El Proceso de enseñanza-aprendizaje centrado en el alumno: experiencias de la adaptación de los estudios de economía de la Universidad de Valencia al nuevo marco del EEES

El Proyecto de Innovación Educativa (PIE) de la licenciatura de Economía en la Universidad de Valencia tiene como objetivo principal potenciar el desarrollo académico y personal de los estudiantes. En este PIE el estudiante es el centro y eje de su propio aprendizaje y se fomenta el trabajo autónomo y autogestionado por él, tutorización personalizada y el uso de metodologías docentes comunicativas y activas. Los cambios a acometer en el marco del Espacio Europeo de Educación Superior (EEES) requieren una mayor participación e interacción entre todos aquellos que participan en el proceso enseñanza-aprendizaje, esto es, alumnos, profesores, coordinadores, agentes sociales, etc., con el consiguiente cambio de rol que ello conlleva. Por esta razón, en el PIE de Economía se ha tratado de potenciar la formación y coordinación de los profesores implicados en el proyecto; la implantación de metodologías activas que promuevan el proceso de enseñanza-aprendizaje del estudiante de forma autónoma y colaborativa –antes que la mera transmisión de contenidos-; el diseño de sistemas de evaluación que se ajusten a los objetivos a alcanzar por los estudiantes, expresados no sólo en términos de conocimientos (como se venía haciendo de forma tradicional) sino que también deben considerar el aprendizaje en función de las competencias que los estudiantes deben adquirir; y la utilización de las nuevas tecnologías de la información y la comunicación (“Aula Virtual”). En este trabajo mostramos cómo se ha desarrollado el primer curso de implantación del PIE en la Licenciatura de Economía. Para ello, abordamos los puntos fuertes detectados en el proceso e identificamos las principales áreas sobre las que creemos es necesario actuar para promover la mejora en la coordinación y en los procesos de enseñanza-aprendizaje. Palabras clave: Áreas de mejora; Espacio Europeo de Educación Superior; Licenciatura en Economía; Proyecto de Innovación Educativa; Puntos fuertes, Aprendizaje autónomo

Estudio de la aplicación de sistemas basados en el conocimiento a la operación de una planta de tratamiento de residuos sólidos urbanos por valorización energética

Una de las actuaciones posibles para la gestión de los residuos sólidos urbanos es la valorización energética, es decir la incineración con recuperación de energía. Sin embargo es muy importante controlar adecuadamente el proceso de incineración para evitar en lo posible la liberación de sustancias contaminantes a la atmósfera que puedan ocasionar problemas de contaminación industrial.Conseguir que tanto el proceso de incineración como el tratamiento de los gases se realice en condiciones óptimas presupone tener un buen conocimiento de las dependencias entre las variables de proceso. Se precisan métodos adecuados de medida de las variables más importantes y tratar los valores medidos con modelos adecuados para transformarlos en magnitudes de mando. Un modelo clásico para el control parece poco prometedor en este caso debido a la complejidad de los procesos, la falta de descripción cuantitativa y la necesidad de hacer los cálculos en tiempo real. Esto sólo se puede conseguir con la ayuda de las modernas técnicas de proceso de datos y métodos informáticos, tales como el empleo de técnicas de simulación, modelos matemáticos, sistemas basados en el conocimiento e interfases inteligentes. En [Ono, 1989] se describe un sistema de control basado en la lógica difusa aplicado al campo de la incineración de residuos urbanos. En el centro de investigación FZK de Karslruhe se están desarrollando aplicaciones que combinan la lógica difusa con las redes neuronales [Jaeschke, Keller, 1994] para el control de la planta piloto de incineración de residuos TAMARA. En esta tesis se plantea la aplicación de un método de adquisición de conocimiento para el control de sistemas complejos inspirado en el comportamiento humano. Cuando nos encontramos ante una situación desconocida al principio no sabemos como actuar, salvo por la extrapolación de experiencias anteriores que puedan ser útiles. Aplicando procedimientos de prueba y error, refuerzo de hipótesis, etc., vamos adquiriendo y refinando el conocimiento, y elaborando un modelo mental. Podemos diseñar un método análogo, que pueda ser implementado en un sistema informático, mediante el empleo de técnicas de Inteligencia Artificial.Así, en un proceso complejo muchas veces disponemos de un conjunto de datos del proceso que a priori no nos dan información suficientemente estructurada para que nos sea útil. Para la adquisición de conocimiento pasamos por una serie de etapas: - Hacemos una primera selección de cuales son las variables que nos interesa conocer. - Estado del sistema. En primer lugar podemos empezar por aplicar técnicas de clasificación (aprendizaje no supervisado) para agrupar los datos y obtener una representación del estado de la planta. Es posible establecer una clasificación, pero normalmente casi todos los datos están en una sola clase, que corresponde a la operación normal. Hecho esto y para refinar el conocimiento utilizamos métodos estadísticos clásicos para buscar correlaciones entre variables (análisis de componentes principales) y así poder simplificar y reducir la lista de variables. - Análisis de las señales. Para analizar y clasificar las señales (por ejemplo la temperatura del horno) es posible utilizar métodos capaces de describir mejor el comportamiento no lineal del sistema, como las redes neuronales. Otro paso más consiste en establecer relaciones causales entre las variables. Para ello nos sirven de ayuda los modelos analíticos - Como resultado final del proceso se pasa al diseño del sistema basado en el conocimiento. El objetivo principal es aplicar el método al caso concreto del control de una planta de tratamiento de residuos sólidos urbanos por valorización energética. En primer lugar, en el capítulo 2 Los residuos sólidos urbanos, se trata el problema global de la gestión de los residuos, dando una visión general de las diferentes alternativas existentes, y de la situación nacional e internacional en la actualidad. Se analiza con mayor detalle la problemática de la incineración de los residuos, poniendo especial interés en aquellas características de los residuos que tienen mayor importancia de cara al proceso de combustión.En el capítulo 3, Descripción del proceso, se hace una descripción general del proceso de incineración y de los distintos elementos de una planta incineradora: desde la recepción y almacenamiento de los residuos, pasando por los distintos tipos de hornos y las exigencias de los códigos de buena práctica de combustión, el sistema de aire de combustión y el sistema de humos. Se presentan también los distintos sistemas de depuración de los gases de combustión, y finalmente el sistema de evacuación de cenizas y escorias.El capítulo 4, La planta de tratamiento de residuos sólidos urbanos de Girona, describe los principales sistemas de la planta incineradora de Girona: la alimentación de residuos, el tipo de horno, el sistema de recuperación de energía, y el sistema de depuración de los gases de combustión Se describe también el sistema de control, la operación, los datos de funcionamiento de la planta, la instrumentación y las variables que son de interés para el control del proceso de combustión.En el capítulo 5, Técnicas utilizadas, se proporciona una visión global de los sistemas basados en el conocimiento y de los sistemas expertos. Se explican las diferentes técnicas utilizadas: redes neuronales, sistemas de clasificación, modelos cualitativos, y sistemas expertos, ilustradas con algunos ejemplos de aplicación.Con respecto a los sistemas basados en el conocimiento se analizan en primer lugar las condiciones para su aplicabilidad, y las formas de representación del conocimiento. A continuación se describen las distintas formas de razonamiento: redes neuronales, sistemas expertos y lógica difusa, y se realiza una comparación entre ellas. Se presenta una aplicación de las redes neuronales al análisis de series temporales de temperatura.Se trata también la problemática del análisis de los datos de operación mediante técnicas estadísticas y el empleo de técnicas de clasificación. Otro apartado está dedicado a los distintos tipos de modelos, incluyendo una discusión de los modelos cualitativos.Se describe el sistema de diseño asistido por ordenador para el diseño de sistemas de supervisión CASSD que se utiliza en esta tesis, y las herramientas de análisis para obtener información cualitativa del comportamiento del proceso: Abstractores y ALCMEN. Se incluye un ejemplo de aplicación de estas técnicas para hallar las relaciones entre la temperatura y las acciones del operador. Finalmente se analizan las principales características de los sistemas expertos en general, y del sistema experto CEES 2.0 que también forma parte del sistema CASSD que se ha utilizado.El capítulo 6, Resultados, muestra los resultados obtenidos mediante la aplicación de las diferentes técnicas, redes neuronales, clasificación, el desarrollo de la modelización del proceso de combustión, y la generación de reglas. Dentro del apartado de análisis de datos se emplea una red neuronal para la clasificación de una señal de temperatura. También se describe la utilización del método LINNEO+ para la clasificación de los estados de operación de la planta.En el apartado dedicado a la modelización se desarrolla un modelo de combustión que sirve de base para analizar el comportamiento del horno en régimen estacionario y dinámico. Se define un parámetro, la superficie de llama, relacionado con la extensión del fuego en la parrilla. Mediante un modelo linealizado se analiza la respuesta dinámica del proceso de incineración. Luego se pasa a la definición de relaciones cualitativas entre las variables que se utilizan en la elaboración de un modelo cualitativo. A continuación se desarrolla un nuevo modelo cualitativo, tomando como base el modelo dinámico analítico.Finalmente se aborda el desarrollo de la base de conocimiento del sistema experto, mediante la generación de reglas En el capítulo 7, Sistema de control de una planta incineradora, se analizan los objetivos de un sistema de control de una planta incineradora, su diseño e implementación. Se describen los objetivos básicos del sistema de control de la combustión, su configuración y la implementación en Matlab/Simulink utilizando las distintas herramientas que se han desarrollado en el capítulo anterior.Por último para mostrar como pueden aplicarse los distintos métodos desarrollados en esta tesis se construye un sistema experto para mantener constante la temperatura del horno actuando sobre la alimentación de residuos.Finalmente en el capítulo Conclusiones, se presentan las conclusiones y resultados de esta tesis.

Integration of knowledge-based, qualitative and numeric tools for real time dynamic systems supervision

The proposal presented in this thesis is to provide designers of knowledge based supervisory systems of dynamic systems with a framework to facilitate their tasks avoiding interface problems among tools, data flow and management. The approach is thought to be useful to both control and process engineers in assisting their tasks. The use of AI technologies to diagnose and perform control loops and, of course, assist process supervisory tasks such as fault detection and diagnose, are in the scope of this work. Special effort has been put in integration of tools for assisting expert supervisory systems design. With this aim the experience of Computer Aided Control Systems Design (CACSD) frameworks have been analysed and used to design a Computer Aided Supervisory Systems (CASSD) framework. In this sense, some basic facilities are required to be available in this proposed framework: ·

On intentional and social agents with graded attitudes

La principal contribución de esta Tesis es la propuesta de un modelo de agente BDI graduado (g-BDI) que permita especificar una arquitetura de agente capaz de representar y razonar con actitudes mentales graduadas. Consideramos que una arquitectura BDI más exible permitirá desarrollar agentes que alcancen mejor performance en entornos inciertos y dinámicos, al servicio de otros agentes (humanos o no) que puedan tener un conjunto de motivaciones graduadas. En el modelo g-BDI, las actitudes graduadas del agente tienen una representación explícita y adecuada. Los grados en las creencias representan la medida en que el agente cree que una fórmula es verdadera, en los deseos positivos o negativos permiten al agente establecer respectivamente, diferentes niveles de preferencias o de rechazo. Las graduaciones en las intenciones también dan una medida de preferencia pero en este caso, modelan el costo/beneficio que le trae al agente alcanzar una meta. Luego, a partir de la representación e interacción de estas actitudes graduadas, pueden ser modelados agentes que muestren diferentes tipos de comportamiento. La formalización del modelo g-BDI está basada en los sistemas multi-contextos. Diferentes lógicas modales multivaluadas se han propuesto para representar y razonar sobre las creencias, deseos e intenciones, presentando en cada caso una axiomática completa y consistente. Para tratar con la semántica operacional del modelo de agente, primero se definió un calculus para la ejecución de sistemas multi-contextos, denominado Multi-context calculus. Luego, mediante este calculus se le ha dado al modelo g-BDI semántica computacional. Por otra parte, se ha presentado una metodología para la ingeniería de agentes g-BDI en un escenario multiagente. El objeto de esta propuesta es guiar el diseño de sistemas multiagentes, a partir de un problema del mundo real. Por medio del desarrollo de un sistema recomendador en turismo como caso de estudio, donde el agente recomendador tiene una arquitectura g-BDI, se ha mostrado que este modelo es valioso para diseñar e implementar agentes concretos. Finalmente, usando este caso de estudio se ha realizado una experimentación sobre la flexibilidad y performance del modelo de agente g-BDI, demostrando que es útil para desarrollar agentes que manifiesten conductas diversas. También se ha mostrado que los resultados obtenidos con estos agentes recomendadores modelizados con actitudes graduadas, son mejores que aquellos alcanzados por los agentes con actitudes no-graduadas.

Time misalignments in fault detection and diagnosis

El desalineamiento temporal es la incorrespondencia de dos señales debido a una distorsión en el eje temporal. La Detección y Diagnóstico de Fallas (Fault Detection and Diagnosis-FDD) permite la detección, el diagnóstico y la corrección de fallos en un proceso. La metodología usada en FDD está dividida en dos categorías: técnicas basadas en modelos y no basadas en modelos. Esta tesis doctoral trata sobre el estudio del efecto del desalineamiento temporal en FDD. Nuestra atención se enfoca en el análisis y el diseño de sistemas FDD en caso de problemas de comunicación de datos, como retardos y pérdidas. Se proponen dos técnicas para reducir estos problemas: una basada en programación dinámica y la otra en optimización. Los métodos propuestos han sido validados sobre diferentes sistemas dinámicos: control de posición de un motor de corriente continua, una planta de laboratorio y un problema de sistemas eléctricos conocido como hueco de tensión.

El Trabajo cooperativo, su diseño y su evaluación. Dificultades y propuestas

El trabajo cooperativo se puede definir como aquella actividad realizada por dos o más personas conjuntamente de forma equitativa o proporcional, para alcanzar unos objetivos y, en definitiva, aprender. La doctrina utiliza terminología diversa, trabajo en equipo, trabajo en grupo, trabajo cooperativo, trabajo colaborativo. En algunos casos hacen distinciones claras entre unos y otros, pero en realidad son pocas las diferencias, y yo personalmente prefiero utilizar esa terminología indistintamente. El trabajo cooperativo presenta muchas ventajas para el aprendizaje y la enseñanza como se podrá comprobar. Mi experiencia docente me ha llevado a utilizar de forma regular el trabajo en grupo en el sistema de evaluación continua, de ahí mi interés en esta cuestión, especialmente porque en algunos casos he encontrado ciertas dificultades en su puesta en práctica. Estos son los motivos que me han llevado a estudiar en qué consiste realmente el trabajo colaborativo y en cómo pueden evitarse aquellas dificultades. Desde mi punto de vista para evitar la disfunción del trabajo en equipo se ha de realizar un buen diseño de las actividades, y una adecuada evaluación del proceso de aprendizaje o desarrollo de la actividad, tanto a nivel individual como de grupo. En ambos casos es fundamental la función del docente que debe programar las actividades cooperativas correctamente, pero además debe informar, dirigir, orientar, mediar, animar… durante todo el proceso de aprendizaje, dependiendo de las diferentes necesidades de cada grupo. En cuanto a la evaluación del trabajo en grupo, se han de calificar tanto el trabajo individual como el resultado final del equipo, y para ello creo muy apropiada la utilización de una serie indicadores a observar en los mecanismos interpsicológicos, distinguiendo entre tres dimensiones en el proceso de aprendizaje cooperativo: la interdependencia positiva, la construcción del significado y las relaciones psicosociales. Se prestará una especial atención a la fase de construcción del significado pues es el centro del proceso. Dichos indicadores se extraen de la observación del diálogo y discusión de los miembros del grupo entre ellos, y con el profesor, y nos dan pautas para comprobar las aportaciones de cada estudiante al equipo, su trabajo individual y su contribución al trabajo colaborativo. Esto facilitará una adecuada evaluación

Diseño, implantación y análisis de los resultados de un sistema de evaluación integral o 360º. Una propuesta alternativa en el proceso de evaluación de las competencias de trabajo en equipo

La Comunicación se enmarca dentro del análisis y efectividad que la evaluación 360 grados tiene en el desarrollo de las competencias de trabajo en equipo por parte el alumnado de la asignatura Análisis de Mercado Turístico. En la comunicación se detallan las fases de aplicación del sistema de evaluación así como los resultados obtenidos en la ejecución de la evaluación integral o 360º. En último lugar se presentan las conclusiones de la investigación, las cuales permiten plantear una metodología o sistema de evaluación novedoso y renovado en el que se mejoran y complementan los métodos de valoración de competencias así como los mecanismos formativos adscritos a los mismos

Funciones y uso de metáforas en el diseño de entornos e-learning

El objeto de esta comunicación es presentar un estudio exploratorio sobre las funciones y tipologías de metáfora estructurales presentes en productos de e-learning, para estudiar con más detalle dos ejemplos: Geolearning y Activewolds. Estos servirán para realizar un ejercicio de identificación de los elementos audiovisuales presentes en la interface, el tratamiento de las dimensiones espacio y tiempo; el uso de 'avatares' y de las posibilidades de navegación e interacción dentro de los dos sistemas. La teoría de la muldimodalidad (Kress i van Leeuwen) es el marco teórico que conduce la reflexión sobre la representación, orientación y organización de la comunicación. Desde la misma perspectiva teórica, el trabajo de Burn y Parker nos indica pautas metodológicas para el análisis de los productos