ISBN: DOCUMENTOS DE TRABAJO Ingeniería de Sistemas

Transcripción

1 ISBN: DOCUMENTOS DE TRABAJO Ingeniería de Sistemas T r a b a j o s d e g r a d o I I

2 Institución Universitaria Politécnico Grancolombiano INGENIERÍA DE SISTEMAS Documentos de trabajo. Maestría en Ingeniería de Sistemas Trabajos de grado 2014-II E ISBN: Editorial Politécnico Grancolombiano Calle 57 No Este Bloque A Primer piso PBX: ext Marzo de 2015 Bogotá, Colombia Institución Universitaria Politécnico Grancolombiano Facultad de Mercadeo, Comunicación y Artes Presidente Fernando Dávila Ladrón de Guevara Jurgen Chiari Escovar Rector Decano Facultad de Mercadeo, Comunicación y Artes Sergio Hernández Muñoz Directores de la publicación César Quiñones Segura Rafael García Julián Olarte Danilo Castro Alexis Rojas Giovanny Andrés Piedrahita Hecho en Colombia La Editorial del Politécnico Grancolombiano pertenece a la Asociación de Editoriales Universitarias de Colombia, ASEUC. El contenido de esta publicación se puede citar o reproducir con propósitos académicos siempre y cuando se dé cuenta de la fuente o procedencia. Las opiniones expresadas son responsabilidad exclusiva del autor.

3 Documentos de trabajo Ingeniería de sistemas II ANDRÉS VILLANUEVA MANJARRES EDWIN ALBERTO MARTÍNEZ ROJAS ANDRES FELIPE RIVEROS OCHOA JADER JESÚS JÁCOME SOLANO JUAN PABLO CASTIBLANCO OROZCO NESTOR MORENO LUIS CARLOS GUEVARA VILLALOBOS

4 Contenido DEFINICIÓN DE UN MODELO PARA IMPLEMENTACIÓN DE EDM EN LOS PROGRAMAS DE FORMACIÓN VIRTUAL DE LA INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRANCOLOMBIANO... 1 INTRODUCCIÓN... 3 OBJETIVOS... 4 PLANTEAMIENTO DEL PROBLEMA... 5 JUSTIFICACIÓN... 6 IMPACTO DEL PROBLEMA... 7 ANTECEDENTES MARCO DE LA INVESTIGACIÓN GLOSARIO REFERENCIAS DESARROLLO DE APLICACIÓN MÓVIL PARA LA CONTRATACIÓN DE SERVICIOS DOMÉSTICOS EN COLOMBIA. TUSERVICIO.CO OBJETIVOS IMPACTOS JUSTIFICACIÓN MARCO DE REFERENCIA ACTIVIDADES PRESUPUESTO BIBLIOGRAFÍA / REFERENCIAS DESCUBRIMIENTO DE CONOCIMIENTO (KDD) Y EDM SOBRE LAS PRUEBAS DE ESTADO SABER PRO (ECAES) RESUMEN INTRODUCCIÓN JUSTIFICACIÓN OBJETIVOS METODOLOGÍA MARCO DE REFERENCIA PRESUPUESTO ESTIMADO FINANCIACION ENTREGABLES RESULTADOS ESPERADOS REFERENCIAS BIBLIOGRÁFICAS PROCESAMIENTO DIGITAL DE IMÁGENES PARA EL RECONOCIMIENTO DE ESPECIES DE PLANTAS... 56

5 JUSTIFICACIÓN OBJETIVOS ALCANCE ACTIVIDADES CRONOGRAMA IMPACTO ESTADO DEL ARTE PRESUPUESTO BIBLIOGRAFÍA MODELO BASADO EN INTELIGENCIA ARTIFICIAL PARA EL DIAGNÓSTICO DEL GRADO DE COMPETENCIAS ASOCIADAS A LA VIDA LABORAL LISTA DE FIGURAS RESUMEN INTRODUCCIÓN OBJETIVOS PROBLEMA JUSTIFICACIÓN MARCO REFERENCIAL IMPACTOS TIPO DE PROYECTO MARCO CONCEPTUAL MARCO TEÓRICO ESTADO DEL ARTE METODOLOGÍA DE INVESTIGACIÓN DESARROLLO BIBLIOGRAFÍA HERRAMIENTA DE APRENDIZAJE BASADA EN REALIDAD AUMENTADA PARA EDUCACIÓN SUPERIOR. CASO DE ESTUDIO MATERIA PROGRAMACIÓN DE SOFTWARE EN EL POLITECNICO GRANCOLOMBIANO, BOGOTÁ - COLOMBIA TÍTULO PREGUNTA DE INVESTIGACIÓN OBJETIVOS METODOLOGÍA ALCANCE DEL PROYECTO ESTADO DEL ARTE CONCLUSIONES BIBLIOGRAFÍA PATRONES DE DISEÑO DE ARQUITECTURA DE SOFTWARE COMO CAMBIAN CON LAS METODOLOGÍAS ÁGILES

6 GLOSARIOS DEFINICIÓN PROBLEMA INTROODUCCIÓN OBJETIVOS ALCANCES LIMITANTES MARCO CONTEXTUAL

7 ANTEPROYECTO TESIS DE MAESTRÍA DEFINICIÓN DE UN MODELO PARA IMPLEMENTACIÓN DE EDM EN LOS PROGRAMAS DE FORMACIÓN VIRTUAL DE LA INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRANCOLOMBIANO ANDRÉS VILLANUEVA MANJARRES INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRAN COLOMBIANO FACULTAD DE INGENIERÍA Y CIENCIAS BÁSICAS MAESTRÍA EN INGENIERÍA DE SISTEMAS. BOGOTÁ, ENERO DE

8 TABLA DE CONTENIDO INTRODUCCIÓN... Error! Marcador no definido. OBJETIVOS... Error! Marcador no definido. PLANTEAMIENTO DEL PROBLEMA... Error! Marcador no definido. JUSTIFICACIÓN... Error! Marcador no definido. IMPACTO DEL PROBLEMA... Error! Marcador no definido. ANTECEDENTES... Error! Marcador no definido. MARCO DE LA INVESTIGACIÓN... Error! Marcador no definido. GLOSARIO... Error! Marcador no definido. REFERENCIAS. E rror! Marcador no definido.

9 INTRODUCCIÓN El mundo actual es muy diferente de aquel en el que empezamos a vivir hace unas décadas, la cantidad de información generada, los diversos medios que generan datos, las disciplinas en las que nos podemos desempeñar, en fin, el mundo ha cambiado y de manera adaptativa nosotros lo hemos hecho con él. En este cambio la toma de decisiones es una actividad que cada vez se hace esperar menos, especialmente cuando estas decisiones son definitivas para el futuro de las organizaciones. En escenarios educativos, uno de los principales objetivos es conseguir que los estudiantes aprenda más y mejor y es aquí donde la minería de datos para educación (EDM) por sus siglas en ingles aportan un valor fundamental en las instituciones educativas. Cómo negar las múltiples ventajas y facilidades que ofrece la tecnología actualmente?, cómo ocultar la importancia que Internet brinda de manera general?, cómo negar que el mundo es plano y que este cambio está generando modificaciones en todos los escenario de la vida?. La educación no es la excepción a los cambios que se están dando, los modelos educativos han cambiado, la manera de enseñar y de acceder al aprendizaje ha experimentado modificaciones significativas, los modelos de aprendizaje cambian día a día. De acuerdo a [1], La interacción del estudiante con los recursos digitales para el aprendizaje, y las redes sociales en línea son elementos poderosos hoy en día y esto claramente nos conduce a nuevos paradigmas en la enseñanza y en el aprendizaje. La elaboración del presente trabajo busca integrar dos paradigmas, educación y minería de datos en un solo objetivo, definir un modelo para implementación de EDM (Minería de datos Educacional) en los programas de formación virtual de la Institución Universitaria Politécnico Grancolombiano, el cual aportará elementos para la toma de decisiones y evaluación ágil de las mismas, teniendo como base las necesidades propias de la institución, los datos obtenidos históricamente de diferentes fuentes y el modelo allí establecido.

10 OBJETIVOS Objetivo General Proponer y aplicar una metodología de implementación de EDM (Minería de Datos Educacional) para el mejoramiento continuo de los programas virtuales en la Institución Universitaria Politécnico Gran Colombiano. Objetivos Específicos 1. Estudias y analizar las técnicas de minería de datos usadas de manera más exitosa en escenarios educativos para identificar oportunidades de mejora enfocadas al área de EDM. 2. Reconocer la infraestructura organizacional de la Institución Universitaria Politécnico Gran Colombiano y las fuentes de información accesibles para el desarrollo de la investigación. 3. Proponer una metodología de implementación de EDM que permita el mejoramiento continuo en el aprendizaje de los alumnos de programas virtuales en la Institución Universitaria Politécnico Gran Colombiano. 4. Aplicar la metodología propuesta para validar la viabilidad de la implementación en la Institución Universitaria Politécnico Gran Colombiano.

11 PLANTEAMIENTO DEL PROBLEMA Aunque los programas de educación virtual de la Institución Universitaria Politécnico Gran Colombiano están operando desde el año 2009, y hoy en día tiene 33 programas que cuentan con registro calificado con metodología virtual 1, la entidad no cuenta con herramientas o una metodología que le permita sacar provecho de todos los datos almacenados en los diferentes sistemas por varios años, tampoco se pueden validar las prácticas de los actores analizando el comportamiento de estos en los diferentes sistemas o tomar decisiones que afecten positivamente el aprendizaje de los estudiantes y el desempeño de los demás actores. Hoy en día, la Institución Universitaria Politécnico Grancolombiano tiene diversas fuentes de información (Sistema de gestión académica, LMS, hojas de Excel, etc.) en las cuales se registran datos relacionados al proceso aprendizaje-enseñanza, pero no se cuenta con un modelo o un sistema que permita hacer una exploración de los datos de carácter educativo para posteriormente generar estrategias pedagógicas o tecnológicas que puedan ser analizadas de manera ágil, y evaluar el resultado buscando oportunidades de mejora en todos los escenarios del proceso educativo. El crecimiento de la minería de datos en los últimos años ha sido muy importante, tanto que hoy en día existen diferentes sistemas que permiten hacer minería de datos, pero no existen herramientas desarrolladas o metodologías definidas específicamente para educación y estas son requeridas debido a la especificación de los actores y el objetico que se busca. El desarrollo de un modelo para implementar EDM en los programas formación virtual estaría totalmente enfocado en un problema histórico de la enseñanza, cómo conseguir un incremento importante en el aprendizaje de todos los estudiantes? y para ello se tendría como soporte las ventajas que la tecnología actual nos ofrece. 1 Tomado de

12 JUSTIFICACIÓN Los actores que toman decisiones y planifican día a día las actividades de los proyectos deben disponer de manera constante de la información en la cual se puedan fundamentar sus decisiones, por otra parte, los actores que participan en los diferentes procesos educativos deben contar con esta información para poder evaluar el desempeño de las actividades. En general, todos los usuarios que tiene roles estratégicos en las organizaciones necesitan disponer de información tanto consolidada como detallada de las actividades ya cumplidas, predecir tendencias y comportamientos, así como reducir el riesgo en las decisiones que se toman y ajustarlas de forma rápida si se requiere. Tiempo de respuesta, facilidad de acceder a la información consolidada, conciencia del comportamiento de los actores, toma decisiones y evaluación de los resultados son factores fundamentales que pueden marcar la diferencia en cuanto a pertinencia y calidad. Evidentemente, contar con herramientas que permitan consolidad la información de diferentes fuentes y acceder a todos los datos de forma heterogénea generaría grandes ventajas competitivas respecto a las demás instituciones educativas que adelanta procesos de formación en modalidad virtual. Por otra parte, contar con una metodología que permita sacar provecho de los datos registrados en los diferentes sistemas en aras de la maximización del aprendizaje de los estudiantes sin duda puede significar un elemento fundamental en el proceso educativo. Debido al interés que está generando la minería de datos educativa en diferentes entidades y por un número creciente de investigadores resulta muy pertinente desarrollar un modelo para implementación de EDM tomando como base los programas de formación virtual puede grandes beneficios a la Institución Universitaria Politécnico Grancolombiano y posteriormente en otras instituciones de educación superior.

13 IMPACTO DEL PROBLEMA A continuación se especificarán los diferentes impactos que generará el desarrollo del presente proyecto, tanto para la Fundación Politécnico Grancolombiano como para el equipo de personas que participen en el desarrollo del mismo. Los impactos que se describirán son: impactos son social, económico y académico. Impacto Social: De manera general, en Colombia el número de instituciones que ofrecen programas virtuales es creciente. Cada vez más instituciones quieren ofrecer sus programas presenciales de forma virtual. Según un estudio realizado en el 2014, el impacto de los egresados de formación virtual respecto a los egresados de programas presenciales tiene diferencias importantes[2] a favor de los egresados de programas presenciales. En gran medida, una de las principales dificultades de los programas virtuales es la dedicación que se requiere de parte de los estudiantes, pero también la dificultad que tiene la medición del desempeño los diferentes actores y elementos que intervienen en la los programas con esta modalidad. El desarrollo del presente trabajo busca ofrecer herramientas que permitan mejorar la calidad de los programas y facilitar la toma de decisiones para la institución. Impacto Económico: El impacto económico que se puede obtener del desarrollo de este proyecto, se puede ver reflejado en dos escenarios, el primero en la mejor utilización de los recursos asignados en la institución, bien sea en la inversión que realiza en talento humano, contratación de herramientas, plataforma tecnológicas, y procesos pedagógicos adelantos en la entidad. El segundo escenario hace referencia a la mejor remuneración que pueden obtener las personas que cursan de manera exitosa estos programas, ya que a mayor calidad de los programas, mayor reconocimiento y por ende mejores salarios. Es evidente que el desarrollo del proyecto puede generar elementos que permitan tomar decisiones de diferentes índoles, pero claramente las decisiones que se tomen se verán reflejadas en el presupuesto que la entidad destina a los programas ofrecidos en modalidad virtual. Impacto Académico: El impacto académico del desarrollo de este proyecto se evidenciará en la calidad de los programas virtuales de la Institución Fundación Politécnico

14 Grancolombiano, en el ajuste que se pueden hacer en los diferentes elementos que participan en este tipo de programas, mejor desempeño de profesores y alumnos, mejor uso de las herramientas tecnológicas, programas con mayor reconocimiento nacional y mejora en los procesos pedagógicos adelantados. Contar con un estándar que permita tomar decisiones rápidas facilitará la mejora en los programas de este tipo de educación y permitirá a la institución medir la evolución de los programas, el desempeño de los funcionarios y el uso de los diferentes elementos para tomar medidas que se reflejen en la calidad de los programas ofertados y más aún en las actividades propias del proceso de aprendizaje.

15 ANTECEDENTES Históricamente el proceso de enseñanza ha buscado incrementar las fortalezas de los profesores y principalmente maximizar el aprendizaje de los estudiantes. Hoy en día la educación se apoya de manera muy fuerte en la tecnología, especialmente en sistemas de enseñanza apoyados en WEB. La cantidad de datos que se almacenan en estos sistemas y en los sistemas tradicionales es cada vez mayor, así mismo la complejidad de analizar estos datos también se ha incrementado. La minería de datos es un área que cada vez se aplica con mayor fuerza en más áreas como por ejemplo gobierno, empresa, educación, investigación espacial, deportes, análisis de textos, internet y muchas otras [3] y en los últimos años en el análisis de sistemas de e-learning con el fin de obtener mejores resultados en el proceso de aprendizaje de los estudiantes. En este proceso ha nacido una nueva área dedicada a realizar minería de datos en educación, es decir, implementación de técnicas de minería de datos a información registrada en entornos educativos. En relación a esta área que se ha denominado EDM (Educational Data Mining) a continuación se presentan los principales hitos. Papers Los primeros papers que se enfocaron en EDM se publicaron en 1991, año en el que se publicaron 3 papers, a partir de este año el número de papers publicados en conferencias y revistas ha crecido de manera importante. Para ello se han consultado algunas de las principales bases de datos bibliográficas de artículos de investigación o científicos. Publicaciones SCOPUS[4]: o 1993:3 o 2009:34 Publicaciones ScienceDirect2 o 1996:10 o 2014:50 o 2015 (del 1 al 19 de enero): 12 2 Tomado de 10

16 Conferencias internacionales Debido a la importancia que ha tomado la minería de datos educacional, la International Educational Data Mining Society desde el año 2008 se está adelantando un encuentro internacional que se dedica exclusivamente a tratar temas relacionados con la Minería de datos Educacional[4],estos encuentros se han adelantado en diferentes países y los principales temas tratados han sido: 1. EDM 08: 1st International Conference on Educational Data Mining Montreal, Québec, Canadá Junio 20 al Número de Papers Aceptados: EDM 09: 2nd International Conference on Educational Data Mining Córdoba, España Julio 1 al Número de Papers Aceptados: EDM2010: 3th International Conference on Educational Data Mining Pittsburgh, PA, USA Junio 11 al Número de Papers Aceptados: EDM2011: 4th International Conference on Educational Data Mining Eindhoven, Holanda Julio 6 al Número de Papers Aceptados: Completos 20, Cortos EDM2012: 5th International Conference on Educational Data Mining Chania, Grecia Junio 19 al Número de Papers Aceptados: Completos 17, Cortos EDM2013: 6th International Conference on Educational Data Mining Memphis, Tennessee, USA Julio 6 al Número de Papers Aceptados: Completos 21, Cortos EDM2014: 7th International Conference on Educational Data Mining Londres, Reino Unido Julio 4 al Número de Papers Aceptados: Completos 24, Cortos EDM2015: 8th International Conference on Educational Data Mining Madrid, España Junio 26 al Fecha límite para envío de papers: Enero 12 11

17 MARCO DE LA INVESTIGACIÓN Institución educativa patrocinadora Fundación Politécnico Grancolombiano. Misión La Institución Universitaria Politécnico Grancolombiano tiene como fin contribuir a la inclusión social y al desarrollo de la nación, a través de programas en toda la cadena de formación que se distingan por su calidad y pertinencia y del desarrollo de proyectos de extensión e investigación aplicada, fundamentados en los valores institucionales, con el firme propósito de buscar la excelencia académica [5]. Visión Para el 2017, La IUPG será reconocida en el ámbito nacional e internacional como la Institución de Educación Superior que brinda más y mejores alternativas educativas en todos los niveles de la cadena de formación, por su compromiso con la calidad, la pertinencia, la inclusión social y el desarrollo de proyectos con incidencia en el sector social y empresarial académica [5]. Objeto Institucional El objeto del Politécnico Grancolombiano es la prestación de servicios en todos los campos de acción de la educación, en especial de la educación superior, según lo previsto en el Artículo 7 de la Ley 30 de 1992 y demás disposiciones complementarias y concordantes [6]. En desarrollo de su objeto el Politécnico Grancolombiano podrá: a) Adelantar todas las actividades académicas, investigativas, de extensión o de servicio conducentes al logro de su objeto. b) Celebrar convenios interinstitucionales para lograr la óptima utilización de sus recursos. c) Celebrar todo tipo de contratos con personas naturales o jurídicas, nacionales o extranjeras, con los cuales se busque el desarrollo de los objetivos del POLITÉCNICO GRANCOLOMBIANO. 15

18 d) Disponer activa y pasivamente de los derechos reales, tales como usufructo, uso o habitación, prenda e hipoteca. e) Avalar obligaciones propias, de estudiantes o de terceros, en beneficio o interés de la Fundación. f) Recibir donaciones provenientes de los mismos fundadores o de terceros. g) Realizar otras actividades preparatorias, complementarias o accesorias de las anteriores que sean necesarias o conducentes para el logro de su objetivo y fines. h) En general, realizar todos los objetivos previstos en el Artículo 6 de la Ley 30 de Minería de Datos: La minería de datos es un conjunto de técnicas y procedimientos que puede ser desarrollado a partir de diversas fuentes de datos como bodegas de datos o bases de datos relacionales, hasta archivos planos sin formatos y realiza a partir de estos datos, análisis predictivos mediante técnicas de análisis estadístico para predecir o prever medidas de certeza basada en los hechos existentes. Otra definición de minería de datos de acuerdo a (Fayyad, 1996); Es un proceso no trivial de identificación válida, novedosa, potencialmente útil y entendible de patrones comprensibles que se encuentran ocultos en los datos [7]. La minería de datos también es vista como la evolución de las tecnologías de la información [8]. La minería de datos es un campo multidisciplinario que permite obtener información relevante de grandes cantidades de datos en donde confluyen entre otras áreas inteligencia artificial, estadística, bases de datos, ciencias de la información, y otras. Los tipos de aplicaciones de la minería de datos se caracterizan por la respuesta que se busca responder, y pueden categorizarse entre: clasificación, estimación, pronóstico, asociación y agrupación o segmentación. Minería de Datos en Educación La importancia que está adquiriendo en los últimos años la educación virtual o e-learning, ha dado paso al nacimiento de una disciplina que emerge como herramienta que permite dar solución a diferentes paradigmas que asociados a la educación virtual y la minería de datos que se pueda asociar a este tipo de educación. Esta disciplina se conoce como Minería de Datos para la Educación (EDM) [9] [10]. Se centra en el desarrollo de métodos para la exploración de tipos específicos de datos que provienen del contexto educativo. Su objetivo global es lograr comprender cómo aprenden los estudiantes e identificar aquellos aspectos en los que es posible mejorar en aspectos educativos y de 16

19 aprendizaje. La Minería de Datos para la educación es tan importante que existe en el año 2007 se fundó una organización internacional 3 dedicada a investigar esta disciplina. La información de los sistemas educativos en la actualidad almacena grandes cantidades de datos y su origen puede provenir de diversas fuentes, diversos formatos y diferentes niveles de granularidad [11]. Los problemas de minería de datos educativa, deben analizarse de manera particular debido a que su objetivo específico determina una singularidad al momento de resolverse mediante técnicas de minería de datos. La minería de datos en educación puede analizar los datos generados por cualquier sistema de aprendizaje y enfocarse en diversos aspectos tanto individuales como grupales y tener en cuenta datos subyacentes; datos administrativos, datos demográficos, datos motivacionales que a su vez contienen múltiples niveles de jerarquía, contextos, niveles de granularidad y datos históricos. Se llama interdisciplinaria a la minería de datos en educación por que puede involucrar el análisis de redes sociales, psicopedagogía, psicología cognitiva, psicometría entre otras. Figura 2. Principales áreas involucradas en la minería de datos para educación

20 [12] El campo más relacionado de las áreas del gráfico es Learning Analitics (Análisis Académico) que se puede definir como la medición, recopilación, análisis y presentación de informes de datos sobre los estudiantes y sus contextos, para fines de la comprensión y el aprendizaje y la optimización de los entornos en los que se produce, por tanto, la Minería de Datos para Educación puede compartir muchos atributos entre todas y cada una de las áreas que la rodea [12]. Tipos de ambientes educativos Los tipos de ambientes educativos que existen hoy día y que pueden ser explorados y analizados por la Minería de Datos Educativa son la Educación tradicional y la Educación basada en Computador. Cada uno de estos dos ambientes proporciona datos de diferentes fuentes que deben ser pre-procesados de maneras particulares dependiendo de la naturaleza de cada uno de ellos, los problemas y las tareas específicas a ser resueltas. (Romero & Ventura, 2013). Educación tradicional La Educación tradicional es el sistema educativo más utilizado y se refiere a las escuelas y universidades presenciales donde se ofrece la enseñanza a partir de cátedras en un salón de clases. En estos entornos, los sistemas recolectan información de todo lo que les rodea y el contexto en general, es decir: la asistencia, las notas, logros del plan de estudios a nivel general e individual. Estas instituciones educativas cuentan con fuentes diversas de información como: bases de datos tradicionales con información del estudiante y todo su proceso educativo e información en línea con información adicional de contenido educativo[12]. Educación basada en Computador La Educación basada en Computador es el uso de Computadores para proporcionar dirección, instruir o gestionar las instrucciones dadas al estudiante. En un inicio estás aplicaciones fueron de escritorio y se ejecutaban en computadores si conexiones entre ellos y sin la utilización de técnicas de inteligencia artificial para el modelado, adaptación y personalización de los estudiantes hasta el momento en que Internet popularizó estos sistemas hasta el punto de ser denominados y conocidos masivamente como e-learning, sistemas de instrucción en línea, que hoy en día son de 18

21 uso extensivo entre instituciones netamente virtuales e instituciones educativas tradicionales para extender sus actividades a más personas y lugares poco accesibles [10]. Entre ellos se encuentran los siguientes: LMS, ITS - Sistemas de gestión de aprendizaje AIHS - Sistemas Hipermedia Adaptativos Sistemas de pruebas y evaluación Otros tipos de Sistemas de Educación basada por Computador (CBE) Figura 3. Tipos de entornos y sistemas educativos tradicionales y basados en computadoras. Líneas de investigación futuras Dentro de los principales asuntos que en la actualidad están despertando el interés de los investigadores de esta área se ha encontrado entre otras las siguientes: Dominio y estandarización de datos. [12] Estandarización de procesos para EDM Detección y gestión de estados emocionales de los estudiantes Integración de minería de datos y teoría pedagógica Minería de datos en entornos de aprendizaje emergentes [13] 19

22 Minería de datos en aplicaciones Open Source [14] Integración entre EDM y Análisis de aprendizaje Aplicación de técnicas de minería de datos en dominios específicos [15] Marcos genéricos, enfoques y enfoques para ED 20

23 GLOSARIO B-Learning (Blended Learning): Proceso de aprendizaje semipresencial, esto significa que un que los alumnos reciben acompañamiento docente presenciales como actividades de virtuales apoyadas por herramientas de e-learing. CMS (Content Management System): Herramienta que permite gestionar contenidos en línea, es decir, permite crear, clasificar y publicar y administrar cualquier tipo de información en una página web. Datamart: Almacén de datos especializado, no son más que datos históricos pero tratados para evitar datos duplicados, atributos no existentes, etc. Datawarehouse: Almacén de datos que reúne la información histórica generada por todos los distintos departamentos de una organización, orientada a consultas complejas y de alto rendimiento. EDM (Educational Data Mining): Minería de datos educativa. Hacer referencia a las técnicas, herramientas e investigaciones de minería de datos enfocadas a entornos educativos ETL (Extraction, Transformation and Loading): Herramientas dedicadas a la extracción de los datos desde las fuentes donde estos se encuentren a los Datamatarts. LCMS (Learning Content Management Systems): Sistema que permite crear y gestionar material pedagógico para formación mixta (a distancia y presencial). LMS (Learning Management System): Sistema de gestión de aprendizaje online, que permite administrar, distribuir, monitorear, evaluar y apoyar las diferentes actividades previamente diseñadas y programadas dentro de un proceso de formación completamente virtual (elearning), o de formación semipresencial (Blended Learning). MOOC (Massive Open Online Courses): Es un curso a distancia, accesible por en línea al cual se puede inscribir cualquier persona para adelantar las actividades de forma libre. OLAP (On-Line AnalyticProcessing): Son sistemas únicamente utilizados para procesamiento analítico que tienen como propósito el estudio de una tendencia. 16

24 REFERENCIAS [1] R. Mason and F. Rennie, E-learning and social networking handbook: Resources for higher education. 2013, p [2] D. Rojas Rojas, Impacto en la situación laboral de los egresados de la educación presencial y virtual: estudio comparativo, Educ. y Educ., vol. 17, no. 2, pp , Sep [3] F. Virseda Benito and J. Carrillo, Minería de datos y aplicaciones, 2008, p. 8. [4] C. Romero and S. Ventura, Educational data mining: A review of the state of the art, IEEE Trans. Syst. Man, Cybern. C Appl. Rev., vol. 40, no. X, pp , [5] Institución Universitaria Politécnico Grancolombiano, Plan Estratégico Institucional , [6] Institución Universitaria Politécnico Grancolombiano, Estatutos Fundación Politécnico Grancolombiano Institución Universitaria, [7] A. B. Román, D. Sánchez-guzmán, R. García, P. Nacional, C. Legaria, and C. Irrigación, Minería de datos educativa : Una herramienta para la investigación de patrones de aprendizaje sobre un contexto educativo, vol. 7, no. 4, [8] J. Han and M. Kamber, Data Mining Concepts And Techniques. 2001, p [9] G. Siemens and R. S. J. Baker, Learning Analytics and Educational Data Mining : Towards Communication and Collaboration, [10] O. Scheuer and B. M. Mclaren, Educational Data Mining, [11] D. G. Reina, S. L. Toral, and F. Barrero, Metodologías de Análisis de los Big Data en las Plataformas Educativas. [12] C. Romero and S. Ventura, Data mining in education, Wiley Interdiscip. Rev. Data Min.Knowl. Discov., vol. 3, no. 1, pp , Jan [13] A. Rodríguez and J. González, Prospección de la colaboración utilizando herramientas de minería de datos en ambiente abiertos de aprendizaje 17

25 colaborativo con el objetivo de mejorar la gestión del proceso de colaboración, [14] E. Hochsztain and A. Tasistro, MoDaWeEd : un framework que integra Moodle, DataMining y Web Usage Mining en el ámbito de la Educación, no. Minian 1999, pp [15] E. García Salcines, Usando minería de datos para la continua mejora de cursos E- Learning, UNIVERSIDAD DE CÓRDOBA,

26 DESARROLLO DE APLICACIÓN MÓVIL PARA LA CONTRATACIÓN DE SERVICIOS DOMÉSTICOS EN COLOMBIA. TUSERVICIO.CO PROYECTO DE INVESTIGACIÓN APLICADA EDWIN ALBERTO MARTÍNEZ ROJAS INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRAN COLOMBIANO MAESTRÍA EN INGENIERÍA DE SISTEMAS. CORREO-E: 19

27 TABLA DE CONTENIDO OBJETIVOS... Error! Marcador no definido. IMPACTOS... Error! Marcador no definido. JUSTIFICACIÓN... Error! Marcador no definido. MARCO DE REFERENCIA... Error! Marcador no definido. ACTIVIDADES... Error! Marcador no definido. PRESUPUESTO... Error! Marcador no definido. BIBLIOGRAFÍA / REFERENCIAS... Error! Marcador no definido. 20

28 OBJETIVOS Objetivo General: Desarrollar una aplicación móvil que permita la búsqueda y contratación de servicios domésticos en Colombia. Objetivos Específicos: 1. Analizar el impacto socio-económico de la aplicación de acuerdo a un estudio de mercado en Bogotá. 2. Investigar los procesos de selección para la contratación de personas con experiencia en servicios domésticos. 3. Analizar, diseñar y construir un prototipo que permita la búsqueda y contratación de servicios domésticos a través de una aplicación móvil. 4. Diseñar e implementar en la aplicación móvil algoritmos de búsquedas inteligentes. IMPACTOS Impacto Social: Las aplicaciones móviles y el contenido digital hoy en día, representan el mayor potencial dentro de la cadena de valor en las telecomunicaciones e Internet. Se estima que en los próximos 5 años haya un crecimiento promedio del 23,6% en la adopción de aplicaciones y contenido móviles en América Latina [1]. Debido al auge y crecimiento de las aplicaciones móviles a nivel mundial y en especial en América Latina y Colombia, TuServicio.co ofrecerá a la sociedad colombiana una solución informática que permita realizar búsquedas ágiles y seguras de servicios domésticos, 21

29 brindando calidad de vida a través de la reducción de tiempo al momento de contratar personal idóneo y capacitado en el área específica. Impacto Económico: En el 2014, Norte América continúa liderando la economía de app s, representando el 42% de las ventas de aplicaciones globales (incluidos los servicios y contratos de desarrollo), pero esperamos que esto disminuya al 33% en 2016 ya que el crecimiento en Asia, América Latina y África se acelera. Europa es el segundo mayor consumidor de aplicaciones y servicios relacionados, por valor de las ventas, que representan el 28% de las ventas de aplicaciones a nivel mundial en Pero serán superadas por Asia en 2016 ya que las ventas de teléfonos inteligentes se disparan en la región. Los desarrolladores también deben visualizar el potencial en América Latina, Oriente Medio y África, ya que en conjunto representaron sólo el 13% de la economía de aplicaciones en 2013, esperando un crecimiento al 19% en 2016 [2]. 22

30 Desde el punto de vista anterior, TuServicio.co será generador de nuevos empleos directos e indirectos, contribuyendo a través de alianzas estratégicas mecanismos que impulsen e impacten el sector económico del mercado de oferta y demanda con el fin de brindar un excelente servicio con calidad y eficiencia. 23

31 Impacto Académico: Incentivar a jóvenes de pregrado a que exploren nuevas tecnologías y brindándoles un espacio donde puedan desarrollar sus pasantías, tesis o investigaciones de nuevas tecnologías para el desarrollo de dispositivos móviles a través de lenguajes o plataformas que aporten a la constante actualización, mejoras y funcionalidad de TuServicio.co para extenderse y llegar a más clientes potenciales [3]. 24

32 JUSTIFICACIÓN Actualmente en la sociedad en que vivimos y en la que en el día a día el factor tiempo se hace cada vez más corto, TuServicio.co surge debido a la necesidad de buscar de manera segura, ágil y eficientemente servicios domésticos para el hogar, ayudando a mejorar la calidad de vida de las personas y las familias. MARCO DE REFERENCIA Como marco de referencia de la idea de negocio de tuservicio.co, se realizó con base en las experiencias de usuario para la búsqueda de personas para contratación de servicios generales y especializados. Al realizar la investigación de portales o aplicaciones que realicen el proceso de búsqueda de personas para desempeñarse en servicios generales tales como empleadas de servicio, cerrajeros, plomeros y toda la gama servicios domésticos y profesionales, se encontraron varios sistemas o aplicaciones que realizan esta búsqueda de candidatos, tales como páginasamarillas.com, linkedin, elempleo.com, computrabajo, infojobs, etc. Sin embargo, estos portales de búsqueda ofrecen solamente la información del contacto. Es aquí donde surge la idea y la necesidad de implementar un portal web en la que no solamente se busquen candidatos, sino que se ofrezca además servicios de contratación por horas, días, meses, etc. con el ánimo de incentivar y brindar un servicio de calidad y con estándares de seguridad, donde finalmente el usuario contratará a la persona que satisfaga sus necesidades domésticas o profesionales con la plena seguridad que la persona contratada es la ideal para desempeñarse en la labor a realizar, mediante mecanismos de calificación por estrellas alimentadas por otros usuarios que anteriormente lo hayan contratado. A continuación se realiza un cuadro comparativo en los portales y servicios de aplicaciones móviles en el mercado colombiano para la búsqueda de personas para contratación. 25

33 Cuadro 1. Cuadro comparativo en aplicaciones de búsquedas de servicios de contratación conocidas en Colombia Proyección para la construcción de la App: tuservicio.co Fases: Fase de Requerimientos Fase de Diseño Fase de Construcción Fase de Pruebas Fase de Implementación ACTIVIDADES A continuación se relacionan las actividades que se realizarán en cada una de las fases anteriormente mencionadas. Actividades a desarrollar en la fase de requerimientos 1. Analizar requerimientos funcionales. Establece todo el análisis funcional que tendrá la aplicación a partir de los requerimientos expuestos que se reflejarán en la operación, seguimiento y administración de la aplicación web. 26

34 2. Analizar requerimientos no funcionales. Corresponde al análisis técnico que soportará la aplicación en los componentes de hardware y software necesarios para el correcto funcionamiento de la aplicación web. 3. Elaborar diagramas de flujo. Se enfoca en la diagramación estructural del flujo de macro- procesos y mico-procesos necesarios para establecer un orden especial en todo el funcionamiento de la aplicación web. 4. Revisar y corregir Diagramas UML. En este proceso se realiza una revisión tanto técnica como funcional de los diagramas estructurados con los macro procesos y micro procesos orientados a la funcionalidad y caracterización de cada uno de ellos. 5. Aprobar los diagramas UML. Aprobación por parte de las personas técnicas y funcionales encargadas de los procesos que definirán el negocio y control a fin de transformarlos en casos de uso dentro de la aplicación web. Actividades a desarrollar en la fase de diseño 1. Análisis y diseño de casos de uso. Análisis y comprensión de los diagramas UML para transformarlos en casos de uso requeridos en la aplicación web. 2. Elaborar casos de uso. Elaboración de casos de uso que se verán representación en la funcionalidad dentro de la aplicación web donde los usuarios interactuarán alimentando o extrayendo información. 3. Revisión de casos de uso. En este proceso se realiza una revisión de los casos de uso involucrados en la funcionalidad característica y en los procesos en los que se integrará con otros casos de uso. 4. Aprobar y socializar casos de uso. Aprobación por parte de las personas funcionales y del arquitecto del sistema encargadas de transformar el core del negocio en un sistema los procesos que definirán el negocio y control a fin de transformarlos en casos de uso dentro de la aplicación web. 27

35 Actividades a desarrollar en la fase de construcción 1. Desarrollar software de acuerdo a casos de uso. Desarrollar la interfaz gráfica de la aplicación web de acuerdo a los casos de uso aprobados anteriormente. 2. Elaborar pruebas unitarias. Elaboración de pruebas unitarias a cada caso de uso desarrollado dentro de la aplicación a fin de evitar errores no detectados. Actividades a desarrollar en la fase de pruebas 1. Realizar pruebas funcionales. Desarrollar pruebas funcionales de la aplicación web recorriendo todos sus casos de uso de acuerdo a los permisos por perfiles o roles. 2. Realizar pruebas de carga o stress. Elaboración de pruebas de stress o carga para determinar posibles cuellos de botella, encontrados en procesos o casos de uso. Esta prueba es fundamental para analizar y conocer la escalabilidad horizontal que puede tener de acuerdo a la demanda del sitio web. 3. Realizar pruebas de calidad. Elaboración de pruebas de calidad para brindar un nivel óptimo de calidad en cada uno de los procesos de la aplicación. Actividades a desarrollar en la fase de implementación 1. Implementar arquitectura técnica. Implementación de la arquitectura definida para toda la capa de la web, servicios y reglas de negocio. 2. Implementar base de datos. Implementación de la base de datos que será el soporte y almacenamiento de la información de la aplicación. 28

36 3. Implementar aplicación en producción. Una vez terminadas las pruebas de stress y las pruebas de calidad vayan en un 80% de aprobación, se irá implementando la primera versión Beta de la aplicación para verificar su correcta operación. 4. Puesta en marcha de TuServicio.com. Lanzamiento al público del portal web tuservicio.com. Cronograma de Actividades 29

37 PRESUPUESTO A continuación se detalla el presupuesto que se realizará para el proyecto de acuerdo al cronograma de actividades anteriormente expuesto: 30

38 31

39 El valor total del Proyecto tuservicio.com presupuestado a 6 meses es de aproximadamente: quinientos setenta y cuatro millones ciento cincuenta mil pesos ($ ,00). La tasa de retorno del proyecto se realizará a través del descuento de un 5% al momento que el usuario contrate los servicios. Este descuento será debitado al contratista directamente. Adicionalmente se venderán pautas comerciales con ofertas de servicios generales y profesionales. 32

40 BIBLIOGRAFÍA / REFERENCIAS [1] R. E, Aplicaciones Móviles para la Educación, 11 Octubre y- evolucion-de-las.html. [2] Vision Mobile, BUSINESS AND PRODUCTIVITY APPS, Londres, [3] C. V. Mark Wilcox, Developer Economics - State of the Developer Nation Q3 2014, Londres, Daniel et al., 2007 F. Daniel, M. Matera, J. Yu, B. Benatallah, R. Saint-Paul, F. Casati Qué es la integración de interfaz de usuario: una encuesta de los problemas, las tecnologías y las oportunidades IEEE Internet Computing (2007), pp Firesmith, 1996 DG Firesmith Casos de uso: Los pros y contras. La sabiduría de los gurúes: una visión para la tecnología de objetos (1996) Gamma et al., 1995 E. Gamma, R. Helm, R. Johnson, J. Vlissides Patrones de diseño: elementos reutilizables de software orientado a objetos Addison-Wesley, Reading, MA (1995) Grcar et al., 2007 Grcar, M., Grobelnik, M., Mladeni, D., Uso de la minería de textos y análisis de enlaces de software. JBoss Seam, 2010 JBoss Seam,

41 Kennard y Steele, 2008 R. Kennard, R. Steele La aplicación de la minería de software para la generación automática de la interfaz de usuario Nuevas Tendencias en Software Metodologías, Herramientas y Técnicas (2008), p. 244 Pawson, 2004 R. Pawson Naked Objetos Trinity College de Dublín (2004) Xie et al., 2007 T. Xie, J. Pei, AE Hassan Datos de ingeniería de software de minería Broady, Alan F. (2010). Herramientas de colaboración informal para los equipos globales de desarrollo de software Informal. Francisco Villarreal. Es posible el éxito empresarial con tecnologías de información?. Pag Revista RED febrero/96 Nro. 65. HORINE, GREGORY Gestión de Proyectos. 1 ed. España Editorial Anaya Multimedia AMENDOLA, LUIS JOSE Estrategias y Tácticas en la Dirección y Gestión de Proyectos. 1 ed. España. Editorial UPV 34

42 ÅG ERF AL K, P.J., FITZGERALD, B., OLSSON H.H., and CO N CHÚIR E. (2008). Making Globally Distributed Software Development a Success Story, Benefits of Global Software Development: The Known and Unknown. Lecture Notes in Computer Science, Volume 5007, Springer Berlin / Heidelberg. CATALDO, M., BASS, M., HERBSLEB, J. D., and BASS, L. (2007). On coordination mechanisms in global software development. In Proceedings of the Second IEEE International Conference on Global Software Engineering, (pp ). Munich, Germany. IEEE Computer Society Press, Los Alamitos, CA, USA. CLERC, V., LAGO, P., and VAN VLIET, H. (2007). Global Software Development: Are Architectural Rules the Answer?. In Proceedings of the Second IEEE International Conference on Global Software Engineering, (pp ). Munich, Germany. IEEE Computer Society Press, Los Alamitos, CA, USA. COMI, A., and EPPLER, M. J. (2009). Visualizing Organizational Competences: Problems, Practices, Perspectives. In Proceedings of I-KNOW 09 and I-SEMANTICS 09, (pp ). Semantic Web Company. HERBSLEB, J.D. (2007). Global software engineering: The Future of Socio-Technical Coordination. In the Proceedings of the Future of Software Engineering Conference, (pp ). Minneapolis, Minnesota. IEEE Computer Society Press. 35

43 DESCUBRIMIENTO DE CONOCIMIENTO (KDD) Y EDM SOBRE LAS PRUEBAS DE ESTADO SABER PRO (ECAES) PRESENTADO A: GABRIEL MORENO PRESENTADO POR: ANDRES FELIPE RIVEROS OCHOA Código: INTITUCIÓN UNIVERSITARIA POLITÉCNICO GRANCOLOMBIANO MAESTRÍA EN INGENIERÍA DE SISTEMAS SEMINARIO DE INVESTIGACION APLICADA BOGOTA D.C

44 TABLA DE CONTENIDO RESUMEN... Error! Marcador no definido. INTRODUCCIÓN... Error! Marcador no definido. JUSTIFICACIÓN... Error! Marcador no definido. OBJETIVOS... Error! Marcador no definido. METODOLOGÍA... Error! Marcador no definido. MARCO DE REFERENCIA... Error! Marcador no definido. PRESUPUESTO ESTIMADO... Error! Marcador no definido. FINANCIACION... Error! Marcador no definido. ENTREGABLES... Error! Marcador no definido. RESULTADOS ESPERADOS... Error! Marcador no definido. REFERENCIAS BIBLIOGRÁFICAS... Error! Marcador no definido. 37

45 MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (KDD) SOBRE LAS PRUEBAS DE ESTADO SABER PRO (ECAES) RESUMEN En la actualidad los volúmenes de información que contienen las bases de datos han llegado a un tamaño tal que se hace inoficioso y poco práctico realizar el análisis de estos conjuntos de datos de forma manual debida a la gran cantidad de tiempo que tomaría. Como respuesta a dicha necesidad surge el KDD (Knowledge Discovery in Databases) como una solución automatizada cuya finalidad es la extracción de un conocimiento útil ajustado al contexto de la información contenida. Muchas de las aplicaciones del KDD y en particular de la Minería de Datos han estado orientadas al campo industrial, en donde ha incursionado con bastante éxito en los sectores bursátiles y bancarios; sin embargo también se han ido explorando otras áreas como la salud y la educación aunque no con la misma profundidad. Es importante resaltar que actualmente se considera que la información toma cada vez más importancia tanto para las organizaciones como para la academia, pues gran parte de sus decisiones y tendencias gira en torno a esta, por esto mismo es importante notar que no basta con tener los datos almacenados en bases de datos, porque estos por si mismos no significaran nada Es allí donde se concentra el enfoque de KDD, ya que dándole un adecuado tratamiento a dichos datos es posible lograr hacer un análisis que permita identificar patrones comportamentales que den lugar a posibles predicciones, permitiendo repercutir de manera favorable en un área de investigación en específico como lo es la educación superior en un país como el nuestro. 38

46 INTRODUCCIÓN En la actualidad muchas de las grandes y medianas industrias cuentan con diversos sistemas para almacenar la información relacionada con su operatividad y actividades propias de negocio, sin embargo, muchas de las bases de datos funcionan de manera transaccional, por lo que las empresas solo se limitan a llevar un registro que sustente las operaciones realizadas. Por otra parte se ha venido convirtiendo en una práctica cada vez más común, que dichas empresas estén interesadas en empezar a analizar la información que poseen tanto de las actividades propias de negocio como de sus clientes, esto sin duda alguna trae consigo grandes beneficios, puesto que del análisis y procesamiento que se haga de la información, se podrán soportar las futuras e inmediatas decisiones. Esto permitirá mejorar la calidad de los procesos, aumentar la competitividad de las empresas, mejorar márgenes de ganancia y disminución de riesgos entre otros. La industria ha logrado maximizar el uso de la información, ha sabido explotarla a través de los procesos de KDD y las técnicas de minería de datos y ha mostrado que hacer dichos análisis contribuye enormemente y permiten inferir gran cantidad de información que de otra manera no sería posible determinar. La pregunta aquí es: Que hacer con dicho conocimiento?, bueno en el caso de la industria la respuesta siempre tendrá que ver con aspectos que permitan mejorar los ingresos, maximizar ganancias, identificar nichos de mercado y un largo Etc. Por otra parte todos estos mismos privilegios que ha tenido la industria pueden ser explotados también por otras áreas y campos de interés que aportan de manera substancial al ser humano. La educación en nuestro país siempre ha sido un punto álgido en materia de gobierno puesto que como se ha podido observar los resultados obtenidos en las pruebas internacionales, nuestra educación atraviesa una crisis profunda, y es evidente que necesita ser reformada no en lo superficial sino de fondo. Las reformas que se hagan sobre la educación superior no pueden ser tomadas a la ligera, es aquí donde juega un papel importante el KDD y las técnicas de minería de datos, ya que si analizamos minuciosamente la información contenida por las pruebas SABER-PRO en bases de datos del ICFES seguramente podremos encontrar referentes que sirvan para tomar las mejores decisiones que permitan mejorar la calidad de educación en nuestro país, identificando fortalezas y debilidades de la mismas además de aportar diferentes perspectivas que permitan el análisis de las mismas. 39

47 JUSTIFICACIÓN Como es sabido los resultados obtenidos por los estudiantes colombianos en las pruebas tanto para educación media (Pruebas SABER) y educación superior (Pruebas SABER-PRO), no han sido los más satisfactorios. Las razones para determinar el porqué de estos resultados, son bastante difíciles de hallar, ya que existe una cantidad considerable de variables para tener en cuenta, que pueden estar asociadas a la calidad brindada por las instituciones de educación, la preparación de los docentes, e inclusive las mismas capacidades y/o habilidades de los estudiantes. Motivación: Convocatorias ICFES de Investigación Es una convocatoria realizada por el ICFES con el fin de promover el uso de los resultados obtenidos por los estudiantes en las pruebas Saber. Están convocatorias están dirigidas a estudiantes de Posgrado y grupos de investigación. El ICFES podrá destinar recursos para los proyectos que sean aprobados y adicionalmente brindar asesores que revisen el adecuado desarrollo del proyecto. Teniendo en cuenta lo anterior, se considera que desarrollar una investigación basándonos en las bases de datos con las que cuenta el ICFES es una gran oportunidad de aportar a la mejora de las pruebas SABER-PRO mediante el análisis de los datos y si adicionalmente se cuenta con el apoyo del ICFES, el proceso de investigación contara con mayor soporte. OBJETIVOS Objetivo General 1. Evaluar y Aplicar técnicas de minería de datos para la extracción y descubrimiento de conocimientos, que permitan analizar de manera cualitativa y cuantitativa los resultados obtenidos por los estudiantes de educación superior en las pruebas SABER-PRO realizadas por el ICFES. 40

48 Objetivos Específicos 1. Plantear, definir y estructurar los objetivos y el dominio de KDD sobre el cual se procesara la información extraída de las bases de datos proporcionadas por el ICFES. 2. Evaluar e identificar diferentes técnicas de minaría de datos con el fin de aplicar la más adecuada respecto a los objetivos de KDD. 3. Implementar algoritmos de minería de datos sobre nuestra fuente de datos preprocesada, para determinar patrones que permitan realizar la interpretación de los datos. 4. Analizar los resultados obtenidos, con el fin de extraer un conocimiento útil que permita identificar patrones relacionados con las pruebas de estado SABER-PRO, que contribuyan a la mejora de la calidad de la educación en nuestro país. METODOLOGÍA Una vez se tenga acceso a las bases de datos (no relacionales) en el servidor Ftp del ICFES y a su diccionario de datos; se procederá a modelar y construir el respectivo modelo y esquema de datos necesarios para poder consultar y manipular la información adecuadamente. Posteriormente mediante procesos de limpieza se trataran los datos con el fin de detectar fuentes de ruido para evitar que se trunque el proceso de minería de datos. Una vez que haya finalizado el proceso de limpieza se procederá con la trasformación de los datos para posteriormente ser analizados a través de algoritmos de Minería de Datos. En la fase final de acuerdo a los resultados obtenidos por los algoritmos, se espera poder obtener las respectivas correlaciones entre datos con el fin de hacer el respectivo análisis cualitativo y cuantitativo de la información. Para organizar el proceso de descubrimiento de conocimiento se han divido las tareas por fases, de manera que sean más fáciles de 41

49 realizar y conservar un orden lógico entre ellos a medida que avanza el proceso KDD, dichas fases son: Fase Preliminar: Se pedirá el acceso a las bases de datos del ICFES, posteriormente se efectuara un barrido general que permita tener una perspectiva sobre los datos que han sido suministrados, luego se analizara el diccionario de la base de datos, y se procederá a identificar los objetivos del proceso KDD con el fin de delimitar el conjunto de información relevante para el estudio detallado. Una vez se tengan recopilados todos los datos y se haya definido un esquema de modelamiento de datos, lo siguiente es realizar la escogencia de las herramientas y/o software con los cuales se trabajara; además se procederá a la respectiva configuración del ambiente donde se trabajara. Fase de Diseño y Documentación: Realizar el proceso de selección de la información pertinente determinado por el alcance y los objetivos KDD, y de ser necesario realizar el tratamiento adecuado para los datos (modelamiento relacional y multidimensional). Adicionalmente se recopilara el material bibliográfico acorde para preparar el marco teórico del documento de tesis, así como también se empezará a trabajar en la documentación de todo el proceso realizado hasta esta fase. Fase de Desarrollo: Una vez esté constituido el esquema de datos que se trabajara (tablas relacionales, cubos, archivos planos etc.) se procederá a realizar la respectiva limpieza de los datos donde se intentara anular las posibles fuentes de ruido en los datos, posteriormente se evaluaran detalladamente las posibles trasformaciones necesarias para tratar la información y se procederá a aplicar la respectiva técnica de minería de datos determinada en el planteamiento de los objetivos KDD, que permitirá determinar el análisis cuantitativo de la información. Fase de Implementación y cierre: Una vez que haya sido implementada la técnica de minería de datos, se procederá a evaluar e interpretar los resultados obtenidos por los patrones encontrados, con el fin de poder concluir exitosamente el proceso de extracción de conocimiento útil. De cada una de las fases anteriores se sacaran las respectivas conclusiones en torno a los resultados obtenidos por el sistema, y se terminara la elaboración de los documentos y demás entregables. 42

50 MARCO DE REFERENCIA Estado del Arte La Minería de Datos y el Descubrimiento de Conocimientos El descubrimiento de conocimientos (KDD) es el proceso mediante el cual se hace modelamiento, exploración y análisis de grandes conjuntos de datos [12], por lo tanto KDD está compuesto de una serie de pasos claves para llevar a cabo la adecuada exploración he interpretación de la información. Dentro de los pasos encontramos los siguientes: Por otra parte la minería de datos es el proceso mediante el cual se examinan minuciosa y exhaustivamente grandes volúmenes de datos con el fin de explorarlos para poder descubrir patrones que den fundamento a posibles hipótesis que ayuden a pronosticar o predecir posibles relaciones entre las variables a estudiar (Galviz,, 2004). Por lo tanto podríamos decir que la MD es el núcleo de KDD que tiene como finalidad establecer y aplicar los diferentes tipos de algoritmos para el análisis y la exploración de la información, para luego desarrollar un modelo que permita identificar patrones (Maimon). Hay que tener en cuenta que los procesos que componen KDD son iterativos y son nueve en total, lo que quiere decir que una vez completado un paso se puede regresar al anterior solo de ser necesario. Los procesos o pasos que componen el KDD son: 1. Entendimiento del dominio y objetivos: Está enfocado a los interese del usuario final, por lo que pretende determinar características destacables en cuanto al conocimiento que se desea extraer, por lo que se deben tener claros los objetivos que pueden incluso determinar que algoritmos serían más eficientes (Maimon). 2. Selección y creación del conjunto de datos: Permite establecer los conjuntos con los cuales se trabajara permitiendo delimitar la homogeneidad de los datos, la estrategia de muestreo etc (Gómez, 1998). 3. Limpieza de datos: Permite identificar las posibles fuentes de ruido de la información y establecer las estrategias para tratarlos (Gómez, 1998). 4. Transformación: Es uno de los procesos más cruciales ya que dé él se puede desprender el éxito de aplicar los algoritmos de minería de datos; dentro de este se encuentran la búsqueda de características útiles de los datos y la reducción del número de variables. 43

51 5. Seleccionar la tarea apropiada de Minería de Datos: Según los objetivos planteados en KDD, seleccionamos cual tipo de MD se adapta para resolver adecuadamente nuestro problema, este podría ser: regresión, clasificación u otros. se debe tener en cuenta que dos principales objetivos de la MD son Predicción y descripción así que se deben tener claros los objetivos para poder hacer una elección adecuada (Gómez, 1998). 6. Seleccionar el adecuado algoritmo de Minería de Datos: En esta etapa debemos seleccionar el adecuado algoritmo que nos permitida realizar la búsqueda de patrones. El existo de la MD radica principalmente en el adecuado manejo que se le hayan dado a los pasos anteriores (Gómez, 1998). 7. Evaluación e interpretación: En esta etapa se evalúan e interpretan los patrones obtenidos respecto a los objetivos definidos (Maimon). 8. Descubrimiento del conocimiento: En esta etapa se valida he incorpora el conocimiento documentándolo o entregándolo al interesado (Gómez, 1998). Los procesos del KDD pueden tener algunas ligeras variaciones dependiendo de la fuente, ya que algunos pueden agruparse y contarse como uno solo. Sin embargo en este esquema podemos ver el conjunto de pasos por el cual está compuesto con un adecuado nivel de detalle. Una salvedad importante que se debe tener en cuenta, es que a pesar de que la MD es el núcleo de KDD los procesos anteriores y posteriores a la MD son de la misma relevancia, puesto que aquí hablamos de un pre-procesamiento en el cual se hace una selección adecuada de los datos, filtrando, limpiando y transformando, luego tenemos un post procesamiento en el cual se llevan a cabo el análisis, la extracción y la validación de los conocimientos. Figura [1]. Ciclo completo de KDD. Tomada de [12]. 44

52 Por otra parte es frecuente pensar en la minería de datos como un proceso tradicional estadístico en el cual se evalúan los datos para hacer predicciones, sin embargo existe una ligera diferencia la cual está fundamentada en que la estadística tradicional parte de una hipótesis y basándose en un conjunto de datos valida dicha hipótesis, en tanto que la MD se encarga de extraer patrones de los mismos datos para posteriormente descubrir relaciones entre ellos y realizar un análisis que permita formular hipótesis (Díaz). Métodos de minería de Datos Dentro de la estructura de la MD podemos encontrar dos grandes grupos en los cuales se encuentra divida; en primer lugar tenemos la MD orientada a la verificación cuyo fin es verificar las hipótesis propuestas (generalmente por un experto en el tema), mientras que en segundo lugar tenemos la MD orientada al descubrimiento, la cual está orientada a encontrar patrones comportamentales que no son aparentemente obvios (Maimon). La MD orientada al descubrimiento a su vez esta subdividida en métodos de descripción y métodos de predicción; los primeros están enfocados en la construcción de modelos comportamentales que son capaces de predecir valores, mientras que los segundos se enfocan en la interpretación de los datos y comprensión de los mismos. 45

53 Figura [2]. Taxonomía de la Minería de Datos. Tomada de [12]. Tareas de la minería de datos Las tareas establecidas en la DM se pueden clasificar en dos categorías las tareas predictivas y las tareas descriptivas. Las primeras están enfocadas a la predicción (clasificación, regresión, categorización, estimación, etc) de valores para una o más variables (Osorio, 2009), mientras que las tareas descriptivas (Agrupamiento, correlaciones, reglas de asociación) buscan determinar posibles relaciones entre los datos existentes (Osorio, 2009). Dichas tareas pueden ser llevadas a cabo mediante diferentes técnicas de MD. Tabla [1]. Clasificación de algunas de las principales técnicas de MD. La figura nos muestra un ejemplo de las diferentes tareas y como se pueden procesar mediante cada una de las respectivas técnicas, si aplican. Técnicas de Minería de Datos 46

54 Dentro de las técnicas de MD podemos encontrar dos grandes grupos, las que están basados en ecuaciones como las redes neuronales o la estadística, y los que se basan en procesos lógicos como los arboles de decisión; por otra parte algunas otras técnicas más sofisticadas pueden incorporar ambos elementos. Algunas de las más usadas son: Arboles de Decisión: Son usados en el enfoque predictivo, y como su nombre lo indica obedece a una estructura en forma de árbol en la que mediante la inspección visual se pueden determinar el nodo final que predecirá un comportamiento de acuerdo a las reglas y/o condiciones establecidas a lo largo de los nodos que componen el árbol. Agrupación (Clustering): A partir de conjuntos bien definidos se agrupan los datos, y a diferencia de la agrupación que se hace aplicando técnicas de clasificación, las clases no se encuentran predefinidas (Calleja, 2010). Estas clases se determinaran a partir de los datos (Calleja, 2010). Esta técnica puede emplearse tanto para descripción como para predicción ya que se puede llegar a establecer un nuevo dato a que clase pertenecerá. Estadística: Son de las técnicas más utilizada en la MD ya que usualmente lo que se desea es predecir valores de un histórico de datos. Dentro de esta técnica podemos encontrar discriminantes lineales, discriminantes cuadráticos, Bayes, K-nearest, entre otros (Jain). Redes Neuronales Artificiales: Son modelos no lineales de predicción que pueden llegar detectar un patrón a través de un proceso de aprendizaje iterativo que consiste en el entrenamiento del modelo. Existe un considerable número de variaciones importantes como las redes de kohonen, el perceptron simple, redes multicapa, entre otras (Hasperue, 2012). Agrupamiento: Es capaz de aprender semejanzas, reduciendo el espacio de búsqueda al conjunto de atributos más relevantes. Dentro de las técnicas más usadas encontramos K- mean y K Nearest Neighbor, siendo este último usado con frecuencia en conjuntos de datos cuyos atributos son numéricos. Si poseemos datos no numéricos es poco recomendable emplear dichas técnicas, por la dificultad para medir su proximidad [aguas]. Calidad de la Educación en Colombia El concepto de calidad en la educación superior en nuestro país se refiere a la capacidad que tienen las instituciones de educación superior para lograr que los estudiantes alcancen metas sin depender de las condiciones sociales, y por metas nos referiremos a los resultados académicos vinculados al aprendizaje y a los procesos de desarrollo cognoscitivo. 47

55 Para hablar de calidad en la educación sin duda alguna debemos hacer énfasis en una gran cantidad de variables y circunstancias que afectan esta directa o indirectamente. Cada una de estas también tiene su propio nivel de impacto y entre otros podemos encontrarnos con, el nivel y la formación del profesorado, el currículo del programa ofrecido, clima institucional entre otras. De otra manera establecer un índice de calidad para la educación puede resultar una tarea casi imposible, existen indicios de posibles factores de calidad pero no estamos hablando de un concepto determinista, existen diferentes posturas tanto políticas como sociológicas que pueden determinar como factores de calidad la cobertura y los niveles de alfabetización, que para nuestra época si bien no son de un cien por ciento (y es poco probable que algún día lo sea), es un valor considerablemente alto del cual es responsable el rápido desarrollo de las tecnologías de la información y las comunicaciones, así como también la amplia oferta educativa presencial y virtual. Sin duda alguna se puede notar que al parecer existe un vínculo difícil de vislumbrar pero que persiste entre el nivel socioeconómico de los países y su desarrollo a nivel educativo, y es que no es de esperar que factores económicos estén involucrados allí, también el hecho de que la educación esté en manos de entes privados o públicos juega un papel importante, puesto que ambas persiguen objetivos diferentes en la mayoría de los casos. En Colombia a partir de la década de 1990 podemos resaltar algunas reestructuraciones en la política educativa por parte del gobierno con la Ley 30 de 1992 y bajo el mandato del presidente Andres Pastrana; De ahí a la fecha han surgido una serie de restructuraciones y un planteamiento de metas como lo son la ampliación de la cobertura y el fortalecimiento de la calidad de las instituciones de educación superior, promoción de educación técnica y tecnológica, financiación mediante créditos externos y fortalecimiento de la formación posgradual. Mediante el decreto 2230 de 2003 se asignó al Ministerio de Educación Nacional la responsabilidad de las políticas, planeación, evaluación y asistencia técnica de los programas de formación profesional, en tanto que las responsabilidades del ICFES giran en torno al sistema nacional de pruebas; Respecto a los objetivos de aseguramiento de la calidad se establecieron estándares mínimos que deben cumplir los programas académicos para poder funcionar, este requisito se conoce como el registro calificado, mientras que las acreditaciones de alta calidad junto con los resultados de las pruebas SABER-PRO están destinadas al fortalecimiento de dicha calidad. 48

56 PRESUPUESTO ESTIMADO Recursos Físicos: Para llevar a cabo dicho proyecto se hace necesario contar con un computador con acceso a internet. Por otra parte el software con el que se trabajara será de código abierto o en su defecto se trabajara con licencias académicas. Recursos Humanos: En el proyecto, se contara con la participación de una sola persona, que corresponde al autor del presente. RECURSOS VALOR ESTIMADO Material y Equipos de Computo PC 1,200,000 Acceso a internet (durante seis meses) 4,00,000 Papers, artículos, libros o acceso a bases de datos bibliográficas. 250,000 Papelería y otros 150,000 Subtotal 2,000,000 Honorarios por Desarrollo Diseño 3.500,000 Desarrollo 3,500,000 Implementación y pruebas 10,500,000 Subtotal 17,500,000 Participación en Congreso Nacional Tiquetes ida y vuelta 700,000 Inscripción, hospedaje y viáticos 650,000 Subtotal 1,350,000 TOTAL 20,850,000 49

57 FINANCIACION Los ítems de la tabla de recursos serán asumidos por el proponente. Sin embargo no se descarta como posible fuente de financiación el ICFES, mediante su convocatoria para el desarrollo de proyectos de investigación en donde se involucren sus bases de datos. Financiador Costo Total Proponente $20,850,000 ENTREGABLES Se definirán como entregables del proyecto los elementos relacionados a continuación: Documento Monografía de Tesis. Un artículo publicable en una revista de investigación. Anexos digitales producto de las tareas y procesos llevados a cabo por las herramientas y software utilizados. RESULTADOS ESPERADOS Una vez concluido el proyecto se espera obtener una extracción de conocimiento útil que permita identificar y relacionar variables que permitan indagar acerca de la calidad de los profesionales que están egresando de las instituciones de educación superior. También se espera poder aportar estos conocimientos al ICFES con el fin de que ellos puedan replantear y/o hacer ajustes a las pruebas SABER-PRO de ser necesario o 50

58 simplemente utilizar dicho conocimiento para el fortalecimiento de la calidad en la educación colombiana. 51

59

60 REFERENCIAS BIBLIOGRÁFICAS [1]. Extracción de Conocimiento en Grandes Bases de Datos Utilizando Estrategias Adaptativas. Waldo Hasperue. Tesis presentada para obtener el grado de Doctor en Ciencias Informáticas. Universidad Nacional de la Plata [2]. Grigori, D., Casati, F., Castellanos, M., Dayal, U., Sayal, M., Shan, M.-C.Business Process Intelligence (2004) Computers in Industry, 53 (3), pp [3] Hao, M.C., Keim, D.A., Dayal, U., Schneidewind, J. Business process impact visualization and anomaly detection (2006) Information Visualization, 5 (1), pp [4]. Recommendation in Higher Education Using Data Mining Techniques. Cesar Vialardi. Universidad de lima. Educational Data Mining [5]. Beyond Data Warehousing: What s Next in Business Intelligence?. Matteo Golfarelli. University of Bologna. [6]. Educational Data Mining: a Case Study. Agathe MERCERON. University of Sydney, Australia. [7]. Data Mining Application in Higher Learning Institutions Naeimeh DELAVARI. Informatics in Education, 2008, Vol. 7, No. 1, [8]. Data Mining Applications in Higher Education Jing Luan. Chief Planning and Research Officer, Cabrillo College Founder, Knowledge Discovery Laboratories. [9]. Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics: An Issue Brief. U.S. Department of Education Office of Educational Technology. October [10]. Data Mining and Its Applications in Higher Education. Jing Luan. NEW DIRECTIONS FOR INSTITUTIONAL RESEARCH, no. 113, Spring [11] Educational Data Mining Applications. S. Lakshmi Prabha. Operations Research and Applications: An International Journal (ORAJ), Vol. 1, No. 1, August

61 [12]. Introduction to Knowledge Discovery in Databases. Oded Maimon. Data Mining and Knowledge Discovery Handbook. Department of Industrial Engineering Tel-Aviv University. [13]. From Data Mining to Knowledge Discovery in Databases. American Association for Artificial Intelligence. All rights reserved [14]. Análisis de características del ambiente creativo en empresas de Manizales con técnicas KDD. Germán Augusto Osorio Zuluaga. Trabajo de grado para optar al título de Magíster en Ingeniería. Universidad Nacional de Colombia [15]. 1Minería de Datos con Weka para la Predicción del Precio de Automóviles de Segunda Mano. Agustín José Calleja Gómez Universidad Politécnica de Valencia. Escuela Técnica Superior de Informática Aplicada. Diciembre [16]. Calidad de la Educación Superior en Colombia, Problema de Compromiso Colectivo?. Mireya Ardila Rodríguez. Revista Educación y desarrollo Social. Vol. 5 No [17]. Mining of Massive Datasets. Jure Leskovec Stanford Univ [18]. Data Mining and Analysis. Mohammed j. Zaki. Cambridge University Press [19]. Data Mining: Concepts and Techniques Second Edition Jiawei Han University of Illinois at Urbana-Champaign [20]. Inducción de Conocimiento con Incertidumbre en Bases de Datos Relacionales Borrosas. Antonio José Gómez Flechoso. Tesis Doctoral, UniversidadPpolitécnica de Madrid [21]. Introduction to Data Mining Techniques. DR Rajni Jain. [22]. Confrontación de dos Técnicas de Minería de Datos Aplicadas a un Dominio Especifico. Mario Galviz. Tesis de Pregrado. Pontificia Universidad Javeriana [23]. Estado del Arte en la Utilización de Técnicas Avanzadas para la Búsqueda de Información no Trivial a Partir de Datos en los Sistemas de Abastecimiento de Agua 54

62 Potable. José Luis Díaz Arévalo. Consultado el 13/09/14. 55

63 PROCESAMIENTO DIGITAL DE IMÁGENES PARA EL RECONOCIMIENTO DE ESPECIES DE PLANTAS JADER JESÚS JÁCOME SOLANO INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRANCOLOMBIANO FACULTAD DE INGENIERÍA Y CIENCIAS BÁSICAS MAESTRÍA EN INGENIERÍA DE SISTEMAS BOGOTÁ COLOMBIA

64 TABLA DE CONTENIDO JUSTIFICACIÓN... Error! Marcador no definido. OBJETIVOS... Error! Marcador no definido. ALCANCE... Error! Marcador no definido. ACTIVIDADES... Error! Marcador no definido. CRONOGRAMA... Error! Marcador no definido. IMPACTO... Error! Marcador no definido. ESTADO DEL ARTE... Error! Marcador no definido. PRESUPUESTO... Error! Marcador no definido. BIBLIOGRAFÍA... Error! Marcador no definido. 57

65 JUSTIFICACIÓN En Colombia no existe un proyecto de este tipo que este avalado por la institución oficial que lidera preservación de la flora como es el Jardín Botánico José Celestino Mutis. Los proyectos similares a nivel mundial se concentran específicamente en la flora de cada país donde es originario cada software. La utilización del programa permitirá a instituciones que trabajan con la flora tener acceso de manera inmediata a la información de una especie en estudio, ahorrar tiempo de desplazamiento y aumentar su base de información con las posibles nuevas especies. Para un usuario aficionado el programa le facilitaría tener información de manera oportuna y esto conlleva a la participación dentro de la ciencia ciudadana que se entiende como la investigación científica llevada a cabo por una suma de colaboradores, en su totalidad o en parte por científicos, profesionales junto a gente común. Aunque el proyecto no tiene el alcance de crear una comunidad si permite que personas del común puedan suministrar información tratando de identificar una especie de planta. OBJETIVOS 1. Objetivo General Aplicar técnicas de procesamiento de imágenes digitales para la segmentación e identificación de las hojas de las plantas utilizando como patrón de comparación la morfología de la hoja. 2. Objetivos Específicos Desarrollar y alimentar la red neuronal por un sistema supervisado con las imágenes escaneas de las hojas de las plantas. Aplicar técnicas de comparación y filtrado de redes neuronales artificiales para la selección de la especie de planta. 58

66 Crear APP para la captura y segmentación de la imagen digital de la hoja de la planta para que una persona con un dispositivo móvil pueda tomar la imagen de la hoja y enviarla para su procesamiento y posible clasificación. ALCANCE Las hojas de las plantas que se tomaran como caso de estudio serán hojas cuya composición es simple y de margen entero, en algunas oportunidades se utilizará la venación de la hoja como parámetro de comparación. La aplicación móvil será desarrollada para el ambiente Windows Phone La calidad de la imagen es fundamental para el reconocimiento de la hoja, por lo tanto la resolución permitida debe ser superior a 4 megapixeles La técnica de segmentación en el procesamiento de imágenes se basará principalmente en el algoritmo de Canny. La red neuronal digital será de la forma backpropagation El proyecto no tendrá características de comunidad o red social especial de flora. ACTIVIDADES 5.1 Fase 1 (Diseño) - Diseñar la arquitectura física del sistema. - Diseñar la arquitectura lógica del sistema. 5.2 Fase 2 (Desarrollo) - Construir la red neuronal digital. - Desarrollar el software APP. - Desarrollar el software para la ejecución de la red neuronal digital - Desarrollar el software administrador del sistema 59

67 5.3 Fase 3 (Implementación) - Alimentar la red neuronal. - Subir la App al Store. - Realizar pruebas de sincronización en tiempo real de toda la Arquitectura. CRONOGRAMA 60

68 IMPACTO Social: Dará la oportunidad de integrar a la gente del común a la información científica de las plantas y a los profesionales que la procesan. Ayudará a tener más conocimiento de las especies de plantas para su conservación y tratamiento. Económico: Reducirá tiempos de desplazamiento y de consulta, la información al estar centralizada ahorrará costos logísticos y de procesamiento de datos. Académico: Al recopilar información sobre las especies permitirá que los procesos investigativos tengan un acceso rápido y actualizado a los datos, el conocimiento sobre las plantas estará al alcance de la comunidad académica. ESTADO DEL ARTE Algoritmos y métodos para la segmentación de imágenes. Métodos para la detección de bordes Un borde se define como la frontera entre dos regiones con nivel de gris relativamente diferente. La idea básica detrás de cualquier detector de bordes es el cálculo de un operador local de derivación. Gradiente El gradiente es un vector, en donde sus componentes miden la rapidez en que los valores de los pixels cambian en la distancia y en las direcciones x e y. Las derivadas dx y dy son las distancias en las direcciones x e y respectivamente, en términos de número de pixeles entre dos puntos: 61

69 En orden de detectar la presencia de una discontinuidad en el gradiente, debemos calcular el cambio en el gradiente en el punto (i,j). Esto se puede hacer referenciando la medida aportada por la magnitud del gradiente y su dirección: Segunda derivada (Laplaciano) (Mart, 2012) define el operador Laplaciano como la suma de las segundas derivadas en ambas direcciones y tiene la característica de ser un filtro isotrópico, lo que significa que es invariante a la rotación. Esto quiere decir que si el Laplaciano se aplica a una imagen y esta es girada, se obtendrá el mismo resultado que si la imagen es girada primero y posteriormente se le aplica el operador Laplaciano. El Laplaciano de una función f(x,y) se define como: El Laplaciano vale cero si f(x,y) es constante o cambia de forma lineal su amplitud. El cambio de signo de la función resultante nos indica que en ese lugar existe un cruce por cero, ya sea un cambio de positivo a negativo o viceversa, y, por lo tanto, hace notar la presencia de un borde. Hay que decir también que, a diferencia del gradiente, el Laplaciano no es un vector. La principal característica de este operador es la capacidad de localizar los bordes de una forma bastante precisa a través de la determinación del cruce por cero. Se fundamenta en que cuando la imagen presenta un cambio de intensidades bastante relevante a lo largo de una determinada dirección, existirá un máximo en la primera derivada a lo largo de dicha dirección y un paso por cero en la segunda derivada. Al considerar imágenes discretas, es muy poco probable que el paso por cero coincida justamente en un píxel de la imagen. 62

70 Por este motivo, el borde se suele marcar en aquel píxel que contenga un nivel de gris más próximo a cero, teniendo como vecino, al menos, un píxel con nivel de gris de signo contrario. Algoritmo de Canny. El algoritmo de Canny se ha convertido en un estándar en el procesamiento digital de imágenes para el tratamiento de bordes. El éxito del algoritmo (Canny, 1986) radica en su enfoque matemático para la detección de los bordes, logrando precisión y localización, aplicando técnicas de optimización. Uno de los métodos relacionados con la detección de bordes es el uso de la primera derivada, la que es usada por que toma el valor de cero en todas las regiones donde no varía la intensidad y tiene un valor constante en toda la transición de intensidad. Por tanto un cambio de intensidad se manifiesta como un cambio brusco en la primera derivada (Pajares, 2001), característica que es usada para detectar un borde, y en la que se basa el algoritmo de Canny. El algoritmo de Canny consiste en tres grandes pasos: Obtención del gradiente: en este paso se calcula la magnitud y orientación del vector gradiente en cada píxel. Supresión no máxima: en este paso se logra el adelgazamiento del ancho de los bordes, obtenidos con el gradiente, hasta lograr bordes de un píxel de ancho. Histéresis de umbral: en este paso se aplica una función de histéresis basada en dos umbrales; con este proceso se pretende reducir la posibilidad de aparición de contornos falsos. Trabajos realizados para la segmentación de imágenes de hojas de plantas (Sampallo, 2003), realizó una investigación para reconocer hojas de plantas teniendo como parámetros principalmente: el área, perímetro. circularidad, firma y densidad superficial, con estos valores y su rango de variación se puede obtener suficiente información para el reconocimiento de una especie de planta. 63

71 (Marisol Aldana, 2006) Calcula el área foliar de las plantas para dar una solución al seguimiento que se hace a las plantas en crecimiento. (Ehsanirad, 2010) Utiliza técnicas de procesamiento de imágenes para extraer características de las hojas de las plantas utilizando una matriz de niveles de gris Co - ocurrencia ( GLCM ) y algoritmos de Análisis de Componentes Principales ( PCA ). La Hojas de la planta Las hojas son los órganos ( fotosintéticos por excelencia de las plantas gracias a la enorme cantidad de cloroplastos que poseen sus células. Además son las principales responsables de controlar la transpiración para evitar la pérdida excesiva de agua. Por ello, el diseño y su distribución en la planta se pueden explicar si tenemos en cuenta estas funciones. Las hojas se pueden dividir en dos partes: peciolo y el limbo. El peciolo es una estructura más o menos larga y cilíndrica que une el limbo al tronco a nivel de los nudos. En el ángulo agudo que se forma entre el tronco y el peciolo en el punto de unión se localizan las yemas axilares de las que partirán nuevas ramas. Hay hojas, denominadas sésiles, que carecen de peciolo donde el limbo se une directamente al tronco. El limbo es la parte de la hoja encargada de realizar la fotosíntesis y regular la transpiración. Aquí se encuentran la mayoría de los estomas y del parénquima clorofílico. En el limbo se le llama haz a la superficie que normalmente queda expuesta al sol, mientras que el envés es la superficie que queda oculta a los rayos directos del sol. Se denomina contorno al borde del limbo y puede ser muy variado. 64

72 El limbo tiene mucha diversidad según su morfología. Esto viene condicionado por el medio ambiente al que esté adaptada la especie. 65

73 Redes Neuronales y el reconocimiento de imágenes. Redes Neuronales Multinivel Backpropagation. El elemento principal de una red neuronal es la neurona, también llamada nodo o procesador elemental, que aparece representada en la Figura 1. En ella, la suma de las n entradas xj de la neurona i, ponderadas con los pesos sinápticos wij, genera la entrada ponderada total o potencial postsináptico de la neurona i. Los pesos sinápticos wij miden la intensidad de la interacción entre las dos neuronas que están conectadas por el enlace. Luego, se aplica una función de activación o transferencia (f) a la diferencia entre el potencial postsináptico y el umbral θi, obteniéndose la salida de la neurona (yi ). (Priore & Puente, 2002) Un conjunto de capas forma una red neuronal, la cual puede tener dos tipos fundamentales de arquitectura; la feedforward donde la información se transmite siempre hacia delante, y la arquitectura feedback, en la cual la información puede propagarse hacia atrás. Las redes neuronales backpropagation (BPN3), denominadas también perceptrón multicapa (RUMELHART, D.E.; HINTON, G.E. y WILLIAMS, 1986), son las más conocidas y empleadas (FREEMAN, J.A. y SKAPURA, 1991) (LIPPMAN, 1987). En la Figura 2, se muestra el esquema general de una red de este tipo; como se puede observar, en este caso, existe sólo una capa oculta y no hay conexiones entre neuronas de una misma capa. 66

74 El algoritmo de entrenamiento retro-propagación es el empleado en este tipo de red neuronal. Existen diversas versiones de este algoritmo, siendo la versión estándar (FREEMAN, J.A. y SKAPURA, 1991); (RUMELHART, D.E.; HINTON, G.E. y WILLIAMS, 1986). El algoritmo consta de una red con una capa de entrada de n1 neuronas, una oculta de n2 neuronas y una de salida de n3 neuronas, tal como se muestra en la Figura 2. Las salidas de la capa de entrada, oculta y de salida, se denominan, respectivamente, xi, yj y zk. Asimismo, los pesos de los enlaces que conectan las dos primeras capas y los umbrales de las neuronas de la segunda capa se denotan, respectivamente, por wij y uj. De forma similar, w jk y u k son, respectivamente, los pesos de los enlaces entre las dos últimas capas y los umbrales de las neuronas de la tercera capa. El algoritmo de entrenamiento es de tipo iterativo y emplea la técnica del gradiente para minimizar una función que mide la diferencia entre la salida de la red (z µ K ) y la deseada (o µ k ). Este algoritmo tiene dos fases; una hacia delante y otra hacia atrás. En la primera, se calcula la diferencia entre la salida de la red y la deseada (asumiendo p ejemplos de entrenamiento): Siendo: 67

75 Esta función denominada de coste (también se llama de objetivo, de error o de energía) mide la bondad de los pesos y los umbrales asignados y tiende a cero cuando la salida de la red se aproxima a la deseada. Una vez calculada esta función, se ejecuta la fase hacia atrás ; en ella, utilizando el método del gradiente, se modifican los pesos y los umbrales de forma que disminuya el error actual. Este proceso se repite de forma iterativa hasta reducir el error a una cantidad deseada. Aplicaciones de las redes neuronales con el reconocimiento de imágenes. En el campo de la medicina, el análisis de imágenes y reconocimiento de patrones como auxilio al diagnóstico médico es ampliamente reconocido por su complejidad e importancia. Uno de los mayores problemas que presenta el diagnóstico médico basado en imágenes es la dependencia del especialista. En este sentido las redes neuronales resultan de suma utilidad, ya que no sólo son capaces de aprender con la ayuda del experto sino que por sí mismas pueden generalizar la información contenida en los datos de entrada mostrando relaciones que a priori resultan complejas (Lanzarini & Giusti, 1900). El reconocimiento de rostros es un tema de visión por computadora ya que los procesos y operaciones que realizan a una imagen están relacionados con el Procesamiento Digital de Imágenes y sus técnicas. La utilización de técnicas de redes neuronales, específicamente el perceptrón multicapa permiten crear un sistema para reconocer rostros, el cual comprende el uso de redes neuronales polinomiales para la detección de caras en una imagen, las técnicas de resta de imágenes para la detección de movimiento, el principio de mínimos cuadrados para la predicción y seguimiento del rostro de una persona, el uso de la transformada de Fourier como filtro para alimentar a la red neuronal con una 68

76 arquitectura de 400 entradas, y 50 neuronas en capas ocultas respectivamente, y los resultados experimentales para cada una de las etapas del proyecto(perea, 2010). El reconocimiento de señales de tránsito por medio de una red neuronal capaz de reconocer las señales en rango de distancia con el objetivo de poder asistir al conductor(rocha, 2010). El reconocimiento de patrones de imágenes usando redes neuronales para la identificación del lenguaje de señas empleado por personas sordomudas y con dificultad en el habla para su comunicación. El sistema parte de imágenes almacenadas que muestran la simbología específica usada en este tipo de lenguaje y con las cuales se entrena una red neuronal multicapa con un algoritmo de retropropagación. Inicialmente se preprocesan las imágenes con objeto de adaptarlas y mejorar de cierta forma la capacidad de la red para discriminar los patrones, incluyendo dentro de este proceso de filtrado algoritmos de reducción y eliminación de ruido así como de detección de bordes(vargas, Barba, & Mattos, 2010). Proyectos relacionados con el reconocimiento de imágenes de hojas de plantas. Leafsnap ( es la primera aplicación para móviles que aborda el problema de identificación de plantas utilizando sólo una fotografía tomada desde un dispositivo móvil. Su versión actual incluye especies presentes en el noreste de Norteamérica y está disponible para el sistema operativo ios. La aplicación primero clasifica la imagen como válida, para ello detecta si lo que se le envía corresponde a una hoja sobre un fondo sólido de color claro, lo que en caso de ser negativo se le indica al usuario tal falla y además se dan las instrucciones para tomar correctamente la fotografía; por el contrario si la imagen corresponde a una hoja, se prosigue a segmentar la foto, separando el fondo de la hoja, luego se extrae la característica de la forma de la hoja, que luego se contrasta con la base de datos y que por un criterio de cercanía por distancia euclidiana se determinan las posibles respuestas, la identificación final, entonces, queda a cargo del usuario (Marín, 2014). Pl@ntNet-Id ( es un software de identificación de plantas basado en imágenes. Funciona comparando automáticamente una foto con las imágenes almacenadas una base de datos. Tiene almacenas cerca de 2000 imágenes con los 69

77 escáneres de las hojas de plantas francesas y cerca de imágenes de la flora francesa. PRESUPUESTO INGRESOS Concepto Ingresos Gastos Instituciones Financieras 121, GASTOS INFRAESTRUCTURA Adquisición nuevo Hardware 3,000,000 Servicios de soporte y mantenimiento hardware 500,000 SOFTWARE Compra Licencias de software nuevo 5,000,000 Compra, Ampliación licencias software existente 0 Nuevos desarrollos sobre software existente 20,000,000 Desarrollo de nuevas aplicaciones 80,000,000 Servicio de Soporte y Mantenimiento de software 10,000,000 CONECTIVIDAD Existentes 4,000,000 Proyectados 4,000,000 TOTAL: 121,500, ,500,000 70

78 BIBLIOGRAFÍA Canny. (1986). A Computational Approach to Edge Detection, (6). Ehsanirad, A. (2010). Leaf recognition for plant classification using GLCM and PCA methods, 3(1), FREEMAN, J.A. y SKAPURA, D. M. (1991). (1991). Neural Networks:Algorithms,Applications, and Programming Techniques. Lanzarini, L., & Giusti, D. (1900). Aplicación de Redes Neuronales al Reconocimiento de Patrones en Imágenes Médicas, 3 5. LIPPMAN. (1987). An introduction to computing with Neural Networks. Marín, A. (2014). Bravo, V. Antonio J. Procesamiento Digital de Imágenes. Marisol Aldana, florez malagón; pastor campos. (2006). Medición automática de áreas foliares. Mart, M. T. (2012). Detección de Bordes. Pajares, G. (2001). Visión por Computador. Imágenes digitales y aplicaciones. Perea, P. R. (2010). Reconocimiento De Rostros En Movimiento MediantePerceptrones Multicapa. Priore, P., & Puente, J. (2002). Utilización de las Redes Neuronales en la toma de decisiones. Aplicación en un problema de secuenciación, Rocha, C. A. (2010). Sistema de Visión Artificial para la Detección y el Reconocimiento de Señales de Tráfico basado en Redes Neuronales, RUMELHART, D.E.; HINTON, G.E. y WILLIAMS, R. J. (1986). Learning representations by back-propagating errors. Sampallo. (2003). Leaf Type Recognition, 21(21),

79 Vargas, L., Barba, L., & Mattos, L. (2010). Sistema de Identificación de Lenguaje de Señas usando Redes Neuronales Artificiales, 42(2). 72

80 MODELO BASADO EN INTELIGENCIA ARTIFICIAL PARA EL DIAGNÓSTICO DEL GRADO DE COMPETENCIAS ASOCIADAS A LA VIDA LABORAL Caso de estudio Politécnico Gran Colombiano Miembro de la red ILUMNO INGENIERO JUAN PABLO CASTIBLANCO OROZCO INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRAN COLOMBIANO FACULTAD DE INGENIERÍA PROGRAMA MAESTRÍA EN INGENIERÍA DE SISTEMAS. BOGOTÁ, COLOMBIA 2015, ENERO 73

81 MODELO BASADO EN INTELIGENCIA ARTIFICIAL PARA EL DIAGNÓSTICO DEL GRADO DE COMPETENCIAS ASOCIADAS A LA VIDA LABORAL Caso de estudio Politécnico Gran Colombiano Miembro de la red ILUMNO Ingeniero Juan Pablo Castiblanco Orozco MONOGRAFÍA DE GRADO INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRAN COLOMBIANO FACULTAD DE INGENIERÍA PROGRAMA MAESTRÍA EN INGENIERÍA DE SISTEMAS. BOGOTÁ, COLOMBIA 2015, Enero 74

82 Nota de Aceptación: Olga Lucia Quintero Montoya Dr. Ing. Asesor 1 Asesor 2 Nombre del Jurado Jurado Bogotá, Enero de

83 TABLA DE CONTENIDO LISTA DE FIGURAS... Error! Marcador no definido. RESUMEN... Error! Marcador no definido. INTRODUCCIÓN... Error! Marcador no definido. OBJETIVOS... Error! Marcador no definido. PROBLEMA... Error! Marcador no definido. JUSTIFICACIÓN... Error! Marcador no definido. MARCO REFERENCIAL... Error! Marcador no definido. IMPACTOS... Error! Marcador no definido. TIPO DE PROYECTO... Error! Marcador no definido. MARCO CONCEPTUAL... Error! Marcador no definido. MARCO TEÓRICO... Error! Marcador no definido. ESTADO DEL ARTE... Error! Marcador no definido. METODOLOGÍA DE INVESTIGACIÓN... Error! Marcador no definido. DESARROLLO... Error! Marcador no definido. BIBLIOGRAFÍA... Error! Marcador no definido. 76

84 LISTA DE FIGURAS Figura 1 (Hafidi & Bensebaa, Figura 2 Diagrama de clases sistema recolector 94 Figura 3 Diagrama Entidad relación sistema recolector de información

85 RESUMEN Para el caso de estudio de la red Universitaria ILUMNO, existe una fuerte necesidad de retroalimentar a los estudiantes antes de su grado académico para que fortalezcan sus capacidades laborales con el fin de evitar que fracasen en el ambiente laboral, Hoy en día los modelos artificiales son una solución tecnológica inspirada en la forma de cómo funciona la vida natural, Este trabajo trata de la elaboración de un modelo artificial que permita por medio de su composición y ejecución, el diagnóstico del nivel de desarrollo de las competencias asociadas a la vida laboral del futuro profesional, para que los docentes encargados del área de psicología reaccionen y corrijan posibles líneas base a partir de la cual se puedan generar estrategias de desarrollo.. 78

86 A mí querida Familia Quienes apoyan mis Convicciones académicas. 79

87 INTRODUCCIÓN Los empleadores actuales y futuros, a nivel mundial, exigirán conocer el significado de cada una de las competencias laborales utilizadas en la práctica profesional provenientes de una capacitación o una titulación determinada. Las universidades, como representantes sociales, tienen retos y responsabilidades respecto a estas exigencias. Las instituciones de educación superior deben asumir un papel protagónico en los distintos procesos que se van estructurando en el núcleo de la sociedad, y ese papel se vuelve mucho más primordial cuando se trata de las reformas en educación superior a fin de fortalecer las competencias laborales de los futuros profesionales. Para ocupar un espacio en la comunidad del conocimiento, la formación de recursos humanos es muy valiosa y relevante, al igual que el ajuste de las carreras a las necesidades de las sociedades en cualquier nivel. En una sociedad de constante transformación y reformulación de las demandas, identificar competencias genéricas o comunes en todas o casi todas las titulaciones, es transcendental. Las competencias laborales definidas por miembros del departamento de psicología de la institución educativa Politécnico Gran colombiano son: Compromiso Ético, Compromiso con la Calidad, Capacidad para aprender y actualizarse, Capacidad para aplicar los conocimientos en la práctica, Capacidad para identificar, plantar y resolver problemas y Capacidad de trabajo en equipo. Para el caso de estudio de la red ILUMNO se busca elaborar un modelo artificial que permita analizar y medir las competencias asociadas a la vida laboral de los estudiantes que cursan las diferentes carreras profesionales, con el fin de que los docentes encargados del área de psicología detecten posibles debilidades relacionadas con cada una de las capacidades laborales en los alumnos activos. 80

88 OBJETIVOS OBJETIVO GENERAL Elaborar un modelo basado en inteligencia artificial que permita el diagnóstico de una selección de competencias asociadas a la vida laboral, en la Institución Universitaria Politécnico Gran Colombiano miembro de la red ILUMNO. OBJETIVOS ESPECÍFICOS Buscar y proponer una solución que permita estructurar la información necesaria para el desarrollo del diagnóstico de una selección de competencias asociadas a la vida laboral. Diseñar un modelo artificial basado en las reglas y hechos recolectados por medio de un sistema de información. Realizar una Intersección de resultados entre el resultado del modelo artificial y los diagnósticos emitidos por expertos en el área de psicología. 81

89 PROBLEMA En la Red ILUMNO particularmente en la institución universitaria Politécnico Gran Colombiano existe una fuerte necesidad de reaccionar de manera oportuna y acertada ante un eventual riesgo de que estudiantes y recién egresados fracasen al momento de integrarse a la vida laboral, por falta del desarrollo de competencias asociadas a dicho estilo de vida. Según la revista (Empleos & Nuevos, 2014) el observatorio laboral del SENA, menciona que los jóvenes aprendices están atascados en empleos que definitivamente están mal remunerados, sin ningún tipo de protección social ya que las instituciones educativas no fomentan el desarrollo de dichas competencias. 82

90 JUSTIFICACIÓN Para la institución Universitaria Politécnico Gran Colombiano es muy importante que los egresados de la misma demuestren un alto nivel competitivo para esto es muy importante fomentar el progreso de los alumnos en su vida profesional. Según (Beneitone, P., Esquetini, C., Gonzáles, J., Marty, M., Siufo, G., 2007), uno de los principales factores de la vigente globalización es la creciente movilidad de los estudiantes y profesionales, lo cual demanda información factible y objetiva sobre la oferta de programas educativos. Los empleadores actuales y futuros, a nivel mundial, exigirán conocer el significado en la práctica de una capacitación o una titulación determinada. La responsabilidad sobre la definición de estas competencias recae en los directivos académicos de las instituciones de educación superior con la asesoría de los interesados, para desarrollar estructuras de referencia consensuadas que contribuyan a la calidad y procesos de evaluación en contextos nacionales e internacionales. 83

91 MARCO REFERENCIAL Antecedentes En la Red ILUMNO no existe un sistema de información que permita realizar de manera automática fácil y rápida el análisis y medición de competencias que faciliten la integración a la vida laboral de los estudiantes universitarios próximos a graduasen como profesionales. Actualmente el problema no está resuelto sin embargo se ha invertido tiempo realizando validaciones recolectando información por medio de encuestas por escrito y realizando diagnósticos manuales. IMPACTOS Impacto social Para el segundo trimestre del 2014 el DANE revela que el desempleo juvenil de jóvenes de 14 a 28 años bajo en un 1.1% cuando el porcentaje total de jóvenes desempleados es de un 17,4% y 14% respectivamente (DANE, 2014) Según (Empleos & Nuevos, 2014) Observatorio laboral del Sena ofrecer empleos decentes a la gente joven es esencial para un mejor futuro. Impacto económico Las organizaciones ahorrarían mucho dinero contratando personal con competencias requeridas, para desempeñar distintos cargos en distintas áreas de las organizaciones. Los estudiantes que tengan desarrolladas cada una de estas competencias podrán adquirir empleo rápidamente y otros en tiempo polinomial. Impacto profesional y académico La universidad podrá ajustar las actividades académicas con el fin de evitar fracasos de los estudiantes o recién egresados al integrarse a la vida laboral. 84

92 TIPO DE PROYECTO Apropiación Tecnológica De momento el proyecto es viable porque se puede estructurar la información por medio de un sistema web que permita desarrollar un mecanismo de entrenamiento, que de manera automática analice los resultados de reglas definidas por tendencias en datos. MARCO CONCEPTUAL Posturas de la institución universitaria politécnico gran colombiano frente al proyecto (reunión con decanatura y rectoría). Para abordar el problema de los graduados desempleados en Malasia se usaron cuestionarios que permiten por medio del uso de estos instrumentos de investigación, identificar en más de la mitad de la población encuestada y con entrevistas presenciales para algunos casos. Que la habilidad de mayor diferencia no la más importante, para pasar una entrevista es tener buenas habilidades de comunicación, más importante que esto es que encontraron que los hombres poseen mejores habilidades comunicativas que las mujeres como también encontraron que los egresados de instituciones privadas tienen mejores habilidades comunicativas que la gente egresada de instituciones públicas, en la conclusión también se encuentra que la falta de dominio del idioma ingles incide en los malos resultados de las entrevistas para personal recién egresado de las instituciones educativas. (Alias, Sidhu, & Fook, 2013) por lo que lleva a una gran oportunidad con el uso de una herramienta tecnológica como para poder determinar bajo qué nivel esta las habilidades asociadas con las capacidades de comunicación oral y escrita de una manera puntual y en línea. Según (Beneitone, P., Esquetini, C., Gonzáles, J., Marty, M., Siufo, G., 2007), las competencias representan una combinación dinámica de conocimiento, comprensión, capacidades y habilidades. 85

93 Estas pueden estar divididas en competencias relacionadas con un área de conocimiento (específicas de un campo de estudio) y competencias genéricas (comunes para diferentes cursos). Realizar un análisis de competencias debería ser el fin de los programas educativos. Las competencias se desarrollan en varios ciclos del curso y son evaluadas en diferentes etapas. Los tipos de competencias se dividen en: básicas o fundamentales, genéricas o comunes, específicas o especializadas y laborales. 1. Compromiso Ético 2. Compromiso con la Calidad 3. Capacidad para aprender y actualizarse 4. Capacidad para aplicar los conocimientos en la práctica 5. Capacidad para identificar, plantar y resolver problemas. 6. Capacidad de trabajo en equipo. 86

94 MARCO TEÓRICO Instrumento de Medición: En términos de psicología el instrumento que permite el análisis de competencias es un cuestionario de 6 temas, cada uno de 6 preguntas. Este tipo de información se puede estructurar en un modelo de base de datos por medio de un software web. Bases de datos disponibles: En cuestionario que se aplicara por medio del sistema recolector de información encontrará una serie de afirmaciones. Para que se califiquen para cada una de las afirmaciones el nivel de importancia y el grado de destreza que requiere su ejecución, donde el dominio de las variables es de 1 a 5 siendo 1 bajo y 5 alto. En el sitio web del Observatorio laboral (Nacional, 2008) del ministerio nacional de educación hay una base de datos publica estructurada y disponible de un estudio realizado aplicada en Bogotá, entre el 21 y 28 de enero de 2008 vía telefónica con la colaboración de la firma Econometria S.A. ESTADO DEL ARTE En Colombia existen en el mercado organizaciones como Human Capital o Accendo dedicadas a la consultoría en recursos humanos que tienen modelos de software que apoyan necesidades similares para profesionales con experiencia, sin embargo para este caso en específico no hay una herramienta tecnológica que ayude a estudiantes universitarios de últimos semestres a considerar sus competencias a la vida laboral. En Francia realizando un comparativo con Suecia e Inglaterra y gracias a la proliferación de prácticas académicas y el aumento de profesionales en educación superior, llevo a aumentar la frecuencia de búsqueda de empleo, esto impulsado por un enfoque basado 87

95 en competencias laborales y su incorporación a la estructura inicial, esto ha hecho que sea necesario que la universidad francesa abra cursos que permita a los estudiantes capacitarse para la vida profesional. (Charles, 2014) En marruecos se evidencian deficiencias en la adquisición de competencias por parte de los estudiantes en etapas tempranas, de manera que es más conveniente impartir actividades académicas que aporten a las competencias cognitivas y organizacionales hablando de competencias profesionales para inspectores de educación, en este caso el gobierno y las instituciones académicas quieren confiar en los profesionales del mañana y están seguros que evaluando las competencia profesionales de los estudiantes pueden hacerlo. (Essaoudi, Lotfi, Talbi, & Radid, 2014) En el sector petrolero no es prescindible ahorrar esfuerzos que ayuden a incrementar el compromiso laboral para los trabajadores, sin embargo este estudio realizado en Irán demostró que gracias a la realización de la práctica de ejecución de cuestionarios sobre los trabajadores. se encontró que con una muestra de ejecución de 150 personas y de ellas tomando una muestra de 80 donde se recogieron 78 cuestionarios se encontró que para esta muestra hay un compromiso organizacional de efectos positivos (Hassanzadeh, Emami, Beiruti, Ghasemi, & Fahimi, 2011) cabe anotar que este estudio fue hecho son la ayuda de una herramienta tecnológica. Usando el campo de la ciencia relacionado con la botánica en los Estados Unidos, y con la sospecha de que tal vez este modelo de medición de competencias sea utilizado en otros campos de la ciencia sugiere que los profesionales de diferentes área para efectos de la docencia trabajen de la mano con organizaciones sin ánimo de lucro con el fin de evidenciar oportunidades identificar mejoras al modelo curricular con el fin de que al aplicarlas se note mejoría en cada una de las áreas en cada uno de los campos de la ciencia y la matemática. (Sundberg et al., 2011) para el presente proyecto definitivamente aporta el hecho de que una retroalimentación oportuna del modelo curricular puede sugerir ajustes de manera que estos ajustes sean aprovechados por las nuevas generaciones académicas. De los sistemas expertos basados en la toma de decisiones de contratación de recursos humanos En Irán por medio de una ponencia que ofrece un servicio razonable e inteligente para los empleados de una organización es muy esencial. Para este propósito, según el autor de 88

96 este trabajo es imprescindible prestar mucha atención para la correcta recopilación de información sobre los candidatos y empleados de una organización. Esto Ayudaría a los gerentes de recursos humanos para la toma de decisión óptima en relación con el proceso de selección, contratación, rotación en el empleo, la formación, el sistema de pago, la clasificación de puestos, la evaluación y las operaciones de otro personal, todo esto a nivel empresarial y con candidatos que tienen un nivel de experiencia profesional (Saidi Mehrabad & Fathian Brojeny, 2007). En Algería (Hafidi & Bensebaa, 2013) se utilizó un sistema experto capaz de interactuar con los alumnos por medio de un modelo genérico tutor inteligente que permite optimizar y mejorar los procesos académicos de los docentes, este sistema se compone de dos artefactos Adaptiva hipermedia cuya función principal es recolectar información y realizar una serie de filtros por medio de reglas que permitan al instructor en este caso al usuario, impartir recomendaciones a los estudiantes. Todo esto por medio de la técnica de árboles de decisión, otro componente fundamental de este proyecto es la data que se requiere para lograr entrenar el sistema de acuerdo a las tendencias es así como se propone utilizar técnicas de minería de datos para identificar tendencias que pudiesen explicar por medio de la información suministrada proveniente de la internet. Intelligent tutoring system es el componente principal y este permite simular al tutor de tal forma que el estudiante pueda seguir las recomendaciones y la secuencia del plan de estudios y así ayudar al estudiante a encontrar el camino optimo a su objetivo como estudiante. En sistemas expertos dedicados a solucionar este tipo de problemas según el autor son proyectos que entra en una discusión, porque hay ciertos eventos donde el alumno necesita de algún tipo de apoyo durante el proceso académico y un sistema inteligente como otros es muy limitado en su nivel de conocimientos y el desarrollo de mejoras del mismo no resulta ser mucha mantenibilidad, pero el sistema hipermedia cognitivo resulta ser más versátil porque está abierto a las tendencias que arroja la información de la comunidad. La estructura arquitectónica que se presenta en la siguiente figura 1 ofrece una visión general de la arquitectura global del sistema. Se compone de varios módulos básicos, que 89

97 son relativamente independientes entre sí para permitir fácil capacidad de actualización y portabilidad a otra enseñanza dominios. Estos módulos son: modelo de dominio, modelo alumno, modelo pedagógico, modelo adaptativo y por último y no menos importante el sistema experto. Figura 1 (Hafidi & Bensebaa, 2013) Según el instituto para los sistemas de información en Frankfurt Alemania ( Malinowski_Analyzing-the-impact-of-IS-support-on-recruitment-processes-An-E- Recruitment-phase-model_2005, n.d.) Las destrezas y habilidades de los empleados son un requerimiento previo para que la empresa sea innovadora, sin embargo, para el caso de vacantes donde se es difícil conseguir buenos candidatos, en escenarios donde hay más oferta de vacantes que demanda de profesionales fue necesario implantar un sistema de contratación electrónica con el fin de que la organización que cuente con este sistema pueda contratar de manera más rápida a ese profesional escaso. Para esto fue importante de que los autores de ese trabajo fueran capaces de valorar las capacidades de los posibles funcionarios antes de tomar una decisión de contratación laboral. 90

98 Según ( Dow_Shepherding-the-crowd-yields-better-work_2012, n.d.) De Carnegie Mellon University, HCI Institute, Pittsburgh, United States la retroalimentación oportuna en tareas específicas que se le asignan a los tele trabajadores, puede ser una promesa de valor en cuanto a un trabajo con calidad se refiere, el autor de este trabajo realizo un sistema grow sourcing con el fin de que los mismos compañeros inclusive terceras personas hagan feed back de la calidad del trabajo, de tal manera que el resultado sea que los trabajadores no se comporten de manera irresponsable, entiendan mal la tarea dentro de un plan de trabajo o que carezcan de las habilidades necesarias para efectuar las actividades, de esta forma este estudio busca no permitir el mal uso del tiempo de cada uno de los tele trabajadores por falta de una retroalimentación oportuna con relación a sus capacidades laborales. ESTADO DEL ARTE EN MODELOS BASADOS EN INTELIGENCIA ARTIFICIAL Sistemas basados en Lógica difusa. Redes neuronales. Sistemas neurodifusos. Arboles de decisión. 91

99 METODOLOGÍA DE INVESTIGACIÓN Observación Levantamiento de información Valoración del problema Diagnóstico del problema Planteamiento de la solución Diseño Arquitectura del sistema Diseño del Diagrama de Clases del Sistema Diseño de la base de datos del sistema. Desarrollo del sistema. Pruebas Unitarias del sistema recolector de Información Revisión virtual del instrumento 29 de enero 2015 Reunión campaña de promoción del sistema recolector Aplicación del instrumento web a los estudiantes Seguimiento información Hipótesis Revisión de resultados Análisis de tendencias Fabricación de reglas con base a tendencias Experimentación Estado del arte de sistemas basados en inteligencia artificial Sistemas basados en Lógica difusa. Redes neuronales. Sistemas neurodifusos. 92

100 Arboles de decisión. Elección del tipo de herramienta Conclusiones Desarrollo de interfaz comparativa entre los resultados arrojados por parte del modelo artificial y el diagnostico emitido por parte del área de psicología del politécnico gran colombiano. DESARROLLO Planteamiento de la Solución Se propone desarrollar un sistema de información que permita estructurar, en grandes volúmenes de datos la información necesaria de tal manera que se pueda construir un modelo artificial que de manera automática diagnostique los niveles de la siguiente selección de competencias asociadas a la vida laboral: 1. Compromiso Ético 2. Compromiso con la Calidad 3. Capacidad para aprender y actualizarse 4. Capacidad para aplicar los conocimientos en la práctica 5. Capacidad para identificar, plantar y resolver problemas. 6. Capacidad de trabajo en equipo. 93

101 Desarrollo sistema recolector de información Figura 2 Diagrama de clases sistema recolector El diseño del software comprende de un sistema diseñado a partir del concepto de patrones GRASP, donde es necesario que el sistema tenga características de alta cohesión y mínimo acoplamiento, utilizando el principio básico de asignación de responsabilidades: Clases Creadoras: Se encargan de hacer posibles las instanciaciones de un objeto nuevo, también almacena las instancias de la clase, la idea que se tiene con estas clases es cumplir con el concepto de bajo acoplamiento. Clases Manager: Se encargan en ser los expertos en información en estos casos las relaciones de composición a las clases creadoras donde estas clases expertas son las únicas que pueden instanciar a las clases creadoras. Clase Controladora: para la solución a este problema la clase ClienteRecolector quien es la responsable de ser intermediaria entre la instanciación de la clase alumno y la clase ManagerEncuesta, de tal forma que esta clase es la encargada de recibir los datos de la Interfaz proveniente del usuario hacia la clase experta ManagerEncuesta. 94

102 Clases Entidad: de acuerdo al modelo de datos el sistema tiene mapeadas cada una de las tablas el propósito de estas clases es mantener disponible la información en las capas superiores del software, de tal manera que puedan hacerse consultas sobre los arreglos de objetos, sin necesidad de ir a la base de datos. La implementación del sistema se pensó de tal forma de que el sistema pueda migrarse a una Windows Phone Y SQL Lite. Figura 3 Diagrama Entidad relación sistema recolector de información. Para la construcción de este modelo se pensó en desarrollar un cubo de información donde a partir de la existencia de una Tabla Dimensión en este caso la tabla Hechos_Respuesta (Ver figura 5), se podrá realizar consultas con tablas cuya correlación no este dada directamente con la tabla dimensión sino de manera indirecta, para esto las tablas que están alrededor son las referencias foráneas a las claves impuestas en el modelo. 95

103 Para la construcción fue necesario desarrollar un repositorio de datos en el que estos permitan ser indexados por cada llave foránea, de tal forma que las llaves que representan a categorías de información sean únicas y tengan características importantes de precedencia cuando se requiera una consulta por alguna de los vectores a esta entidad de Hechos_Respuesta. Por lo que las categorías de información suelen ser referentes a la tabla de dimensión. Uso de granularidad de dimensión y jerarquías: Cada dimensión del modelo de datos del sistema recolector de información se refiere a conceptos como los anteriormente mencionados, esto permite que por medio de una consulta directamente a la tabla Hechos_Respuesta se filtren por varios conceptos con el fin de afinar las consultas por cada uno de los criterios establecidos, para tener en cuenta fue importante tener claras las relaciones de uno a muchos ya que en la tabla de hechos debe hablar de una solo concepto transaccional de las respuestas provenientes de los alumnos. Este componente de almacenamiento está pensado para estructurar grandes volúmenes de información 96

104 BIBLIOGRAFÍA Alias, M., Sidhu, G. K., & Fook, C. Y. (2013). Unemployed Graduates Perceptions on their General Communication Skills at Job Interviews. Procedia - Social and Behavioral Sciences, 90(InCULT 2012), doi: /j.sbspro Beneitone, P., Esquetini, C., Gonzáles, J., Marty, M., Siufo, G., & W. (2007). Reflexiones y perséctivas de la educación superior en aérica latina. Beneitone, P., Esquetini, C., Gonzáles, J., Marty, M., Siufo, G., & Wagenaar,, 1, Cayre, M., Malaterre, J., Scotto-Lomassese, S., Strambi, C., & Strambi, A. (2002). The common properties of neurogenesis in the adult brain: from invertebrates to vertebrates. Comparative Biochemistry and Physiology Part B: Biochemistry and Molecular Biology, 132(1), doi: /s (01) Charles, N. (2014). Quand la formation ne suffit pas : la préparation des étudiants à l emploi en Angleterre, en France et en Suède. Sociologie Du Travail, 56(3), doi: /j.soctra D.O, Hebb Donald, W. M. y W. P. (1949). The Organization of Behavior, 1, 328. Retrieved from r&lr=&hl=es&source=gbs_navlinks_s DANE. (2014). Tasa global de participación, de ocupación y de desempleo de los jovenes de 14 a 28 años, 1. Retrieved from Dow_Shepherding-the-crowd-yields-better-work_2012. (n.d.). Empleos, E. N. N., & Nuevos, E. (2014). Notinacional Noti-internacional, (31), Essaoudi, M., Lotfi, R., Talbi, M., & Radid, M. (2014). Assessment of the Professional Skills of Student Inspectors at the End of Training in Morocco. Procedia - Social and Behavioral Sciences, 116, doi: /j.sbspro

105 Hafidi, M., & Bensebaa, T. (2013). Design and evaluation of an adaptive and intelligent tutoring system by expert system. Intelligent Decision Technologies, 7, doi: /idt Hassanzadeh, H., Emami, M., Beiruti, M., Ghasemi, R. A., & Fahimi, V. (2011). Job appropriateness survey and its relationship with staff organizational commitment (the case study in National Iranian oil refining and distribution company). European Journal of Scientific Research. Retrieved from s &partnerid=tzotx3y1 Haykin, S. (n.d.). Neural networks. Malinowski_Analyzing-the-impact-of-IS-support-on-recruitment-processes-An-E- Recruitment-phase-model_2005. (n.d.). Nacional, E. S. A. M. de E. (2008). Esultados operativos de la prueba piloto, Saidi Mehrabad, M., & Fathian Brojeny, M. (2007). The development of an expert system for effective selection and appointment of the jobs applicants in human resource management. Computers & Industrial Engineering, 53(2), doi: /j.cie Sundberg, M. D., DeAngelis, P., Havens, K., Zorn-Arnold, B., Kramer, A. T., Holsinger, K., Stritch, L. (2011). Perceptions of Strengths and Deficiencies: Disconnects between Graduate Students and Prospective Employers. BioScience, 61(2), doi: /bio

106 HERRAMIENTA DE APRENDIZAJE BASADA EN REALIDAD AUMENTADA PARA EDUCACIÓN SUPERIOR. CASO DE ESTUDIO MATERIA PROGRAMACIÓN DE SOFTWARE EN EL POLITECNICO GRANCOLOMBIANO, BOGOTÁ - COLOMBIA Presentado por: NESTOR MORENO Director: Por Asignar POLITÉCNICO GRANCOLOMBIANO FACULTAD DE INGENIERÍA Y CIENCIAS BÁSICAS ANTEPROYECTO COLOMBIA

107 TABLA DE CONTENIDO TÍTULO PREGUNTA DE INVESTIGACIÓN OBJETIVOS METODOLOGÍA ALCANCE DEL PROYECTO ESTADO DEL ARTE CONCLUSIONES BIBLIOGRAFÍA

108 TÍTULO HERRAMIENTA DE APRENDIZAJE BASADA EN REALIDAD AUMENTADA PARA EDUCACIÓN SUPERIOR. CASO DE ESTUDIO MATERIA PROGRAMACIÓN DE SOFTWARE EN EL POLITECNICO GRANCOLOMBIANO, BOGOTÁ COLOMBIA PREGUNTA DE INVESTIGACIÓN Puede una herramienta de aprendizaje basado en Realidad Aumentada mejorar el aprendizaje de programación orientada a objetos de los estudiantes de la materia programación de software del Politécnico Grancolombiano modalidad virtual? OBJETIVOS Objetivo General Diseñar y evaluar un prototipo de herramienta de aprendizaje basada en realidad aumentada para potenciar el aprendizaje de la programación orientada a objetos en los estudiantes de la materia de programación modalidad virtual del Politécnico Grancolombiano. Objetivos Específicos Definir las condiciones, características y alcance de la herramienta basada en RA. Diseño e implementación del prototipo Evaluación del prototipo 101

109 METODOLOGÍA El tipo de investigación que voy a realizar es un estudio de caso para el cual se van a llevar a cabo las siguientes fases. Definir y ejecutar una fase de planeación del proyecto Definir y ejecutar una fase de diseño del prototipo Definir y ejecutar una fase de codificación y despliegue del prototipo. Definir y ejecutar una fase de evaluación del prototipo Definir y ejecutar una fase de cierre del proyecto El método de investigación que voy a seguir es el cualitativo. El enfoque que voy a seguir es positivista. ALCANCE DEL PROYECTO El proyecto será ejecutado en un tiempo correspondiente a 11 meses que serán contados a partir del 10 de Enero del año 2015 al 10 de Diciembre del año El prototipo que se va a desarrollar y evaluar será enfocado hacia el aprendizaje de programación orientado a objetos en sus conceptos básicos (generación de clases, objetos y herencia). El flujo del proyecto será en forma iterativa, de este modo cada fase será cerrada con un acta y se realizarán las entregas señaladas en cada fase. Como indica el modelo iterativo, es posible realizar cambios en cualquiera de las fases con el fin de hacer que el proyecto cumpla con las expectativas del cliente (Director de educación virtual del politécnico Grancolombiano). Este proyecto incluye: Una fase de planeación Una fase de diseño Una fase de codificación y despliegue Una fase de evaluación Una fase de cierre En la Fase de planeación se obtendrá como entregable un documento de estrategia del proyecto, donde se definirá el alcance del mismo, análisis del 102

110 contexto, la estrategia del pruebas del prototipo, los riesgos, las tecnologías a implementar, la justificación de las tecnologías a implementar, el diseño del prototipo a nivel conceptual y de contenidos, una lista de recursos de hardware y de software requeridos para la implementación, una lista de exigencias para la implementación del prototipo, un cronograma del proyecto, definición de la estrategia de evaluación del prototipo. Definición de historias de usuario (requisitos del prototipo), una lista de criterios de aceptación por parte del director de educación virtual del Politécnico Grancolombiano, estrategia de entrega de artefactos en código y soportes de documentación del proyecto. En la fase de diseño se obtendrá como entregable un documento de estrategia de donde se especificará la arquitectura de la aplicación a nivel de componentes de hardware y software. Incluye diagramas de clases, de componentes y de despliegue, diseño preliminar de las marcas del prototipo, también se instalarán las herramientas que sean necesarias la codificación del prototipo. En la fase de codificación y despliegue se obtendrá como entregable un documento de estrategia donde se especificarán aspectos relacionados al lenguaje de programación, estrategia de backup, estándares de codificación, framework usados, plataformas para el mantenimiento de software del prototipo, estrategia de despliegue, tecnologías usadas para el despliegue, propuesta de integración del prototipo desarrollado a la plataforma de educación virtual del Politecnico Grancolombiano (Este último ítem es Opcional). En la fase de evaluación se obtendrá como entregable el documento final de la estrategia de evaluación el cual contendrá la metodología para la evaluación del prototipo implementada o desarrollada, las evidencias de la evaluación con los estudiantes, los datos tabulados y análisis estadísticos de las evaluaciones y las conclusiones de la implementación del prototipo con el fin de responder a la pregunta de investigación planteada. El documento resultados de será generado como producto de una jornada de implementación del prototipo en un tiempo no mayor al de una sesión de clases con los estudiantes de la materia de programación modalidad virtual. En la fase de cierre se realizará revisión sobre el checklist de criterios de aceptación del proyecto con el director de educación virtual del Politécnico Grancolombiano, se realizarán las correcciones que haya lugar, se realizará 103

111 gestión para legalización de documentos con la universidad (entrega de tesis, artefactos, anexos, etc.). Se firmará acta de cierre del proyecto. ESTADO DEL ARTE Introducción Para la construcción del estado del arte del presente anteproyecto se optó por la siguiente estrategia: primero se dividió el objeto de consulta (Diseño y Construcción de prototipos para educación basados Realidad Aumentada) en tres grandes grupos. El primero de ellos enfocado hacia la conceptualización general sobre RA, el segundo grupo orientado hacia casos donde se ha implementado RA en contextos educativos, el tercero hacia estrategias para el diseño y evaluación de prototipos de realidad aumentada. A continuación los resultados de la consulta: Motivación Según Barrera Osorio, F., Maldonado, D., Rodríguez, C. (2012). La cantidad como la calidad de la educación tiene la capacidad de reducir los niveles de pobreza de los países. Uno de los grandes problemas que afronta Colombia en la actualidad está representado en la baja calidad de la educación. El uso de tecnologías de información y nuevos métodos para lograr que los estudiantes se interesen por los contenidos temáticos constituye uno de los grandes retos de la educación a nivel mundial. Entidades como el NMC se encargan de investigar sobre qué nuevas tecnologías pudiesen llegar a tener un impacto en la educación, la enseñanza y la investigación. Actualmente RA es enmarcada como una de las tecnologías a desarrollar en ámbitos como la gamificación de las aulas de clase (nmc, 2014) ya que permite mejorar la efectividad y el atractivo de la enseñanza aprendizaje en las aulas de clase (Kesim & Ozarslan, 2012). Por otra parte, según (Pettey, 2012), RA constituye uno de los canales mediante los cuales será posible mejorar la experiencia de usuario en servicios de ubicación y comercio móvil. En el mismo informe del año 2014, se espera que RA sea utilizado para apoyar el marketing digital. Teniendo lo anterior como base y las deficiencias evidenciadas por reportes de rendimiento en el aprendizaje de la materia de programación modalidad virtual en el Politécnico Grancolombiano, me motivan a desarrollar un prototipo basado en RA que 104

112 pueda llegar a mejorar el aprendizaje de los estudiantes inscritos en la mencionada materia. Definición del Problema Actualmente los alumnos del curso de programación de software modalidad virtual del Politécnico Grancolombiano (Bogotá, Colombia) están presentando grandes deficiencias en términos de rendimiento académico. Una de las causas por las cuales esto sucede está en que desde la experiencia obtenida durante los tres años que lleva el programa en funcionamiento a pesar de reformas fuertes desde el punto de vista de contenidos con el fin de hacer que las temáticas sean lo más claras y explicativas posible y el uso de materias adicional y de contar con la suficiente comunicación disponible por medio de la plataforma de educación virtual, no ha sido posible mejorar el aprendizaje y por ende el rendimiento de los mismos en esta materia de programación de software. Muestra de ello está evidenciada en la cantidad de estudiantes que deciden cancelar la materia. Como producto de varios sondeos con los estudiantes y del ejercicio interno desde el punto de vista programático y curricular de la materia. En varias reuniones internas con los coordinadores de educación virtual y los profesores de la materia de programación se ha llegado a las siguientes conclusiones: 1. Se ha evidenciado que la enseñanza en programación de computadores en sí misma tiene una desventaja con respecto a las demás materias del pénsum de educación virtual, ya que sus temáticas en muchos aspectos tienden a ser complejas ya que los estudiantes dado el contexto mismo de la educación virtual (la getión de tiempos para dedicar a estudiar es manejada 100% por el estudiante dado so contexto laboral, social, espacial, etc.) no cuentan con la supervisión constante de un profesor que inmediatamente resuelva sus dudas. 2. Los estudiantes tienden a perder el interés en los contenidos de la materia muy tempranamente y se ha evidenciado que especialmente la enseñanza de estructuras de datos y Orientación a objetos en general es uno de los temas que menos receptibilidad desde el punto de vista del aprendizaje tienen los estudiantes. 3. Se observa la imperiosa necesidad de que se aplique alguna nueva técnica o se desarrolle alguna herramienta o conjunto de ellas que permita en primer lugar que los estudiantes se interesen por la programación de computadores, en segundo lugar que dado el contexto de educación virtual y las limitaciones que la plataforma de educación virtual del Politécnico Grancolombiano pueda 105

113 tener la implementación que se proponga funcione sin problemas teniendo como consecuencia una mejora en el aprendizaje de los estudiantes. Bases teóricas Algunas Definiciones Ambiente Virtual: Según (Azuma, 1997) hace referencia a tecnologías generadas por computador que sumergen al usuario en un ambiente sintético en su totalidad. Uno de los ejemplos más representativos de ambiente virtual es Second Life. Realidad Aumentada: Es considerada una extensión de la realidad virtual donde el dominio de la percepción (desde el punto de vista del usuario) es centrado por el mundo real y este a su vez es mejorado por datos digitales Realidad Virtual: Según (Azuma, 1997) busca sustituir el mundo real, utiliza los mismos elementos que la realidad aumentada. Mundo Real: Según Milgram y Kishimo, es un tipo de ambiente también conocido como Ambiente Real, con el cual todos ya estamos familiarizados. Pantallas transparentes: Son dispositivos transparentes hasta cierto punto, con capacidad para proyectar imágenes, donde los observadores ven a través de ella 4. Marcador: Está compuesto por patrones geométricos impresos generalmente en blanco y negro sobre papel. Estos patrones permite el reconocimiento de los algoritmos de tracking encargados de capturar el movimiento de la cámara y realizar la inserción de contenido digital a los dispositivos de salida como las pantallas LCD y monitores en general. Realidad Aumentada Según Chi-Yin Yuen, S., Yaoyuneyong, G., Johnson, E., (2011) Realidad aumentada (RA) permite que contenidos digitales sean superpuestos y mezclados en nuestras percepciones del mundo real, de este modo, RA nos permite percibir el mundo real de una forma tal que mejora el conocimiento individual de nuestro entorno. Pero cómo RA permite hacer tal hazaña?, la respuesta está en el uso de una gran variedad de tecnologías relacionadas con la proyección de imágenes, videos en tercera dimensión, emisión de sonidos, olores, entre otros. 4 Ver más en: Ibid pág [21] 106

114 Una definición formal para la RA indica que esta se compone de tres elementos clave, según Azuma (1997): 1. La combinación del mundo real y elementos virtuales, 2. Funciona en tiempo real 3. Es registrada en tercera dimensión. Según (Milgram &Takemura & Utsumi,& Kishino, 1994) desde una perspectiva de visualización y la mezcla de clases de objetos del mundo real y virtual, como se observa en la figura 1. RA es una mezcla de los dos mundos, por ende, hace parte de la Realidad Mixta (MR) la cual requiere indisolublemente del uso de dispositivos de proyección ya sean pantallas de celular, pantallas de LCD, proyectores, etc. RA no es limitada por el sentido de la vista, ya que potencialmente RA es aplicable a cualquiera de los sentidos(azuma & Baillot & Behringer & Julier & Macintyre, 2001) en los cuales se muestran los objetos del mundo real y del mundo virtual como una unidad. De hecho, RA también posibilita la sensación de reducción de objetos del mundo real por medio de superposiciones de objetos. Mixed Reality (MR) Real Environment Imagen 1. Milgram & Kishino. (1994). Virtuality continuum. Según (Kesim, & Ozarslan, 2012) Hay cuatro formas de interacción en aplicaciones de RA: tangible, colaborativa, híbridas e Interfaces Multimodales. Así mismo es posible desarrollar sistemas de RA diferentes. Por una parte se encuentan los sistemas móviles, con capacidad para ser llevados por el usuario a cualquier parte sin mayores problemas (dispositivos móviles, tablet, GPS, etc), por otra parte están los sistemas fijos como los simuladores: Sistemas fijos interior / exterior: Sistemas de interiores / exteriores móviles: Sistemas móviles interiores: Augmented Reality (AR) Augmented Virtuality (AV) Virtual Environment 107

115 Sistemas móviles exteriores: RA también es implementada como servicio y bajo esta perspectiva utiliza sensores con la capacidad suficiente como para identificar el entorno de las personas que los usan. Hay dos caminos uno enfocado hacia la localización del usuario, por medio de sensores de movimiento y otro enfocado hacia la computadora donde por medio de la visión y el movimiento facial se logra identificar objetos, caracteres (OCR) 5, patrones, etc. Según (Azuma, 1997) desde el punto de vista del diseño de un sistema basado en AR está en la definición de cómo se va a lograr que el mundo real y el virtual se combinen. Existen dos caminos: el primero hacia el mundo de las tecnologías ópticas y el segundo hacia el mundo de las tecnologías de video. Ambas presentan una serie de ventajas y desventajas entre sí que serán vistas a continauación: Tabla 1 Diferencias entre el diseño basado en óptica y el diseño basado en video Tecnologías Ópticas Simple: usa un unico canal de video compuesto por las imágenes gráficas. Rápido: puede presentar demoras del orden de los nanosegundos Infraestructura: requiere dispositivos ópticos Resolución: No degrada la vista del usuario sobre el mundo real. Depende de la resolución del dispositivo que esté usando para ver las gráficas. Si falla el suministro de corriente, el usuario seguirá teniendo percepción del mundo real a través del dispositivo. No tiene la posibilidad de mejorar la Tecnologías de Video Un poco más complejo, usa más de un canal de video compuesto por imágenes del mundo real y las imágenes virtuales. No tan rápido: puede presentar demoras mientras se sincronizan los flujos de datos. Infraestructura: Requiere cámaras (tiende a ser más complejo y costoso en términos de tiempo y dinero) Resolución: limita la capacidad de resolución sobre el mundo real por la capacidad del dispositivo que se esté usando. Dependencia total de fuentes eléctricas para funcionar. La vista sobre el mundo real es proveída por un dispositivo como la cámara. Mejora la visibilidad sobre el mundo real, 5 OCR: Reconocimiento óptico de caracteres. Ver más en: 108

116 visibilidad sobre el mundo real. Puede retardar la presentación del mundo virtual sobre el real. por medio de filtros y focos, ya sea contra luz extrema o falta de ella. Puede tratar de una mejor manera las inconsistencias entre las imágenes y el mundo real. Realidad Aumentada en la Educación Según (Lobo Quintero, 2013) RA permite el fácil entendimiento de los conceptos presentados dado su carácter interactivo. Según (Lairakapis F, Anderson E), RA no viene a sustituir los esquemas tradicionales de enseñanza aprendizaje, mas bien debe ser tomada como una herramienta de apoyo a los métodos tradicionales con el fin de que unidos ayuden al estudiante a comprender conceptos complejos. RA resulta importante en contextos donde el aprender alguna técnica resultaría peligroso, también en contextos de complejidad alta, o en contextos donde hay fuertes deficiencias de aprendizaje frente a un tema concreto. Muestra de ello (Cai Su & Wang Xu & Feng- Kuang Chiang, 2014) realizaron una implementación de RA para enseñar a estudiantes de secundaria la composición de sustancias químicas. El rol que desempeñó RA fué el de representar mediante marcas partículas atómicas con las cuales los estudiantes podían armar enlaces químicos. Como resultado de la implementación (la cual se realizó en Shenzhen, China) se evidenció que el uso de RA potenciaba el desempeño de los estudiantes y la perspectiva de los estudiantes respecto al software se evidenciaba en mayor interés por los temas tratados. Adicionalmente se evidenció que el uso de RA tenía un impacto mayor en estudiantes que presentaban bajo rendimiento escolar. Estrategias para el Diseño y Evaluación de Prototipos Basados en RA Una interesante forma de evaluación basada en RA es plasmado por (Lairakapis F, Anderson E) donde proponen que las evaluaciónes basadas en RA tienen importantes beneficios, entre ellos, disminuir sustancialmente el estrés experimientados por los evaluandos. También argumenta que los elementos de RA únicamente toman el rol de material de apoyo a los modelos de educación tradicional. Por otra parte el diseño de evaluaciones basados en RA debe también ser obra de los educadores quienes son los expertos en los temas, dependiendo del contexto estas pueden ser cualitativas, grupales y cuantitativas. 109

117 Desde el punto de vista de evaluación de prototipos, las preguntas deben estar enfocadas hacia la experiencia de usuario con respecto a la herramienta en términos como pertinencia, experiencia de usuario, facilidad de uso, integración con plataformas de educación del contexto, oportunidades de mejora y forma de presentación de los contenidos, esto con el fin de integrar los desarrollos de RA a un proceso de mejora continua. Desde el punto de vista del diseño, según (Lairakapis F, Anderson E), el diseño del plan de estudios, los contenidos tratados con RA, el rol en general de RA deben ser dirigidos por un educador el cual tiene todos los conocimientos y la experticia para hacer del proceso de aprendizaje lo más enriquecedor posible. Al mismo tiempo que los educadores deben estar abiertos a la incursión de nuevas tecnologías en el aula de clase y estén convencidos de que RA es una valiosa herramienta de apoyo y no un obstáculo a su discurrir de la enseñanza tradicional. Las herramientas basadas en RA deben ser flexibles tanto para los alumnos como para los profesores, que tengan la capacidad de ser adaptables. Las herramentas basadas en RA deben demorar la misma cantidad de tiempo que sus homólogas tradicionales. Los aprendices deben poder acceder a la tecnología directamente para que la interacción y así el potencial que tiene implícita RA sea explotado al máximo. Las herramientas de RA deben estar basadas en el contexto institucional y el diseño debe estar centrado en el usuario. Las herramientas de RA deben estar tan bien pensadas en su diseño de tal forma que las preguntas que hagan los aprendices al instructor se enfoquen en la temática que estén abordando y menos en aquello que los alumnos pueden ver. Las herramientas de RA deben tener un fuerte componente de interactividad, deben tener algo con lo cual los alumnos puedan interactuar con el fin de despertarles curiosidad por el tema que estén tratando. De este modo se obtendrán mejores resultados de aprendizaje. La cantidad de información inmersa en las aplicación con RA debe ser justa, es decir no tan poca que no deje nada al estudiante y no tanta que pueda conducir a yerros. 110

118 Tecnologías de Pantalla para RA Dispositivo montado en la cabeza (HDM): se presenta casi siempre como un casco con pantallas ópticas ubicadas a la altura de los ojos. Como ejemplos de este tipo de dispositivos están: Video-see through System (Rolland & Holloway & Fuchs, 1994). Generalmente utilizan materiales traslúcidos que les permite observan al mundo real y mejorarlo a través de RA. A esta categoría también pertenecen los dispositivos que proyectan láser en la retina del usuario, y estos a su vez generan las imágenes (Bimber, Raskar 2005). Este tipo de dispositivos tienden a ser poco confortables. Imagen 2. Video-sse through system (2011) 6 Dispositivos de mano: en esta categoría están generalmente los dispositivos como los Smartphone, brújulas digitales, GPS, sensores de posicionamiento y las tablet. La característica principal de estos dispositivos es su portabilidad y por ende están disponibles en cualquier momento. Una desventaja de este tipo de dispositivos está en que estos deben mantenerse siempre al frente de la vista de la persona que los usa y la distorsión en la imagen generada por los dispositivos móviles (Feiner, 2011). Guantes de pellizco: son guantes elásticos dotados de sensores que permiten la manipulación a distancia de proyecciones de RA. Imagen 3. Guantes de Pellizco (Inition, 2011) 7 6 Imágen obtenida de main.pdf?_tid=6c2665cc-7e77-11e4-b aab0f01&acdnat= _659b32ea1155fda491b862e70dcc69b8 111

119 Pantallas de proyección: permite la genración de modelos en tercera dimensión de objetos realistas. En esta categoría se encuentran los hologramas y tecnologías de seguimiento. No requieren que el usuario lleve dispositivo alguno(bimber, Raskar, & Inami, 2007). Pantallas de retina: utilizan láser para proyectar la imagen en la retina del usuario, tienen alta resolución, y un bajo consumo de batería. Solo permiten la emisión de unos cuantos colores (Bimber, Raskar, & Inami, 2007).. Pantallas proyectores montados en la cabeza: utilizan espejos para reflejar la luz en superficies retro reflectantes, permitiendo reflejar imágenes brillantes. Estas pantallas tienen el mismo problema de los HDM, ya que no son confortables y requieren configuraciones especiales y tienen que ser usados en interiores dado que casi siempre requieren de equipos especiales no muy portables(bimber, Raskar, & Inami, 2007). Pantallas espaciales: utilizan monitores convencionales y una cámara (puede ser la web del portatil) en ellos se proyecta la información del mundo real y las mejoras de RA como un todo. Permiten un pobre experiencia de inmersión, un espacio muy reducido para la proyección (generalmente del tamaño de la pantalla que se esté usando.). Es una de la implementaciones de RA más básicas en términos de equipos con cualquier computadora estándar es posible realizar este tipo de implementaciones en RA (Bimber, Raskar, & Inami, 2007). Imagen 4. Ejemplo Pantalla Espacial, Óptica espacial a través de pantallas: pantallas que tienen la capacidad de generar imágenes a través del entorno físico. En esta categoría se pueden encontrar pantallas transparentes y hologramas ópticos. Este tipo de 7 Imágen obtenida de main.pdf?_tid=6c2665cc-7e77-11e4-b aab0f01&acdnat= _659b32ea1155fda491b862e70dcc69b8 8 Imágen obtenida de 112

120 pantallas no soporta dispositivos móviles ya que requiere óptica espacial adecuadamente posicionada, de todos modos los resultados obtenidos por medio de este tipo de pantallas no son tan reales, por ejemplo la imágen (Bimber, Raskar, & Inami, 2007). Imagen 5. Ejemplo Pantalla que Usa Óptica Espacial, Proyección basada en pantallas espaciales: proyectan imágenes sobre objetos físicos. En esta tecnología uno de los aspectos más importantes es el manejo de las texturas, los colores y la luz, también entran en juego las sombras de los objetos con los que se interactúa, requieren de superficies regulares. Aplicaciones Las aplicaciones que tiene la tecnología de RA actualmente son casi ilimitadas, dado su contexto puede ser utilizable en publicidad, medicina, juegos, investigación científica, aeronáutica, industria automotriz, entretenimiento, etc. (Rivera, J., Meulen,2014). Como el ámbito de este trabajo es la educación, menciono a continuación casos en los cuales se ha implementado RA en contextos de enseñanza aprendizaje: Perspectivas de Desarrollo del Área Se ha demostrado que RA mejora la eficacia y el atractivo de la enseñanza y el aprendizaje dado que confiere a los temas un carácter dinámico y participativo logrando así maximizar la experiencia de usuario. Estas particularidades hacen que entidades como el NMC pongan su interés en este tipo de tecnologías ya que su influencia se podría extender de 9 Imagen obtenida de Bimber, Raskar. (2007). Moder Approaches to Augmented Reality. Recuperado de 113

121 manera exponencial en los años venideros por ejemplo en campos tan amplios como la gamificación de las aulas de clase. Desde el punto de vista de las grandes compañías como Google y Nokia ya tienen implementaciones y dispositivos para RA, (como los google Glass, 2013)Apple y Microsoft también están tomando acción en ese mismo camino. Uno de los target más promisorios para RA está en llegar a todos los Smartphone y tablet de las personas (Olivarez & Kastrenakes, 2013). Empresas como McDonald s e Ikea ya ofrecen sus productos por medio de RA a los cuales sus posibles consumidores acceden por medio de sus dispositivos móviles (Happonen &Ville, 2013). Principales áreas del trabajo Actual En términos generales Según Rivera, J., Meulen (2014), actualmente una parte de los investigadores en RA están enfocados hacia ver de qué forma esta tecnología puede potenciar procesos de innovación en los negocios y entrenamiento de empleados. También se está investigando en su implementación para detección de cercanías. Ejmplo: detección de cosas que generan calor. Detección de objetos que generan radiación nociva para la salud. Ayudar a los trabajadores a decidir qué hacer cuando una avería está presente. Proveer información sobre objetos de interés (distancia, peso, niveles de peligro para los seres humanos) La implementación de RA y servicios de localización es un campo que presenta un gran potencial de explotación en las empresas, el reconocimiento de imágenes y patrones en tiempo real apoyarían procesos de toma de decisiones. Aunque no sería tan útil en cadenas de montaje por ejemplo, donde los empleados disponen de toda la información necesaria para realizar sus trabajos, o estos son repetitivos y de baja complejidad. RA también se erige como una fuerza capaz de potenciar las habilidades de los trabajadores significando mayor productividad dado que provee de nuevas maneras para solucionar problemas, un mayor acceso a la información y potencia el trabajo colaborativo, al mismo tiempo que genera mayores ganancias para los empresarios. Este subtema ha sido dedicado en buena parte hacia las perspectivas de Gartner donde no solo han enfocado recursos hacia el análisis del impacto de RA en el mundo, también han sido seducidos por ella. Todos los anteriores ítems también aplican para el campo de la educación. 114

122 Herramientas para la realización de RA Según Chi-Yin Yuen & Yaoyuneyong & Johnson (2011) en los últimos años han salido al público un conjunto de herramientas y compañías interesadas en el desarrollo de tecnologías y aplicaciones basadas en RA entre las que se cuentan: Nota: Todas la información de las herramientas que menciono a continuación ha sido extraída de las páginas oficiales correspondientes y han sido referenciadas al final de este documento. ARToolkit Es una librería de software bajo licencia GNU (también tiene una versión comercial administradas por ARToolworks,Inc) desarrollada en lenguaje C y C++ por para la construcción de aplicaciones de RA. Su desarrollo inició en 1999 por Hirokazo Kato de HITLab 10 Utiliza algoritmos de visión por computador para resolver el problema de seguimiento del punto de vista de los usuarios. Sus algoritmos calculan la posición de la cámara y la orientación de marcadores en tiempo real. Sus características principales son: Capacidad para seguimiento y orientación. Fácil calibración de la cámara. Reconocimiento de marcadores cuadrados. Soporte para los SO: Windows, MacOS, Linux. Rápido para aplicaciones de RA de tiempo Real. Soporta varias fuentes de entrada de video, y de compresión de imagen. Biblioteca de gráficos simple. API está construida en lenguaje C. Soporta lenguajes Java y Mathlab. Una amplia documentación para el desarrollo. Permite el uso de múltiples marcas 10 Ver más sobre Hitlab en: 115

123 Cómo funciona ARToolKit? Imagen 7. Cómo funciona ARToolKit? 11 Pasos para el desarrollo con ARToolKit Imagen 7. Principios de desarrollo con ARToolKit 12 Como lo indica la imagen 6, tanto el proceso de Inicialización como el del cierre se realizan una sola vez, mientras que del paso dos al cinco, es un proceso cíclico. Limitaciones de ARToolKit Los objetos aparecen solo cuando los marcadores están a la vista de la cámara limitando el tamaño y movilidad de los objetos virtuales. 11 ARToolKit. Development principles. Imagen obtenida de 12 ARToolKit. Development principles. Imagen obtenida de 116