Comprensión de lectura y metacognición en jóvenes, una herramienta para el éxito en la comprensión de lectura : estudio descriptivo exploratorio en niños de once a trece años de edad que cursan primero de bachillerato, pertenecientes al Colegio Gimnasio Los Robles de Bogota D.C.

La lectura como actividad cognitiva, implica una serie de procesos y estrategias mentales que el estudiante debe dominar, con el fin de comprender y hacer consciente estas estrategias, utilizándolas como una función instrumental para la adquisición de nuevos conocimientos que en su mayoría se manifiestan como demandas escolares. Actualmente los problemas de comprensión del lectura que presentan los estudiantes jóvenes, se deben a la falta de eficiencia en el empleo de las estrategias durante el proceso de la lectura dejando ver un aprendizaje mecánico y memorístico basado en la decodificación de signos escritos. Es así como la Metacognición se configura como una alternativa de solución, basada en el control que tiene el sujeto de sus destrezas o procesos cognitivos, de pensamiento y de la habilidad para dar y darse cuenta de estos procesos a la hora de leer, a través del manejo de estrategias para cada momento del proceso lector (Baker y Brown, 1981; Flavell, 1976). Por consiguiente el proyecto de comprensión de lectura y metacognición en jóvenes estará dirigido a la enseñanza explicita de las estrategias metacognitivas para mejorar el nivel de comprensión de lectura.

Análisis de la implementación de repositorios digitales en la OPS

Primera conferencia. Bibliotecas y Repositorios Digitales: Gestión del Conocimiento, Acceso Abierto y Visibilidad Latinoamericana. (BIREDIAL) Mayo 9 al 11 de 2011. Bogotá, Colombia.

An artificial economy based on reinforcement learning and agent based modeling

In this paper, we employ techniques from artificial intelligence such as reinforcement learning and agent based modeling as building blocks of a computational model for an economy based on conventions. First we model the interaction among firms in the private sector. These firms behave in an information environment based on conventions, meaning that a firm is likely to behave as its neighbors if it observes that their actions lead to a good pay off. On the other hand, we propose the use of reinforcement learning as a computational model for the role of the government in the economy, as the agent that determines the fiscal policy, and whose objective is to maximize the growth of the economy. We present the implementation of a simulator of the proposed model based on SWARM, that employs the SARSA(λ) algorithm combined with a multilayer perceptron as the function approximation for the action value function.