subjetivos o imponderables que maneja el profesor: ausencia por enfermedad, alta participación de un estudiante en una tarea pero baja en otra, etc. El objetivo de todos los años es conseguir un 100% de éxito, es decir, que todos se merezcan el aprobado.

Los estudiantes también evalúan al profesor y la asignatura mediante las encuestas oficiales de la Universidad. La nota otorgada a esta asignatura durante los últimos 10 años ha sido un 25% más alta que la media, entorno al 9 sobre 10.

VI. CONCLUSIONES El Espacio Europeo de Enseñanza Superior abre unas

posibilidades que no se deben desaprovechar. Se puede avanzar mucho adaptando nuestra metodología a las necesidades y posibilidades técnicas actuales. No se entra a discutir los aspectos legales de los nuevos planes de estudio.

En el planteamiento de las tareas a realizar por los estudiantes se debe buscar: ajustarse a la realidad del ejercicio de la ingeniería, ser flexible pero exigente en la dedicación y aprendizaje de los estudiantes, no aumentar las horas de dedicación del profesor y realizar una evaluación continua que reconozca la labor del estudiante.

Lo expuesto sólo es un ejemplo de algunas técnicas que se pueden emplear. Hay muchos métodos para facilitar el aprendizaje de los estudiantes y cada uno debe buscar el más adecuado a sus circunstancias, curso, contenidos, etc.

Después de varios años con esta metodología se puede asegurar que ¡ES POSIBLE! y que tanto los estudiantes como el profesor se encuentran mucho más cómodos con este tipo de enseñanza.


ISSN 1932-8540 © IEEE

TABLA I MATRIZ DE VALORACIÓN UTILIZADA PARA EVALUAR LA PARTICIPACIÓN EN UN GRUPO COLABORATIVO

AGRADECIMIENTOS Parte de este trabajo ha sido soportado por el proyecto

ALFA II-0354-A Cita’2 de la Comisión Europea, y por los proyectos AICRE y SICRE de la UPV/EHU.

REFERENCIAS [1] Declaración de Bolonia, http://www.crue.org/apadsisuniv.htm,

(17/10/2007). [2] Espacio Europeo de Enseñanza Superior,

http://www.crue.org/espaeuro/euroindex.htm, (17/10/2007). [3] Tovar, E.; Castro, M., “Building Common Spaces in Engineering

Education: A Review From ICECE05”, IEEE Transactions on Education, Volume 50, Issue 1, Feb. 2007 Page(s):79 - 84

[4] A. Martínez Delgado, “Constructivismo Radical, Marco Teórico de Investigación y Enseñanza de las Ciencias”, UAB, Enseñanza de las ciencias, 1999, 17 (3), 493-502, (1999).

[5] G. Aranguren, Docencia Teórica en pequeños grupos. IV Congreso de Tecnologías Aplicadas a la Enseñanza de la Electrónica, 131-133, UAB (2000).

[6] Gallardo, S.; Barrero, F.J.; Martinez-Torres, M.R.; Toral, S.L.; Duran, M.J., “Addressing Learner Satisfaction Outcomes in Electronic Instrumentation and Measurement Laboratory Course Organization”, IEEE Transactions on Education, Volume 50, Issue 2, May 2007 Page(s):129 – 136

[7] César Alberto Collazos, “Internet y los nuevos modelos de Aprendizaje: Trabajo Colaborativo”, I Jornadas Tendencias sobre eLearning 2005, Universidad Politécnica de Madrid, páginas 20 a 29, 2005.

[8] Página oficial de Moodle http://moodle.org/.. (17/10/2007). [9] G, Aranguren. Página Web de la asignatura Diseño de Sistemas Digitales

Avanzados http://moodle.ehu.es/moodle/, Buscar curso: Diseño de Sistemas Digitales Avanzados, entrar como invitado con clave: DSDA, (17/10/2007).

[10] http://www.theseusresearch.com/NCLPaper01.htm,, página de Theseus Research Incorporate donde se describe la tecnología NCL (NULL Convencion Logic) (16/01/2008)

[11] P4Q, http://www.p4q.com/, página Web de la empresa P4Q Electronics. (17/10/2007)

[12] Directive 2002/95/EC of the European Parliament and of the Council of 27 January 2003, Official Journal of the European Union, 13.2.2003.

[13] http://www.teach-nology.com/web_tools/rubrics/, página de la empresa Teach-nology donde se muestran muchas posibilidades de las matrices de valoración (16/01/2008)

[14] http://rubrics4teachers.com/ página de la Universidad Scranton donde se muestran otra visión de las matrices de valoración (16/01/2008)

Gerardo Aranguren. Pamplona, España 1960. Doctor Ingeniero Industrial 1991, Universidad del País Vasco (UPV/EHU). Catedrático de Tecnología Electrónica 1997, Departamento de Electrónica y Telecomunicaciones, E. T. S. de Ingeniería, UPV/EHU. Desde 1990 investigador principal del Grupo de Diseño Electrónico dedicado a desarrollos electrónicos: comunicaciones ferroviarias, aviónica, comunicaciones inalámbricas, sensores

industriales, etc. Vinculado a temas docentes y de mejora de los sistemas de enseñanza desde 1986.


ISSN 1932-8540 © IEEE

Tittle— A conceptual Model for Collaborative e-Learning

based on the execution of Projects

Abstract—LMS systems today provide a network environment to support interaction in a collaborative learning space. However, there are few that explore how to design the group instruction, and how to execute collaborative activities and how to control the group interaction. This work has considered the diverse group learning basic elements that support the success of the group learning activities. Moreover, this work has integrated and enhanced the procedure steps that support the creation and execution of the project-based collaborative learning activities. This paper describes these elements and procedures through a conceptual model (MAC-BP).

Index Terms—Collaborative learning, E-learning, Learning

objects, Project-based learning.

I. INTRODUÇÃO ensino da Engenharia por meios eletrônicos de aprendizagem está precisando da implementação de

métodos práticos que facilitem ao aluno aprender conteúdos do tipo procedimentos e atitudes, por meio da ação, da interação dos participantes e da integração de conhecimentos de diferentes áreas.

Esta aprendizagem só pode ser efetiva em contextos significativos, e a partir de situações específicas, que são estimulados com a utilização do método de projeto [15], [21],[22].

Do ponto de vista instrucional, o método de projetos é geralmente considerado como aquele pelo qual os alunos desenvolvem independência e responsabilidade, além da prática social e modos democráticos de comportamento [13],[15].

A eficácia deste método é alcançada quando o método é utilizado de preferência em grupos, em que um membro aprende com outro, compartilhando recursos e conhecimentos

Os autores são pesquisadores do Laboratório de Arquitetura e Redes de

Computadores - LARC. Departamento de Engenharia de Computação e Sistemas Digitais – PCS. Escola Politécnica da Universidade de São Paulo – EPUSP. Av. Prof. Luciano Gualberto Travessa. 3 – 158, sala C2-46, Cidade Universitária, CEP: 05508-900, São Paulo/ SP/ Brasil. (e-mail:[lgonzale, wilson]@larc.usp.br ).


e adquirindo ou exercitando um conjunto de habilidades pessoais, atualmente muito necessárias no trabalho profissional do engenheiro.

Embora conhecida a importância do método de projeto no estilo de aprendizagem colaborativa, não existem orientações concretas para sua utilização no modelo de ensino-aprendizagem a distância. A concepção deste tipo de atividades, além de representar uma tarefa que consome muito tempo, constitui um processo trabalhoso e até atrapalhado para muitos professores quando se enfrentam aos diversos métodos para aprendizagem em grupo e aos novos e variados recursos tecnológicos.

Por outro lado, a criação dos recursos envolvidos numa atividade de aprendizagem específica está estreitamente relacionada ao formato da ferramenta utilizada para sua criação e gerenciamento, dificultando assim a reutilização dos objetos educacionais por novas aplicações.

Este cenário representou a principal motivação para colaborar nesta área, e propor, - na tese de doutorado que originou este trabalho-, um Modelo conceitual para Aprendizagem Colaborativa Baseada na execução de Projetos pela Web (MAC-BP) [10].

A criação do modelo teve vários objetivos principais: oferecer uma guia aos professores na criação de aplicações de aprendizagem eletrônica e colaborativa baseado no método de projetos para grupo, e que utilize como pressuposto a aprendizagem significativa, construtivista e construcionista; propor uma solução para a coordenação do processo de colaboração entre os participantes, orientada a garantir fundamentalmente a intervenção de todos eles; e sugerir uma classificação e organização para os objetos de aprendizagem envolvidos no processo de colaboração com o intuito de ser reutilizáveis, [7],[8],[27].

Para satisfazer estes objetivos o modelo MAC-BP é organizado em três submodelos relacionados entre si, que caracterizam a criação, a execução e o suporte das atividades instrucionais colaborativas utilizadas no ensino da Engenharia, um modelo para planejar as atividades e responsabilidades do especialista (professor), encarregado pela criação do conteúdo e das atividades de grupo baseados no método de projeto; um modelo de colaboração que formaliza a coordenação das interações dos membros do grupo, através de um autômato finito; e um modelo para o ambiente de suporte às atividades instrucionais colaborativas,

Um Modelo conceitual para Aprendizagem Colaborativa Baseada na execução de Projetos

pela Web Luisa Aleyda García González e Wilson Vicente Ruggiero

O


ISSN 1932-8540 © IEEE

que busca integrar as funcionalidades requeridas pelos ambientes CSCL, algumas presentes, porém dispersas entre os sistemas disponíveis de suporte à colaboração [10], [12], [36].

Este artigo introduz a definição do problema investigado, a motivação que levou ao estudo do mesmo e a partes do modelo MAC-BP nesta sessão I. A sessão II apresenta o modelo MAC-BP-Especialista. A sessão III aborda as questões cobertas pelo modelo MAC-BP-Aprendiz e seus quatro aspectos fundamentais, relativas à interação com o ambiente, à execução do projeto, ao processo de coordenação das interações, à formalização do processo de colaboração. A sessão IV versa sobre o modelo MAC-BP-Ambiente. A sessão V define os objetos OCACs e as especificações para a criação, empacotamento e reutilização desses objetos, que são utilizáveis em atividades de aprendizagem em grupo . E a sessão VI apresenta as considerações finais.

II. UM MODELO MAC-BP-ESPECIALISTA

Uma particularidade na condução do processo de aprendizagem em grupo pelo método de projeto é a participação de um “especialista”, que atua diretamente na qualidade de professor, instrutor, consultor ou observador da execução da atividade.

A parte do modelo desenvolvida para o especialista é associada ao papel dos provedores de e-learning. O modelo do Especialista aborda, essencialmente, questões conceituais da organização e concepção das aplicações de aprendizagem colaborativa. Este modelo apresenta propostas para construir uma situação especifica de aprendizagem em grupo com suporte pedagógico baseado no Método de Desenvolvimento de Projeto.

Estão associados ao modelo MAC-BP-Especialista cinco níveis de desenvolvimento, segundo são requeridos no planejamento de projetos instrucionais:

Análise do domínio-da-aprendizagem Formação de grupos Reconhecimento dos participantes Concepção da atividade colaborativa Avaliação da atividade colaborativa

Cada um destes níveis comporta um conjunto de atividades, a seguir descritas, que serão realizadas pelo especialista e baseadas nos elementos básicos e nas circunstancias que garantem eficiência na aprendizagem colaborativa [17].

A. Analise do domínio da aprendizagem A definição do domínio da aprendizagem compreende a

análise e desenvolvimento de um conjunto de condições necessárias à efetividade num processo educacional. Independentemente de qualquer condição real em que aconteça o processo de ensino-aprendizagem, seja presencial ou a distância, seja no meio social, familiar ou da escola, seja individual, ou em grupo, é necessário especificar o problema a ser resolvido, definir os objetivos, o conteúdo e os métodos a utilizar.

Como objetivo geral deve ser proposto que os alunos desenvolvam habilidades para o trabalho em grupo, exercitando os conhecimentos ministrados em aulas teóricas. Ao finalizar uma atividade colaborativa deve-se esperar que todos os membros do grupo sejam capazes de explicar a solução adotada no problema/projeto, e que tenham sido suficientemente motivados a manter uma participação ativa. Os objetivos específicos devem estar definidos de forma que os alunos aprendam a solucionar conflitos em grupo, e que pratiquem a tomada de decisões. Também devem visar o aprendizado do conteúdo, o ganho de experiências nas relações de trabalho, a distribuição de responsabilidades, controles e cobranças. Deve-se procurar que, os alunos aprendam a pensar em termos de alternativas, em mais de uma solução para o problema, que aprendam a utilizar e a integrar os conhecimentos e aptidões previamente adquiridas, e a perceber a tecnologia em seu contexto.

Nas atividades instrucionais em grupo pelo método de projeto o conteúdo é basicamente o material descritivo da atividade e do projeto proposto. Não se trata de ensinar conceitos e sim de explicar os procedimentos e buscar desenvolver habilidades [25]. A parte conceitual deve vir adquirida de outras atividades instrucionais do tipo teóricas. Porém, esta particularidade não simplifica a atividade de criação do conteúdo. O conteúdo, neste caso, deve abordar como desenvolver as técnicas necessárias para o ganho das habilidades requeridas, explicar os processos, e dar a conhecer as regras, as atitudes, ideais, convicções e valores requeridos.

Prevendo a ineficiência de conhecimentos básicos em alguns alunos ou necessários esclarecimentos ao longo do processo, o conteúdo deve permitir feedback destes conhecimentos. Isto é, oferecer a possibilidade de realimentação do conhecimento ainda deficiente, através de lembretes, links a outros conteúdos, ou a referências atualizadas e ordenadas. Para a organização e estruturação desta realimentação podem ser utilizados recursos do tipo “mapas conceituais”, que permitem a representação gráfica das relações e seqüências entre os diferentes conteúdos envolvidos [5].

Os métodos de ensino sempre devem estar relacionados aos objetivos e ao conteúdo. Definido o conteúdo e a suas representações, devem ser identificadas as situações possíveis de aprendizagem [3]. Para cada situação e em função dos objetivos é recomendável uma estratégia ou método de ensino. O modelo MAC-BP-Especialista sugere a criação de um banco de situações e um banco de métodos, com a implementação de algum mecanismo de seleção automática do método apropriado a cada situação de aprendizagem. Esse mecanismo de seleção pode ser baseado em formulários, que preenchidos pelo especialista, caracterizam a situação de aprendizagem especifica da atividade instrucional em questão.

Outro mecanismo que se faz necessário é o de caracterização dos alunos segundo seus estilos de aprendizagem, que podem funcionar a partir da detecção das necessidades e restrições individuais, das prioridades, habilidades, motivação, e nível de competência de cada um


ISSN 1932-8540 © IEEE

dos participantes em relação ao assunto de estudo. Esta caracterização é de extrema utilidade na formação de grupos heterogêneos [23],[26].

B. Formação dos grupos O processo de formação dos grupos pode ser feito de forma

manual ou automática. Na primeira, o especialista pode realizar a escolha dos integrantes com base em alguma técnica ou ferramenta apropriada, por escolha aleatória, ou deixando à auto-seleção voluntária dos mesmos alunos. Os mecanismos de formação dos grupos de forma automática requerem de informações extraíveis e gerenciáveis sobre o comportamento e os interesses dos alunos, preferencialmente quando estes vêm participando das atividades de um curso a distância. Existem poucos sistemas que oferecem este tipo de suporte automático.

O modelo apresentado neste trabalho propõe a utilização de um mecanismo semi-automático para a formação dos grupos. Isto porque a aplicação* colaborativa desenvolvida segundo o modelo pode ser considerada uma atividade planejada, não necessariamente integrada a um curso a distância. Na forma semi-automática exige-se um registro eletrônico, através de formulários, de informações sobre os alunos, porém a decisão é do especialista [32],[34].

As questões que devem ser levadas em conta na formação dos formulários são:

Preferências em relação aos recursos a utilizar (escrita manual ou digital, consulta direta a bibliotecas ou pela Internet, ensino presencial ou a distância)

Preferências perceptivas (visual, auditiva, ou ambas) Ritmo de aprendizagem individual (lento ou rápido) Preferências em relação ao registro da experiência (via

escrita ou exposição oral). Preferências quanto ao estilo de aprendizagem (busca

por pesquisa, análise de experiências práticas, busca bibliográfica, troca de experiências e interação com especialistas, participação em seminários, etc.)

Preferências em relação às atividades de memorização, interpretação, argumentação, criação, etc.

Grau de motivação em relação ao assunto do curso e a atividade colaborativa concreta.

Grau de independência nas atividades. Características pessoais, tais como, perseverança e

concentração. Dados pessoais, tais como, nome, idade, sexo, notas de

avaliações anteriores, habilidades desenvolvidas e habilidades carentes, experiência, etc.

Na atividade de identificação se extraem os perfis dos alunos e se classificam inicialmente, seguindo um determinado critério, em vários subgrupos. Em função do numero total de participantes registrados para executar a

* Refere-se a um aplicativo em informática que permite realizar uma tarefa. Assim, aplicações de aprendizagem, referem se a um software que utiliza recursos digitais para suportar uma atividade instrucional.

atividade colaborativa, os grupos poderão ser novamente divididos até a formação dos grupos definitivos, estabelecidos geralmente sob o princípio de que resultem balanceados, heterogêneos, de igual tamanho, e similares entre se. Esta seleção pode ser efetuada com ajuda de alguma heurística escolhida pelo especialista.

C. Atividades iniciais de reconhecimento dos participantes A base da aprendizagem colaborativa é a organização

grupal assistida da comunicação entre os membros do grupo, de modo a facilitar o desenvolvimento de um clima familiar, de afeto, compreensão, e aceitação das inevitáveis diferenças. Por isso, se torna necessário planejar atividades específicas para facilitar e agilizar o reconhecimento dos membros do grupo.

O modelo sugere a apresentação ao grupo, em forma de demo ou de minicaso, o processo de busca de uma solução a um problema similar, porém mais simples, a aquele que será objeto da atividade principal. A partir de ai, deve ser gerada uma discussão na qual o especialista pode intervir como moderador, evitando que a mesma se prolongue além do necessário e desejável.

As tarefas de reconhecimento, também podem servir para extrair indicadores de colaboração. Esses indicadores serão utilizados pelo ambiente de aprendizagem onde acontece a atividade em grupo, para classificação automática dos participantes em alunos ativos e espontâneos, atuantes bem preparados, ou inativos [4]. Os valores individuais dos indicadores podem fazer referência ao rendimento dos alunos durante a execução do projeto, conseqüentemente, estes valores carregam o significado de comportamento do aluno.

Atualmente a pesquisa nesta área concentra grande numero de especialistas no planejamento de mecanismos baseados na teoria dos agentes inteligentes. Estes mecanismos procuram otimizar as formas de monitorar o comportamento dos alunos na execução das atividades junto ás habilidades de comunicação entre todos os participantes. [35],[37].

D. Desenho e concepção da atividade colaborativa Neste nível devem ser definidas a estrutura, organização, e

avaliação das atividades do grupo, criando os cenários para o desenvolvimento da atividade, e escolhendo as formas adequadas para realizar os testes de conhecimento. Vale destacar que a estrutura e os cenários devem ser flexíveis para não limitar a criatividade e autonomia do grupo, e estimular aos alunos para construírem e participarem com espontaneidade e iniciativas próprias.

No processo de criação podem ser utilizados Objetos Compartilháveis de Aprendizagem Colaborativa – OCACs [10], escolhidos convenientemente de um repositório de objetos. Apenas quando necessário serão criados novos objetos, mantendo as especificações para os OCACs. O ambiente de suporte à aprendizagem deverá permitir ao criador dos objetos, declarar a forma como os estes estão

GARCÍA Y RUGGIERO: UM MODELO CONCEITUAL PARA APRENDIZAGEM COLABORATIVA 49

ISSN 1932-8540 © IEEE

organizados, a ordem pela qual devem ser apresentados e qual a informação que deseja guardar a cada sessão. Tudo isto especifica a forma e a seqüência pela qual o aprendiz irá visualizar e interagir com os objetos, pelo LMS [29].

E. Sobre a avaliação colaborativa Para completar o planejamento da atividade colaborativa é

necessário estudar, escolher, e planejar as formas apropriadas de avaliação do grupo. O conteúdo, quando assimilado pelo aluno, transforma-se em conhecimento e habilidades adquiridas. Este pode ser adequadamente praticado, e freqüentemente é testado pelo especialista. Para isso são concebidas as atividades ou tarefas de monitoramento e avaliação dos alunos. A avaliação é utilizada para constatar os progressos e as dificuldades do trabalho e a partir daí reorientar o trabalho e realizar as correções necessárias [34],[37].

F. Generalidades sobre o modelo do especialista Um diagrama de “casos de uso” constitui um guia

importante para entender o comportamento do modelo do especialista, na perspectiva das relações dos atores envolvidos na criação de um projeto e as funções que a eles foram associadas [10].

Uma ação de aprendizagem (AA) caracteriza um conjunto de atividades com um objetivo específico de aprendizagem. As atividades que, caracterizam uma tarefa específica e monolítica cuja execução pode necessitar de recursos ou conteúdos específicos, são atividades elementares de aprendizagem (AEA). Assim, uma ação de aprendizagem é composta por uma ou mais atividades elementares e/ou ações de aprendizagem com as suas respectivas execuções ordenadas segundo algum critério estabelecido [16].

A utilização do modelo do especialista na criação de um projeto, envolve um número de atividades, cuja ordem de realização não é única e nem linear: Identificação do problema a ser resolvido, Formulação dos objetivos, Formação do grupo, Planejamento da execução, Seleção de estratégias, Especificação dos recursos, Coordenação e Avaliação. A execução destas atividades elementares (AEAi) ativa os processos de colaboração que acompanham a busca de soluções para cada atividade elementar.

Estes processos podem ser iterativos, de modo que uma vez encontrada uma solução para uma atividade elementar, a execução da etapa de planejamento avança seqüencialmente para uma outra atividade elementar, podendo voltar para uma já resolvida anteriormente, e mudar a solução que se tinha aprovado, como na Figura 1. Assim, é possível continuar a execução de acordo com as situações especificas do caso de uso, e segundo a dinâmica da criação de conhecimentos e colaboração dos participantes.

No diagrama de atividades as setas de atividades podem conter condições, cláusula de envio ou uma expressão de ação ou simplesmente não conter nada, o que significa que a

próxima ação é executada assim que a ação anterior conclui. A condição de decisão é mostrada através de uma nota assim, <<condição de decisão>>. Um nó de decisão é mostrado através de um símbolo na forma de um diamante.

Cada uma dessas atividades AEAi podem ser representadas segundo diagramas de atividades [10], que representam o fluxo da execução da seqüência das atividades envolvidas nessa ação de aprendizagem, indicando quando e por quem elas são realizadas.

Fig. 1. Diagrama de atividades simplificado para as 8 atividades elementares de aprendizagem (AEA) envolvidas na execução da Etapa de especificação do projeto (AA1)

Execução em grupo da atividade AEA1


<<O grupo deseja mudar solução de alguma atividade anterior

Execução em grupo da atividade AEA


Inicio






AA 1: especificação do

Inicio

Término

.







AEA 1: Identificar o problema AEA 2: Formulação dos objetivos AEA 3: Formação do AEA 4: Planejamento da execução AEA 5: Seleção de estratégias AEA 6: Especificação dos recursosAEA 7: Coordenação AEA 8: Avaliação


ISSN 1932-8540 © IEEE

III. UM MODELO MAC-BP-APRENDIZ O Modelo do Aprendiz representa as características e

funções que devem suportar os Sistemas LMS de Gerenciamento da Aprendizagem para aplicações colaborativas [2],[6],[20]. Este modelo apresenta propostas para o aluno agir em relação à identificação do problema, à interface da aplicação e à execução do projeto, que é o principal objetivo das atividades colaborativas aqui consideradas.

As principais características deste modelo são descritas a partir de quatro importantes aspectos envolvidos no sucesso de qualquer atividade em grupo: interação com o ambiente, execução do projeto, coordenação das intervenções e, processo colaborativo [3].

A. Interação com o ambiente A interface da aplicação deve ser simples, não ambígua e,

principalmente, atender às expectativas e às características dos usuários. A interface deve motivar os alunos para, de forma natural e agradável, utilizarem o ambiente na construção do novo conhecimento. Isto é conseguido, oferecendo-se interfaces com possibilidades de configuração de cores, fontes, janelas e dos objetos do ambiente compartilhado, assim como, oferecendo-se informação em diferentes mídias [9],[28],[30].

A primeira interação, do aluno com o ambiente, deverá acontecer por meio de uma interface que lhe permita registrar seus dados pessoais e entrar no grupo criado pelo especialista; pode-se oferecer a possibilidade para que os próprios alunos formem seus grupos. Posteriormente, cada aluno deve configurar o seu papel em função das indicações dadas pelo especialista sobre a atividade colaborativa [15],[25].

A identificação dos objetivos, das etapas envolvidas no projeto, e das regras ou protocolos de comunicação/participação, são tarefas individuais. Logo, após um processo de reconhecimento do grupo, por uma aplicação de exemplo, cada participante pode trocar idéias com o grupo sobre a execução do projeto. Este processo deve se produzir no espaço de trabalho compartilhado, que é o lugar onde se realizam todas as atividades colaborativas. Portanto, o espaço deve estar estruturado de forma tal, que os alunos tenham à mão todas as ferramentas necessárias para estabelecer comunicação e registro das soluções e das intervenções [6].

Para este aspecto do modelo do aprendiz recomenda-se consultar Nielsen [24], quem define una serie de recomendações para incorporar as medidas de usabilidade que garantem a qualidade dos sistemas de informação interativos, no sentido de procurar alto grau de aceitação do sistema pelo usuário, além de uma fácil aprendizagem e utilização eficiente, e a garantia de poucos erros.

B. Execução do projeto Em atividades colaborativas que utilizam o método de

projetos, a construção do conhecimento é possível com a participação de cada membro do grupo em cada uma das etapas do projeto [15]:

Cada aluno, segundo as regras de participação, terá um momento para intervir. O aluno analisará os detalhes do estado da atividade no momento da sua participação. Para isto, pode consultar a memória do grupo criada neste processo, ou algum mecanismo de percepção disponível. Logo após, o aluno utiliza algum método para buscar as causas e as conseqüências desse estado e juntar elementos para oferecer a sua contribuição, que resulta numa solução parcial do projeto.

Todas as soluções parciais são, em princípio, individuais. Porém, todos os membros do grupo podem oferecer critérios e provocar conflitos de maneira que seja rejeitada a solução individual. Desta forma, acontece um processo de grupo na busca de uma solução, que deve ser aquela aprovada pela maioria dos alunos participantes.

No caso de alguma solução parcial ser conflitante, primeiro deve acontecer um debate no grupo e, conseqüentemente, surgirão novas idéias sobre a solução, que devem ser submetidas à análise e à votação entre os participantes. Se necessário, pode-se pedir ajuda ao especialista.

Quando uma solução parcial não gera conflitos, o processo de aprovação acontece de forma implícita e natural.

Em geral uma solução parcial condiciona, de uma certa forma, as próximas soluções parciais, isto significa que, de maneira indireta, o caminho que conduz ao produto final do projeto é variável.

O processo todo é repetido seguindo as regras de participação estabelecidas ate concluir o projeto. Em cada etapa podem ser registradas as ações e as soluções do grupo, criando-se memória do grupo.

Seguindo os procedimentos anteriores, todos os alunos participarão com soluções individuais, e o grupo como um todo buscará melhorá-las e poderá consultar eventualmente ao especialista. A seqüência das atividades que o modelo do aprendiz propõe para a execução de um projeto é apresentada na Figura 2.

C. Coordenação das intervenções A forma colaborativa de aprendizagem envolve dois

processos que acontecem durante toda a atividade de grupo, o de comunicação e o de negociação [9].

No processo de negociação produz-se a discussão, argumentação e a tomada de decisões sobre situações conflitantes, buscando a satisfação da maioria dos membros do grupo. No processo de comunicação são gerados compromissos cujo cumprimento demanda uma correta coordenação, pois sem ela o esforço da comunicação é perdido.

As ferramentas de comunicação por si sós não resultam suficientes na hora de o grupo chegar ao consenso e tomar decisões de conjunto. É necessário incorporar mecanismos para geração de idéias, identificação de propostas e de votação, que permitam a solução de conflitos pela negociação


ISSN 1932-8540 © IEEE

das propostas. A negociação deve ser auxiliada por alguma atividade de coordenação que coloque ordem e harmonia nas transações feitas em espaços e tempos virtuais compartilhados.

Fig. 2. Modelo do aprendiz para a execução de um projeto. Sp(i): solução parcial do aluno i, fun (Sp(i-1) ): a solução está em função da solução parcial anterior.

Os processos de grupo envolvem os protocolos ou regras de comportamento e comunicação dos membros do grupo de colaboração. Definir essas regras significa estabelecer um conjunto de normas, pelas quais a tarefa deve ser desempenhada de maneira colaborativa, e com alguma organização que garanta o grau de interação necessária para a atividade a executar [4],[19].

As regras devem ser criadas de forma tal, que seja possível balancear tanto a quantidade quanto a qualidade da intervenção dos participantes nas tarefas coletivas. Porém, não é suficiente ter as regras, também é necessário criar os mecanismos apropriados para o controle do cumprimento

delas. Esses mecanismos formam parte de todo o processo complexo de coordenação das atividades colaborativas.

Neste trabalho se apresenta uma solução projetada fundamentalmente para comunicação síncrona e inspirada na proposta assíncrona de Blanco [1]. A solução classifica a participação dos membros do grupo em cinco tipos de contribuição possíveis: proposta, contraproposta, pergunta, comentário, e aprovação [11].

Proposta: É uma contribuição que inicia uma discussão entre os membros do grupo com o objetivo de encontrar a solução mais apropriada para o estado em que se encontra a execução do projeto. Esta contribuição contém, além da proposta de solução, os comentários que a justificam.

Contraproposta: É uma contribuição intermediária, que permite completar ou rebater a proposta inicial. Porém, também pode se constituir numa outra proposta alternativa.

Comentário: É uma contribuição intermediária, que permite argumentar ou rebater a proposta ou contraproposta anteriormente oferecidas por outro participante. Também pode ser a resposta a uma pergunta.

Pergunta: Permite formular uma dúvida sobre uma contribuição.

Aprovação: É uma contribuição final que declara que o participante concorda com a contribuição que se discute.

A partir dessa classificação o modelo MAC-BP-aprendiz propõe uma solução para a coordenação das intervenções, nos passos a seguir:

Exigir dos membros do grupo que identifiquem sua participação segundo os tipos predefinidos de contribuição.

Aplicar mecanismos de controle para validar as interações. Significa que nem todas as intervenções são permitidas, mas apenas aquelas que correspondem à seqüência descrita na Figura 3. Aqui são seqüenciados os tipos de contribuições possíveis a partir de uma contribuição que deu início à comunicação. Por exemplo, sempre que um membro de um grupo identifica sua participação como “proposta”, os outros membros poderão responder ou participar identificando sua participação como uma dos outros tipos. Por outro lado, se um membro participa identificado como “pergunta”, a seguir nenhum outro membro poderá participar identificado como “proposta”, pois só é admitido nesse casso um comentário ou uma explicação.

Para concluir uma comunicação será necessário que a maioria dos membros do grupo intervenientes participem identificados com “aprovação”, o que significa que concordam com a proposta que estão discutindo.

Ativar mecanismos de aprovação, que envolvem negociação e votação, no caso em que vários participantes respondem a uma proposta com uma contraproposta. Isto agilizará a tomada de decisões em conjunto, evitando-se que sigam gerando-se novas idéias


ISSN 1932-8540 © IEEE

e propostas sem antes discutir, aprovar ou rejeitar as propostas existentes.

Esta solução apresentada tem a vantagem de evitar a sobrecarga de informação, impedindo a entrada de novas

propostas enquanto não se conclui o processo de aprovação de uma anterior. É uma solução que evita situações de poucas interações, que dificultam o aproveitamento dos resultados da colaboração e da comunicação entre os participantes.

Fig. 3. Relação entre os tipos de contribuições num processo de discussão

O papel do especialista é fundamental. Ele pode aparecer no processo como um participante ativo, para motivar a discussão e a participação dos que não se manifestaram, intervindo com contribuições do tipo pergunta ou comentário. O especialista pode também ser um participante passivo, quando for mais interessante monitorar ou observar o processo de comunicação e de colaboração [4].

Sugere-se planejar as atividades colaborativas, a fim de prever que não aconteçam situações extraordinárias de conflitos. Para isto, é recomendável desenhar a atividade completa como soma de atividades intermediárias e mais simples de coordenar, mas sempre respeitando que as atividades colaborativas devem ser, para os alunos, quanto mais autônomas possíveis, garantindo, assim, independência e liberdade para criar conhecimento com espontaneidade; essas atividades não podem ser muito controladas, porque perde-se o interesse e a motivação dos alunos.

D. Formalização do Processo de colaboração A execução da aplicação colaborativa baseada em projeto

deve ser dividida em etapas, que demandem soluções ou resultados, que precisam ser aprovados pelo grupo inteiro.

A busca da solução de cada etapa é responsabilidade inicial de um aluno específico, que oferece uma solução parcial, cuja

aprovação deve vir do grupo. Portanto, neste contexto o processo de busca de soluções parciais durante a execução de um projeto em grupo é entendido como um processo de colaboração.

Este processo necessita um modelo formal, para representar as interações que se estabelecem na execução das atividades colaborativas: o modelo de colaboração. Este modelo demanda a existência de um mecanismo de implementação viável, que permita a participação paralela e síncrona dos membros do grupo, e a coordenação do processo.

O processo de colaboração envolve a aprovação grupal de cada solução parcial oferecida por um membro individual. O processo de aceitação é repetido até a conclusão do projeto com uma solução final do grupo.

Em cada repetição o comportamento do Ambiente de Execução da Colaboração (AEC) pode ser simbolizado pelos estados do ambiente.

Em geral, para um sistema, um estado representa um comportamento observável que perdura por um período finito de tempo, até acontecer alguma ação do grupo, - evento -, que produz uma transição de estado. Cada estado tem um nome único, uma duração, e está associado a uma atividade contínua que leva um certo tempo para se completar. Cada estado fornece todas as informações necessárias para determinar


ISSN 1932-8540 © IEEE

como a execução da aplicação colaborativa pode evoluir de uma solução parcial até uma solução final.

Partindo da premissa de que o modelo de colaboração entre aprendizes, baseado no método de projeto, pode ser representado em termos de conflitos e decisões, foram identificados os estados listados na Tabela 1. E as mudanças de estado são realizadas espontaneamente, em resposta a uma entrada externa ou instantânea, ou seja, ante um evento que envolve as decisões dos participantes. Esses eventos são identificados na Tabela 2.

Coordenar um processo de colaboração exige planejar a transição de estados, que neste contexto significa projetar a seqüência de interações e de ações entre os membros do grupo, assim como o fluxo de controle e das operações do ambiente AEC.

TABELA I

ESTADOS IDENTIFICADOS NO PROCESSO DE APROVAÇÃO DE UMA SOLUÇÃO PARCIAL

.Estados Identificador Início do processo de Aprovação da solução parcial

IA

O sistema aguarda uma Proposta Inicial do membro do grupo selecionado

PI

O sistema aguarda Contribuições dos outros membros do Grupo

CG

O sistema aguarda um processo de Análise das Contribuições

AC

O sistema aguarda um processo de Discussão em grupo (recebe outras Contribuições)

DC

O sistema aguarda um processo de Decisão em Grupo

DG

O sistema aguarda a Solução Grupal SG O sistema aguarda que o membro do grupo selecionado gere a próxima Solução Parcial

SP

Fim do processo de Aprovação da solução parcial

FA

TABELA II EVENTOS IDENTIFICADOS NO PROCESSO

DE APROVAÇÃO DE UMA SOLUÇÃO PARCIAL.

Eventos Identificador Envio de Proposta por um membro escolhido do grupo

EP

Recebe Contribuições em paralelo dos outros membros do Grupo

CG

Na Análise das Contribuições, alguma não é de aprovação e alguma é de contraposição (Contribuição Desaprovada)

CD

Na análise das contribuições, todas as Contribuições são de Aprovação

CA

Processo de Discussão, segundo regras (não é efetuado em paralelo)

PD

Processo de Votação (participação em paralelo)

PV

Tendo em vista que essas características correspondem ao comportamento dos autômatos, optou-se, então, por modelar e implementar a transição de estados, por uma construção formal conhecida como Autômatos Finitos [18]. Neste trabalho é introduzido o conceito de modelagem de “Interação colaborativa é um autômato”.

Portanto as interações representadas na Figura 2, agora podem ser representadas como um autômato.

E. Interação colaborativa é um autômato Formalmente, o autômato de Interação Colaborativa I pode

ser representado em forma algébrica como uma quíntupla: I= (E, ∑, δ, E0, Ef), onde:

E – conjunto finito de estados, apresentados na Tabela 1

E = { IA, PI, CG, AC, DC, DG, SG, SP, FA }

∑ – conjunto do alfabeto de entrada do autômato, apresentados na Tabela 2 (conjunto de eventos que determina transição de estados).

∑ = { EP, CG, CD, CA, PD, PV }

δ – função de transição de estados: δ: E x∑ → E

E0 – estado inicial do autômato. Neste caso E0 = IA

Ef – conjunto de estados finais do autômato. Neste caso..Ef=FA

Interpretação: O autômato I começa no estado inicial E0= IA, tal que E0 ∈

E e lê o primeiro símbolo σ, tal que σ pertence ao alfabeto ∑, então passa, no instante seguinte, para o estado Ei para algum i tal que 0 ≤ i ≤ n ; n, i ∈Ν. Ou seja, acontece a transição de um estado para outro representada pela função de transição de estados δ (E0, σ), que interpreta o próximo símbolo σ ∈ ∑. Continuando assim, o autômato I lerá toda a fita de entrada, após o que estará em um estado Ei. Se Ei=Ef, então ele é um estado final e diz-se que o autômato I aceita a seqüência, caso contrário I a rejeita.

Desta maneira, o autômato funciona como um RECONHECEDOR DA SOLUÇÃO PARCIAL aprovada pelo grupo durante o processo de colaboração. O reconhecedor atua sobre os diferentes estados do próprio processo de interação colaborativa, que começa com uma solução parcial individual associada a um membro do grupo, até a aprovação desta solução pelo grupo inteiro.

Agora é possível formalizar um modelo para o PROCESSO DE COLABORAÇÃO na execução de atividades colaborativa, a partir de um Diagrama de Transição de Estados (DTE), como representado na Figura 4.


ISSN 1932-8540 © IEEE

Fig. 4. Diagrama de transição de estados num processo de colaboração

IV. MODELO MAC-BP-AMBIENTE O Modelo do Ambiente especifica a forma de apresentar os

cenários e os conteúdos para o usuário. O modelo recomenda oferecer os recursos de percepção de usuários e de dados, e especifica as características e funções que devem suportar os Ambientes de Execução da Colaboração (AEC) neste tipo de aplicações [13],[14].

Este modelo aborda, essencialmente, questões conceituais da execução da aplicação colaborativa e propõe soluções para suportar os modelos anteriores. Isto é, oferece suporte ao registro das informações que o especialista gera na etapa de análise e concepção da aplicação colaborativa, e suporte à interação com o ambiente e aos processos de grupo que acontecem na execução das atividades de grupo.

Em geral, um sistema que oferece suporte à aprendizagem colaborativa pela Web deve cobrir os seguintes níveis e funcionalidades que compõem o modelo do AEC:

Ferramentas de criação de recursos de ensino: SCO e Objetos Compartilháveis de Aprendizagem Colaborativa, OCAC. Estas ferramentas devem suportar o modelo do especialista.

Um sistema para entregar os recursos de ensino aos aprendizes. Conhecido como Sistema de Gerenciamento da Aprendizagem, LMS. Este sistema deve suportar o modelo do aprendiz.

Ferramentas ou recursos de percepção de usuários e dados. Estas ferramentas devem suportar o modelo do

aprendiz (futuramente poder-se-ia considerar que a preparação da atividade colaborativa envolve vários especialistas, sendo, então uma atividade também de grupo, requerendo recursos de percepção).

Uma base de dados, ou seja, um repositório para guardar os recursos de ensino (OCACs), que devem ser criados segundo as especificações baseadas no modelo SCORM.

Ferramentas para acompanhar a progressão do aluno e para avaliar seu desempenho, habilidades e conhecimentos em relação ao conteúdo da atividade instrucional. Estas ferramentas devem suportar o complemento ao modelo do aprendiz (não resolvido neste trabalho).

O modelo do ambiente é projetado a partir da integração dos conceitos envolvidos nos modelos do especialista e do aprendiz. Ele deve suportar as ferramentas e recursos exigidos pelos outros modelos, além do protocolo de comunicação que corresponda às regras de intervenção previamente adotadas.

Especificamente este modelo deve definir os espaços de criação das ações de aprendizagem, espaços de colaboração e interação e espaços de trabalho individual e de memória de grupo. Assim, o modelo do ambiente estará composto por seis níveis, dos quais quatro correspondem às atividades de suporte para o modelo do especialista e dois, às atividades de suporte para o modelo do aprendiz. Figura 5.

B lo q u e io d o s o u tr o sp a r tic ip a n te s

R e c e b e , e m p a r a le lo , a s c o n tr ib u iç õ e s d o s o u t ro s

p a r t ic ip a n te s .

T o d a s a s c o n tr ib u iç õ e s s ã o d e A P R O V A Ç Ã O

P ro c e ss o d e v o ta ç ã o e m p a r a le lo

R e c e b e a S o lu ç ã o A p r o v a d a p e lo G ru p o

Id e n t i f ic a d o r d o m e m b r o d o g r u p o e s c o lh id o

p a r a o fe r e c e r a p r ó x im a P ro p o s ta

In ic ioB lo q u e io d o s o u tr o s

p a r tic ip a n te s

E n v io d a p ro p o s ta

a s c o n tr ib u iç õ e s d o s o u t ro s p a r t ic ip a n te s .






IA P I C G

A C

D C S G

D G

S P F A

A lg u m a c o n t r ib u iç ã o :n ã o é d e a p r o v a ç ã o o u

é d e c o n tra p r o p o s ta

G e ra t ro c a d e c o n tr ib u iç õ e s s e g u n d o r e g ra s e u ti li z a n d o b lo q u e io s p a r a g a r a n t ir

p a r tic ip a ç ã o s e q ü e n c ia l e n tr e o s m e m b r o s d o g r u p o

B lo q u e io d o s o u tr o sp a r tic ip a n te s

R e c e b e , e m p a r a le lo , a s c o n tr ib u iç õ e s d o s o u t ro s

p a r t ic ip a n te s .






In ic ioB lo q u e io d o s o u tr o s

p a r tic ip a n te s

E n v io d a p ro p o s ta

a s c o n tr ib u iç õ e s d o s o u t ro s p a r t ic ip a n te s .






IA P I C G

A C

D C S G

D G

S P F A

A lg u m a c o n t r ib u iç ã o :n ã o é d e a p r o v a ç ã o o u

é d e c o n tra p r o p o s ta

G e ra t ro c a d e c o n tr ib u iç õ e s s e g u n d o r e g ra s e u ti li z a n d o b lo q u e io s p a r a g a r a n t ir

p a r tic ip a ç ã o s e q ü e n c ia l e n tr e o s m e m b r o s d o g r u p o


ISSN 1932-8540 © IEEE

Domínio de aprendizagem: Domínio de aprendizagem: • objetivos• conteúdo • métodos

Formação dos grupos : Formação dos grupos : • heurística• composição • tamanho

Atividades de reconhecimento:Atividades de reconhecimento:• registro de Demos ou mini -projeto

Atividades colaborativa:Atividades colaborativa:• construir cenários• registrar o projeto• estabelecer regras de interação e comunicação • planejar a coordenação • publicar a aplicação

Nível 1Nível 1

Nível 2Nível 2

Nível 3Nível 3

Nível 4Nível 4

MODELO DO PROFESSORMODELO DO PROFESSOR MODELO DO ALUNOMODELO DO ALUNO

Interação com o ambiente: Interação com o ambiente: • registro dos participantes• configuração de papeis

Resolução do Resolução do Problema/ProjetoProblema/Projeto ::

• identificação dos objetivos, do problema, das regras ou protocolos de comunicação• reconhecimento dos participantes

• execução da atividade colaborativa:

• participação, • soluções parciais, • conflitos,

• negociação• criação e registro de idéias,• debates, votação, apuração de votos

• compartilhamento: • consultas á memória de grupo• construção colaborativa dos conhecimentos• representação dos conhecimentos

•coordenação: • das operações e ações dos participantes• sincronizar as atividades do grupo• encaminhar as mensagens e a seqüência de envios•verificar consistência, e concorrência

Nível 1Nível 1

Nível 2Nível 2

Com

unic

ação

:C

omun

icaç

ão:

•sín

cron

a•a

ssín

cron

a.•p

erce

pção



Atividades de reconhecimento:Atividades de reconhecimento:• registro de demos ou mini-projeto

Atividades colaborativa:Atividades colaborativas:• construir cenários• registrar o projeto• estabelecer regras de interação e comunicação • planejar a coordenação • publicar a aplicação

Nível 1Nível 1

Nível 2Nível 2

Nível 3Nível 3

Nível 4Nível 4

MODELO DO ESPECIALISTA

Interação com o ambiente: Interação com o ambiente: • registro dos participantes• configuração de papéis



• PROCESSO DE COLABORAÇÃOna execução do projeto

• participação, • soluções parciais, • conflitos,• negociação

• criação e registro de idéias,• debates, votação, apuração de votos

• COMPARTILHAMENTO:• consultas à memória de grupo• construção colaborativa dos conhecimentos• representação dos conhecimentos

• COORDENAÇÃO:• das operações e ações dos participantes• sincronizar as atividades do grupo• encaminhar as mensagens e a seqüência de envios• verificar consistência e concorrência

Nível 1Nível 1

Nível 2Nível 2

Com

unic

ação

:C

omun

icaç

ão:

•sín

cron

a•a

ssín

cron

a.•p

erce

pção

MODELO DO APRENDIZ

MODELO DO AMBIENTE



Atividades de reconhecimento:Atividades de reconhecimento:• registro de Demos ou mini -projeto

Atividades colaborativa:Atividades colaborativa:• construir cenários• registrar o projeto• estabelecer regras de interação e comunicação • planejar a coordenação • publicar a aplicação

Nível 1Nível 1

Nível 2Nível 2

Nível 3Nível 3

Nível 4Nível 4

MODELO DO PROFESSORMODELO DO PROFESSOR MODELO DO ALUNOMODELO DO ALUNO

Interação com o ambiente: Interação com o ambiente: • registro dos participantes• configuração de papeis



• execução da atividade colaborativa:

• participação, • soluções parciais, • conflitos,

• negociação• criação e registro de idéias,• debates, votação, apuração de votos

• compartilhamento: • consultas á memória de grupo• construção colaborativa dos conhecimentos• representação dos conhecimentos

•coordenação: • das operações e ações dos participantes• sincronizar as atividades do grupo• encaminhar as mensagens e a seqüência de envios•verificar consistência, e concorrência

Nível 1Nível 1

Nível 2Nível 2

Com

unic

ação

:C

omun

icaç

ão:

•sín

cron

a•a

ssín

cron

a.•p

erce

pção



Atividades de reconhecimento:Atividades de reconhecimento:• registro de demos ou mini-projeto

Atividades colaborativa:Atividades colaborativas:• construir cenários• registrar o projeto• estabelecer regras de interação e comunicação • planejar a coordenação • publicar a aplicação

Nível 1Nível 1

Nível 2Nível 2

Nível 3Nível 3

Nível 4Nível 4

MODELO DO ESPECIALISTA

Interação com o ambiente: Interação com o ambiente: • registro dos participantes• configuração de papéis



• PROCESSO DE COLABORAÇÃOna execução do projeto

• participação, • soluções parciais, • conflitos,• negociação

• criação e registro de idéias,• debates, votação, apuração de votos

• COMPARTILHAMENTO:• consultas à memória de grupo• construção colaborativa dos conhecimentos• representação dos conhecimentos

• COORDENAÇÃO:• das operações e ações dos participantes• sincronizar as atividades do grupo• encaminhar as mensagens e a seqüência de envios• verificar consistência e concorrência

Nível 1Nível 1

Nível 2Nível 2

Com

unic

ação

:C

omun

icaç

ão:

•sín

cron

a•a

ssín

cron

a.•p

erce

pção

MODELO DO APRENDIZ

MODELO DO AMBIENTE

Fig. 5. O modelo do ambiente: um suporte para as atividades e funções envolvidas nos modelos do especialista e do aprendiz, além do protocolo de comunicação.

A. Suporte ao modelo MAC-BP-Especialista A interface do ambiente para o especialista ou professor

deve oferecer espaços ou links para todas as atividades que o modelo do especialista propõe realizar no desenvolvimento da aplicação de aprendizagem colaborativa de conceitos. Esses espaços devem estar presentes em ferramentas de criação de recursos para a aprendizagem colaborativa e podem estar organizados como a seguir:

Espaço para o registro do domínio da aprendizagem Espaço para a formação dos grupos Espaço para o registro das atividades de reconhecimento

dos membros do grupo Espaço para o registro do projeto Espaço para o registro das regras de comportamento,

intervenção e interação Espaço de coordenação Espaço para registrar as atividades de avaliação Espaço para publicar a aplicação Espaço para a comunicação com os alunos

B. Suporte ao modelo MAC-BP-APRENDIZ A interface do ambiente para o aluno deve oferecer espaços

compartilhados para todos os participantes do grupo colaborativo. Esses espaços devem permitir a realização das atividades que o modelo do aprendiz propõe para a execução da aplicação de aprendizagem colaborativa e prática de conceitos.

O modelo do ambiente propõe organizar estes espaços de maneira que garanta o suporte necessário para o modelo do aprendiz, como a seguir:

Espaço de registro dos participantes Espaço de informações (contem os objetivos da

atividade, a composição do grupo, os protocolos de participação e comunicação, processo de avaliação, e outras informações sobre o projeto)

Espaço de execução do demo Espaço de execução do projeto Espaço para consultas à memória de grupo Espaço para a comunicação (com suporte aos

mecanismos de percepção e de coordenação do processo de colaboração)


ISSN 1932-8540 © IEEE

A implementação de um ambiente de aprendizagem segundo o modelo MAC-BP, deverá garantir que os alunos trabalhem em instâncias diferentes de uma mesma aplicação colaborativa, de forma tal que cada um possa visualizar a sua instância; de maneira diferente.

Esta prática demanda um servidor de aplicações colaborativas, que seja responsável pela sincronização das instâncias da aplicação, em decorrência, pela sincronização das interfaces individuais de todos os membros do grupo.

A implementação do modelo MAC-BP-Ambiente, precisa-se de um guia na compreensão do comportamento do modelo enquanto as relações dos atores envolvidos e as funções que lês foram associadas. Também de uma guia das funcionalidades que deve disponibilizar para suportar os modelos Especialistas e Aprendiz.

Estas guias podem ser proporcionadas a partir da criação de um digrama de “casos de uso” e de diagrama das atividades envolvidas nas etapas da execução de um projeto.

Estes diagramas podem ser construídos com auxilio da linguagem de modelagem visual UML 2.0 e aparecem explicitamente detalhados por González em [10],[33].

Propor um modelo conceitual, para o processo de aprendizagem colaborativa através do desenvolvimento de projeto significa definir especificações para a criação e utilização dos recursos instrucionais envolvidos nas aplicações de aprendizagem em grupo. E também, definir os Objetos Compartilháveis de Aprendizagem Colaborativa e especificar o seu empacotamento, e identificar os conceitos e a seqüência de eventos envolvidos na busca de soluções para essas aplicações.

V. ESPECIFICAÇÕES E OBJETOS DE APRENDIZAGEM OCAC Neste trabalho identificam-se os Objetos Compartilháveis

de Aprendizagem Colaborativa (OCACs) envolvidos no modelo MAC-BP, e propõe-se um conjunto de especificações técnicas para a criação e utilização destes objetos, que tenta expandir a padronização SCORM para o modelo orientado a grupo.

Propor um modelo a partir das especificações SCORM, para o modelo de aprendizagem em grupo, proposto neste trabalho, significa definir especificações para os recursos instrucionais envolvidos nas três partes do modelo MAC-BP.

A. Objetos Compartilháveis de Aprendizagem Colaborativa A definição de Objeto de Aprendizagem é atualmente um

tema de debate, tanto na esfera tecnológica como na educativa. A definição é dada de forma ampla e genérica, de modo que os objetos de aprendizagem podem estar compostos por conteúdo instrucional multimídia, por objetos de aprendizagem, por ferramentas e software educacionais.

Segundo o modelo SCORM [29], a criação dos objetos de aprendizagem obedece às regras do paradigma de orientação a objetos. Isto significa que, os objetos devem ser organizados

em conjuntos de dados e procedimentos, para serem reutilizáveis em diferentes contextos. Os dados representam o estado do objeto e os procedimentos são os que atuam sobre os dados, representando o comportamento do objeto.

OBJETO = DADOS (Estado) + METODO (Comportamento) (1)

Neste trabalho adotou-se uma definição mais ampla de

Objeto de Aprendizagem, valida para o modelo instrucional a distância, orientado à aprendizagem em grupo. De modo que um Objeto Compartilhável de Aprendizagem Colaborativa (OCAC) é definido assim:

OCAC = OBJETO (1) + RECURSOS (Colaboração) ) (2)

Os recursos representam o comportamento dos objetos nos

processos de colaboração. Esta definição admite que os objetos de aprendizagem OCAC, tenham um caráter dinâmico, ao permitir que eles possam ter, além de conteúdo e informação estática -objeto definido em (1); também recursos de software e ferramentas de execução independentes de qualquer plataformas, que transformam dados nos processos de colaboração e executam mecanismos para resolver situações especificas de grupo etc

Os objetos de aprendizagem colaborativa são categorizados em vários tipos segundo a sua função nas atividades de aprendizagem em grupo. Eles podem conter conteúdo e/ou métodos. O conteúdo de um objeto descreve ou apresenta informação sobre uma atividade elementar de aprendizagem, pelo que pode ser considerado como metadado. Os métodos contidos num objeto são mecanismos para resolver situações relacionadas com uma atividade elementar de aprendizagem colaborativa [10].

B. Especificações para o empacotamento do conteúdo. A proposta das especificações, do empacotamento dos

objetos OCAC, tenta formalizar como organizar os objetos utilizados no processo de colaboração das aplicações instrucionais em grupo, e como fazer intercambiável estes objetos, entre os diferentes sistemas de gerenciamento de aprendizagem e as diferentes ferramentas de autoria.

Os componentes principais do empacotamento dos OCAC são: o pacote e o arquivo de intercambio de pacotes.

O pacote representa uma unidade de objetos necessários nos processos de colaboração, coordenação, e busca de solução nas aplicações de execução em grupo.

Cada pacote pode ser distribuído como uma parte independente de uma atividade de grupo, reutilizável por outras aplicações de aprendizagem colaborativa que utilizem o método de projeto. Os componentes do pacote: o manifesto e o conteúdo são especificados a seguir [29].

O manifesto é um documento que descreve em formato

XML, o nome dos OCACs encapsulados no pacote, as suas propriedades e os procedimentos ou métodos que foram-lhes associados. No manifesto, também deve ser descrita a


ISSN 1932-8540 © IEEE

organização e seqüência de apresentação destes objetos OCACs. O arquivo se associa a cada um dos processos que acontecem na execução do projeto.

O arquivo manifesto principal descreve o pacote como um todo. Os sub-manifestos, então, descreverão outros OCACs incluídos no pacote, como por exemplo, objetos necessários em atividades de grupo baseados em outras técnicas de grupo, como brainstorming.

C. Especificações para o Ambiente de execução RTE O RTE (Run-Time Environment) deve especificar um

modelo de dados, que descreva como os OCACs são enviados para o browser de cada um dos alunos membros do grupo, e que defina o protocolo a utilizar pelos OCACs e o LMS para se comunicarem entre se.

O modelo de dados deve permitir, armazenar e manipular informação sobre o estado do ambiente de execução. Além disso, deve permitir a utilização dos dados pelos procedimentos que se ativam na execução do autômato I [10].

O modelo de dados do RTE tem como objetivo padronizar as informações, que poderão ser rastreadas por diferentes sistemas na execução de aplicações de aprendizagem colaborativa baseadas em projeto.

O conjunto de dados que tem sentido utilizar na comunicação entre os OCACs e o LMS são os seguintes:

Etapa do projeto que está em execução. Ultimo aluno que participou com uma proposta de

solução parcial para a etapa em execução. Numero de contribuições de tipo contrapropostas para

uma etapa do projeto. Estado do ambiente de entre os definidos na Tabela 1. Tipo de contribuição aprovada: proposta, contraproposta

sem conflitos, ou contraproposta com conflitos. Tempo destinado para a execução da etapa em

andamento do projeto. No caso de ter predefinido limite de tempo para cada etapa.

Avaliação da performance dos alunos na etapa que se executa. Pode ser controlada a partir de analise dos resultados da participação de cada membro do grupo no processo de aprovação da solução parcial.

D. Especificações para a Seqüência de Navegação SN (Sequencing and navigation) È necessário definir as relações entre os objetos OCACs

envolvidos no processo de colaboração do grupo. Pode ser elaborado um mapa de navegação. Este mapa deve definir graficamente a ordem de participação individual previamente estabelecida segundo as regras de participação dos membros do grupo. O mapa deve indicar as situações que requerem ativar o processo de aprovação da solução parcial. Este processo é representado pelo autômato I [10].

VI. CONSIDERAÇÕES FINAIS O Modelo conceitual para Aprendizagem Colaborativa

Baseada na execução de Projetos pela Web (MAC-BP), aqui

apresentado, foi orientado para aproximar os conceitos e a pratica da aprendizagem colaborativa, utilizando a Web como meio instrucional. O MAC-BP foi descrito a partir de três submodelos relacionados entre si, e associados ao especialista, ao aprendiz, e ao ambiente colaborativo.

Para as atividades de aprendizagem colaborativas desenvolvidas segundo o modelo MAC-BP foram definidos um conjunto de Objetos Compartilháveis de Aprendizagem Colaborativa (OCACs) e às necessárias especificações para sua criação e utilização.

As propostas aqui descritas se constituem guias para os instrutores na criação das aplicações de aprendizagem colaborativa baseadas em projeto e na criação dos objetos instrucionais envolvidos nelas. Além de oferecer uma solução para a coordenação das interações colaborativas do grupo durante a execução de projetos, o que representa uma orientação importante para a aprendizagem colaborativa na área de Engenharia.

Na maioria dos Sistemas de Gerenciamento da Aprendizagem (LMS) de código aberto não se encontram implementadas soluções que suportem alguma das técnicas de aprendizagem em grupo [10],[12],[36].

Atualmente, o modelo aqui proposto está sendo revisado e adaptado ao modelo conceitual do LMS Tidia-Ae (Tecnologia da Informação no Desenvolvimento da Internet Avançada – Aprendizado Eletrônico) [31],[36]. O LMS Tidia-Ae encontra se na sua segunda fase de aprimoramento no programa Tidia financiado pela FAPESP (Fundação de Amparo à Pesquisa do Estado de São Paulo).

As funcionalidades imprescindíveis nos processos de grupo descritas no modelo MAC-BP, estão sendo especificadas e implementadas num conjunto de ferramentas que serão integradas ao LMS Tidia-Ae. Estas atividades formam parte do projeto de pós-doutorado que vem sendo realizado no LARC-USP (Laboratório de Arquitetura e Redes de Computadores da Universidade de São Paulo) pela autora deste trabalho.Este projeto tem como objetivo realizar experiências práticas e avaliar o modelo e o uso da implementação através de projetos reais envolvidos nas disciplinas da área de Engenharia.

AGRADECIMENTOS Os autores agradecem à FUSP (Fundação de Apoio à

Universidade de São Paulo), pelo apoio financeiro à pesquisa e ao Laboratório de Arquitetura e Redes de Computadores, (LARC) da Universidade de São Paulo, pela infra-estrutura e o suporte, oferecidos na realização do trabalho de doutorado.

REFERENCIAS [1] Blanco, Beatriz Barros. Aprendizaje Colaborativo en enseñanza a

distancia: Entorno genérico para configurar, realizar y analizar actividades en grupo. Tesis doctoral. 1999. Universidad Politécnica de Madrid. Facultad de Informática. Departamento de Inteligencia Artificial


ISSN 1932-8540 © IEEE

[2] Boneu, Josep M. Plataformas abiertas de e-learning para el soporte de contenidos educativos abiertos. abril de 2007. Revista de Universidad y Sociedad del Conocimiento. rusc vol. 4 n.º 1 (2007) | issn 1698-580x. Consultado:23/11/2007. Disponível: http://www.uoc.edu/rusc/4/1/dt/esp/boneu.pdf

[3] Bordenave, J. Diaz; Pereira, Adair M. Estratégias de ensino-aprendizagem. 15a edição. Petrópolis 1995.

[4] Cheesman, Robin; Heilesen, Simon B. Supporting Problem-based Learning in Groups in a Net Environment. In Proceedings of the Computer Support for Collaborative Learning (CSCL) 1999 Conference, C. Hoadley & J.Roschelle (Eds.) Dec. 12-15, Stanford University, Palo Alto Califórnia. Mahwah, NJ: Lawrence Erlbaum Associates. Consultado: 28/03/2002.

[5] Cicognani A. Concept Mapping as a Collaborative Tool for Enhanced Online Learning. In: Educational Technology & Society, 2000, v. 3, n. 3. IEEE. ISSN 1436-4522. Consultado:20/04/2004. Disponível em: http://ifets.ieee.org/periodical/vol_3_2000/b01.html.

[6] Dalsgaard, C. Social software: E-learning beyond learning management systems. European Journal of Open Distance and E-Learning. Consultado: 07/11/2007. Disponivél em: http://www.eurodl.org/materials/contrib/2006/Christian_Dalsgaard.htm

[7] Dillenbourg P. & Schneider D. Mediating the mechanisms which make Collaborative learning sometimes effective. 1995. In: International Journal of Educational Telecommunications, 1 (2-3), 131-146. ]. Consultado: 09/04/02. Disponível no endereço: http://tecfa.unige.ch/tecfa/research/CMC/colla/iccai95_1.html..

[8] Ellis, C. A., Gibbs, S. J., & Rein, G. L. Groupware: Some issues and experiences. Communications of the ACM,34(1),38-58, 1991.

[9] Gerosa, Marco Aurélio et al. Elementos de percepção em ambientes de aprendizagem como forma de facilitar a comunicação, coordenação e cooperação. In: Anais de INTERTECH-2002. International Conference on Engineering and Technology Education, Santos,Brazil. March, 17-20/2002. Organized by SENAC- School of Enginnering and Technology.

[10] González, Luisa A . G. Um Modelo conceitual para Aprendizagem Colaborativa Baseada na execução de Projetos pela Web (MAC-BP). Laboratório de Arquitetura e Redes de Computadores, LARC. Escola Politécnica da Universidade de São Paulo. 2005. Tese de Doutorado. EPUSP. Brasil

[11] González, Luisa A. G.; RUGGIERO, W.V . Modelo Aprendiz para atividades colaborativas de projeto em Sistemas de Aprendizagem Eletrônico. Revista IEEE América Latina, v. 4, p. 283-288, 2006.

[12] González, Luisa.A.G. Avaliação e Comparação de LMS: Sakai , Moodle, Tidia-Ae. Marz 2007. Realtório Interno do LARC-USP. Disponível em: http://new.tidia-ae.usp.br:8080/tidia-ae

[13] Graff, E. de, and Kolmos, A., eds., (2007), Management of Change – Implementation of Problem- based and Project-based Learning in Engineering, Sense Publishers.

[14] Gutwin, C., Stark, G. and Greenberg, S. (1995). Support for Workspace Awareness in Educational Groupware. Pro ACM Conference on ComputerSupported Collaborative Learning, pp 147-156, Indiana University, Bloomington, Indiana, USA October 17-20, Distributed LEA Press. Consultado: 26/11/2007. Disponível: http://grouplab.cpsc.ucalgary.ca/papers/1995/95-Awareness.CSCL/cscl95cameraready.pdf

[15] Howell R T. The Importance of the Project Method In Technology Education. Fort Hays State University. In: Journal of Industrial Teacher Education, v. 40, n. 3. 2003. Digital Library and Archives. Consultado 11/08/2007. Disponível em: http://scholar.lib.vt.edu/ejournals/JITE/v40n3/howell.html.

[16] IMS Global Learning Consortium. IMS Learning Design Best Practice and Implementation Guide. V1.0. Final Specification. 2003. Consultado em 15/09/2005. Disponível em: http://www.imsglobal.org/learningdesign/ldv1p0/imsld_bestv1p0.html.

[17] Johnson, David W., Roger T. Johnson, and Karl A. Smith. Active Learning: Cooperation in the College Classroom. Edina, MN: Interaction Book Company, 1991.

[18] Khoussainov, Bakhadyr & Nerode, Anil. Automata theory and its applications. Boston : Birkhäuser, c2001. 430 p

[19] Mailhiot, G. Bernard. Dinâmica e Gênese dos Grupos.Atualidades das descobertas de Kurt Lewin. 2a ed. São Paulo: Livraria Duas Cidades. 1973.

[20] Marca, David ; Bock, Geoffrey. Groupware: Software for Computer-Supported Cooperative Work. IEEE Computer Society Press. Los Alamitos, Califórnia. 1992.

[21] Moreira, Marco Antonio; Masini, Elcie F.S. Aprendizagem significativa: a teoria de David Ausubel. São Paulo : Moraes, 1982.

[22] Moursund, D. Project-Based Learning Using Information Technology. ISTE, 2002

[23] Muehlenbrock, Martin. Learning Group Formation Based on Learner Profile and Context. International JI. On E-Learning (2006) 5 (1), 19-24. Consultado 09/11/2007. Disponivel em: http://www.activemath.org/pubs/Muehlenbrock-2006-IJEL.pdf

[24] Nielsen. J.; Usability Engineering; Academic Press, 1993 [25] Nogueira, N. R.. Pedagogia de Projetos: uma jornada interdisciplinar

rumo ao desenvolvimento das Múltiplas Inteligências. 2002. 3a ed. São Paulo: Érica.

[26] Ounnas, Asma; Davis, Hugh C; Millard, David E. Towards Semantic Group Formation. Advanced Learning Technologies, 2007. ICALT 2007. Seventh IEEE International Conference on Volume , Issue , 18-20 July 2007 Page(s):825 – 827.

[27] Ponta, Domenico; Donzellini, Giuliano; Markkanen, Hannu. Network Based Project Learning for Engineering Education. International Conference on Engineering Education. July 21–25, 2003, Valencia, Spain. In: http://netpro.evtek.fi/team/wp6/papers/ICEE-5372.pdf

[28] Raposo A B. Interação na Web – Tendências. In: Seminário sobre Tecnologias da Infra-estrutura de Informação em Ambientes Colaborativos de Ensino. Consultado: 21/01/2002. Disponível em: http://www.dca.fee.unicamp.br/courses/IA368F/1s1998/Monografias/alberto/index.html

[29] SCORM 2004. Sharable Content Object Reference Model 2004. ADL- Advanced Distributed Learning Overview. Consultado: 10/08/2004. Disponível: http://www.adlnet.org/.

[30] Silva M. O que é Interatividade. Boletim Técnico do SENAC. Consultado:24/05/2001. Disponível em: http://www.senac.br/boletim/boltec38.htm

[31] TIDIA-Ae: Tecnologia da Informação para o Desenvolvimento da Internet Avançada - Aprendizado Eletrônico. São Paulo, SP. 2007. Consultado: 27/11/2007. Disponível em: http://tidia-ae.incubadora.fapesp.br/portal

[32] Tolmie, Andrew; Boyle J. Factors influencing the success of computer mediated communication (CMC) environments in university teaching a review and case study. Computer & Education 34 (2000) 119-140. Consultado: 05/2001. Disponível no endereço: www.elsevieer.com/locate/compedu

[33] UML: The Unified Modeling Language. July 2005. Consultado: 27/11/2007. Disponivél em: http://www.uml.org/#UML2.0

[34] Wessner, M.; Pfister, Hans-R. Group formation in computer-supported Collaborative learning. Proceeding of the 2001. International ACM SIGGROUP Conference on Supporting Group Work.- vol 2001.pp.24-31. Consultado: 19/02/03.Disponivél no endereço: http://doi.acm.org/10.1145/500286.500293

[35] Yang, F; Wang, Minjuan; Shen, Ruimin; Han, Peng. Community-organizing agent: An artificial intelligent system for building learning communities among large numbers of learners. Computers & Education. Volume 49, Issue 2 (September 2007)

[36] Zaina, L.A.M.; Bressan, G.; Ruggiero, Wilson. V. Learning Management System of Tidia-Ae Project. In: : Ninth IASTED International Conference on Computers and Advances Technology in Education, 2006, Lima, Peru, 2006. v.1. p. 100-105.

[37] Zaina, Luciana A. M; Ruggiero, W.V; Bressan, Graça. Metodologia para Acompanhamento da Aprendizagem através da Web. Revista Brasileira de Informática na Educação – RBIE. 2004, v.12, No.1.


ISSN 1932-8540 © IEEE

Luisa Aleyda Garcia González. Pesquisadora do Laboratório de Arquitetura e Redes de Computadores (LARC) desde 1996. Lic. em Matemáticas pela Universidade da Havana, Cuba, UH-1988. Mestre em Engenharia Elétrica pela EPUSP-2000. Doutora em Engenharia Elétrica pela EPUSP-2005. Área de atuação: E-learning, Aprendizagem Colaborativa pela Web. Pós-Doutorado em andamento associado ao Projeto

Tidia-Ae. Currículo Lattes: http://lattes.cnpq.br/7954253240460719

Wilson Vicente Ruggiero. Diretor Presidente da Scopus Tecnologia Ltda., Engenheiro Elétrico pela EPUSP-1972, Mestre em Engenharia Elétrica pela EPUSP-1975, PhD em Ciência da Computação pela UCLA-1978, Prof. Titular do Departamento de Computação e Sistemas Digitais da Escola Politécnica da Universidade de São Paulo (EPUSP). Diretor do Laboratório de Arquitetura e Redes de Computadores (LARC). Coordenador Geral do Projeto Tidia-Ae. Currículo Lattes:

http://lattes.cnpq.br/8374340207133919


ISSN 1932-8540 © IEEE

IEEE-RITA (http://webs.uvigo.es/cesei/RITA)


Todos los artículos de IEEE-RITA son revisados al menos por 3 revisores.

Volumen 3, Número 1: Lista de Revisores

Alfredo Ortiz Fernández, Universidad de Cantabria, España

Angélica de Antonio Jiménez, Universidad Politécnica de Madrid,

España Baltasar Fernández, Universidad Complutense de Madrid, España

Basilio Pueo Ortega, Universidad de Alicante, España

Carlos Delgado, Universidad Carlos III de Madrid, España

Carlos M. Tobar Toledo, PUC-Campinas, Brasil

Carlos Vaz do Carvalho, INESP, Portugal

César Alberto Collazos Ordóñez, Universidad del Cauca, Colombia

Daniel Montesinos i Miracle, Universidad Politécnica de

Catalunya, España David Benito Pertusa, Universidad

Publica de Navarra, España Faraón Llorens Largo, Universidad

de Alicante, España Francisco Arcega, Universidad de

Zaragoza, España Francisco Jurado, Universidad de

Jaen, España Gabriel Díaz Orueta, UNED, España

Gloria Zaballa Pérez, Universidad de Deusto, España

Hugo E. Hernández Figueroa, Universidad de Campinas, Brasil Inmaculada Plaza, Universidad de

Zaragoza, España Jaime Sánchez, Universidad de

Chile, Chile Joaquín Roca Dorda, Universidad Politécnica de Cartagena, España

José Javier López Monfort, Universidad Politécnica de Valencia,

España José Luis Guzmán Sánchez,

Universidad de Almeria, España José Palazzo M. De Oliveira,

UFGRS, Brasil Juan Suardíaz Muro, Universidad Politécnica de Cartagena, España Juan Vicente Capella Hernández,

Universidad Politécnica de Valencia, España

Lluís Vicent Safont, Universidad Ramón Llul, España

Luis Anido, Universidad de Vigo, España

Luis Benigno Corrales Barrios, Universidad de Camagüey, Cuba

Luis Gómez Déniz, Universidad de Las Palmas de Gran Canaria, España Manuel Benito Gómez, Universidad

del Pais Vasco, España Manuel Castro Gil, UNED, España

Manuel Fernández Iglesias, Universidad de Vigo, España

Manuel Gromaz Campos, Centro de Supercomputación de Galicia,

España Manuel Ortega, Universidad de

Castilla La Mancha, España Manuel Pérez Cota, Universidad de

Vigo, España Maria Antonia Martínez Carreras, Universidad de Murcia, España

Mario Muñoz Organero, Universidad de Carlos III, España Martín Llamas Nistal, Universidad

de Vigo, España Miguel Ángel Redondo Duque,

Universidad de Castilla-La Mancha, España

Miguel Angel Sicilia Urbán, Universidad de Alcalá, España

Óscar Martínez Bonastre, Universidad Miguel Hernández de

Elche, España Robert Piqué López, Universidad Politécnica de Catalunya, España Rosa M. Vicari, UFGRS, Brasil

Víctor González Barbone, Universidad de la República,

Uruguay Yannis Dimitriadis, Universidad de

Valladolid, España

IEE

E-R

ITA

Vol. 3, N

um. 1, 05/2008

IEEE-RITA es una publicación lanzada por el Capítulo Español del IEEE (CESEI) a través de su Comité Técnico, de Acreditación y Evaluación (CTAE), y apoyada por el Ministerio Español de Educación y Ciencia a través de la acción complementaria TSI2005-24068-E, Red Temática del CESEI. IEEE-RITA é uma publicação lançada pelo Capítulo Espanhol da Sociedade da Educação de IEEE (CESEI), através de seu Comitê Técnico, do Acreditação e da Avaliação (CTAE), e suportada pelo Ministério Espanhol da Educação e da Ciência com a ação complementaria TSI2005-24068-E, Rede Temática do CESEI. IEEE-RITA is a publication launched by the Spanish Chapter of the Education Society of IEEE (CESEI), through its Technical Committee, of Accreditation and Evaluation (CTAE), and supported by the Spanish Ministry of Education and Science through complementary action TSI2005-24068-E, Thematic Network of CESEI.

Revista Iberoamericana de Tecnologías del/da Aprendizaje...

Documents

Transcript of Revista Iberoamericana de Tecnologías del/da Aprendizaje...