Universidad Carlos III de Madrid Escuela Politécnica Superior. Tesis Doctoral Programa de Doctorado en Ingeniería Informática

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Universidad Carlos III de Madrid Escuela Politécnica Superior. Tesis Doctoral Programa de Doctorado en Ingeniería Informática"

Mario Rubio Redondo
hace 8 años
Vistas:

1 Universidad Carlos III de Madrid Escuela Politécnica Superior Tesis Doctoral Programa de Doctorado en Ingeniería Informática Adaptación Dinámica al Usuario en un Sistema de Enseñanza mediante Aprendizaje por Refuerzo AUTORA: Ana María Iglesias Maqueda DIRECTORES: Paloma Martínez Fernández Ricardo Aler Mur 29 de octubre de 2004

un Sistema de Enseñanza mediante Aprendizaje por Refuerzo AUTORA: Ana María

2 Agradecimientos No es sencillo resumir en tan pocas líneas todo al apoyo y cariño que he recibido durante la realización de la tesis doctoral. Aún así, no me gustaría cerrar esta fase sin que quede plasmado en este documento mi agradecimiento, aunque quizás no sea capaz de transmitir ni la infinitésima parte. En primer lugar me gustaría agradecer a mis tutores, Paloma Martínez y Ricardo Aler, el apoyo que me han ofrecido durante la realización de la tesis. Gracias. A todos los que han participado en la elaboración y/o evaluación del sistema RLATES. Gracias. A mis compañeros y amigos les he de agradecer el estar siempre ahí cuando se les necesita, el ánimo, ya queda poco! en el momento más oportuno; el en qué te puedo ayudar? cuando más agobiada me veían. Gracias Fernan, Susi, Rafa, Agustín, Agapito, Yolanda, Anabel, Luis, Germán, Susana, Javier Carbó, Loli, Elena, Javi Calle, César, Harith, Lourdes, Conchi, Josele, Manu... Cómo olvidar a los amigos de Villacañas, Toledo, Burguillos, Calera, a los amigos de la Complutense y de la Carlos III... gracias por ser como sois, por animarme en las horas bajas y disfrutar conmigo los días felices. Gracias. He de agradecerle a toda mi familia todo el cariño que me han dado, el empuje y confianza que me han proporcionado, el día a día. Gracias Papá, Mamá, Chule, Marién, Juanete, Mamen, Luismi, Abuelitas Ramona y Ana y al chiquitín: Miguel; y no se me puede olvidar mi nueva familia: Lola, Fernando, Virgi, Luis, Joaquín, Estíbaliz, y las chiquitinas: Alba y Marta. Gracias a toda la familia: tíos, primos y allegados. Y qué decir de Fernan, mi mejor amigo, mi shesy, mi marido. Cómo explicar en tres líneas todo lo que me das, lo que me haces sentir, el apoyo, ánimo, confianza, paciencia... Miles de gracias. Sabes que esta tesis también es tuya. I

En primer lugar me gustaría agradecer a mis tutores, Paloma Martínez y Ricardo Aler, el apoyo que me han ofrecido durante la realización de la tesis. Gracias.

3 II

4 Resumen En los últimos años los sistemas de educación a distancia han mejorado abriendo nuevas perspectivas a planteamientos diferentes de enseñanza. La utilización de Internet como herramienta para estos sistemas de enseñanza ha favorecido el acceso a la educación, evitando barreras físicas de movilidad de los alumnos a las aulas y la falta de comunicación informática debido a diferencias entre plataformas de estos sistemas y los ordenadores de los alumnos. Uno de los problemas más importantes de los sistemas de educación a distancia es personalizar la enseñanza a cada estudiante, adaptando su política pedagógica dependiendo de las necesidades de aprendizaje que tengan los estudiantes. La aplicación de técnicas de inteligencia artificial a los sistemas de educación permiten que estos sistemas se adapten de forma inteligente a los estudiantes, representando de forma explícita o implícita las políticas pedagógicas, habilidades o conocimiento de los expertos. Los Sistemas de Educación Adaptativos e Inteligentes en Web (del inglés Webbased Adaptive and Intelligent Educational Systems) (SEAIs en Web) son sistemas de educación basados en Internet donde se aplican técnicas de inteligencia artificial con el objetivo de adaptar el contenido del sistema a los estudiantes según sus necesidades pedagógicas. Definir políticas pedagógicas efectivas en estos sistemas es uno de los principales problemas de los SEAIs en Web, decidiendo qué, cómo y cuándo mostrar el contenido del curso a los estudiantes. En este trabajo de tesis doctoral se ha utilizado el modelo de Aprendizaje por Refuerzo para resolver el problema de soporte adaptativo a la navegación a través del contenido del sistema y de presentación de dicho contenido (eligiendo el formato de presentación del contenido). Al aplicar el modelo de Aprendizaje por Refuerzo en el módulo pedagógico del sistema, éste es capaz de aprender automáticamente las mejores tácticas pedagógicas a aplicar para cada estudiante individualmente, basado únicamente en la experiencia adquirida con otros estudiantes de características de aprendizaje similares, como hace el tutor en las aulas. Con esta tesis doctoral se muestra cómo la definición de tácticas pedagógicas de los SEAIs en Web se puede modelar como un problema de Aprendizaje por Refuerzo. También se muestra cómo el sistema es capaz de aprender a enseñar III

comunicación informática debido a diferencias entre plataformas de estos sistemas y los ordenadores de los alumnos.

5 IV desde un punto de vista teórico, realizando experimentos simulando el comportamiento de los estudiantes. Finalmente, se muestra el comportamiento del sistema a través de Internet, con estudiantes reales que asisten a asignaturas impartidas en la Universidad Carlos III de Madrid, desde un punto de vista práctico.

Finalmente, se muestra el comportamiento del sistema a través de Internet, con

6 Abstract Last years, distance educational systems have been improved opening new perspectives on different ways to teach. The use of Internet as a tool for the educational systems helps the students and avoid the physical barriers in the access to the classrooms and the incompatibilities due to the different students system platforms. One of the most important issues in distance educational systems is to personalize the teaching to each student, adapting its pedagogical policy according to the pedagogical student needs. The application of artificial intelligence techniques to educational systems allows the systems to adapt in an intelligent way to the students, representing implicitly or explicitly the pedagogical policies, abilities and expert knowledge. The Web-based Adaptive and Intelligent Educational Systems (Web-based AIES) use artificial intelligence techniques in order to adapt the content to the students according to their pedagogical needs. One of the most important issues in these systems is to define effective pedagogical strategies for tutoring students according to their needs. The pedagogical strategies define what, how and when to show the system content to the students. In this PhD. Thesis we propose to use a pedagogical knowledge representation based on the Reinforcement Learning (RL) model. Using this model, the system is able to automatically provide adaptive navigation support and presentation support to the students (choosing the best presentation format for the content). The system learns which is the best pedagogical way to teach each student individually based only on acquired experience with other students with similar learning characteristics, like a human tutor does. In this dissertation we show how the definition of the pedagogical policies in the AIESs can be considered as a Reinforcement Learning problem from a theoretical point of view. Next, we show how the system is able to learn to teach from a theoretical point of view, using simulated students. Finally, we show how the system is able to teach in a practical point of view, interacting with real students of our University through Internet. V

7 VI

8 Índice general 1. Introducción Motivación Fundamentos Objetivos Organización de la Memoria Estado de la Cuestión Programas de Enseñanza Repaso Histórico Sistemas de Educación Adaptativos e Inteligentes en Web Sistemas Hipermedia Adaptativos en la Enseñanza Tutores Inteligentes Políticas Pedagógicas Secuenciar el Contenido Taxonomía de la Tarea de Secuenciar el Contenido Elección de la Mejor Política de Aprendizaje IA en Sistemas de Educación Aplicación de Inteligencia Artificial en Programas de Enseñanza Aprendizaje por Refuerzo Aplicado a Programas de Enseñanza Aprendizaje por Refuerzo Componentes Procesos de Decisión de Markov Puntos Clave en el Aprendizaje por Refuerzo Clasificación de Algoritmos Funciones de Utilidad Q-learning: un Algoritmo de Aprendizaje por Refuerzo Exploración vs Explotación Discusión VII

12 2.1.3. Sistemas Hipermedia Adaptativos en la Enseñanza.... 13 2.1.4. Tutores Inteligentes..................... 16 2.2. Políticas Pedagógicas........................ 18 2.2.1. Secuenciar el Contenido.

9 182 APÉNDICE A. EJEMPLOS DE CONTENIDOS DE RLATES Figura A.1: Contenido de RLATES. Un elemento de tipo Introducción en formato Texto del tema Entidad

10 183 Figura A.2: Contenido de RLATES. Un elemento de tipo Definición en formato Imagen del tema Entidad

11 184 APÉNDICE A. EJEMPLOS DE CONTENIDOS DE RLATES Figura A.3: Contenido de RLATES. Un elemento de tipo Definición en formato Texto del tema Entidad

12 185 Figura A.4: Contenido de RLATES. Un elemento de tipo Ejercicio en formato Imagen del tema Entidad

13 186 APÉNDICE A. EJEMPLOS DE CONTENIDOS DE RLATES Figura A.5: Contenido de RLATES. Un elemento de tipo Ejercicio en formato Texto del tema Entidad

14 Figura A.6: Contenido de RLATES. Ejemplo 1 de Test del tema Entidad 187

15 188 APÉNDICE A. EJEMPLOS DE CONTENIDOS DE RLATES Figura A.7: Contenido de RLATES. Ejemplo 2 de Test del tema Entidad

Documentos relacionados

CENTENARIA Y BENEMÈRITA ESCUELA NORMAL DEL ESTADO DE QUERETARO ANDRES BALVANERA UNIDAD JALPAN SEMINARIO DE ANALISIS Y TRABAJO DOCENTE

CENTENARIA Y BENEMÈRITA ESCUELA NORMAL DEL ESTADO DE QUERETARO ANDRES BALVANERA UNIDAD JALPAN SEMINARIO DE ANALISIS Y TRABAJO DOCENTE DOCENTE: Edith Rangél Ángeles ALUMNA: Castañeda Valladares Lizei Marlene