Modelo Bayesiano para la Optimización y Personalización

Modelo Bayesiano para la Optimización y Personalización del Proceso de Aprendizaje en Línea: Estudio C
Título: Modelo Bayesiano para la Optimización y Personalización del Proceso de Aprendizaje
en Línea: Estudio Casuístico.
Autor: Francisco Tapia Moreno
Directores: Enrique Rubio Royo y Manuel Galán Moreno
Departamento: Matemáticas
Fecha de lectura: 10 de octubre de 2007
Calificación: Sobresaliente "Cum Laude"
Tribunal evaluador:
Presidente: Rosario Berriel Martínez
Secretario: Juan Rocha Martín
Vocal: Raquel Martínez Fernández
Vocal: Francisco Javier Elorza Tenreiro
1/3
Modelo Bayesiano para la Optimización y Personalización del Proceso de Aprendizaje en Línea: Estudio C
Vocal: Luis Álvarez Álvarez
Resumen:
En esta tesis presentamos un modelo probabilista basado en Redes Bayesianas (RBs), que
puede determinar el tipo de personalización (TP) de acuerdo a las necesidades realesdel
alumno, con el propósito de ofrecer a éste una alternativa o un plan que optimice su proceso
global de aprendizaje (PGA) en línea. Para lograr esto, hemos considerado los objetos de
personalización (ops) y los objetivos de personalización (OPs) y realizado relaciones de causa
y efecto entre éstos, y las fases de personalización del aprendizaje que tienen un efecto directo
en el aprendizaje del alumno, y en la adecuación del sistema electrónico usado para gestionar
el proceso de enseñanza-aprendizaje en línea del alumno. Cada op u OP, es considerado
como una causa que tiene un efecto directo en alguna de las fases de personalización del
aprendizaje que, a su vez, es una causa que tiene un efecto directo en la capacitación del
alumno y en la adecuación del sistema electrónico usado por éste. Este tipo de relaciones
recopiladas en una RB determinan,mediante cálculos probabilistas, un perfil de personalización
deseable del alumno y en base a éste, se puede elaborar el modelo individual que optimice el
proceso global de aprendizaje. El alcance del modelo que proponemos en esta tesis,
contempla cuatro fasesfundamentales de la personalización del aprendizaje en línea:
1) Fase de personalización para los conocimientos previos,
2) Fase de personalización para el progreso del conocimiento,
3) Fase de personalización para objetivos y metas del profesor/alumno y
4) Fase de personalización para las preferencias y experiencia de navegación.
La evaluación del modelo se realiza usando la primera fase y con datos obtenidos en un curso
2/3
Modelo Bayesiano para la Optimización y Personalización del Proceso de Aprendizaje en Línea: Estudio C
en línea con 45 alumnos simulados de diferentes áreas del conocimiento. Además,con los
datos generados en la simulación del curso, hemos obtenido las probabilidades previas de
cada una de las variables del modelo propuesto, las tablas de distribución de probabilidades
previas para cada uno de los nodos padres, las tablas de distribución de probabilidades
condicionales y un conjunto de funciones de distribución de probabilidad (fdps) locales. Las
fdps locales se usan para generar las métricas de aprendizaje y diagnosticar los estados de las
variables en las cuatro fases de nuestro modelo. Dicha evaluación demuestra empíricamente la
eficacia de las redes Bayesianas en la modelación del alumno, específicamente en la
realización de inferencia Bayesiana en casos de incertidumbre sobre los objetos y objetivos de
personalización del alumno o bien en caso de pérdida de datos.La investigación realizada se
llevó a cabo dentro del contexto del Proyecto Suricata en su segunda fase. El Proyecto
Suricata (PS) (Rubio, et al., 2004), es un modelo en red de innovación organizacional, basado
en el trabajo en las comunidades virtuales y en el uso de tecnologías de la información, como
una respuesta de adecuación al creciente proceso de virtualización social y de las
organizaciones, que contribuye al desarrollo competitivo y socialmente sostenible.
Palabras clave:
Aprendizaje en línea personalizado, métricas de aprendizaje, redes Bayesianas.
3/3