Información Tecnológica-Vol. 16 N°5-2005, págs.: 75-78

ARTICULOS VARIOS

Enseñanza de la Ingeniería con Sistemas Tutoriales Inteligentes

Engineering Instruction with Intelligent Tutorial Systems

C.R. Huapaya, G.M. Arona y F.A. Lizarralde
Universidad Nacional de Mar del Plata, Facultad de Ingeniería, Juan B. Justo Nº 4302, (7600) Mar del Plata, Buenos Aires-Argentina (e-mail: huapaya@fi.mdp.edu.ar)

Resumen

El artículo presenta un nuevo enfoque en la enseñanza de la Ingeniería. Se propone el uso de los Sistemas Tutoriales Inteligentes a fin de mejorar la interacción del estilo de enseñanza del profesor y las preferencias de aprendizaje de los estudiantes. El enfoque de los Sistemas Tutoriales Inteligentes es utilizarlos como complemento de la actividad educativa. Estos sistemas computacionales se caracterizan por poseer el material instruccional separado de la especificación de cómo y cuando puede ser usado y re-usado de manera múltiple. El sistema consta de tres modelos para representar y manipular el dominio, el comportamiento del estudiante y el conocimiento pedagógico. La interacción de estos tres modelos crea el comportamiento inteligente del sistema. Un Sistema Tutorial Inteligente para resolver problemas de ingeniería usando métodos numéricos se encuentra actualmente en pleno desarrollo.

Abstract

This article presents a new approach to the teaching of engineering. It is proposed here the use of Intelligent Tutorial Systems in order to improve interactions between the teacher’s style and the students’ preferences. The focus with the Intelligent Tutorial Systems is to use them as a complement to educational activity. These computational systems are characterized by having the instructional material separate from the specification of how and when it can be used and re-used in a multiple manner. The system is composed of three models in order to represent and manipulate the domain, the behavior of the student and the pedagogical knowledge. The interaction among these three models creates the system’s intelligent behavior. An Intelligent Tutorial System is currently being developed for use in numerical analysis for engineering problem solving.

Keywords: engineering, teaching, engineering education, Intelligent Tutorial Systems

INTRODUCCION

La necesidad de un cambio positivo hacia una educación activa, participativa y creativa en  ingeniería ha sido señalada en la  literatura  (Felder y Silverman, 1988; Chi et al., 2001; Atanas 2003, Turns et al., 2005). La nueva modalidad se concentra en modificar el contexto del aprendizaje a fin de mejorar el ámbito donde se desarrolla la enseñanza tradicional.

Generalmente, los cursos dados en la Universidad ponen un mayor énfasis en el entendimiento de grandes cantidades de información en lugar de enfatizar su aplicación a diversos problemas. Los conocimientos anteriores se controlan a través de cursos previos (pre-requisitos). La tendencia de los cursos tradicionales universitarios es entregar la misma información de la misma manera a todos los estudiantes. Además de estas limitaciones, se observa  que los estudiantes difieren en sus características personales, en el esfuerzo que emplean en cada curso, en el tiempo que le dedican, etc.

La comunidad que trabaja en Inteligencia Artificial en Educación busca ambientes de aprendizaje basados en computadoras que colaboren y mejoren el proceso de enseñanza/aprendizaje. Los Sistemas Tutoriales Inteligentes (STIs) son las herramientas mas logradas.

SISTEMAS TUTORIALES INTELIGENTES

Los Sistemas Tutoriales Inteligentes (Wenger 1987; Sleeman y Brown, 1982; Murray 1998; Murray 2003), son herramientas cognitivas. Estos sistemas usan resultados de las ciencias cognitivas, teorías instruccionales, técnicas de Inteligencia Artificial y computacionales para desarrollar sistemas que se adaptan al estado de conocimiento  del alumno y al estilo de enseñanza del tutor. Estos sistemas han demostrado ser efectivos en la enseñanza uno-a-uno (Murray, 1999; Chi et al., 2001).  Actualmente, no son solo herramientas de laboratorio, sino también han ingresado a las  aulas y lugares de trabajo.

La competencia de un STI comprende capacidades de entendimiento, aprendizaje, razonamiento y resolución de problemas. Asimismo, debe identificar fortalezas  y debilidades de un aprendiz, y  establecer un plan instruccional.

La arquitectura básica (ver figura 1) de  un STI  consta de componentes para modelar el conocimiento a enseñar (plasmado en el modelo del dominio), el seguimiento de la actividad del estudiante (o modelo del estudiante), el conocimiento pedagógico (que será plasmado en un plan instruccional), y la interfaz de comunicación.

Fig.1: Arquitectura básica de un STI

ENSEÑANZA DE LA INGENIERÍA CON STIs

En la enseñanza de la ingeniería, claramente se perfilan,  el estilo de enseñanza de los profesores, el estilo de aprendizaje de los estudiantes y una  interacción conflictiva entre ellos. Felder y Brent (2005) sostienen que aquellos instructores que mejor entiendan las diferencias, tendrán la mejor oportunidad de conocer las diversas necesidades de aprendizaje de todos sus estudiantes.

El estilo de enseñanza  dominante en muchas de nuestras universidades es el experto/auto ridad formal, el cual no discrimina preferencias  de aprendizaje. Una línea de investigación, que nos interesó seguir, fue analizar la  compatibilidad entre los estilos de estudiantes y profesores. Asimismo fue estudiado los tipos de conocimiento de dominios de la ingeniería.

Nuestro objetivo es alcanzar la enseñanza uno-a-uno, adaptando el comportamiento del STI a estudiantes y profesores. Felder y Spurlin (2005) propician el uso del Indice de Estilos de Aprendizaje como guía para los instructores. Hemos usado este índice y los  resultados de compatibilidad entre estilos enseñanza/aprendizaje en la formulación de estrategias tutoriales del sistema. De esta forma se amplía el contexto de aprendizaje del estudiante, respetando su propio ritmo de adquisición de conocimientos.

MODELO DEL DOMINIO DEL STI

Hemos  elegido los mapas  conceptuales para (Jonassen et al., 1997) modelar el dominio por considerarlos apropiados para alcanzar una representación flexible y re-usable. La representación usa un grafo donde los  nodos son conceptos y las relaciones entre ellos son los arcos.

El modelo  semántico que el diseñador produce desde su mapa conceptual puede ser trasladado al material instruccional, por ejemplo, en la forma de vínculos semánticos los cuales vistos como interfaz gráfica reflejan el mapa conceptual del experto. Por este  motivo, el estudiante asimila el conocimiento estructural reflejado en los vínculos mientras navega el sistema de información usando dichos vínculos. Se ha separado el conocimiento inmerso en los tópicos de la experticia requerida para enseñarlo a fin de alcanzar una mayor flexibilidad en la representación del dominio. Sin embargo esa separación no inhabilita una relación dinámica entre ellos.

En Ingeniería, los tópicos  contienen conceptos teóricos, relaciones entre conceptos, procedimientos y aplicaciones en diversos diseños. Además, el conocimiento heurístico es necesario para adquirir  métodos para resolución de problemas. Cada nodo se identifica por el nombre del tópico. También posee un tipo de tópico y se han considerado las siguientes categorías: hechos, conceptos y procedimientos.

Se han diseñado otras características a  fin de capturar el conocimiento experto del autor: nivel de importancia que permite asignar una jerarquía al tópico (muy importante, importante, no importante) y el nivel de dificultad, el cual es una medida cualitativa de la dificultad de aprendizaje del tópico (difícil, regular, fácil). Las relaciones, representadas por arcos dirigidos, enlazan uno o más nodos y tienen un significado específico. Se han considerado las siguientes relaciones: pre-requisito, es-un y parte-de.

MODELO DEL ESTUDIANTE DEL STI

El modelo del estudiante es una descripción declarativa  de las características de las actividades de aprendizaje de los estudiantes (Sison y Shimura, 1998). Es un tema controvertido. No hay consenso sobre el contenido que debe contener. Sin embargo, el STI necesita información sobre el aprendiz a fin de planificar apropiadamente la sesión tutorial. Nuestro sistema usa un modelo overlay básico (Carr y Goldstein, 1977) el cual registra el entendimiento del sistema sobre el conocimiento que el estudiante posee del tópico. En este esquema, la respuesta del estudiante es analizada para evaluarla convenientemente. Este modelo puede ser aplicado cuando el conocimiento experto puede ser fragmentado en unidades pequeñas.  Un registro es guardado con las habilidades que un estudiante determinado ha alcanzado. Este registro se usa para decidir si el estudiante ha aprendido el tópico o no.

El modelo del estudiante trata la caracterización del estudiante (datos personales y perfil del estudiante), conocimiento (almacenamiento de los temas ya conocidos, objetivos instruccionales adquiridos, equivocaciones cometidas y material didáctico usado) y comportamiento (información de la última sesión). El modelo se ha organizado en dos módulos principales: carácter del aprendiz y sesión del estudiante, el primero se refiere a las características personales y la evolución del conocimiento del estudiante, el segundo se refiere a la sesión en totalidad y su análisis posterior.

MODELO PEDAGOGICO DEL STI

El esfuerzo para capturar conocimiento experto pedagógico a fin de ampliar la competencia  tutora de los STIs es  tema de investigación desde hace décadas. Los trabajos recientes  focalizan la posibilidad de que las tácticas y estrategias observadas sean factibles de implementar. La extensión de sus capacidades está orientada, actualmente, hacia la consideración de las  diferencias individuales de los estudiantes y la implementación de técnicas de motivación.

El módulo ha sido dividido en cuatro capas a fin de construir las estrategias tutoriales. Cada  una de las capas manipula diferentes niveles de adaptación. La capa de adaptación a nivel macro depende tanto de los tópicos a enseñar y de los Objetivos Instruccionales a alcanzar. Además se ha incluido una teoría pragmática de instrucción: CLAI (Cognitive Learning from Automatic Instruction) (Arruarte et al., 1996). En la capa intermedia de adaptación, se fijan las características del grupo de estudiantes siguiendo las decisiones del autor/instructor. En la capa micro de adaptación las estrategias tutoriales adaptan la enseñanza según las características individuales de cada estudiante.

Además de estas estrategias independientes del dominio, el autor puede crear otras  que se adapten al desarrollo del estudiante teniendo en cuenta el tema del dominio. Se ha considerado cuatro estrategias especializadas para ingeniería: uso de analogías, simulación computacional de procesos,  ejercicios creativos y resolución de problemas en equipos,  a fin de mejorar la adaptabilidad del sistema.

CONCLUSIONES

En pos de una enseñanza de la ingeniería participativa, se ha propuesto el uso de los STIs como “asistentes de la enseñanza”. Estos asisten a los profesores a consolidar sus ideas sobre la preparación de un curso de ingeniería y a los estudiantes a mejorar su proceso de aprendizaje.

Los instructores pueden re-usar sus notas almacenadas por ellos mismos en archivos o re-usar bibliotecas de recursos elaboradas previamente. Los tópicos del mapa conceptual, las estrategias tutoriales, interfaces y actividades ya creadas pueden ser almacenadas para generar otro STI. Los estudiantes son apoyados  en su tema de estudio a través del STI creado  por su propio maestro.

Actualmente estamos desarrollando un prototipo de STI especializado en métodos numéricos para ecuaciones diferenciales ordinarias (métodos de paso único). Nuestras perspectivas comprenden  ampliar el dominio a métodos de paso múltiple, y analizar posteriormente la adaptación del STI a la red interna de la Facultad y a la World Wide Web.

REFERENCIAS

Arruarte A., I. Fernandez-Castro, B. Ferrero  y J. Greer. “The CLAI Model: A Cognitive Theory of Instruction to Guide ITS Development” . Int. J. of Artificial Intelligence in Education, 7, 277-314 (1996).         [ Links ]

Atanas A. “Final undergraduate project in engineering: towards more efficient and effective tutorials”. European Journal of Engineering Education, 28(1), 17-27 (2003).          [ Links ]

Carr A. y P. Goldstein, “Overlays: A theory of modeling for computer aided instruction”, MIT AI-memo, USA (1977).         [ Links ]

Chi M., S. Siler, H. Jeong, T. Yamaucho y R. Haussmann, “Learning from human tutoring”. Cognitive Science, 25, 471-533 (2001).        [ Links ]

Felder, R.M. y L.K. Silverman, “Learning and Teaching Styles in Engineering Education”, Engineering Education, 78, 674-681 (1988).         [ Links ]

Felder R. y R. Brent, “Understanding Student Differences” Journal of Engineering Education, 94(1), 57-72 (2005).        [ Links ]

Felder R.M. y J. Spurlin, “Applications, Reliability and Validity of the Index of Learning Styles”, Int. J. Engng, 21(1), 103-112 (2005).         [ Links ]

Jonassen D., T. Reeves, N. Hong D.Y. Harvey y K. Peters, “Concept mapping as Cognitive Learning and Assessment Tools”. Journal of Interactive Learning Research, 8(3/4), 289-308 (1997).         [ Links ]

Murray, T., “Authoring Knowledge Based Tutors: Tools for Content, Instructional Strategy, Student model, and Interface design”, Journal of the Learning Sciences, 7(1), 5-64 (1998).         [ Links ]

Murray, T., “Authoring Intelligent Tutoring Systems: An Analysis of the State of the Art”, Int. J. of Artificial Intelligence in Education, 19, 98-129 (1999).        [ Links ]

Murray, T. “Principles for Pedagogy-oriented Knowledge Based Tutor Authoring Systems: Lessons Learned and Design Meta-Model” . en el libro “Authoring Tools for Advanced Technology Learning Environments” editado por T. Murray, S. Blessing y S. Ainsworth. Edit. Kluwer Academic Publishers, Dordrecht, The Netherlands (2003)        [ Links ]

Sison, R. y M. Shimura. “Student modeling  and Machine Learning”  Int. J. of Artificial Intelligence in Education, 9, 128-158 (1998).        [ Links ]

Sleeman D, y J. Brown “Intelligent Tutoring Systems” Academia Press, New York, USA (1982).        [ Links ]

Turns J., C. Atman, R. Adams y T. Barker. “Research on Engineering Student Knowing: Trends and Opportunities” Journal of Engineering Education, 94(1), 27-40 (2005).        [ Links ]

Wenger E. “Artificial Intelligence and Tutoring Systems. Computational and Cognitive Approaches to the Communication of Knowledge”.  Morgan Kauffmann, Los Altos, San Francisco, CA USA (1987).        [ Links ]

Monseñor Subercaseaux 667

La Serena - Chile

Tel.: (56-51) 2551158

Fax: (56-51) 2551158


citrevistas@gmail.com