Intelligent agents to improve adaptivity in a web-based learning environment

En esta tesis se propone el uso de agentes inteligentes en entornos de aprendizaje en línea con el fin de mejorar la asistencia y motivación del estudiante a través de contenidos personalizados que tienen en cuenta el estilo de aprendizaje del estudiante y su nivel de conocimiento. Los agentes propuestos se desempeñan como asistentes personales que ayudan al estudiante a llevar a cabo las actividades de aprendizaje midiendo su progreso y motivación. El entorno de agentes se construye a través de una arquitectura multiagente llamada MASPLANG diseñada para dar soporte adaptativo (presentación y navegación adaptativa) a un sistema hipermedia educativo desarrollado en la Universitat de Girona para impartir educación virtual a través del web. Un aspecto importante de esta propuesta es la habilidad de construir un modelo de estudiante híbrido que comienza con un modelo estereotípico del estudiante basado en estilos de aprendizaje y se modifica gradualmente a medida que el estudiante interactúa con el sistema (gustos subjetivos). Dentro del contexto de esta tesis, el aprendizaje se define como el proceso interno que, bajo factores de cambio resulta en la adquisición de la representación interna de un conocimiento o de una actitud. Este proceso interno no se puede medir directamente sino a través de demostraciones observables externas que constituyen el comportamiento relacionado con el objeto de conocimiento. Finalmente, este cambio es el resultado de la experiencia o entrenamiento y tiene una durabilidad que depende de factores como la motivación y el compromiso. El MASPLANG está compuesto por dos niveles de agentes: los intermediarios llamados IA (agentes de información) que están en el nivel inferior y los de Interfaz llamados PDA (agentes asistentes) que están en el nivel superior. Los agentes asistentes atienden a los estudiantes cuando trabajan con el material didáctico de un curso o una lección de aprendizaje. Esta asistencia consiste en la recolección y análisis de las acciones de los estudiantes para ofrecer contenidos personalizados y en la motivación del estudiante durante el aprendizaje mediante el ofrecimiento de contenidos de retroalimentación, ejercicios adaptados al nivel de conocimiento y mensajes, a través de interfaces de usuario animadas y atractivas. Los agentes de información se encargan del mantenimiento de los modelos pedagógico y del dominio y son los que están en completa interacción con las bases de datos del sistema (compendio de actividades del estudiante y modelo del dominio). El escenario de funcionamiento del MASPLANG está definido por el tipo de usuarios y el tipo de contenidos que ofrece. Como su entorno es un sistema hipermedia educativo, los usuarios se clasifican en profesores quienes definen y preparan los contenidos para el aprendizaje adaptativo, y los estudiantes quienes llevan a cabo las actividades de aprendizaje de forma personalizada. El perfil de aprendizaje inicial del estudiante se captura a través de la evaluación del cuestionario ILS (herramienta de diagnóstico del modelo FSLSM de estilos de aprendizaje adoptado para este estudio) que se asigna al estudiante en su primera interacción con el sistema. Este cuestionario consiste en un conjunto de preguntas de naturaleza sicológica cuyo objetivo es determinar los deseos, hábitos y reacciones del estudiante que orientarán la personalización de los contenidos y del entorno de aprendizaje. El modelo del estudiante se construye entonces teniendo en cuenta este perfil de aprendizaje y el nivel de conocimiento obtenido mediante el análisis de las acciones del estudiante en el entorno.

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.

Museologial action's main fields

Museology has emerged and has been organised as a field of knowledge, precisely to frame the technical, theoretical and methodological aspects, regarding the constitution, implementation and evaluation of the processes that societies establish for the selection, treatment and extroversion of the memory indicators, transforming them into patrimonial references and projecting them into the constitutive fields of cultural heritage. It is therefore, one of the areas of knowledge that deals with the framing of heritage and their professionals are agents of memory education. The constitution of the parameters that define and delimit the museological action field has been outlined in the course of the centuries, if we consider the technical efforts related to the identification and organisation of collections, in addition to the curatorial treatment of specimens from nature, of objects, of the intangible heritage registers. The same length of elaboration is true if we evaluate the communication initiatives and of education of the senses.

La propiedad industrial y el componente intangible de la biodiversidad

El conocimiento y la tecnología constituyen el objeto jurídico de la propiedad industrial, concepto que la disciplina de la propiedad intelectual del derecho ha construido con el fin de regular el circuito económico en que la ciencia y la técnica se transforman por sí mismos en objetos sobre los que versan las relaciones sociojurídicas de propiedad. ¿Pero qué sucede cuando hablamos del conocimiento y las técnicas que han sido generadas por las culturas como las amazónicas en donde las definiciones de propiedad, comercio y tecnología son relativamente nuevas y se hallan imbricadas de nociones distintas del mundo?, más aún ¿Es posible convertir tales conocimientos y prácticas en objetos jurídicos de la propiedad industrial? En este estudio se intenta contestar estas preguntas relacionando el objeto jurídico de la propiedad industrial y los componentes intangibles de la biodiversidad.

Una reflexión sobre el patrimonio oral e intangible: el pueblo Zápara

En la presente tesis se hace una reflexión sobre el proceso de reconocimiento de la cultura de las comunidades záparas del Ecuador y Perú, como parte del Patrimonio Oral e Inmaterial de la Humanidad. Para dilucidar este proceso, se analizarán dos hechos significativos implícitos en él. El primero, el fortalecimiento organizativo e identitario del movimiento indígena ecuatoriano, dentro del cual nació la nacionalidad zápara organizada social y políticamente; y el segundo, la noción tradicional de Patrimonio Cultural, enfocada desde una visión monumentalista, así como el surgimiento la nueva categoría de Patrimonio Intangible, instaurada por la UNESCO. Desde esta perspectiva se abren nuevas lógicas para entender la cultura, creando espacios en los que tengan cabida la diversidad cultural y sus manifestaciones culturales. Finalmente, se expondrán las visiones, percepciones y vivencias de las distintas instancias locales involucradas en la candidaturización al pueblo zápara como Patrimonio Oral e Inmaterial de la Humanidad, así como las implicaciones y trascendencia de este reconocimiento internacional para el pueblo zápara.

El componente intangible asociado a la biodiversidad en las sociedades indígenas amazónicas y el objeto jurídico de la propiedad industrial en el derecho moderno

La presente tesis trata sobre los conocimientos y técnicas tradicionales cura ti vas de los pueblos indígenas amazónicos, asociados a la biodiversidad y la factibilidad de que se constituyan en objeto jurídico de la propiedad industrial en el régimen de las invenciones. Dicho régimen tiene como objeto jurídico el hallazgo inventivo aplicable industrialmente, novedoso y no evidente. Los conocimientos y técnicas tradicionales conforman un objeto jurídico, el denominado componente intangible, en tanto que la biodiversidad, a la que se asocian, forma un distinto objeto jurídico, sin embargo las características de ambos imposibilitan el que puedan regularse en el ámbito de la propiedad industrial inventiva. Los componentes intangibles como las prácticas cura ti vas no pueden enmarcarse dentro del régimen inventivo industrial por ser un conjunto de constataciones de hechos que se dan en la naturaleza circundante y que es utilizado por medio de técnicas determinadas por la cosmogonía de cada grupo étnico pero compartidas ampliamente, caracterizándose dichas técnicas por aprovechar la biodiversidad sin afectar cualitativamente su estado efectivo. Sin embargo los componentes intangibles son un objeto jurídico sobre el cual existen derechos y obligaciones de los cuales las comunidades son los titulares. Se recomienda por lo tanto un sistema contractual que permita a comunidades y empresas interesadas en sus conocimientos negociar en un marco jurídico en que se prevea la protección y justa compensación para los proveedores de intangibles. La biodiversidad, producto de naturales procesos biológicos, es un recurso y toca al Estado su administración.

Diseño de un modelo de gestión del capital intangible en empresas del sector turístico Caso: Quindetour

La presente tesis investigativa: “Diseño de un Modelo de Gestión del Capital Intangible en Empresas del Sector Turístico. Caso: Quindetour” se encuentra compuesta de tres capítulos: 1.- El capital intangible, 2.- El modelo de negocio y su relación con el capital intangible y 3.- Diseño del modelo de gestión del capital intangible. El primer capítulo contiene el marco teórico, donde se realiza una descripción y análisis de los principales conceptos sobre el capital intangible en las empresas, sus diferentes dimensiones y métodos de evaluación. En el segundo capítulo se presenta un estudio sobre el modelo de gestión y la estrategia del negocio y su relación con el capital intangible. Por último, en el tercer capítulo se detalla el diseño del modelo de gestión del capital intangible para la empresa Quindetour. El método de investigación es de tipo exploratorio y descriptivo; se identifica y analiza el capital humano, el capital estructural y el capital relacional. Se determinan las acciones que debe implementar la empresa Quindetour en su modelo actual de gestión del capital intangible. Quindetour Cía. Ltda., se constituyó en el año 2011 como una empresa operadora turística del “Quito Tour Bus”. Su operación se realiza mediante el sistema “Hop On – Hop Off” lo que le permite al pasajero subir y bajar en 12 paradas establecidas a lo largo de la ciudad de Quito y recibir información sobre los atractivos turísticos del lugar.

Lo que el tiempo se llevó: el pueblo zápara como patrimonio intangible

El proceso de reconocimiento de la cultura de las comunidades záparas de Ecuador y Perú como parte del patrimonio oral e inmaterial de la humanidad es el tema de reflexión de este libro. La autora analiza dos hechos significativos: el fortalecimiento organizativo e identitario del movimiento indígena ecuatoriano, dentro del cual se constituyó política y socialmente la nacionalidad zápara; y la noción tradicional de patrimonio cultural, enfocada desde una visión monumentalista, a raíz de la instauración de una nueva categoría de patrimonio intangible por parte de la UNESCO. Las visiones, percepciones y vivencias de las instancias nacionales e internacionales involucradas en la candidatura del pueblo zápara como patrimonio oral e inmaterial de la humanidad, constituyen un escenario único para la reflexión de este proceso.

Collaborative eLearning Assistant Network: caring agents are conscious agents

Would a research assistant - who can search for ideas related to those you are working on, network with others (but only share the things you have chosen to share), doesn’t need coffee and who might even, one day, appear to be conscious - help you get your work done? Would it help your students learn? There is a body of work showing that digital learning assistants can be a benefit to learners. It has been suggested that adaptive, caring, agents are more beneficial. Would a conscious agent be more caring, more adaptive, and better able to deal with changes in its learning partner’s life? Allow the system to try to dynamically model the user, so that it can make predictions about what is needed next, and how effective a particular intervention will be. Now, given that the system is essentially doing the same things as the user, why don’t we design the system so that it can try to model itself in the same way? This should mimic a primitive self-awareness. People develop their personalities, their identities, through interacting with others. It takes years for a human to develop a full sense of self. Nobody should expect a prototypical conscious computer system to be able to develop any faster than that. How can we provide a computer system with enough social contact to enable it to learn about itself and others? We can make it part of a network. Not just chatting with other computers about computer ‘stuff’, but involved in real human activity. Exposed to ‘raw meaning’ – the developing folksonomies coming out of the learning activities of humans, whether they are traditional students or lifelong learners (a term which should encompass everyone). Humans have complex psyches, comprised of multiple strands of identity which reflect as different roles in the communities of which they are part – so why not design our system the same way? With multiple internal modes of operation, each capable of being reflected onto the outside world in the form of roles – as a mentor, a research assistant, maybe even as a friend. But in order to be able to work with a human for long enough to be able to have a chance of developing the sort of rich behaviours we associate with people, the system needs to be able to function in a practical and helpful role. Unfortunately, it is unlikely to get a free ride from many people (other than its developer!) – so it needs to be able to perform a useful role, and do so securely, respecting the privacy of its partner. Can we create a system which learns to be more human whilst helping people learn?