Palabras clave: sistemas de enseñanza inteligentes, análisis cognitivo de tareas y sistemas reactivos.

El objetivo de este artículo es hacer una revisión de las diferentes técnicas utilizadas para aplicar la inteligencia artificial en los sistemas de enseñanza inteligentes. Se analizarán las distintas técnicas en torno a los cuatro componentes de una arquitectura tradicional: módulo del dominio, modelo de estudiante, módulo tutorial e interfaz. Se explicarán las distintas formas de control incluyendo un control para sistemas de enseñanza reactivo. Lo anterior se acompañará con la descripción de distintos sistemas de enseñanza inteligentes.

[English]

1. INTRODUCCIÓN

En este artículo se hace una revisión de algunos de los Sistemas de Enseñanza Inteligentes existentes (SEIs), describiendo su comportamiento con base en las técnicas de diseño utilizadas en sus cuatro componentes.

Empezaremos por el tipo de conocimiento que puede ser transmitido por un sistema de enseñanza inteligente (SEI): Procedimental (relacionado con habilidades), declarativo (relacionado con hechos o conceptos) y cualitativo (relacionado con la habilidad mental de simular y razonar con base en procesos dinámicos).

El objetivo de un SEI es tener la capacidad de adaptación durante el proceso tutorial. Este objetivo se logra inter-relacionando los cuatro componentes básicos del sistema: 1) módulo del dominio o módulo experto, 2) modelo del estudiante, 3) módulo tutorial y 4) interfaz.

Este tipo de sistemas necesitan utilizar técnicas de inteligencia artificial para: a) representar el conocimiento que el sistema tiene del dominio y b) controlar el proceso tutorial y los métodos bajo los cuales son aplicados estos principios.

A continuación se describen las características y las diferentes técnicas de diseño que los componentes de un SEI pueden utilizar para lograr el objetivo antes mencionado.
.

2. El módulo del dominio o módulo experto

En este componente vamos a encontrar el conocimiento específico y detallado, obtenido de los expertos humanos que llevan años dedicándose a la tarea cognitiva (TC) que se pretende enseñar. Las investigaciones en este campo se centran en cómo codificar el conocimiento y cómo representar la experticia. Existen diferentes técnicas para abordar el problema: a) caja negra (Black Box), b) caja de cristal (Glass Box) y c) modelos cognitivos. Las tres tienen ventajas y desventajas cuando se utilizan en la construcción de un SEI.

2. 1 Experto caja negra

En este tipo de representación, el conocimiento se encuentra compilado, esto es, la respuesta se dirige basándose en entradas y salidas, lo que proporciona una medida de lo correcto del resultado, pero no tenemos acceso al detalle de por qué se tomó una determinada decisión.

El ejemplo clásico de este tipo de tutores es SOPHIE Burton y Bell (1975), que utilizaba un simulador electrónico de propósito general. Se trataba de enseñar a los estudiantes cómo encontrar fallas en un circuito electrónico. El tutor utilizaba su simulador para determinar si las medidas que el estudiante realizaba sobre varios puntos del circuito eran correctas.

El simulador trabajaba con base en un conjunto de ecuaciones, no como lo haría un humano, por lo que no era posible para SOPHIE explicar las decisiones en detalle.

Este tipo de representación puede utilizarse con entornos de aprendizaje reactivos, que indique al estudiante si la operación realizada es correcta o incorrecta y, posiblemente, cuál es el siguiente movimiento apropiado. Esta combinación de tutor reactivo y caja negra es una filosofía interesante a la hora de crear un SEI basado en sistemas expertos (no limitados a cajas negras), ya que permite ahorrar tiempo en la fase de implementación.

En el caso de SOPHIE el tutor funcionó bien con su entorno reactivo, aunque se hicieron versiones posteriores de SOPHIE: Brown, Burton y deKleer (1982), en los que se incorporó un modelo causal de circuitos orientado a permitir la explicación de decisiones en detalle.

Sin embargo, un SEI, no debe limitarse a decir correcto/incorrecto, sino que tiene que saber qué puntos son críticos, o cuándo se debe explicar con más detalle. Existen otras técnicas, como el experto caja de cristal, que contemplan este otro aspecto de los sistemas de adiestramiento.

2. 2 Experto caja de cristal

La metodología básica para construir este tipo de experto involucra a un ingeniero del conocimiento y a un experto en el dominio. Este último identifica el área y el alcance del problema. En esta etapa se enumeran y formalizan los conceptos claves del dominio, formulando un sistema para implementar el conocimiento y finalmente de manera iterativa probarlo y refinarlo.

Estos sistemas se caracterizan por contener de forma articulada una gran cantidad de conocimiento experto. Su construcción se divide básicamente en dos etapas: la primera se refiere a la adquisición del conocimiento (tiempo consumido para construir el componente experto), y la segunda trata de automatizar este conocimiento.

Debido a que el sistema experto resultante contiene conocimiento menos compilado, la enseñanza resulta más factible que con un experto de caja negra. En este tipo de sistema experto la experticia del conocimiento humano queda representada de forma articulada. Lo anterior conlleva la ventaja de poder llegar a niveles de detalle más profundos durante la enseñanza del conocimiento, motivo del sistema.

Una de las principales conclusiones de GUIDON fue que no sólo se debe atender a la representación del conocimiento en el módulo experto, sino también a la forma en que se presenta ese conocimiento. Para que un tutor actúe de forma apropiada el módulo experto debe desplegar ese conocimiento en la forma en que lo hacen los humanos, de acuerdo con sus restricciones.

Los trabajos de Clancy, de gran importancia, mostraron que los SEI están limitados si sólo usan sistemas expertos para su proceso tutorial. Esta última reflexión es la que ha conducido a la utilización de modelos cognitivos.

2. 3 Los modelos cognitivos

El objetivo de un modelo cognitivo es desarrollar una efectiva simulación de la solución del problema en un determinado dominio desde el punto de vista del humano. En esta técnica el conocimiento se divide en componentes que guardan una relación directa con la forma en que el humano los clasifica y los utiliza.

El mérito de esta aproximación es que proporciona un módulo experto cuya taxonomía permite un proceso tutorial y una comunicación más profunda con el estudiante. Aunque ha habido avances importantes en las ciencias cognitivas en los últimos diez años, estos modelos requieren gran cantidad de tiempo en su desarrollo, por el gran número de detalles que tienen que ser incorporados.

En esta técnica se tienen que considerar básicamente tres cuestiones: qué componentes procedentes del análisis cognitivo son importantes para el proceso tutorial, con qué nivel deben ser representados los componentes, y, finalmente, cómo deben ser tratados los diferentes tipos de conocimiento: procedimental, declarativo y cualitativo en esta técnica de modelado.

Makatsiná Laureano y de Arriaga (1999) y Laureano y de Arriaga (2000), es un SEI donde se utiliza un modelo cognitivo cuyo análisis y diseño se desarrolló de acuerdo a las investigaciones realizadas por Castañeda (1993), Redding (1992) y Ryder & Redding (1993). El resultado de este análisis es conocer el número de habilidades que se integran en una de mayor complejidad. El sistema Makatsiná centra su enseñanza en el aprendizaje de la habilidad para resolver estructuras triangulares por el método de los nodos, de acuerdo a la filosofía reactiva Beer ( 1990).

Existen otros SEIs en que se han utilizado modelos cognitivos con el fin de esclarecer el proceso de la enseñanza Fletcher y Harris (1996), Gott (1989).

2. 4 Diferentes tipos de conocimiento

Otro de los aspectos importantes de este módulo experto es el referente al tipo de conocimiento que manejará, ya que ello conlleva la forma en la que será representado.

2. 4. 1 El conocimiento procedimental

Se refiere básicamente al conocimiento que subyace al desarrollo de una tarea y está directamente relacionado con las reglas de producción consideradas por los investigadores como una representación que capta lo esencial del proceso humano con su mecanismo cíclico de válida-actúa (si - entonces). Tal es el caso de los sistemas LMS, que enseñan procedimientos algebraicos Sleeman y Brown (1982), BIP; enseña programación en BASIC Barr, Beard y Atkinson (1976), MENO; enseña programación en Pascal Woolf y McDonald (1984), WEST; enseña aritmética a nivel elemental Burton y Brown (1982), CAPRA; enseña programación Fernández (1989) y Makatsiná; enseña la habilidad de la resolución de estructuras triangulares por el método de los nodos Laureano, Arriaga y Martínez (1999).

2. 4. 2 El conocimiento declarativo

Este tipo de conocimiento se refiere básicamente a hechos que guardan relación con un uso especializado para un caso particular. Es como decir América fue descubierta por Cristóbal Colón, pues esta frase representa un hecho concreto y aislado. Tal es el caso de los sistemas: SCHOLAR, de enseñanza de geografía de Sudamérica Carbonell (1970), WHY, de enseñanza de meteorología (básicamente posibilidades de lluvia y los factores que en ellas influyen), LISP Tutor, que enseñaba el conocimiento declarativo del lenguaje LISP Anderson y Reiser (1985) y GUIDON.

2. 4. 3 El conocimiento cualitativo

Es el conocimiento que subyace en la habilidad de los humanos para simular y razonar con respecto a procesos dinámicos de manera mental. Un ejemplo de este tipo de conocimiento lo encontramos en SOPHIE Brown, Burton y Bell (1975).

2. 5 Representación del conocimiento

Dentro de los formalismos que existen para representar el conocimiento procedimental, contamos con: reglas de producción y expertos compilados. El tipo de representación elegida está íntimamente ligada a la técnica que será utilizada para detectar los errores y para la intervención tutorial. Por eso es tan importante.

2. 5. 1 Reglas de producción

Dentro de los sistemas de producción que utilizan reglas de producción Laureano (1995) existen muchas variaciones, pero todos involucran un conjunto de reglas, que emparejan con una memoria de trabajo de hechos, para ser disparadas. Dentro de las ventajas para el proceso tutorial se encuentra el hecho de que el módulo tutor pueda realizar sus decisiones con base en correr una simulación del aprendizaje deseado. Otra es la modularidad de poderlas aplicar por bloques, algo inherente al proceso de enseñanza, y, finalmente, el estado de conocimiento del estudiante puede ser diagnosticado como un conjunto de reglas de producción. Ejemplo de esto último son LISP Tutor Anderson y Reiser (1985) y LMS Sleeman y Brown (1982).

2. 5. 2 El experto compilado

Se utiliza cuando por limitaciones en los requerimientos del equipo o por no resultar conveniente, no se utiliza el modo de representación de reglas de producción. En este caso se compilan las soluciones de los problemas o la mayor parte de los cálculos de la solución. Este tipo de representación se conoce en la literatura como 'compiling the expert out' Anderson (1988) y obliga a un diseño que tenga en cuenta estructuras de archivo que permitan un fácil y rápido acceso a disco. Existen implementaciones de estas bases de datos en hardware. Con esta técnica se pierde la capacidad de resolver cualquier problema propuesto por el estudiante. Sus características permiten implementar el proceso tutorial desde otra perspectiva.

Como ejemplo de SEI que utiliza al experto compilado, está Makatsiná Laureano, Arriaga y Martínez (1999), en el que se combina este último con reglas, básicamente por el tipo de proceso tutorial que se realiza: entrenador-deportivo, aplicado a una tarea cognitiva que conlleva integrar habilidades. Uno de los factores que influyó en la elección del experto compilado, es la restricción de que un sistema reactivo debe conocer el siguiente paso de antemano.

3. El modelo de estudiante

Este módulo contiene todos los datos en un instante dado del estudiante y sirve para diagnosticar los efectos del proceso tutorial. Esta información se utiliza para elegir el siguiente tema de enseñanza y qué tipo de táctica será la adecuada para el adiestramiento. En caso de error será considerada una táctica remedial.

El modelo del estudiante consta de dos componentes: a) la base de datos que representa el comportamiento del estudiante durante el proceso tutorial y b) el proceso de diagnóstico que manipula la base de datos.

3. 1 Dimensiones del espacio, a ser consideradas en el modelo del estudiante

De acuerdo a VanLehn (1988) existen tres espacios a considerar en la modelización del estudiante: 1) el ancho de banda, 2) tipo de conocimiento a ser enseñado y 3) diferencias entre el estudiante y el experto.

3. 1. 1 El ancho de banda

Se refiere a la entrada de diferentes tipos de información, que permiten saber qué es lo que el estudiante está haciendo o diciendo. La cantidad y la calidad de esta información es importante, ya que ésta se comunica al componente de diagnóstico. Este componente utiliza esta información, en sus inferencias y creencias, con respecto al estado del usuario.

VanLehn propone los siguientes niveles de información, autocontenidos, en orden decreciente, de acuerdo a la información que pueden proporcionar:

· Nivel. Estados Mentales.
· Nivel. Estados Intermedios.
· Nivel. Estados Finales.

En el nivel más alto se encuentran los estados mentales por donde atraviesa el estudiante cuando resuelve un problema. Estos a su vez tendrán estados intermedios, los cuales a su vez contendrán a los estados finales.

Un estado mental podría ser aquel que reflejase los estados mentales por donde el usuario puede atravesar durante la resolución de un problema. En el caso de los estados intermedios, éstos están formados por los cambios de estados que guían la solución de un problema, desde su estado inicial hasta su estado final. Estos estados son los que interesan al proceso tutorial. Los estados finales son, como su nombre lo indica, el estado final de la solución de un problema.

Entre más información tenga el módulo de diagnóstico, obviamente éste será mejor. Pero no siempre se puede tener acceso a los estados intermedios. Por otro lado, no existe forma de accesar los modelos mentales desde un SEI (sería tanto como poder ver lo que el estudiante tiene en cada momento del desarrollo del problema en su mente). A través de preguntas se puede llegar a una aproximación.
La información obtenida del ancho de banda es importante en el sentido que de ella depende el algoritmo a usar en el diagnóstico.

3. 1. 2 El Tipo de conocimiento

Se refiere a las diferentes técnicas de tratamiento existentes, de acuerdo a la clasificación del conocimiento: procedimental, declarativo o cualitativo.

En el caso del conocimiento procedimental, que está incluido en la resolución de un problema, hace falta una clase de interpretación que relacione al modelo del estudiante con el conocimiento de resolución del problema, debido a que el intérprete tiene que tomar decisiones basadas en conocimiento local. Existen dos tipos de conocimiento procedimental: a) ordenado o jerárquico y b) no ordenado.

Cuando hablamos de conocimiento ordenado, sabemos que lleva implícito subobjetivos. Esta característica va íntimamente ligada con el tipo de diagnóstico utilizado, esto es, se necesita conocer las condiciones que disparan otro estado del problema, así como el conjunto total de estados y los subobjetivos.

3. 1. 3 Las diferencias entre el estudiante y el experto

Están representadas de manera general por el modelo del experto, más una lista de los elementos que el estudiante no tiene (missing conception) y el experto sí, así como los que el estudiante tiene y el experto no (misconception). Existen diferentes técnicas de implementación: a) overlay, b) archivos de errores y c) librería de errores hechas en partes.

En la forma overlay, el conocimiento del modelo del estudiante queda representado como un subconjunto del conocimiento del experto, lo que es equivalente al modelo del experto, más una lista de los elementos que el estudiante no tiene.

En los archivos de errores se resaltan las diferencias, teniendo en cuenta los misconceptions y los missing conceptions. Aquí el modelo del estudiante está representado por el modelo del experto, más una lista de errores. El sistema diagnostica al estudiante, encontrando los errores en esta lista.

Dado que los errores son muy importantes para el diagnóstico, existen diferentes técnicas para encontrarlos: a) los errores se obtienen a partir de los trabajos en educación sobre el tema, b) los errores se encuentran observando directamente a los estudiantes, realizando la Tarea Cognitiva (TC) y c) si existe una teoría de aprendizaje sobre el dominio, se utiliza para predecir los errores en el desarrollo de la TC.

3. 4 Técnicas de diagnóstico

En la siguiente sección abordaremos el segundo componente de un modelo de estudiante que es el procedimiento de diagnóstico, empleado sobre la base de datos. Según la clasificación de VanLehn (1988), existen nueve técnicas de diagnóstico, que se numeran en la Tabla 1, donde además se hace una recomendación de su uso de acuerdo a dos de las dimensiones de modelización del estudiante (ancho de banda y tipo de conocimiento).

1. Seguimiento de una Ruta (Model-Tracing).
2. Encontrando la Ruta (Path Finding).
3. Condición por Inducción (Condition Induction).
4. Reconocimiento de un Plan (Plan Recognition).
5. Seguimiento de asuntos (Issue-Tracing).
6. Sistemas expertos (Expert systems).
7. Arboles de decisión (Decision Trees).
8. Generación y Prueba (Generate and Test).
9. Diagnóstico Interactivo (Interactive Diagnosis).

Se abordarán la 1, la 4 y la 5 para explicar cómo funcionan en un SEI. En este caso Makatsiná. Para profundizar en el tema, consultar la bibliografía relacionada.

En la técnica de seguimiento de una ruta propuesta por Anderson, J. y comentada en VanLehn (1988), se supone que todos los estados mentales significativos del estudiante están disponibles para el procedimiento de diagnóstico. La idea básica radica en el uso de un intérprete no determinista para modelar la solución del problema. Así, en cada paso del proceso de resolución, el intérprete puede sugerir un conjunto de reglas aplicables. El procedimiento de diagnóstico disparará estas reglas y obtendrá de esta forma el conjunto de posibles estados sucesores (en el caso de un intérprete determinista sólo contaremos con un estado sucesor). Uno de estos estados será el que corresponda a la solución del estudiante. Como todas las técnicas, ésta tiene sus ventajas y desventajas. Entre las desventajas está qué hacer si ninguno de los estados disparados coincide con el del estudiante, ya que esto no tiene sentido en el caso del determinista.

En la técnica de reconocimiento de un plan se necesita cumplir dos condiciones: 1) que el conocimiento sea procedural y ordenado y 2) que todos o casi todos los estados físicos observables del estudiante puedan ser utilizados por el procedimiento de diagnóstico. En esta técnica el dominio se representa en un árbol, en el que los nodos terminales son las acciones más primitivas. Los nodos no-terminales incorporan los subobjetivos y la raíz el objetivo final.

La técnica seguimiento de asuntos Burton y Brown (1982) esta basada en el análisis de episodios cortos en la solución de un problema, dividiendo su observación en conjuntos de micro-habilidades o asuntos que se emplean durante ese episodio. Este tipo de análisis no explica cómo estos asuntos interactúan, ni el papel que desempeñan en la solución global del problema. Sólo interesa saber si se usan o no.

En Makatsiná el objetivo era lograr un tutor reactivo. Se implementó el seguimiento de una ruta, dado que sólo tenemos que enseñar una estrategia para la solución de estructuras triangulares, debido a la restricción de que en los sistemas reactivos es de primordial importancia saber cómo actuar. Se combinó con el seguimiento de asuntos, dadas las características del conocimiento procedimental-ordenado. Finalmente, debido a la división de la solución del problema en etapas más finas, representadas por subtutores que revisarán el uso de varias habilidades, fue implementado el reconocimiento de un plan dentro de esos micromundos.

4. Módulo tutorial

A este módulo le concierne todo lo referente a los problemas en el desarrollo del curriculum y de la forma de enseñar ese curriculum. El curriculum se refiere a la selección y a la secuencia del material de enseñanza. La enseñanza también conocida como proceso tutorial se refiere a los métodos para presentar ese material, de acuerdo a Halff (1988). De aquí que los SEI, puedan utilizar diferentes técnicas de enseñanza. En general las intervenciones tutoriales deben contener, si no todas, al menos alguna combinación de las siguientes características: a) tener algún control sobre el curriculum y su secuencia, b) ser capaz de responder a preguntas hechas por el usuario, y c) darse cuenta de cuándo el usuario necesita ayuda y de qué tipo.

4. 1 Aspectos centrales

Los aspectos centrales que se tratan en el diseño del módulo tutorial, son: el control sobre la selección y la secuenciación, el estilo de aprendizaje, el estilo de la enseñanza y el tipo del dominio de la TC. Estos tres aspectos íntimamente ligados son fundamentales en el diseño de este módulo.

4. 1. 1 Formas de control de la selección y secuenciación en los SEIs

De acuerdo a Fernández (1989) existen 3 tipos de control donde se pueden agrupar los diferentes SEI:

1. Sistemas basados en reglas.
2. Sistemas basados en autómatas de estados pedagógicos.
3. Sistemas basados en planificación.

En el trabajo realizado por Fernández (1989) se explica a fondo en qué consisten cada uno de ellos. A continuación se presenta un resumen de las ideas básicas de los tres tipos de control existentes.

A los sistemas con control basado en reglas pertenecen aquellos que han sido construidos con base en un sistema experto. A este tipo corresponden los sistemas: GUIDON, NEOMYCIN y HERACLES. Comentaremos como funciona GUIDON.

GUIDON Wenger (1987) fue diseñado para satisfacer los siguientes objetivos: 1) demostrar la utilidad pedagógica de la base de datos del sistema experto MICYN, 2) descubrir el conocimiento adicional en un sistema de enseñanza inteligente y 3) expresar las estrategias para el proceso en términos independientes del dominio.

En GUIDON Clancy (1982) se separan las capacidades de diálogo tutorial de las de resolución del problema. El adiestramiento se logra en base a un programa de consulta basado en reglas y las capacidades de diálogo.

GUIDON compara las preguntas del estudiante con las del experto y las critica en base al siguiente patrón. Cuando el usuario plantea una hipótesis, la compara con la conclusión a la que llegó el experto (MYCIN) a partir de los mismos datos. La transferencia de conocimiento se realiza a través de diálogos de diferentes casos. El propósito del sistema es ampliar el conocimiento del estudiante, señalando líneas inapropiadas de razonamiento y haciendo sugerencias sobre aspectos que el estudiante no consideró.

Existen básicamente dos paquetes de reglas: las que componen a la base del conocimiento del sistema experto y las reglas encargadas del proceso tutorial, las cuales a su vez se dividen en reglas para acumular certeza (premisa) y reglas para seleccionar un procedimiento de discurso (acción).

Como sistema basado en autómatas de estados pedagógicos, comentaremos a MENO-Tutor Woolf y McDonald (1984). Este sistema fue desarrollado con el fin de proporcionar un marco de trabajo adecuado para definir y probar reglas pertenecientes al proceso tutorial, con el fin de generalizar estas reglas. El sistema utiliza dos componentes diferentes para la planificación y generación del proceso tutorial: el componente encargado del proceso tutorial y el generador de lenguaje natural.

El componente encargado del proceso tutorial está formado por un conjunto de unidades de decisión organizadas en tres niveles de planificación que refinan sucesivamente las acciones del tutor. En el nivel superior (Nivel Pedagógico) lo que se decide es la frecuencia de interrupción al estudiante y la frecuencia con que se verificará su conocimiento. En el segundo nivel (Nivel Estratégico) se refina la decisión pedagógica en estrategia, especificando el método que se va a usar, como podría ser el determinar la competencia del estudiante con preguntas. En el tercer nivel (táctico) se selecciona una táctica para implementar la estrategia.

La implementación de este componente es similar a una red de transición que se atraviesa de estado a estado, mediante una rutina iterativa a través de un espacio de caminos. Los caminos entre estados no son fijos, ya que la estructura de control provee un conjunto de metareglas que producen cambios en los caminos por defectos.

Los sistemas basados en planificación nacen como una necesidad para construir sistemas de enseñanza, que utilicen estrategias para cursos largos. La planificación puede ser estática o dinámica.

Peachey y McCalla (1986) proponen usar técnicas de planificación para crear cursos largos e individualizados que traten campos más amplios. Este sistema pertenece al tipo de planificación estática.

Las técnicas de planificación se han utilizado principalmente en robótica García-Alegre, Ribeiro, Gasos y Salido (1993) y Torra (1993). También en áreas como la modelización del razonamiento Hayes-Roth (1979) y comprensión del lenguaje natural Wilensky (1983) entre otras.

El proceso de planificación consiste en decidir el curso de una acción antes de que se realice, y un plan es la representación del curso de dicha acción. Un planificador es un programa que parte de un estado inicial e intenta alcanzar el estado final deseado, mediante la aplicación de un conjunto de operadores sobre los objetos que componen el mundo en el que opera. Esto es, construye la secuencia de operadores que permite transformar el estado inicial en el estado final. Un planificador incorpora una base de conocimientos formada por: 1) los operadores de cambio de estado, 2) una base de datos en la que se caracteriza el estado final y los objetivos y 3) un mecanismo de inferencia.

El sistema tutor propuesto por Peachey y McCalla (1986) está formado por cinco componentes: 1) base de conocimientos del dominio, 2) modelo del estudiante, 3) colección de operadores de enseñanza, 4) planificador y 5) ejecutor.

El planificador construye el plan mediante una secuencia de pasos para lograr un objetivo instruccional. Cada paso es una instancia de un operador y cada operador tiene una acción asociada. El ejecutor ejecuta el plan invocando las acciones asociadas a cada paso del plan. El planificador crea su plan de enseñanza simulando los efectos de las acciones de los operadores sobre el modelo del estudiante. Un operador es semejante a una regla en un sistema de producción e incluye un conjunto de precondiciones y un conjunto de efectos esperados. Mediante el uso del operador el planificador simula la llamada de los pasos del plan de enseñanza y considera los resultados que puede obtener sobre un modelo de estudiante virtual. Realmente no hay conexión directa entre los efectos esperados de un operador y los efectos reales que produce. El ejecutor debe detectar y recuperar estas desviaciones, haciendo uso de las opciones construidas dentro del plan o inclusive llegando a re-invocar al planificador para revisar un plan que no ha tenido éxito.

Fernández (1989) propone un tipo de planificador dinámico. En este tipo de sistema se separan las técnicas de planificación, de la resolución del problema. Una de las características de este sistema es que evita los costos de re-planificación cada vez que el camino trazado no se ajuste a la realidad.

Se establecen unos objetivos pedagógicos en la sesión. Para lograrlos se eligen unas estrategias de enseñanza relacionadas con un conjunto de planes. Cada vez que se interacciona con el alumno, el sistema es capaz de detectar si existen conflictos, en cuyo caso se reconsideran los objetivos a nivel local o global. Contiene estrategias de enseñanza basada en estados, que son independientes del dominio a enseñar, con el fin de que pueda ser utilizado en otro dominio de naturaleza estructurada. El control de las estrategias se presenta de forma más flexible, ya que no existe una forma preestablecida de transiciones entre estados. Las transiciones se establecen en términos de los planes y las reglas de resolución de conflictos.

El planificador dinámico propuesto por Fernández (1989) está compuesto por la cooperación de 4 módulos: 1) decisión pedagógica, 2) decisión temática, 3) módulo de enseñanza y 4) módulo supervisor.

La decisión pedagógica se encarga de: 1) seleccionar la combinación de estrategias de enseñanza más adecuada, para conseguir los objetivos del alumno, teniendo en cuenta información del usuario, 2) desarrollar las estrategias establecidas, generando subobjetivos progresivamente y 3) comunicarse con el alumno sobre la elección de distintas actividades didácticas a desarrollar.

La decisión temática es el componente que refina los objetivos establecidos por otros módulos, tomando en consideración el domino objeto de la enseñanza.

El módulo de enseñanza explica o verifica los conceptos seleccionados por decisión temática. También se ocupa de la comunicación y la actualización del modelo del alumno.

El módulo supervisor actúa cada vez que se produce una interacción usuario-sistema. Para detectar posibles conflictos entre los objetivos del usuario y los objetivos establecidos por el tutor (en curso o en espera). Selecciona una estrategia local o notifica la necesidad de replantear la estrategia.

A partir de los ochenta apareció una forma diferente de hacer frente a los problemas de la inteligencia artificial. Su nombre es la filosofía reactiva Brooks (1991a), Brooks (1991b), y Laureano (1998). Uno de los objetivos en los sistemas reactivos es lograr la distribución del control entre los agentes, para lograr que el ciclo de toma de decisión sea lo más rápido posible. Hay que hacer hincapié que en el caso de los agentes reactivos no existe un modelo simbólico exhaustivo del entorno sobre el que el sistema pueda razonar. El modelo sobre el que toma decisiones es el mundo real. De aquí que el control de un sistema reactivo dependa de los objetivos de cada agente y su interacción con el mundo real.

En Makatsiná no existe el significado de control en los términos mencionados anteriormente. Este se diseñó de acuerdo a los principios de la filosofía reactiva Laureano y de Arriaga (2000). De forma general consiste en: agentes que disparan su acción en base a la percepción del entorno (errores) y a los objetivos de cada agente. Una de las principales aportaciones del desarrollo de Makatasiná, consiste en la propuesta de una arquitectura MultiAgente, basada en agentes reactivos Laureano y de Arriaga (1997) y Laureano y de Arriaga (1998b).

En Makatsiná el control funciona en base a una jerarquía basada en errores, que se estableció de acuerdo al orden de aprendizaje de diferentes subhabilidades.

4. 1. 2 El estilo de aprendizaje

Se refiere a la mejor forma de enseñar un determinado dominio. Sobre esta cuestión existe gran cantidad de teoría desarrollada dentro del campo de la educación por pedagogos y psicólogos. Generalmente se acude a experiencias para desarrollar técnicas que de una u otra forma den mejores resultados. Por ejemplo es conocida la capacidad de los estudiantes de ingeniería para captar en un problema aspectos visuales implícitos, significativos, y utilizarlos en la resolución de éste. En este caso el uso de métodos visuales resaltaría estas características. Actualmente se puede recurrir a técnicas que permiten conocer más acerca de la visualización y con ello orientar a los estudiantes hacia el desarrollo de esta capacidad, que les permitiría un mejor aprendizaje.

En Alonso y Gallego (1994) se hace una reseña histórica de definiciones y aportaciones, que finaliza con el desarrollo de un cuestionario. Este cuestionario puede ser aplicado a grupos de estudiantes y con ello conocer las preferencias del estilo de aprendizaje. El cuestionario distingue entre cuatro estilos de aprendizaje: activo, reflexivo, teórico y pragmático. Estos estilos a su vez representan las experiencias que se tienen durante el proceso del aprendizaje: vivir la experiencia, reflexión, generalización y elaboración de hipótesis y, finalmente, aplicación. Sin embargo, existen diferencias claras con base en las diferentes áreas del conocimiento. Podríamos pensar que el hecho de que las distintas Facultades Universitarias, agrupadas de acuerdo a como manejan el conocimiento en carreras: técnicas, de humanidades y experimentales, se inclinen hacia un tipo dado de aprendizaje, está directamente relacionado con el tipo de dominio y la forma de utilizarlo en la práctica. Conocer el estilo de aprendizaje de los estudiantes y sus preferencias, implica diseñar cursos que aporten mejores resultados. En el caso concreto de los SEIs, podríamos diseñarlos haciendo énfasis en estos estilos de aprendizaje.

4. 1. 3 El estilo de enseñanza

Representa la contraparte del aprendizaje y debe ser diseñado de forma tal que saque ventaja del estilo de aprendizaje. Debemos ver el proceso de enseñanza-aprendizaje como un mecanismo de comunicación que debe darse entre dos agentes. De aquí que el proceso tutorial se aborde como un proceso de comunicación Girard, Gauthier y Levesque (1992), más que como un proceso de enseñanza convencional.

4. 1. 4 El tipo del dominio

Se refiere a la diferencia que existe entre los diversos tipos de tutores: expositores y procedimentales. En un tutor expositor el énfasis se encuentra en el conocimiento factual (representa los hechos que conforman al conocimiento declarativo) y a partir de ese conocimiento se infieren las habilidades de primer orden que pertenecen a la clasificación de conocimiento declarativo.

Los tutores procedimentales se encargan de enseñar habilidades y procedimientos, que tienen aplicaciones en el mundo real. Estos tutores funcionan más como entrenadores, presentando ejemplos y mostrando el uso de las habilidades a través del desarrollo de problemas. Dentro de su contenido se encuentran problemas orientados a pruebas y prácticas especiales.

4. 2 Curriculum

Este problema, como ya se mencionó, se aborda desde dos perspectivas: 1) encontrar una adecuada representación para el material a enseñar, 2) Seleccionar y secuenciar ese material.
El primer problema está relacionado con el conocimiento referente a las instrucciones de la enseñanza y con el módulo experto. Y el segundo está enlazado con el tipo de control (sección 4.1.1).

4. 2. 1 Selección y secuenciación

En cuanto a la selección y secuenciación, existen diferencias de acuerdo al tipo de tutor. En los expositores el problema se centra en mantener la coherencia en la presentación del material para su posterior reflexión. Los tutores procedimentales tienen además el problema de tener que ordenar las subhabilidades integrantes de la habilidad-objetivo y seleccionar correctamente los ejercicios y ejemplos que reflejen ese orden.

4. 2. 2 Selección y secuenciación en los tutores procedimentales

Este tipo de tutores basan su enseñanza en ejercicios y ejemplos. En este caso el punto central es contar con mecanismos adecuados de selección y secuencia del material. Lo ideal sería elegirlos de acuerdo al estilo de aprendizaje, pero, según Anderson (1988), no existe una teoría de aprendizaje que sea lo suficientemente precisa y poderosa para sustentar un proceso tutorial interactivo.

Las investigaciones recomiendan tener en cuenta los siguientes puntos con relación a los ejercicios y ejemplos: a) Manejabilidad. Todos los ejercicios deben tener solución y ser comprendidos por un estudiante que haya cubierto el material previo, b) Transparencia estructural. La secuencia de ejercicios y ejemplos debe reflejar la estructura del proceso a ser enseñado y deberá tener la cualidad de guiar al estudiante en la adquisición de la habilidad-objetivo y c) Individualización. El ejercicio presentado al estudiante debe poseer la(s) subhabilidad(es) que el estudiante ya maneja y poder relacionarse de forma fácil con la(s) subhabilidad(es) que quiere adquirir en esos momentos.

VanLhen (Halff, 1988) expone una teoría llamada 'step-theory', en la que habla de que el curriculum debe estar dividido de acuerdo a aspectos o características importantes. Estas divisiones representan los pasos-de-teoría. Cada lección podrá utilizar solo un paso-de-teoría, de forma que el procedimiento a ser aprendido saque ventaja de la división del curriculum por pasos. Asimismo, se habla de las felicity conditions o la capacidad de encontrar las divisiones del dominio que más ayuden al proceso tutorial. Esta división coincidirá con un paso en el procedimiento que deba ser aprendido. En relación con esto, se considera que lo que se necesita es la ayuda de un buen análisis cognitivo de tareas (ATC) para encontrar esas rupturas críticas del dominio que ayuden a esclarecer puntos en la enseñanza como los expuestos en Castañeda (1993), Redding (1992) y Ryder & Redding (1993).

En cuanto al proceso de selección y secuenciación del material, es importante diseñar el curriculum para que cumpla con las siguientes funciones: 1) contener el material dividido, de forma que sea fácil su manipulación, con base en objetivos instruccionales, 2) secuenciar el material, de forma que su estructura convenga al usuario, 3) asegurar que los objetivos planteados en cada unidad puedan ser logrados, y 4) actualizar estos últimos como consecuencia de los mecanismos de evaluación del impacto del proceso tutorial en el estudiante.

4. 3 El proceso tutorial (enseñanza)

Este componente incluye, las funciones de cubrir la presentación del material, formas de poder contestar al estudiante preguntas y las condiciones y el contenido de la intervención del proceso tutorial.

4. 3. 1 Métodos de presentación

Los métodos de presentación dependen del tipo del dominio a enseñar y de los objetivos que se desean alcanzar durante el proceso tutorial.

Los tutores expositores utilizan diferentes formas de diálogo. Los tutores procedimentales orientados al manejo de habilidades, utilizan ejemplos y ejercicios con entrenador, para lograr el manejo de esas habilidades.

Las diferentes formas de diálogo implican distintos objetivos de enseñanza Halff (1988). Collins propone una guía para la selección del dialogo, de acuerdo a los objetivos de enseñanza. Esta clasificación coincide con las propuestas de Gagné y Merrill, y se muestra resumida en la Tabla 2.

Tabla 2. Estrategias de Diálogo, de acuerdo a diferentes objetivos
instruccionales según Collins (Halff, 1988)

4. 3. 2 Intervención tutorial

La intervención tutorial se necesita para mantener el control de la situación durante el desarrollo del proceso tutorial, con el objetivo de situar al usuario lejos de un aprendizaje inapropiado o incorrecto y colocarlo al margen de caminos fuera del objetivo de enseñanza. Automatizar este proceso implica diseñar reglas para decidir la intervención o la no intervención, además de formular el contenido de ésta.

Existen básicamente dos formas para guiar una intervención tutorial, ya comentadas como técnicas de diagnóstico. Estas son: 1) seguimiento de una ruta (Model-Tracing) y 2) seguimiento de asuntos (Issue-Tracing).


4. 3. 2. 1 Intervención con seguimiento de una ruta

En este tipo de intervención se cuenta con los caminos que podría elegir el usuario en la solución de un problema. Se revisa el comportamiento de ambos tratando de emparejar el desarrollo del usuario con alguno de los caminos que se pueden tomar. Cuando el emparejamiento fracasa, el tutor interviene emitiendo un consejo que permite al alumno retomar el camino correcto. La desventaja es que el tutor intervendrá siempre que no pueda reconocer el camino seguido por el usuario, aún cuando éste sea mejor.

4. 3. 2. 2 Intervención con seguimiento de asuntos

Esta forma de intervención tutorial fue desarrollada por Burton y Brown (1982) e implementada en WEST. Aquí las habilidades o conocimientos que se desea aprenda el estudiante, se llaman asuntos (Issues).

Cada asunto representa una mini-teoría articulada, esto es, un pedazo del experto visto como caja de cristal, que se caracteriza por dos procedimientos.

El primer procedimiento tiene el papel de observador del desarrollo del estudiante. Su misión es obtener evidencia para saber si el estudiante usa o no ese concepto o habilidad particular. A este procedimiento se le denomina reconocedor de asuntos y sus observaciones se utilizan para construir un modelo del desarrollo del estudiante.

El segundo procedimiento sabe cómo utilizar la información vertida en el modelo del estudiante para decidir si éste domina o no el asunto. A este procedimiento se le denomina evaluador de asuntos.

En el caso concreto de WEST, se utilizó el tutor tipo entrenador. Para conocer el progreso del estudiante se ejecutaban todos los evaluadores del modelo. Cuando el estudiante ejecuta una mala jugada, ésta conlleva una debilidad o carencia de habilidad, ya que no fue buena. Entonces su debilidad es comparada con las habilidades (asuntos) necesarias para ejecutar una mejor jugada y de esta forma encontrar por qué no la realizó.

La Figura 1, compuesta por una parte 1(a) y otra 1(b), presenta el proceso del modelado tutorial, utilizando asuntos y ejemplos. En la Parte 1(a) se muestra el proceso de construcción de un modelo del desarrollo del estudiante durante la resolución de una serie de problemas. En el caso particular de WEST, son jugadas, ya que el aprendizaje se realiza en el contexto de un juego. Cada vez que el estudiante realiza una jugada, el reconocedor de asuntos elabora la abstracción de los aspectos importantes del desarrollo en el estudiante y en el experto del sistema en el mismo entorno, utilizando para ambos los mismos reconocedores de asuntos. Se comparan las dos abstracciones para obtener un modelo diferencial que permita conocer los asuntos que el estudiante no domina.

Una vez que ha sido determinado en qué asunto falla, el entrenador presenta una explicación de ese asunto, seguida de un ejemplo de uso. Lo que se persigue con este tipo de intervención es que el estudiante reciba la información cuando esté más receptivo a procesarla, en otras palabras, nada más cometer la falla.

Es importante resaltar que sin el experto no sería posible determinar el grado de dominio de un asunto (habilidades o conocimiento), por parte del estudiante o si el estudiante no lo ha utilizado por falta de experiencia en su uso.(ver figura 1)

La Parte 1(b) representa el nivel de abstracción mas alto en la intervención tutorial con un tipo entrenador. Cuando el estudiante realiza una jugada no considerada como óptima (comparándola con el experto), el entrenador utiliza al evaluador de asuntos para crear una lista de asuntos en los cuales el estudiante anda mal, por otro lado cuenta con la lista del experto sobre las mejores jugadas. Entonces el entrenador invoca al reconocedor de asuntos para determinar que asuntos están registrados en las mejores jugadas. A partir de estas dos listas, el entrenador selecciona un asunto de la lista de asuntos que le fallan al estudiante y una jugada buena del experto que contenga este asunto para mostrarla. Si no existen asuntos en común en las dos listas, se deduce que el problema del estudiante esta fuera del alcance del tutor y el entrenador no dice nada. Con base en otros principios tutoriales se decide interrumpir o no al estudiante, pero, si el entrenador lo decide, el asunto y el ejemplo se pasan al alumno. Se espera que esta acción genere una retroalimentación en el estudiante.

Un SEI puede utilizar una de estas dos técnicas para la intervención tutorial o combinarlas, lo que sucede frecuentemente. Un ejemplo es Makatsiná Laureano y de Arriaga (1998b), que utiliza la técnica de seguimiento de asuntos para la intervención tutorial, y ésta es combinada con un tutor tipo entrenador, que detecta las habilidades que el estudiante utiliza en forma errónea. Esta última se basa en el mecanismo propuesto por Burton y Brown (1982).

5 La Interfaz

Representa un elemento muy importante en la arquitectura de los SEI, ya que cubre varias actividades en el funcionamiento global del sistema:

· Es el puente de comunicación entre el estudiante y el sistema.
· Es el único medio físico para captar el desarrollo del estudiante.

Las siguientes actividades tienen enfoque de herramientas didácticas.

· Representa el medio a través del cual el tutor (sistema) realizará las intervenciones.
· De acuerdo al dominio de enseñanza, el potencial de la interfaz debe ser explotado al máximo, utilizando los medios más adecuados (video, audio, etcétera) para la mejor comprensión de los conceptos o el manejo de habilidades.

5. 1 La ayuda

Esta ayuda se refiere básicamente a la proporcionada cuando el estudiante esta resolviendo algún problema. Los SEI cuentan con diferentes tipos de ayuda:

5. 1. 1 Ayuda del sistema

La gran mayoría de las interfaces de los SEI cuentan con este tipo de ayuda que es útil cuando el estudiante la solicita o cuando se cometen errores. Por ejemplo, MACSYMA Genesereth (1978) construye un plan que explica las acciones que pueden haber conducido al error y propone una lista de probables "misconceptions" causantes de que el usuario cometiera ese error.

5. 1. 2 Asistencia

Se trata de mecanismos que permiten desarrollar parte de la tarea o la totalidad de ésta. Este tipo de ayuda deja al estudiante concentrarse en las partes donde encuentra dificultad y dejar las partes que domina al sistema. En Algebra Land de Brown & Foss y Algebra Tutor de Anderson Burton (1988), los estudiantes cuentan con esta opción que les permite ver como son realizadas las operaciones.

5. 1. 3 Herramientas de poder

Se refiere a la captura de decisiones y acciones del estudiante en estructuras para su posterior observación. Este tipo de mecanismo ayuda al estudiante a reflexionar en las actividades desarrolladas durante la solución del problema. Algebra Land y Geometry Tutor de Anderson & Skwarecki Burton (1988) cuentan con esta ayuda. En el caso particular de Algebra Tutor cada decisión del estudiante es capturada en una estructura de árbol, que le permite visualizar el espacio de búsqueda.

5. 1. 4 Reactivo

En este caso el sistema dispone de mecanismos que responden inmediatamente a la acción del estudiante, en el contexto de la situación específica. SOPHIE-I de Brown , Burton y Bell (1975). Un ejemplo de entorno reactivo es reaccionar a la solicitud de evaluar las hipótesis relativas a las medidas que el estudiante tiene. No le dice que esta mal, dado que la lógica puede ser correcta de acuerdo a las medidas que tiene el estudiante. En el caso de que sea inconsistente la hipótesis propuesta, lo confronta con ejemplos que tienen esa característica (de forma correcta) y que el estudiante está pasando por alto. Una característica de estos sistemas es que permiten al estudiante articular sus hipótesis en forma opuesta a aquellas que ellos realizan.

5. 1. 5 Modelado

En este caso el sistema desarrolla la tarea mientras el estudiante observa. La ayuda permite al estudiante observar cómo se comportaría un experto en el desarrollo de la tarea. Para lograrlo es necesario que el modelo del experto articule las decisiones y que éstas coincidan con las estrategias de selección de esas decisiones. El experto articulado de SOPHIE - II de Brown, Burton y deKleer (1982) es un buen ejemplo, ya que permite al estudiante crear una avería en el circuito y hacerlo funcionar. El estudiante realizará las medidas hasta donde le sea posible y posteriormente el experto explicará cada medida: el por qué se ha realizado (con base en sus estrategias) y al análisis cualitativo del sistema.

5. 1. 6 Entrenador

El tutor se ha desarrollado con el objetivo de seguir de cerca al estudiante en la realización de la tarea, e interrumpirlo cuando esta realización no sea óptima o se haya equivocado, proporcionándole sugerencias en estos casos. Es importante mencionar que para la implementación de este tipo de mecanismo, es necesario contar con el camino del experto. Ejemplos ya clásicos son WUSOR y WEST de Burton y Brown (1982). Ambos tutores se interrumpen cuando el estudiante realiza un mal movimiento y dan consejos. Crean el modelo del estudiante comparando el desarrollo de éste con el del experto. Con WEST se demostró que, aunque no se pueda rastrear todo lo que el estudiante hace, se pueden reconocer patrones de un desarrollo no óptimo.

Existe también la posibilidad de combinar varios tipos de ayuda, como es el caso de Makatsiná Laureano y de Arriaga (1998a) y Laureano y de Arriaga (1999), donde se manejan varios tipos de ayuda, que son herramientas de poder (se guardan todas las acciones desarrolladas por el estudiante, permitiéndole observar en cualquier momento los puntos de decisión), modelado (en cualquier instante cuenta con la opción de poder ejecutar parte o toda la tarea por el experto) y entrenador (filosofía con la que fue desarrollado el modelo tutorial).

5. 2 Multimedios y cognición

La interfaz es tan importante que podríamos pensar en ella en función de los sentidos que captan su funcionamiento al interactuar con algún sistema.

5. 2. 1 Los Mutimedios como herramienta didáctica

En Rickel (1989) se menciona que las personas retienen aproximadamente el 25% de lo que escuchan, el 45% de lo que escuchan y observan, y el 70% de lo que escuchan, observan y desarrollan. Estos datos representan un potente argumento para desarrollar interfaces que incluyan texto, sonidos y gráficas, además de que tengan la capacidad de generar una interacción con el estudiante como si éste fuese parte del sistema.

Un SEI que utiliza este tipo de interfaz es el citado en Rickel (1989). Los autores del sistema consideran que la descripción gráfica utilizada en relaciones causales y en topologías, son muy importantes. Algunos conceptos pueden ser presentados utilizando gráficas, lo que facilita la comprensión del alumno. Por otro lado, manejar una interfaz con base en ideogramas permite una conexión más profunda entre el estudiante y el sistema.

5. 2. 2 El aprendizaje por asociación (cognición)

Es importante mencionar que el uso de multimedia tiene una relación directa con el aprendizaje por asociación, como se menciona en Laureano (1993). La memorización por asociación puede ser mecanizada. Esta reflexión nos conduce directamente al uso correcto de multimedia, con el objeto de mecanizar conocimiento procedimental.

El método de aprendizaje por asociación, descrito en el año 55 a. de c. por Cicerón y ampliado por Godden y Baddeley, indica que la memoria no sólo depende de un conjunto de trucos formalizados para recordar elementos ubicados en distintas localidades físicas, sino que está basada en algo más profundo que depende del contexto de aprendizaje. De la reflexión anterior se desprende la importancia de modelar interfaces con una fidelidad de display profunda, sobre todo en principiantes.

Sin embargo, el hecho de que la asociación juegue un papel importante en la forma de ligar nuestros esquemas mentales personales en un todo coherente, no implica que ésta sea la mejor forma de impartir información y conocimiento. Una evidencia indirecta contra los métodos asociativos es el éxito, durante mas de 500 años, del libro convencional y el desarrollo de la narrativa durante más de mil años. Esto por otro lado tiene las siguientes desventajas: a) no existe una respuesta inmediata al estudiante, b) los estudiantes son entes pasivos y c) no se generan ejercicios de distintas complejidades de acuerdo a la habilidad de los estudiantes.

Estas desventajas se convierten en ventajas al hablar de los SEI. De ahí que los sistemas multimedia, por el momento, no sean más que un conjunto de técnicas experimentales útiles en casos específicos, que se separan de la corriente principal del pensamiento educacional convencional.

Resumiendo, en la interfaz de un SEI se pretende que la entrada de la información sea robusta, pero a su vez que permita una flexibilidad en la entrada de información sintetizada, que se desprende de la observación del desarrollo del estudiante. En cuanto a la información de salida, ésta debe ser rica, esto es, deletreada al máximo, utilizando la potencia de los sistemas multimedia y aprovechando así todos los sentidos del estudiante, sin caer en el exceso.

Como ejemplo de interfaz que cumple con los aspectos anteriores podemos citar la de Makatsiná Laureano y de Arriaga (1998a) y Laureano, Arriaga y Martínez (1999) donde se hizo especial hincapié en el desarrollo de una interfaz controlada a través de ideogramas. Las intervenciones tutoriales, y la interacción del estudiante, se hacen a través de gráficas, debido a que el dominio de enseñanza es considerado ad-hoc para ser manejado por ideogramas. En el pizarrón se hace una explicación con gises de colores y un continuo escribir al lado de las líneas que conforman la estructura triangular, para mostrar los sentidos de las fuerzas de equilibrio, donde también éstas tienen diferentes colores, de acuerdo al tipo de esfuerzo (tensión o compresión).

En el desarrollo de cualquier sistema que conlleve técnicas de inteligencia artificial, se presentan, a nivel general, dos problemas: 1) no se toman en cuenta aspectos emocionales y sociales y 2) derivado del punto anterior y por la naturaleza propia de estos sistemas, en realidad se está trabajando con información incompleta.

Parte de estos problemas se tratan de solucionar con las técnicas explicadas a lo largo del artículo, pero aún estamos lejos de percibir las emociones humanas. En investigaciones recientes se ha tratado de subsanar estos dos problemas con herramientas de psicología cognitiva y métodos para tratar con información incompleta, como son los conjuntos difusos, o la misma filosofía reactiva.

Por ejemplo, para llevar a cabo la evaluación dentro de los SEI, hasta el momento sólo se están tomando en cuenta aspectos concretos, producto de la interacción de enseñanza-aprendizaje. Sin embargo, quiero hacer hincapié en que las técnicas que permiten la implementación de la evaluación en los SEI, porvienen de campos como: la educación y la psicología cognitiva.

La mayoría de las veces que se desarrolla un plan de enseñanza-aprendizaje, pasamos por alto aspectos como el nivel de competencia con que llega un alumno a aprender un determinado dominio, inclusive aspectos tan importantes como los motivacionales, sociales y emocionales. Al pasar por alto este tipo de aspectos, estamos dejando sin validez una evaluación real al plan de enseñanza-aprendizaje, concebido sólo tomando aspectos cognitivos del dominio.

Si los usuarios no están motivados o tienen problemas emocionales, así les apliquemos el mejor plan de enseñanza-aprendizaje, fracasarán. Sería muy interesante tratar de evaluar en este tipo de sistemas los aspectos de habilidades afectivas, motivacionales y sociales Castañeda et al. (1999), además de las cognitivas para lograr un incremento en la capacidad de aprendizaje.

Actualmente los autores trabajan en el desarrollo e implementación de un SEI, que incorporará un tipo de evaluación basada en conjuntos difusos, esto enmarcado en una arquitectura Multiagente diseñada para SEI Laureano y de Arriaga (2000) y Laureano y de Arriaga (1998b).

Alonso, C. y D. Gallego (1994) Los Estilos de Aprendizaje. Bilbao: Ediciones Mensajero.

Anderson, J. R. y B.J. Reiser (1985) The Lisp Tutor. BYTE, 10: 159-175.

Anderson, J. (1988) The Expert Module (Capítulo II). En: Martha C. Polson and J. Jeffrey Richardson. Lea (eds.) Foundations of Intelligent Tutoring Systems, Hove & London.

Barr, A., M. Beard y R.C. Atkinson (1976) The Computer as a Tutorial Laboratory: The Stanford BIP
Project. International Journal of Man Machine Studies, 8: 567-596.

Beer, R.D. (1990) Intelligence as Adaptive Behavior: An Experiment in Computational Neuroethology.
Academic Press, Inc.

Brown, J. S., R.R. Burton y A. G. Bell (1975) SOPHIE: a Step Towards a Reactive Learning
Environment.Int. J. Man Machine Studies. Vol. 7, pp. 675-696.

Brown, J. S., R.R. Burton y J. de Kleer (1982) Pedagogical, natural language and knowledge engineering techniques in SOPHIE I, II AND III. En: D. Sleeman & J.S. Brown (eds.) Intelligent Tutoring Systems, New York: Academic Press, pp. 227-282.

Brooks, R. (1991a) Intelligence Without Representation. Artificial Intelligence (47): 139-159.

Brooks, R. (1991b) Intelligence Without Reason. Memo, MIT Artificial Intelligence Laboratory (1293)
April.

Burton, R. y J. Brown (1982) An Investigation of Computer Coaching for Informal Learning Activities. En: D. Sleeman & J. S. Brown (eds.) Intelligent Tutoring Systems, New York: Academic Press, pp. 79-98.

Burton, R. (1988) The Environment Module of Intelligent Tutoring Systems (Capítulo V). En: Martha C. Polson and J. Jeffrey Richardson. Lea (eds.) Foundations of Intelligent Tutoring Systems, Hove &
London.

Castañeda, S. (1993) Procesos Cognitivos y Educación Médica. México: Facultad de Medicina-UNAM. Serie Seminarios No.1.

Carbonell, J. (1970) AI in CAI: An Artificial Intelligence Approach to Computer Assisted Instruction.
IEEE transactions on Man Machine Systems, Mms. 11 (4): 190-202, December.

Clancy, W.J. (1982) GUIDON. In the Handbook of Artificial Intelligence. Los Altos California: Ed. A. Barr, E.A. Fegenbaum, pp. 267-278.

Fernández, I. (1989) Estrategias de Enseñanza en un Sistema Inteligente de Enseñanza Asistida por Ordenador. Tesis Doctoral (Tercer Ciclo) de la Universidad del País Vasco, San Sebastián.

Fletcher, B. y Harris, S. (1996) Development of a Virtual Environment Based Training System for ROV Pilots. En: Proceedings 'Oceans'96 MTS/IEEE '.

García-Alegre, M. A. Ribeiro, J. Gasos y J. Salido. (1993) Optimization of fuzzy behavior-based robots navigation in partially known industrial environments. En: (Ed.) RezaLangari, John Yen and John Painter (eds.) Proceedings of The Third Internationa, Conference on INDUSTRIAL FUZZY CONTROL & INTELLIGENT SYSTEMS. IFIS '93, Houston, Texas, USA.

Genesereth, M. (1978) An Automated User Consultant for MACSYMA. Ph. D. thesis, Harvard University.

Girard, J., G. Gauthier y S. Levesque (1992) Une architecture multiagent. En: Proceedings of Second International Conference, ITS'92. Lectures Notes in Computer Science No. 608. Springer-Verlag, pp. 172- 182.

Gott, S.P. (1989) Apprenticeship instruction for real - world tasks: The coordination of procedures, mental models and strategies. En: E.Z. Rothkopf (ed.) Revista Research in Education. Washington, D.C.: American Educational Research Association, 15: 97-169.

Halff, H. (1988) Curriculum and Instruction In Automated Tutors (Capitulo IV). En: Martha C. Polson and J. Jeffrey Richardson. Lea (eds.) Foundations of Intelligent Tutoring Systems, Hove & London.

Hayes-Roth, B. (1997) Introducción. Proceedings of First International Conference on Autonomous Agents, ACM Press, Marina del Rey California, February, pp. 5-8.

Laureano, A. (1993) Multimedios y Cognición. Revista Perfiles Educativos, Centro de Investigaciones y Servicios Educativos. Universidad Nacional Autónoma de México, (62): 38-41.

Laureano, A. (1995) "Herramientas para la Representación del Conocimiento en Sistemas con
Inteligencia Artificial". [en lìnea] Universidad Autónoma Metropolitana, Azcapotzalco. mayo de 1995, vol. 1, No. 5, pp. 14-22.

Laureano, A. y F. de Arriaga (1997) Un Sistema MultiAgente Reactivo en los Sistemas de Enseñanza Inteligentes. Revista Informática y Automática, España, 30(4): 71-84.

Laureano, A. (1998) Los Sistemas Reactivos: Un Nuevo Acercamiento a la Inteligencia Artificial
Distribuida. Revista NOVATICA, (132): 51-55.

Laureano, A. y F. de Arriaga (1998a) An Intelligent Tutoring System To Teach An Integrated Skill. En: Proceedings 2nd KFUPM Workshop on Information & Computer Science (WICCS'98), Saudi-Arabia: Daharam pp. 71-84.

Laureano, A. y F. de Arriaga. (1998b) Multi-Agent Architecture for Intelligent Tutoring Systems.
Interactive Learning Environments, 6(3): 225-250.

Laureano, A. y F. de Arriaga (1999) El Análisis Cognitivo de Tareas: Una herramienta para modelar la conducta de los Sistemas de Enseñanza Inteligentes. Revista Latina de Pensamiento y Lenguaje, 4: 315-335. Número Monográfico, 2B, del Volúmen 4. ISSN: 0188-9842. Número dedicado a difundir avances tecnológicos sobre Cognición, Educación y Evaluación.

Laureano, A. S. Arriaga y M. Matínez (1999) Paquete computacional Makatsiná sistema tutorial
inteligente para la resolución de estructuras triangulares por el método de los nodos. Reporte de
Investigación No. 423. Departamento de Sistemas, Universidad Autónoma Metropolitana
Azcapotzalco.

Laureano, A. y F. de Arriaga (2000) Reactive Agent Design for Intelligent Tutoring Systems. Cybernetics and Systems (an International Journal), TAYLOR & FRANCIS (Ed.) 31: 1-47.
.
Peachy, D. y G. McCalla (1986) Using planning techiniques in intelligent tutoring systems. International Journal of Man-Machine Studies, 24: 77-98.

Redding, R.E. (1992) A standard procedure for conducting cognitive task analysis. ERIC, Documentation Reproduction Service, No. DE 340-847.

Rickel, J. (1989) Intelligent Computer Aided Instruction: A Survey Organized Around Systems
Components. IEEE Transactions on Systems, Man, and Cybernetics, 19(1), January - February.

Ryder, J. M. y R. Redding (1993) Integrating Cognitive Task Analysis into Instructional Systems
Development. Educational Technology Research & Development (ET&RD), 41(2): 75-96.

Sleeman, D. y J.S. Brown (1982) Alonso, C. y D. Gallego (1994) Los Estilos de Aprendizaje. Bilbao: Ediciones Mensajero.

Torra, C. (1993) From Geometric Motion Planning to Neural Motor Control in Robotics. AICOM. Vol 6. Nr. 1, pp.3-17. March.

VanLhen, K. (1998) Student Modeling (Capítulo III). En: Martha C. Polson and J. Jeffrey Richardson. Lea (eds.) Foundations of Intelligent Tutoring Systems, Hove & London.

Wenger, E. (1987) Artificial intelligence and tutoring systems: Cmputational approaches to the communication of knowledge. Los Altos, CA: Morgan Kaufmann.

Wilensky, R. (1983) Planning and Understanding. A computational approach to human reasoning. Addison Wesley.

Woolf B. y D. McDonald (1984) Building a Computer Tutor: Design Issues. Computer IEEE, pp. 61-73, September.

:

Direccin General de Servicios de Cmputo Acadmico-UNAM
Ciudad Universitaria, México D.F.