Guia per a l'adaptaci�� a l'espai europeu d'educaci�� superior: 1. Compet��ncies = Gu��a para la adaptaci��n al espacio europeo de educaci��n superior: 1. Competencias = Guide to adaptation to the european higher education area: 1. Competences

Aquest quadern ��s el primer lliurement de les Orientacions per a l���adaptaci�� a l���espai europeu d���educaci�� superior. T�� l���origen en el debat de la Comissi�� de seguiment del Pla pilot d���adaptaci�� a l���espai europeu d���educaci�� superior de la UdG i del grup de treball que s���ha constitu��t l���hivern 2005-2006 expressament per tractar el tema de les compet��ncies

Guia per a l'adaptaci�� a l'espai europeu d'educaci�� superior: 2. Compet��ncies UdG = Gu��a para la adaptaci��n al espacio europeo de educaci��n superior: 2. Competencias UdG = Guide to Adaptation to the European Higher Education Area: 2. UdG competences

Aquest quadern forma part de la Guia per a l'adaptaci�� a l'espai europeu d'educaci�� superior

Inside the competences evaluation, the stress tolerance of students. An empirical study based on conservation of resources theory

Competence development is considered a preventive strategy of burnout. At an organizational context some competences could be linked as precursors or consequences. In self-assessment of competence development, students perceive stress tolerance as a priority competence to ameliorate. Moreover employers and recruitment consultants agree that this is a new authentic challenge for organizations. The main reasons of this result are debated, this study should consider the importance of competence development from a holistic point of view. In addition it considers the exploration of the relationship between stress tolerance and competence development, according to Conservation Resources (COR) theory (Hobfoll 1988, 1989, 1998, 2004) where the resource loss is considered the principal component in the stress process

Gesti��n de la actividad no presencial y autoevaluaci��n de competencias = Management of student learning outside the classroom and the self-evaluation of competences

La asignatura troncal ���Evaluaci��n Psicol��gica��� de los estudios de Psicolog��a y del estudio de grado ���Desarrollo humano en la sociedad de la informaci��n��� de la Universidad de Girona consta de 12 cr��ditos seg��n la Ley Org��nica de Universidades. Hasta el a��o acad��mico 2004-05 el trabajo no presencial del alumno consist��a en la realizaci��n de una evaluaci��n psicol��gica que se entregaba por escrito a final de curso y de la cual el estudiante obten��a una calificaci��n y revisi��n si se solicitaba. En el camino hacia el Espacio Europeo de Educaci��n Superior, esta asignatura consta de 9 cr��ditos que equivalen a un total de 255 horas de trabajo presencial y no presencial del estudiante. En los a��os acad��micos 2005-06 y 2006-07 se ha creado una gu��a de trabajo para la gesti��n de la actividad no presencial con el objetivo de alcanzar aprendizajes a nivel de aplicaci��n y soluci��n de problemas/pensamiento cr��tico (Bloom, 1975) siguiendo las recomendaciones de la Agencia para la Calidad del Sistema Universitario de Catalu��a (2005). La gu��a incorpora: los objetivos de aprendizaje, los criterios de evaluaci��n, la descripci��n de las actividades, el cronograma semanal de trabajos para todo el curso, la especificaci��n de las tutor��as programadas para la revisi��n de los diversos pasos del proceso de evaluaci��n psicol��gica y el uso del foro para el conocimiento, an��lisis y cr��tica constructiva de las evaluaciones realizadas por los compa��eros

An hybrid methodology for RL-based behavior coordination in a target following mission with an AUV

Proposes a behavior-based scheme for high-level control of autonomous underwater vehicles (AUVs). Two main characteristics can be highlighted in the control scheme. Behavior coordination is done through a hybrid methodology, which takes in advantages of the robustness and modularity in competitive approaches, as well as optimized trajectories

A behavior-based scheme using reinforcement learning for autonomous underwater vehicles

This paper presents a hybrid behavior-based scheme using reinforcement learning for high-level control of autonomous underwater vehicles (AUVs). Two main features of the presented approach are hybrid behavior coordination and semi on-line neural-Q_learning (SONQL). Hybrid behavior coordination takes advantages of robustness and modularity in the competitive approach as well as efficient trajectories in the cooperative approach. SONQL, a new continuous approach of the Q_learning algorithm with a multilayer neural network is used to learn behavior state/action mapping online. Experimental results show the feasibility of the presented approach for AUVs

Key competences in the new ventures: a model for evaluating

This research studies from an internal view based on the Competency-Based Perspective (CBP), key organizational competencies developed for small new business. CBP is chosen in an attempt to explain the differences characterizing the closed companies from the consolidated ones. The main contribution of this paper is the definition of a set of key organizational competencies for new ventures from services and low technology based sectors. Using the classification proposed by [1] and a review of the entrepreneurship literature, the main competencies were defined and classified as: managerial, input-based, transformation-based, and output-based competencies. The proposed model for evaluating new ventures organizational competence is tested by means of Structural Equation

Gradient-based reinforcement learning techniques for underwater robotics behavior learning

Darrerament, l'inter��s pel desenvolupament d'aplicacions amb robots submarins aut��noms (AUV) ha crescut de forma considerable. Els AUVs s��n atractius gr��cies al seu tamany i el fet que no necessiten un operador hum�� per pilotar-los. Tot i aix��, ��s impossible comparar, en termes d'efici��ncia i flexibilitat, l'habilitat d'un pilot hum�� amb les escasses capacitats operatives que ofereixen els AUVs actuals. L'utilitzaci�� de AUVs per cobrir grans ��rees implica resoldre problemes complexos, especialment si es desitja que el nostre robot reaccioni en temps real a canvis sobtats en les condicions de treball. Per aquestes raons, el desenvolupament de sistemes de control aut��nom amb l'objectiu de millorar aquestes capacitats ha esdevingut una prioritat. Aquesta tesi tracta sobre el problema de la presa de decisions utilizant AUVs. El treball presentat es centra en l'estudi, disseny i aplicaci�� de comportaments per a AUVs utilitzant t��cniques d'aprenentatge per refor�� (RL). La contribuci�� principal d'aquesta tesi consisteix en l'aplicaci�� de diverses t��cniques de RL per tal de millorar l'autonomia dels robots submarins, amb l'objectiu final de demostrar la viabilitat d'aquests algoritmes per aprendre tasques submarines aut��nomes en temps real. En RL, el robot intenta maximitzar un refor�� escalar obtingut com a conseq����ncia de la seva interacci�� amb l'entorn. L'objectiu ��s trobar una pol��tica ��ptima que relaciona tots els estats possibles amb les accions a executar per a cada estat que maximitzen la suma de refor��os totals. Aix��, aquesta tesi investiga principalment dues tipologies d'algoritmes basats en RL: m��todes basats en funcions de valor (VF) i m��todes basats en el gradient (PG). Els resultats experimentals finals mostren el robot submar�� Ictineu en una tasca aut��noma real de seguiment de cables submarins. Per portar-la a terme, s'ha dissenyat un algoritme anomenat m��tode d'Actor i Cr��tic (AC), fruit de la fusi�� de m��todes VF amb t��cniques de PG.

A proposal of a behavior-based control architecture with reinforcement learning for an autonomous underwater robot

Aquesta tesi proposa l'��s d'un seguit de t��cniques pel control a alt nivell d'un robot aut��nom i tamb�� per l'aprenentatge autom��tic de comportaments. L'objectiu principal de la tesis fou el de dotar d'intel��lig��ncia als robots aut��noms que han d'acomplir unes missions determinades en entorns desconeguts i no estructurats. Una de les premisses tingudes en compte en tots els passos d'aquesta tesis va ser la selecci�� d'aquelles t��cniques que poguessin ��sser aplicades en temps real, i demostrar-ne el seu funcionament amb experiments reals. El camp d'aplicaci�� de tots els experiments es la rob��tica submarina. En una primera part, la tesis es centra en el disseny d'una arquitectura de control que ha de permetre l'assoliment d'una missi�� pr��viament definida. En particular, la tesis proposa l'��s de les arquitectures de control basades en comportaments per a l'assoliment de cada una de les tasques que composen la totalitat de la missi��. Una arquitectura d'aquest tipus est�� formada per un conjunt independent de comportaments, els quals representen diferents intencions del robot (ex.: "anar a una posici��", "evitar obstacles",...). Es presenta una recerca bibliogr��fica sobre aquest camp i alhora es mostren els resultats d'aplicar quatre de les arquitectures basades en comportaments m��s representatives a una tasca concreta. De l'an��lisi dels resultats se'n deriva que un dels factors que m��s influeixen en el rendiment d'aquestes arquitectures, ��s la metodologia emprada per coordinar les respostes dels comportaments. Per una banda, la coordinaci�� competitiva ��s aquella en que nom��s un dels comportaments controla el robot. Per altra banda, en la coordinaci�� cooperativa el control del robot ��s realitza a partir d'una fusi�� de totes les respostes dels comportaments actius. La tesis, proposa un esquema h��brid d'arquitectura capa�� de beneficiar-se dels principals avantatges d'ambdues metodologies. En una segona part, la tesis proposa la utilitzaci�� de l'aprenentatge per refor�� per aprendre l'estructura interna dels comportaments. Aquest tipus d'aprenentatge ��s adequat per entorns desconeguts i el proc��s d'aprenentatge es realitza al mateix temps que el robot est�� explorant l'entorn. La tesis presenta tamb�� un estat de l'art d'aquest camp, en el que es detallen els principals problemes que apareixen en utilitzar els algoritmes d'aprenentatge per refor�� en aplicacions reals, com la rob��tica. El problema de la generalitzaci�� ��s un dels que m��s influeix i consisteix en permetre l'��s de variables continues sense augmentar substancialment el temps de converg��ncia. Despr��s de descriure breument les principals metodologies per generalitzar, la tesis proposa l'��s d'una xarxa neural combinada amb l'algoritme d'aprenentatge per refor�� Q_learning. Aquesta combinaci�� proporciona una gran capacitat de generalitzaci�� i una molt bona disposici�� per aprendre en tasques de rob��tica amb exig��ncies de temps real. No obstant, les xarxes neurals s��n aproximadors de funcions no-locals, el que significa que en treballar amb un conjunt de dades no homogeni es produeix una interfer��ncia: aprendre en un subconjunt de l'espai significa desaprendre en la resta de l'espai. El problema de la interfer��ncia afecta de manera directa en rob��tica, ja que l'exploraci�� de l'espai es realitza sempre localment. L'algoritme proposat en la tesi t�� en compte aquest problema i mant�� una base de dades representativa de totes les zones explorades. Aix�� doncs, totes les mostres de la base de dades s'utilitzen per actualitzar la xarxa neural, i per tant, l'aprenentatge ��s homogeni. Finalment, la tesi presenta els resultats obtinguts amb la arquitectura de control basada en comportaments i l'algoritme d'aprenentatge per refor��. Els experiments es realitzen amb el robot URIS, desenvolupat a la Universitat de Girona, i el comportament apr��s ��s el seguiment d'un objecte mitjan��ant visi�� per computador. La tesi detalla tots els dispositius desenvolupats pels experiments aix�� com les caracter��stiques del propi robot submar��. Els resultats obtinguts demostren la idone��tat de les propostes en permetre l'aprenentatge del comportament en temps real. En un segon apartat de resultats es demostra la capacitat de generalitzaci�� de l'algoritme d'aprenentatge mitjan��ant el "benchmark" del "cotxe i la muntanya". Els resultats obtinguts en aquest problema milloren els resultats d'altres metodologies, demostrant la millor capacitat de generalitzaci�� de les xarxes neurals.