2do o Congreso o Virtual d de Ciencias s Morfológ gicas 2da a Jornada Científica de la Cáte edra Santiago Ramó ón y Cajal LA O ONTOLOGÍA A CONOC CIMIENTO O COMO SISTEM MA EMPLEA ADO EN DE LA REPRESEN NTACIÓN OS STEOLOGÍA DE VIRTUAL L L LOS DEL ANI IMALES DOMÉS STICOS. Autores s: MSc. Gerardo Cañ ñete Betanc court1 1 [Profe esor Asistente], [Facu ultad de Me edicina Vete erinaria, Un niversidad A Agraria de la Habana a, Mayabeque, Cuba]. manfred@unah.ed du.cu RESUM MEN El diseñ ño de una ontología o como sistem ma de repre esentación virtual de conocimien nto para contribuir al proc ceso de as similación d de los tem mas de Ostteología de e la asignatura de Anatom mía Generall se convierrte en un o objeto de aprendizaje de amplia aplicación,, ya que le perm mite al es studiante realizar con nsultas sobre temas específico os de la materia, m recuperrando inforrmación con n alto grad o de releva ancia. El presente trab bajo se rea aliza con el obje etivo de diseñar d una ontologíía como sistema s de e representtación virttual del conocim miento que contribuya a al increm mento de medios de enseñanza p para la des scripción del sisttema óseo en la asign natura Anattomía Gene eral en la carrera Med dicina Veterrinaria y Zootecn nia. Para lograr estto se real izó primerramente una captura a sistemáttica del conocim miento rela ativo a la a descripciión anatóm mica de la osteolog gía, a tra avés de vocabularios comunes, segu uido por u na represe entación de el conocimiiento acepttado de acuerdo o a técnicas de modelado concep ptual (Mapas conceptuales), lueg go formaliz zando la descripción en un lenguaje de d represen ntación de conocimien nto en el ed ditor de ontologías Protégé é 4.0.2 Una a vez culm minado el p proceso de desarrollo se diseñó una interffaz Web que le p permite al usuario nav vegar por la a ontología a creada. INTRO ODUCCIÓN N Los ritm mos siempre crecientes del des arrollo del progreso científico-té c écnico generan un increme ento inusittado del poder p hum mano sobre e los fenóm menos de la naturaleza, la penetra ación de lo os logros de e la ciencia a y de la técnica t en todas las esferas de la vida económ mica, polític ca y social del hombrre, la enorm me influenc cia de las id deas cientííficas en desarro ollo sobre la a formación n de la ideo ología, la co osmovisión y la transfformación de d todos los asp pectos de la vida de e la socied dad, ha trraído como o consecue encia un aumento a 1 vertiginoso de la cantidad de información disponible y a su vez dispersa en diversidad de medios (García y Sureda, 2001). La información que se genera en la actualidad está ampliamente distribuida por los medios informáticos, por lo que es preciso agruparla para ser representada en entornos virtuales mediante herramientas de representación del conocimiento. Ballesteros (1992) y Fernández (2004) plantean que existe una gran diversidad de formalismos representacionales que han sido creados en función de resolver estas deficiencias. Por otra parte Arano (2005), Lorente (2005) y Molina (2006) plantean que el empleo de estas herramientas es muy amplio, por lo que están siendo objeto de estudio en distintos campos del conocimiento. En la actualidad se hace necesaria la búsqueda de herramientas alternativas que faciliten el tratamiento y el acceso a esa gran cantidad de información existente en los medios. Al respecto Peña y Baeza-yates (2002:25) plantean en su protocolo: “… La necesidad de contar con información pertinente, precisa y en el momento oportuno, ha provocado que los sistemas de recuperación de información estén en un momento crucial de cambio, generando el desarrollo de sistemas más avanzados que tratan de agregar información semántica a los documentos, de otra parte, la necesidad de acercar la herramienta al usuario, desencadena una amplia actividad investigadora en torno a interfaces de usuario, nuevos métodos de búsqueda, nuevas formas de indización y nuevos servicios. Los profesionales e investigadores deben estar preparados para sacar provecho de estos cambios y para proponer los que aún han de mejorar los sistemas actuales, adelantándose a las necesidades de los usuarios”. Distintos son los métodos empleados para facilitar la representación del conocimiento para la recuperación de la información científica tan abundante en todos los medios. Cavalcanti (2001), García (2004) y Villa (2004) expresan que los profesionales, cada vez más, entienden que es urgente la construcción y aplicación de sistemas de organización y representación del conocimiento. Ya se sabe que la clasificación y la indexación automática, así como los metadatos, han sido utilizado para la representación del conocimiento en entornos virtuales. A pesar de todo, debe concederse mayor atención al tratamiento de la información (Cavalcanti, 2001; Murray, 2002; García, 2004). Esto ha dado a la luz proyectos tan importantes y aplicables como la Web semántica, los Sistemas de Recuperación de la Información, Taxonomías, Sistemas de clasificación, Lexicones computacionales, Bases de datos léxicas, Tesauros (repositorios de palabras), Listas de encabezamientos, Bases de conocimientos, Mapas conceptuales, Anillos de sinónimos, Modelos de dominio, Técnicas de Procesamiento en Lenguaje Natural (en lo adelante PLN) y Ontologías, entre otras que posibilitan la representación estructurada del conocimiento y la recuperación semántica de la información (Romá-Ferri, 2009). 2 Representación del conocimiento Cuando se habla de representación estructurada del conocimiento debemos partir de lo planteado por Ballesteros (1992), quien afirma que se lleva a cabo a través de esquemas mentales que realiza un sujeto de la realidad objetiva existente en el mundo real, que está en dependencia del conocimiento táctico existente. La representación es un medio de expresión y comunicación imprescindible, es por tanto una estructura donde frecuentemente se ejecutan determinados procesos, los cuales se refieren a las actividades implicadas en la utilización de la información almacenada (Ballesteros, 1992). Muñoz (2009) refiere que a la información que un sistema inteligente es capaz de procesar y representar le llama genéricamente conocimiento. A su vez Jereles y Saiz (2011) comentan que los investigadores intentan analizar como el conocimiento representado en la sicología cognitiva puede ser descrito formalmente en modelos, a lo que denominan formalismos representacionales. Además sugieren que estos formalismos se dividen en dos grandes categorías: Simbólicos o clásicos cuando simulan conductas a través de un ordenador y conexionistas, con inspiración neural. Ballesteros (1992) establece que los modelos simbólicos mantienen que la representación del conocimiento se realiza a través de un sistema de símbolos. En esto coinciden las ciencias de la computación y las sicología, tanto los ordenadores como los humanos son capaces de manipular símbolos por lo que ambos pueden considerarse análogos. El fundamento de estos modelos está en que tanto la mente como la máquina de propósito universal operan sobre representaciones que no son otra cosa que modelos simbólicos. Los criterios de Ballesteros (1992); Jereles y Saiz (2011) y otros autores es que estos sistemas de representación se organizan en tres niveles: a) El nivel semántico que explican por qué estos sistemas saben cuales son sus objetivos. b) El nivel simbólico que modifica mediante expresiones simbólicas el contenido semántico y dicta reglas que permiten manipular dichos símbolos. y c) El nivel físico que actúa de soporte material del sistema. Las representaciones en estos modelos se entienden como sistemas semejantes al lenguaje constituidas por un gran léxico de símbolos relacionados mediante una compleja sintaxis Estos formalismos representacionales simbólicos pueden ser analíticos que no transmiten experiencia sensorial, y analógicos que tienen experiencias sensoceptivas análogas al mundo representado. En el caso de los analíticos podemos encontrar en la práctica, las rede semánticas, modelo de rasgos, esquemas y guiones, producciones (Fodor y Pylyshyn, 1988). 3 En el caso de los formalismos representacionales conexionistas o arquitectura no simbólica es conocida también como procesamiento paralelo distribuido. Este modelo considera que la cognición se produce a partir de la interacción simultánea de una serie de unidades semejantes a neuronas que se encuentran altamente interconectadas (McClelland, Rumelhart y Hinton, 1986). Estas representaciones que realizan los individuos y que son temas de interés para los investigadores de la psicología cognitiva, fueron llevados a las ciencias computacionales, utilizando sistemas inteligentes que presentan estructuras sobre las que se ejecutan determinados procesos. Entiéndase como proceso a las actividades implicadas en la utilización de la información almacenada en estas estructuras o representaciones (Fernández, 2004). El conocimiento puede ser representado de distintas maneras e incluso utilizando ilimitados sistemas inteligentes. La representación del conocimiento tiene, como materia prima, las estructuras conceptuales y se caracteriza por la clasificación de estos conceptos. Tiene que ver con escribir, en algún lenguaje o medio de comunicación, descripciones o esquemas que se correspondan de alguna manera con el mundo o un estado del mundo (Moacir, 2010; García, 2011). Representación virtual del conocimiento La representación virtual del conocimiento, es una materia en la que se lleva trabajando desde hace varias décadas, desde mucho antes de que surgiera la web semántica. Surgió en el ámbito de la Inteligencia Artificial al tratar de crear representaciones virtuales del conocimiento que pudieran ser utilizadas por mecanismos que simulasen el razonamiento humano. Ballesteros (1992) pone de manifiesto la dispersión existente en la psicología cognitiva y las ciencias computacionales, cuando tratan de explicar cómo se representa, almacena y recupera el conocimiento debido a la gran variedad de formalismos representacionales propuestos: Redes semánticas, tesauros, técnicas de procesamiento en lenguaje natural, Sistemas de producción, Representaciones estructurales, Ontologías, etc. Dentro de este conjunto de formalismos representacionales, se hacen destacar unos más que otros por su funcionalidad y la omisión de errores sintácticos que los pueden limitar a diferentes funciones. Martín et al. (2010) hacen mención a los sistemas de producción que se basan principalmente en reglas de producción y su uso más común ha sido el de desarrollar sistemas de expertos y se encuentra muy asociado a la inteligencia artificial. Otros de marcada importancia pero con características más limitadas son los tesauros. García (2004) los propone como un vocabulario de representación convencional utilizable por los investigadores y útiles para la representación del conocimiento desde las 4 ontologías y otros sistemas inteligentes que utilizan vocabularios comunes. Cavalcanti (2001) afirma que pueden ser utilizados en todos los tipos de sistemas de organizaciones del conocimiento, generales o específicas. Por otra parte Arano (2005) los define como "… un tipo de lenguaje documental que representa la estructuración conceptual de un determinado campo del conocimiento”. El tesauro proporciona una organización semántica principalmente a través de la explicitación de las relaciones establecidas entre dichos conceptos, y eventualmente, a través de un significado restringido de los términos que los representan. Por otra parte Gómez, Fernández y Corcho (2004) definen las redes semánticas o asociativas como técnicas de representación declarativa a través de esquemas dirigidos etiquetados. Es utilizada inicialmente para representar la semántica de los lenguajes naturales, especialmente en los sistemas de traducción automática. Mantiene como idea principal el significado de conceptos, especificando a través de sus conexiones con otros conceptos. Su característica principal es la de estar compuesta por redes organizadas en jerarquías que facilitan la utilización del razonamiento basado en la herencia. En ellas un concepto está asociado con otros conceptos a través de los arcos salientes del nodo que lo representa (conexión con otros conceptos). El Procesamiento del Lenguaje Natural (en lo adelante PLN) es también utilizado para la representación del conocimiento (de Benaga, 2009). Este tiene como objetivo la adquisición de sistemas informáticos que sean capaces de implementar funcionalidades que impliquen la comprensión y/o la generación, de expresiones en lenguaje natural. Ejemplo de esto son los sistemas constituidos por interfaces en lenguaje natural a bases de datos y sistemas expertos, sistemas de corrección inteligente de textos, sistemas de generación automática de resúmenes y sistemas de traducción automática. Vinculado además a la recuperación de la información (RI) generada por estos formalismos representacionales. Una ontología según Arano (2004, 2005) es una representación formal del conocimiento donde los conceptos, las relaciones y las restricciones conceptuales son explicitados mediante formalismos en un determinado dominio. Por lo tanto no es más que una representación formal y explícita de la estructura conceptual del campo del conocimiento sobre el que se trabaja. Este recurso lingüístico incluye como mecanismo de inferencia a la herencia, que implica una economía en la codificación de la información: los conceptos superiores transmiten sus características a los conceptos inferiores. De todos estos métodos que son utilizados para la representación formal del conocimiento, y teniendo en cuenta muchas de las aplicaciones descritas por los autores antes mencionados, se realiza una descripción más detallada de las características 5 conceptuales y funcionales de las técnicas del procesamiento en lenguaje natural (PLN) y las ontologías específicamente. Técnicas de procesamiento en lenguaje natural. El hombre a través de diferentes manifestaciones es capaz de crear, transferir y representar conocimiento (arte, tecnología y ciencia). Estar dotados de esta capacidad cognitiva es lo que nos hace diferentes con respecto a otras especies (Moacir, 2010). La materia prima utilizada para estos fines es muy diversa y no es patrimonio específico de un ámbito. Así, pueden encontrarse recursos lingüísticos, visuales y auditivos en cualquier manifestación de la vida humana. Cuando realizamos representaciones del conocimiento científico generalmente son utilizados los recursos lingüísticos. Por recursos lingüísticos, se entiende el lenguaje natural y los términos, cuya naturaleza de representación también es lingüística (Cámara, 2004). El lenguaje natural es, una herramienta utilizada por las personas para expresarse y comunicarse; es un fenómeno complejo y dinámico en el sentido de que está siempre en movimiento: por ser una herramienta universalmente utilizada que siempre está siendo actualizada por los agentes que intervienen e interactúan en el acto de la comunicación, y porque produce manifestaciones de formas espontáneas dependientes de las condiciones psicológicas, fisiológicas y sociales (Vallez y Pedraza-Jiménez, 2007). Los sistemas basados en el procesamiento en lenguaje natural tienen como objetivo la consecución de sistemas informáticos que implementen funcionalidades próximas a la comprensión y la generación del lenguaje humano. En ellos el análisis sintáctico, semántico y conceptual juega un papel central. La naturaleza del problema de la comprensión del lenguaje natural, también enmarcado frecuentemente dentro de la Inteligencia Artificial, ha hecho que hasta tiempos recientes, la mayoría de los sistemas de este tipo adolecieran de una constante condición de prototipo, presentando implementadas sus funcionalidades sólo parcialmente, o procesando subconjuntos del lenguaje natural excesivamente limitados como para resultar verdaderamente práctica su aplicación (de Buenaga, 1996). El Procesamiento del Lenguaje Natural es una disciplina con una larga trayectoria. Nace en la década del 60, como una sub-área de la Inteligencia Artificial y la Lingüística, con el objetivo de estudiar los problemas derivados de la generación y comprensión automática del lenguaje natural. En sus orígenes, sus métodos de trabajo tuvieron gran acogida por la comunidad científica, no obstante, cuando sus aplicaciones fueron llevadas a la práctica, en entornos no controlados y con vocabularios genéricos, empezaron a surgir multitud de dificultades. Entre ellas, pueden mencionarse por ejemplo los problemas de polisemia, sinonimia y ambigüedades (Cámara, 2004). 6 La aparición de los primeros sistemas orientados a la comprensión o generación del lenguaje natural, y enmarcados dentro del ámbito del PLN con algunos problemas antiguos resueltos, no es reciente. Autores como Dyer (1988), Ballard y Jame (1987) y Carbonell y Hayes (1987), han desarrollado sistemas orientado a la implementación de capacidades de comprensión próximas a las humanas, denominándolos, de comprensión profunda, pero han mantenido siempre una condición constante de prototipo, en el sentido de que el subconjunto del lenguaje natural que procesan no es lo suficientemente amplio como para permitir la construcción de aplicaciones prácticas. Solo hasta tiempos recientes es cuando han aparecido una serie de sistemas inteligentes que, sobre dominios concretos, han conseguido implementar una serie de funcionalidades limitadas, pero cubiertas de forma tal que permiten su aplicación práctica (Vallez y Pedraza-Jiménez, 2007). Según criterios de de Buenaga (1996) el lenguaje natural, es utilizado por las personas para expresarse, posee propiedades que reducen la efectividad de los sistemas que lo utilizan para la representación de conocimiento. Estas propiedades son las variaciones y las ambigüedades lingüísticas. Cuando se habla de la variación lingüística se hace referencia a la posibilidad de utilizar diferentes palabras o expresiones para comunicar una misma idea. En cambio la ambigüedad lingüística se produce cuando una palabra o frase puede entenderse o interpretarse de varios modos, por ser poco clara o precisa. Estos dos fenómenos pueden provocar aunque de forma distinta incidencias en el proceso que lleva a cabo un sistema para representar el conocimiento, y se hace patente la complejidad del lenguaje y que su tratamiento automático no resulta fácil ni obvio. Para solucionar muchas de estas limitaciones que se presentan en los sistemas que utilizan las técnicas de procesamiento en lenguaje natural Neches et al. (1991), Gruber (1993), Borst (1997) y Studer, Bejamins y Fensel (1998), proponen una herramienta que utiliza PLN, y define un vocabulario común que permite a los investigadores compartir información semánticamente procesada en un dominio de discurso, utilizando para esto un grupo de concepto relacionados entre sí. La herramienta antes mencionada se conoce con el término de ontología. Ontología. Muchos son lo autores que clasifican como uno de los métodos más eficientes para la representación estructurada del conocimiento a las ontologías, quienes por su nivel de complejidad son capaces de superar a otros métodos en precisión y relevancia (Arano, 2004; Cámara, 2004; García, 2004; Lorente, 2005; Leiva y Estévez, 2008; Leyva y Tamayo, 2008). La ontología es la representación formal del conocimiento donde los conceptos, las relaciones y las restricciones conceptuales son evidentes mediante formalismos en un 7 determinado dominio del conocimiento. La ontología es una representación formal y explícita de la estructura conceptual del campo sobre el que se trabaja. Este recurso incluye como mecanismo de inferencia a la herencia, es decir, una economía en la codificación de la información: los conceptos superiores transmiten sus características a los conceptos de menor nivel (Cámara, 2004; Arano, 2005; Rius, Sicilia, y García, 2007; Giraldo, Marín, y Giraldo, 2009; Romá-Ferri, 2009). Según Arano (2004, 2005) y Giraldo, Marín, y Giraldo (2009) la filosofía es el primer campo del conocimiento donde se utiliza este concepto. Su uso se origina en la noción aristotélica de filosofía primera –luego llamada metafísica-, que por un lado estudia la esencia del ser (el ser como ser), y por el otro lado estudia las características básicas de toda la realidad como un todo (el ser o el ente principal del cual dependen los demás entes). En este contexto ella se ocupa de la definición del ser y establece las categorías fundamentales del ser de las cosas a partir del estudio de sus propiedades. Se ocupa además de la naturaleza y la organización de la realidad, es decir de lo que existe. En el campo de la Inteligencia Artificial y las Ciencias Computacionales es muy similar, lo que existe es aquello que puede ser representado. El término es utilizado por primera vez en la ingeniería del conocimiento y la inteligencia artificial a finales de la década de los 80. En este contexto se tiene como propósito principal representar un conjunto de conceptos jerárquicamente organizados, descritos en algún sistema informático, como medio para compartir el conocimiento en los distintos dominios (Villa, 2004). Basado en estos criterios Arano (2004, 2005), Rius, Sicilia y García (2007), Giraldo, Marín, y Giraldo (2009) y Romá-Ferri (2009) plantean que la ontología es redefinida por Neches et al. (1991) en el sector informático donde proponen que son descripciones formales de los conceptos y las relaciones que intervienen en un determinado dominio; no obstante Gruber (1993) y Borst (1997) la definen como una “… especificación explícita y formal de una conceptualización compartida”, entiéndase por: Conceptualización a un modelo abstracto de algún fenómeno en el mundo proveniente de haber identificado los conceptos relevantes de dicho fenómeno. Explícita: alude a que el tipo de concepto usado y las restricciones para su uso son explícitamente definidos. Formal: se refiere al hecho de que la ontología debería ser legible por ordenador. Compartida: refleja la noción de que una ontología captura conocimiento consensual, que no es objeto de un solo individuo, sino aceptado por un grupo. Por lo tanto en concordancia con lo conceptualizado por Cámara (2004), Arano (2005), Rius, Sicilia, y García (2007), Giraldo, Marín, y Giraldo (2009) y Romá-Ferri (2009) se 8 asume en esta tesis como definición de ontología, a una representación formal y explicita de la estructura conceptual de un dominio del conocimiento, o sea es una representación formal del conocimiento donde los conceptos, las relaciones y las restricciones conceptuales son formalizados a través de un lenguaje natural donde se incluye como mecanismo de inferencia a la herencia. Por lo antes expuesto se procede a la descripción de los distintos elementos empleados para la realización de este trabajo el cual tiene como único objetivo, diseñar una ontología como sistema de representación virtual del conocimiento que contribuya al incremento de medios de enseñanza para la descripción del sistema óseo en la asignatura Anatomía General en la carrera Medicina Veterinaria y Zootecnia. MATERIALES Y MÉTODOS Para la construcción de la Ontología que facilite el proceso de asimilación de la osteología animal, se utilizó un ordenador Pentium, el software CmapTool 5.04.02 propuesto por Institute for human and Machine Cognition perteneciente a University Affiliated Research en el 2011, para la representación de los esquemas conceptuales. Para la construcción de la ontología se utilizó el software Protégé 4.0.2 que es una herramienta open-source desarrollada por Stanford University en el 2011 con el objetivo de modelar y capturar conocimiento, la herramienta provee un entorno gráfico e interactivo para el diseño de ontologías y el desarrollo de conocimiento. Construido a partir de una arquitectura basada en el desarrollo de plug-in que a diferencia de otras herramientas favorece la escalabilidad y lo hacen extensible, protégé permite a sus usuarios el modelado de clases, slot, instancia a través de diferentes de diferentes herramientas incluidas en el ambiente de desarrollo (Arreche, 2011). RESULTADOS Y DISCUSIÓN La enseñanza y el aprendizaje de la Anatomía Veterinaria se enfrentan en la actualidad a diversos problemas. Entre ellos cabe destacar la disminución de las horas destinadas a la enseñanza de la Anatomía en los últimos planes de estudios. También el hecho de que las prácticas de disección que llevan a cabo los estudiantes, pese a sus indudables propiedades formativas, se encuentran en un estado muy desfavorable. También se hace patente, por otra parte, que hay una tendencia al cambio en la filosofía educativa de los nuevos planes de estudios, donde el profesor deja su faceta de experto, presentador y transmisor de los contenidos para convertirse en diseñador de medios, facilitador del aprendizaje y orientador en el proceso de aprendizaje. La reducción de importancia de la enseñanza presencial, que concede un papel fundamentalmente pasivo al estudiante, es evidente en beneficio de métodos docentes que priman la actitud activa del alumno. 9 El diseño de una ontología como sistema de representación virtual de conocimiento para contribuir al proceso de asimilación de los temas de Osteología de la asignatura de Anatomía General se convierte en un objeto de aprendizaje de amplia aplicación, ya que le permite al estudiante realizar consultas sobre temas específicos de la materia, recuperando información con alto grado de relevancia. Para la construcción de una ontología pueden ser utilizadas varias metodologías, que han sido descritas por Lenat y Guha (1990), Grüninger y Fox (1995), Uschold y King (1995) y Noy y McGuinness (2001) en las distintas épocas por las que ha transitado la historia del desarrollo de ontologías, dentro de la inteligencia artificial y las ciencias computacionales, desde la década del 90 hasta la actualidad. Cada una de estas metodologías se han ido creando en función de corregir y/o agregar pasos importantes que no han sido declarados en las que les han precedido. Descripción del diseño de “OntoAnaVet” De acuerdo con Romá-Ferri (2009) y Arreche (2011) no existe una metodología estándar ni un modelo unificado para el desarrollo de ontología. Por esta razón es importante destacar que todas tienen una línea de desarrollo común basadas en tres etapas invariantes, las cuales fueron empleadas básicamente para el desarrollo de la ontología sobre el sistema óseo de los animales domésticos. 1. Realizar una captura sistemática del conocimiento aceptado del dominio. 2. Realizar una descripción del conocimiento aceptado de acuerdo con una técnica de modelado conceptual. 3. Realizar una formalización de la descripción en un lenguaje de definición o de representación. Durante el desarrollo de la primera etapa se realizó una captura sistemática de los conceptos que describen las estructuras anatómicas de los diferentes segmentos esqueléticos del organismo animal. Apoyado para eso de la bibliografía clásica sobre anatomía veterinaria, contando esencialmente con Sisson y Grossman (1974); Getty, Sisson y Grossman's (1982); König y Liebich (2001); ICVGAN-WAVA. (2005). Con el contenido de la información capturada de los clásicos de la literatura anatómica veterinaria se pasó a llevar a cabo la segunda etapa. A este nivel se desarrollaron mapas conceptuales (anexos 1, 2, 3, 4.) donde se organizaron jerárquica a cada una de las estructuras pertenecientes a los diferentes segmentos esqueléticos. La tercera etapa es en definitiva las más importante debido a que se realiza una formalización de la descripción en un lenguaje de definición o de representación, este lenguaje es el RDF (Resource Description Framework) y su complemento RDFs mantenidos por el consorcio W3C, que en su proyecto “W3C Recomendation” proponen 10 el lenguaje de ontologías Web (OWL). Para el desarrollo de este lenguaje fue utilizado el software informático Protégé 4.0 (The University of Manchester, 2006), donde es formalizada toda la estructura conceptual del dominio, ubicando cada clase de la jerarquía ya obtenida (Anexo 5). En el transcurso de la formalización de la descripción de la ontología fueron identificadas las clases (segmentos óseos) y su jerarquía para localizar de cada una de ellas los componentes encargados de describirlas, dígase las subclases dependientes, las propiedades, las relaciones y las instancias (estructuras óseas). Interfaz de usuario De acuerdo con Bravo et al. (2006) la interfaz de usuario es uno de los componentes más importantes de cualquier sistema computacional, pues funciona como el vínculo entre el humano y la máquina. Es un conjunto de protocolos y técnicas para el intercambio de información entre una aplicación computacional y el usuario. Es responsable de solicitar comandos al usuario y de desplegar los resultados de la aplicación de una manera comprensible. Ella no es responsable de los cálculos de la aplicación, ni del almacenamiento, recuperación y transmisión de la información. El diseño de una interfaz Web en una ontología, permite no solo realizar una interpretación del contenido del archivo “XML-OWL” generado por el programa de diseño de ontologías (Protégé 4.0.2), sino que hace posible una interacción con el usuario facilitándole realizarle consultas al contenido de la ontología (Motz y Rohrer, 2009). La aplicación Web diseñada para “OntoAnaVet” interroga el archivo “XML-OWL” para crear un índice de clases, luego al realizar una consulta por parte del usuario se obtienen resultados de una manera más rápida. En el Anexo 6 se muestra un esquema del principio de funcionamiento de esta herramienta. La interfaz diseñada responde a los principios de arquitectura de redes basadas en cliente-servidor de acuerdo con lo planteado por Díaz (2009) y Martínez (2011), donde el usuario realiza una determinada consulta en el cliente Web, este hace un pedido al servidor y este a través de las facilidades de generar páginas dinámicas devuelve la respuesta contenida en el repositorio XML, en una web HTML para ser visible e interpretable por el usuario. El intérprete de ontologías diseñado en una interfaz Web (Anexo 7) cuenta con facilidades de navegación permitiéndole al usuario realizar consultas en un buscador y con solo un clic obtener respuestas con alto criterio de relevancia. De acuerdo a lo expresado por Lorente (2005) y Gómez (2008), esto implica un grado mayor de precisión en la recuperación. Un aceptable criterio de relevancia regula la capacidad del sistema de devolver información pertinente a la consulta realizada. 11 Al observar el anexo 7 es posible evidenciar, que esta interfaz creada para la navegación del usuario por el interior de la ontología “OntoAnaVet”, cuenta con un cuadro de texto (textbox) donde se escriben los términos de la consulta a realizar, esto se acompaña de un botón que permite accionar la búsqueda. A la derecha debajo del cuadro de texto se observan tres hipervínculos que facilitan aun más el trabajo durante la navegación, estos son: Buscar: Permite regresar al inicio y limpiar el cuadro de texto para realizar una nueva consulta. Créditos: Al realizar un clic en este hipervínculo el sitio se dirige a una página donde se encuentran datos pertenecientes a los autores y propios de la ontología, como son: o Versión del producto. o Fecha de culminación del diseño. o Descripción de algunos aspectos generales para lo que fue creada esta ontología. o Comentario donde se recoge una breve reseña teórica sobre la carne y la necesidad de convertir la carne en productos cárnicos. Indexar: Este hipervínculo le brinda la posibilidad al usuario de poder actualizar la ontología cuando se realicen variaciones en repositorio .xml. Cuando se le realicen cambios al archivo “XML-OWL” deberá ser reemplazado el archivo que se encuentra en la ontología por el nuevo que se le han realizado variaciones y actualizaciones. Una vez realizada la búsqueda como se observa en el anexo 8 el sistema devuelve un listado de conceptos propios del dominio que coinciden o contienen en sus propiedades términos similares a los utilizados para hacer la consulta. Este listado puede o no contener algunas descripciones del concepto debajo del hipervínculo, de aparecer alguna coincidencia. CONCLUSIONES La utilización de esto sistemas de representación del conocimiento como apoyo al proceso de enseñanza-aprendizaje es de gran factibilidad, ya que le muestra a los estudiantes una herramienta web que puede ser utilizada como material de consulta para el incremento del aprendizaje para el desarrollo de competencias y pensamiento complejo respecto a la anatomía y al desempeño clínico durante la vida profesional. BIBLIOGRAFÍA 12 Arano, S. (2004). La ontología: una zona de interacción entre la Lingüística y la Documentación. Hipertext.net [en línea]. (2). Disponible en: http://www.upf.edu/hipertextnet/numero-2/ontologia.html [Consulta: 24 octubre 2010]. ISSN 1695-5498. Arano, S. (2005). Los tesauros y las ontologías en la Biblioteconomía y la Documentación. Hipertext.net [en línea]. (3). http://www.upf.edu/hipertextnet/numero-3/tesauros.html Disponible en: [Consulta: 19 septiembre 2010]. ISSN 1695-5498. Arreche, S. (2011). Un enfoque para el análisis causal de defectos en organizaciones de software conducido por ontologías. Tesis de Maestría. Uruguay, Universidad ORT. Ballard, E. y Janes, M. (1987). Computational Lingüistics: encyclopaedia of artificial intelligence. New York: Wiley. Ballesteros, S. (1992). La representación de conocimiento en los sistemas conexionistas. Psicothema, 4 (2). Borst, W. (1997). Construction of Engineering Ontologies. Tesis de Doctorado. Enschede, University of Twente. Bravo, J., Carranza, C., Castells, P., Fuentes, J., Rico, M., Alonso, J., Foncillas, B., Rodríguez, J. y Lara, R. (2006). Aplicación de tecnologías de la Web Semántica a la gestión de información financiera y económica [en línea]. España. Disponible en: http://www.aipo.es/articulos/3/47.pdf [Consulta: 06 marzo 2012]. Cámara, L. (2004). La representación lingüística del conocimiento y su relevancia en la ingeniería lingüística. Hipertext.net, (2). Carboneil, J. y Hayes, P. (1987). Natural-Language Understanding: encyclopaedia of artificial intelligence. New York: Willey. Cavalcanti, M. (2001). Organización y representación del conocimiento: fundamentos teóricos y metodológicos para la recuperación de la información en entornos virtuales [en línea]. Escuela de Bibliotecología de la Universidad Federal del Estado de Río de Janeiro. Disponible en: http://dialnet.unirioja.es/servlet/fichero_articulo?codigo=2534245&orden=0 [Consulta: 18 septiembre 2010]. de Benaga, M. (1996). Inte gración de técnicas de procesamiento del lenguaje natural para la recuperación de información en bibliotecas de componentes sofware. Tesis de Doctorado. Madrid España, Universidad Complutense de Madrid. Díaz, A. (2009). La Ontología Salus como una red de Ontologías. Cuadernos de Informática, 4 (2), 15. Dyer, M. (1988). In Depth. Understanding. Cambridge: MIT Presa. 13 Fernández, G. (2004). Representación del conocimiento en sistemas inteligentes [en línea]. Universidad Politécnica de Madrid. http://www.gsi.dit.upm.es/cgi-bin/cgiwrap/gfer/acceso-rcsi.cgi Disponible [Consulta: en: 11 junio 2010]. Fodor, A. y Pylyshyn, W. (1988). Connectionism and cognitive architecture: A critical analysis: connections and symbols. Cambridge: MIT Press. pp. 3-71. García, A. (2004). Instrumentos de presentación del conocimiento: Tesauros Versus Ontologías [en línea]. Universidad Rey Juan Carlos. http://revistas.um.es/analesdoc/article/viewFile/1691/1741 Disponible [Consulta: en: 18 septiembre 2010]. García, C. I. (2011). Representación del conocimiento. Tesis de Doctorado. Universidad de Burgos, Área de lenguajes y sistemas informáticos. Getty, R., Sisson, S. y Grossman, J. D. (1982). Anatomía de los Animales Domésticos. 5 ed. Barcelona, España: Salvat. Giraldo, G., Marín, J. y Giraldo, G. (2009). Extracción de elementos de una ontología del dominio a partir de documentos tipo esquema. Avances en Sistemas e Informática, 6 (2), 11-20. Gómez, A., Fernández, M. y Corcho, O. (2004). Ontological engineering: with example from the area fo knowledge management, e-commerce and the semantic web. 2 ed. London: Springer-Verlag. Gómez, J. (2008). Diseño e implementación de interfaces ubicuas adaptativas para múltiples dispositivos. Trabajo de Diploma. Madrid, UAM, Escuela Politécnica Superior. Gruber, T. (1993). A translation approach to portable ontologies. Knowledge Acquisition, 5 (2). Grüninger, M. y Fox, M. (1995). Methodology for the design and evaluation of ontologies. Proceedings of the IJCAI Workshop on Basic Ontological Issues in Knowledge Sharing. Montreal: AAAI Press. ICVGAN-WAVA. (2005). Nómina Anatomica Veterinaria. Columbia: Committee Hannover. Jereles, A. y Saiz, M. (2011). Representando el conocimiento en la mente [en línea]. España. Disponible en: http://psicologia-general-ii.blogspot.com/ [Consulta: 26 marzo 2014]. König, H. E. y Liebich, H. (2001). Anatomía de los Animales Domésticos. España: Panamericana. Leiva, A. A. y Estévez, V. (2008). Una propuesta para la búsqueda semántica de recursos web de nuevas tecnologías aplicadas a la educación. En: VI Congreso 14 Internacional Universidad 2008. La Habana, Cuba: Palacio de las Convenciones, pp. 3-5. Lenat, D. B. y Guha, R. V. (1990). Ontological engineering: with examples from the areas of knowledge management, e-commerce and the semantic web. 1 ed. London: Springer Verlag. Leyva, D. y Tamayo, D. (2008). Repositorio semántico de objeto de aprendizaje para la reutilización de contenidos educativos. En: VI Congreso Internacional Universidad 2008. La Habana, Cuba: Palacio de las convenciones. Lorente, M. (2005). Ontología sobre economía y recuperación de información. Hipertext.net [en línea]. (3). Disponible http://www.upf.edu/hipertextnet/numero-3/ontologia_ri.html [Consulta: en: 19 septiembre 2010]. ISSN 1695-5498. Martín, F., Alonso, J., Hidalgo, M. y Ruiz, J. (2010). Razonamiento Automático en Sistemas de Representación del Conocimiento. Universidad de Sevilla: DGES del MEC. Martínez, M. (2011). Creación de una ontología de degradación de suelos. Tesis de Maestría. Mayabeque, UNAH. McClelland, J., Rumelhart, D. y Hinton, G. (1986). The appeal of parallel distributed processing: parallel distributed processing: explorations in the micros-tructure of cognition. Cambridge: MIT Press. pp. 3-44. Moacir, M. (2010). Espacios de significación y representación del conocimiento: Un análisis sobre teorías y métodos de organización de conceptos en ciencias de la información. Tesis de Doctorado. São Paulo - Brasil, Escola de Comunicações e Artes - ECA/USP. Molina, P. (2006). Herramientas para la recuperación de información [en línea]. España. Disponible en: http://recuperaciondeinformacionsalle.blogspot.com/2010/09/herramientas-parala-recuperacion-de_06.html [Consulta: 07 septiembre 2010]. Molina, P. (2006). Herramientas para la recuperación de información [en línea]. España. Disponible en: http://recuperaciondeinformacionsalle.blogspot.com/2010/09/herramientas-parala-recuperacion-de_06.html [Consulta: 07 septiembre 2010]. Motz, R. y Rohrer, E. (2009). Ontology design for web sites recommendation in the health area. Cuadernos de Informática, 4 (2), 8-12. Muñoz, R. (2009). Representación del conocimiento textual mediante técnicas lógico-conceptuales en aplicaciones de tecnologías del lenguaje humano. Tesis de Doctorado. España, Universidad de Alicante. Murray, P. (2002). Gestión - información - Conocimiento. Biblios, (14), 25-28. 15 Neches R.; Fikes R.; Finin T.; Gruber T.; Senator T. y Swartout W. (1991). Enabling technology for knowledge sharing. AI Magazine, 12 (3): 36-56. Noy, N. y Mcguinness, D. (2001). Ontology Development 101: A Guide to Creating Your First Ontology. Stanford: Stanford University, Stanford. p. 35. Peña, R. y Baeza-yates, R. (2002). Gestión Digital de la Información. Madrid, España: RAMA. p. 25. Rius, À., Sicilia, M. Á. y García, E. (2007). Justificación y Descripción del Dominio de Conocimiento de una Ontología para la Formalización y Automatización de Escenarios Educativos [en línea]. Universidad Oberta de Cataluña. Disponible en: http://www.uah.es/ [Consulta: 06 septiembre 2010]. Romá-ferri, M. T. (2009). OntoFIS: tecnología ontológica en el dominio farmacoterapéutico. Tesis de Doctorado. España, Universidad de Alicante. Sisson, S. y Grossman, J. D. (1974). Anatomía de los Animales Domésticos. 4 ed. Barcelona, España: Salvat. Studer, R., Bejamins, V. y Fensel, D. (1998). Knowledge engineering: principles and methods. Data & Knowledge Engineering, 25 (1-2), 161-167. Uschold, M. y King, M. (1995). Ontological engineering: with examples from the areas of knowledge management, e-commerce and the semantic web. 2 ed. London: Springer Verlag. pp. 115-119. Vallez, M. y Pedraza-Jiménez, R. (2007). El Procesamiento del Lenguaje Natural en la Recuperación de Información Textual y áreas afines. Hipertext.net [en línea]. 1 (5). Disponible en: http://www.hipertext.net [Consulta: 08 diciembre 2010]. Villa, L. (2004).Historia del Hipertexto: MEMEX [en línea]. Argentina. Disponible en: http://www.grancomo.com/comentarios.php?id_art=52 [Consulta: 02 julio 2010]. 16 ANEXOS Fig.1 Fig.2 Fig.3 17 Fig.4 Fig. 5 18 Fig. 6 Fig. 7 19 Fig.8 20