Estudio bibliográfico de sistemas educativos en el ámbito de la inteligencia artificial

Este informe trata de reunir en un documento la revisión bibliográfica realizada como base necesaria para el desarrollo de una tesis doctoral sobre las interacciones entre profesores y alumnos en las sesiones tradicionales de aprendizaje. Nuestra investigación se enmarca en los trabajos del grupo GALAN de la Facultad de Informática de San Sebastián de la UPV-EHU, que se dedica desde sus comienzos al desarrollo de herramientas educativas flexibles dotadas de comportamiento inteligente. En este informe presentamos un estudio bibliográfico de sistemas educativos en el ámbito de la inteligencia artificial. En particular se centra en los siguientes aspectos: tutores inteligentes, sistemas educativos para la web y herramientas de ayuda al profesor. Además se incluye una revisión del modelado de usuario y un estudio de técnicas para el análisis de datos.

Técnicas de Inteligencia Artificial integradas en una aplicación de gestión para una casa rural en JQueryMobile y Protégé Frames.

Este proyecto plantea el reto de realizar una aplicación web para la gestión y control de una casa rural desde dispositivos móviles como smartphones y tabletas, con una interfaz de propietario para gestionar de manera dinámica las diferentes partes de la misma, así como la inclusión de una zona de niños donde se aplicarán tecnologías de Inteligencia Artificial en concreto representación del conocimiento mediante “frames”, donde se permitirá a los usuarios realizar preguntas al sistema para intentar adivinar un árbol que previamente la propietaria de la casa rural habrá establecido. El objetivo no es elaborar un sistema experto, tarea que requeriría muchas más horas que las que corresponden a un proyecto de fin de carrera, sino comprobar la posibilidad de integración de estas herramientas en una aplicación orientada a dispositivos móviles. Se emplearán las funcionalidades de HTML5 para la inclusión de la “zona explorador” donde los niños podrán geo localizar árboles, así como su posterior búsqueda a modo de GPS donde los usuarios podrán ver donde está situado el árbol que desean buscar y su posición actual, la cual se irá actualizando automáticamente.

Inteligencia artificial para la detección y el diagnóstico de fallos

L' ús de tècniques de la intel·ligència artificial per a la detecció, la diagnòsi i control d' errors

¿Pueden pensar las máquinas? Una evaluación del problema de la inteligencia artificial mediante el equilibrio refractivo

Revisión del problema de la filosofía de la Inteligencia Artificial a la vista del Equilibrio refractivo. La revisión del problema se lleva a cabo para mostrar como "¿pueden pensar las máquinas?" sólo se ha evaluado en los terminos humanos. El equilibrio refractivo se plantea como una herramienta para definir conceptos de tal modo que la experiencia y los preceptos se encuentren en equilibrio, para con él construir una definición de pensar que no esté limitada exclusivamente a "pensar tal y como lo hacen los humanos".

Intelúligència artificial. 'Inteligencia artificial'.

El autor comenta los avances que se han producido en la inteligencia de los ordenadores y la compara con la inteligencia humana. Nos explica detalladamente la diferencia entre las dos maneras de 'pensar'.

Inteligencia artificial y artificios intelectuales.

Valorar críticamente el desarrollo de la investigación en inteligencia y elaborar un modelo general de inteligencia. El objeto de estudio es el constructo de inteligencia y conceptos afines (inteligencia artificial, sistemas de procesamiento de información). Consta de tres partes. La primera consiste una revisión del marco teórico de la inteligencia desde la perspectiva de la Psicología de la Inteligencia. La segunda consiste en una revisión de las aportaciones de la investigación de la inteligencia artificial. Y la tercer consta de la descripción de los elementos teóricos de las dos disciplinas estudiadas que son coioncidentes, con el objeto de elaborar un modelo general de la inteligencia. Bibliografía, tests. Comparación, principios factoriales, análisis, epistemológico, correlaciones. Al ser una investigación básicamente epistemológica es difícil describir los resultados y comparaciones que va realizando. Por una parte realiza la identificación de los defectos e irregularidades de la investigación clásica en inteligencia y por otra argumenta la definición de un nuevo modelo de inteligencia más general. A través de argumentaciones, descripciones y comparaciones llega a la conclusión que las diferentes líneas de investigación en inteligencia son unificables, reestructurando el valor de las variables conducta, procesamiento y sujetos potencialmente inteligentes, en un modelo multidisciplinar de inteligencia.

Inteligencia artificial y modelos de aprendizaje.

Este estudio especifica las aplicaciones de redes semánticas para la resolución de problemas en el proceso de enseñanza-aprendizaje. El sistema está orientado de forma que el estudiante se ve involucrado en dicho proceso, permitiéndosele el control total de la sesión de entrenamiento con el objetivo añadido de estimular los procesos metacognitivos; es un sistema interactivo. Para el aprendizaje del estudiante se utiliza un modelo cognitivo como un tipo de diagrama de circuito del procedimiento. El diagnóstico y la presentación del problema contenido en el programa de ordenador, junto con los procedimientos de la instrucción, pueden presentarse direccionalmente de forma diferenciada para cada individuo.

Mecanismos de aprendizaje retroactivo con inteligencia artificial.

Presenta un sistema de aprendizaje gestionado por ordenador representando el papel del tutor personalizado para materias científicas como las Matemáticas, Física y Química. Comienza con un estudio del aprendizaje gestionado por ordenador y un análisis de los proyectos y productos europeos. Se estudia el aprendizaje en las áreas de Matemáticas, Física y Química para estudiantes de BUP y COU, centrándose en: principios, leyes y factores de eficacia, estrategias de parendizaje, aprendizaje intuitivo y automático. El proceso se divide en: entrenamiento, trabajo, repaso y examen dando nombre al sistema ETRE. La dinámica impuesta por el método implica la obtención automática de diagramas inferenciales, reglas y meta-reglas con la que fundamentar la actuación de un sistema experto capaz de ayudar y emular al profesor tutor humano.

Arquitecturas emocionales en Inteligencia Artificial : una propuesta unificadora.

Monográfico con el título: 'Estudio de los comportamientos emocionales en la red'. Resumen basado en el de la publicación

Exploración del aprendizaje de los estudiantes haciendo uso de ambientes colaborativos : enseñando Inteligencia Artificial.

Resumen basado en el de la publicación

Inteligencia artificial en la operación de redes eléctricas: aplicación a sistemas aislados

Doctorado en Sistemas Inteligentes y Aplicaciones Numéricas de Ingeniería

Aplicación de técnicas de inteligencia artificial a la predicción de contaminantes atmosféricos

Abstract Air pollution is a big threat and a phenomenon that has a specific impact on human health, in addition, changes that occur in the chemical composition of the atmosphere can change the weather and cause acid rain or ozone destruction. Those are phenomena of global importance. The World Health Organization (WHO) considerates air pollution as one of the most important global priorities. Salamanca, Gto., Mexico has been ranked as one of the most polluted cities in this country. The industry of the area led to a major economic development and rapid population growth in the second half of the twentieth century. The impact in the air quality is important and significant efforts have been made to measure the concentrations of pollutants. The main pollution sources are locally based plants in the chemical and power generation sectors. The registered concerning pollutants are Sulphur Dioxide (SO2) and particles on the order of ∼10 micrometers or less (PM10). The prediction in the concentration of those pollutants can be a powerful tool in order to take preventive measures such as the reduction of emissions and alerting the affected population. In this PhD thesis we propose a model to predict concentrations of pollutants SO2 and PM10 for each monitoring booth in the Atmospheric Monitoring Network Salamanca (REDMAS - for its spanish acronym). The proposed models consider the use of meteorological variables as factors influencing the concentration of pollutants. The information used along this work is the current real data from REDMAS. In the proposed model, Artificial Neural Networks (ANN) combined with clustering algorithms are used. The type of ANN used is the Multilayer Perceptron with a hidden layer, using separate structures for the prediction of each pollutant. The meteorological variables used for prediction were: Wind Direction (WD), wind speed (WS), Temperature (T) and relative humidity (RH). Clustering algorithms, K-means and Fuzzy C-means, are used to find relationships between air pollutants and weather variables under consideration, which are added as input of the RNA. Those relationships provide information to the ANN in order to obtain the prediction of the pollutants. The results of the model proposed in this work are compared with the results of a multivariate linear regression and multilayer perceptron neural network. The evaluation of the prediction is calculated with the mean absolute error, the root mean square error, the correlation coefficient and the index of agreement. The results show the importance of meteorological variables in the prediction of the concentration of the pollutants SO2 and PM10 in the city of Salamanca, Gto., Mexico. The results show that the proposed model perform better than multivariate linear regression and multilayer perceptron neural network. The models implemented for each monitoring booth have the ability to make predictions of air quality that can be used in a system of real-time forecasting and human health impact analysis. Among the main results of the development of this thesis we can cite: A model based on artificial neural network combined with clustering algorithms for prediction with a hour ahead of the concentration of each pollutant (SO2 and PM10) is proposed. A different model was designed for each pollutant and for each of the three monitoring booths of the REDMAS. A model to predict the average of pollutant concentration in the next 24 hours of pollutants SO2 and PM10 is proposed, based on artificial neural network combined with clustering algorithms. Model was designed for each booth of the REDMAS and each pollutant separately. Resumen La contaminación atmosférica es una amenaza aguda, constituye un fenómeno que tiene particular incidencia sobre la salud del hombre. Los cambios que se producen en la composición química de la atmósfera pueden cambiar el clima, producir lluvia ácida o destruir el ozono, fenómenos todos ellos de una gran importancia global. La Organización Mundial de la Salud (OMS) considera la contaminación atmosférica como una de las más importantes prioridades mundiales. Salamanca, Gto., México; ha sido catalogada como una de las ciudades más contaminadas en este país. La industria de la zona propició un importante desarrollo económico y un crecimiento acelerado de la población en la segunda mitad del siglo XX. Las afectaciones en el aire son graves y se han hecho importantes esfuerzos por medir las concentraciones de los contaminantes. Las principales fuentes de contaminación son fuentes fijas como industrias químicas y de generación eléctrica. Los contaminantes que se han registrado como preocupantes son el Bióxido de Azufre (SO2) y las Partículas Menores a 10 micrómetros (PM10). La predicción de las concentraciones de estos contaminantes puede ser una potente herramienta que permita tomar medidas preventivas como reducción de emisiones a la atmósfera y alertar a la población afectada. En la presente tesis doctoral se propone un modelo de predicción de concentraci ón de los contaminantes más críticos SO2 y PM10 para cada caseta de monitorización de la Red de Monitorización Atmosférica de Salamanca (REDMAS). Los modelos propuestos plantean el uso de las variables meteorol ógicas como factores que influyen en la concentración de los contaminantes. La información utilizada durante el desarrollo de este trabajo corresponde a datos reales obtenidos de la REDMAS. En el Modelo Propuesto (MP) se aplican Redes Neuronales Artificiales (RNA) combinadas con algoritmos de agrupamiento. La RNA utilizada es el Perceptrón Multicapa con una capa oculta, utilizando estructuras independientes para la predicción de cada contaminante. Las variables meteorológicas disponibles para realizar la predicción fueron: Dirección de Viento (DV), Velocidad de Viento (VV), Temperatura (T) y Humedad Relativa (HR). Los algoritmos de agrupamiento K-means y Fuzzy C-means son utilizados para encontrar relaciones existentes entre los contaminantes atmosféricos en estudio y las variables meteorológicas. Dichas relaciones aportan información a las RNA para obtener la predicción de los contaminantes, la cual es agregada como entrada de las RNA. Los resultados del modelo propuesto en este trabajo son comparados con los resultados de una Regresión Lineal Multivariable (RLM) y un Perceptrón Multicapa (MLP). La evaluación de la predicción se realiza con el Error Medio Absoluto, la Raíz del Error Cuadrático Medio, el coeficiente de correlación y el índice de acuerdo. Los resultados obtenidos muestran la importancia de las variables meteorológicas en la predicción de la concentración de los contaminantes SO2 y PM10 en la ciudad de Salamanca, Gto., México. Los resultados muestran que el MP predice mejor la concentración de los contaminantes SO2 y PM10 que los modelos RLM y MLP. Los modelos implementados para cada caseta de monitorizaci ón tienen la capacidad para realizar predicciones de calidad del aire, estos modelos pueden ser implementados en un sistema que permita realizar la predicción en tiempo real y analizar el impacto en la salud de la población. Entre los principales resultados obtenidos del desarrollo de esta tesis podemos citar: Se propone un modelo basado en una red neuronal artificial combinado con algoritmos de agrupamiento para la predicción con una hora de anticipaci ón de la concentración de cada contaminante (SO2 y PM10). Se diseñó un modelo diferente para cada contaminante y para cada una de las tres casetas de monitorización de la REDMAS. Se propone un modelo de predicción del promedio de la concentración de las próximas 24 horas de los contaminantes SO2 y PM10, basado en una red neuronal artificial combinado con algoritmos de agrupamiento. Se diseñó un modelo para cada caseta de monitorización de la REDMAS y para cada contaminante por separado.