Modelo basado en agentes para la detección de fallas cognitivas en entornos de aprendizaje colaborativo.

• Autores: Santiago Alvarez, Oscar M. Salazar, Demetrio A. Ovalle
• Localización: Información tecnológica, ISSN-e 0718-0764, ISSN 0716-8756, Vol. 29, Nº. 5, 2018, págs. 289-298
• Idioma: español
• Títulos paralelos:
  • Modelo basado en Agentes para la Detección de Fallas Cognitivas en Entornos de Aprendizaje Colaborativo.
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 2 Citas
• Resumen
  • español

    El objetivo de este artículo es proponer y validar un modelo basado en la integración de diferentes técnicas de la Inteligencia Artificial, como ontologías y agentes inteligentes de software con el fin de solventar problemáticas que aún persisten en el aprendizaje colaborativo. La metodología empleada incluye una representación de conocimientos basada en un modelo ontológico, el cual permite generar inferencias para la recomendación más acertada de recursos educativos a partir de las fallas cognitivas detectadas en cada estudiante durante el desarrollo de una actividad colaborativa. Adicionalmente, el modelo incorpora agentes inteligentes con el fin de brindar características de adaptabilidad, distribución de tareas y proactividad en los procesos de recomendación de recursos educativos. La validación del modelo propuesto fue realizada a través de la implementación de un prototipo aplicado a casos de estudio. Los resultados obtenidos evidencian los beneficios de integrar ontologías y agentes inteligentes para detectar fallas cognitivas en entornos de aprendizaje colaborativo.

  • English

    The aim of this paper is to propose and validate a model based on the integration of several artificial intelligence techniques, such as ontologies and intelligent software agents in order to face problems that still persist in collaborative learning. The methodology employed includes a knowledge representation based on an ontological model, which allows generating inferences in order to produce most accurate recommendation of educational resources based on cognitive failures detected on each student during a collaborative activity. In addition, the model incorporates intelligent agents to provide characteristics of adaptivity, task distribution, and proactivity in educational resources recommendation processes. The validation of the proposed model was done through the implementation of a prototype applied to case studies. The results show the benefits of integrating ontologies and intelligent agents to detect cognitive failure in collaborative learning processes.