Sistemas de tutorización inteligente basados en redes bayesianas

  1. López Puga, Jorge
  2. García García, Juan
Revista:
REMA

ISSN: 1135-6855

Año de publicación: 2008

Volumen: 13

Número: 1

Páginas: 13-25

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: REMA

Resumen

La enseñanza programada ha sufrido grandes avances con el desarrollo de las ciencias de la computación. Cada vez son más los programas informáticos que nos permiten aprender cualquier materia o destreza. En este contexto surgieron los Sistemas de Tutorización Inteligente asociados a redes bayesianas. Las redes bayesianas son herramientas estadísticas surgidas en el contexto de la Inteligencia Artificial orientadas a la inferencia probabilística y en el ámbito de la tutorización electrónica se utilizan para modelar la incertidumbre asociada al estudiante y su nivel de conocimiento. En este trabajo presentamos la metodología de las redes bayesianas en relación a los Sistemas de Tutorización Inteligente, revisamos algunos ejemplos importantes de estos sistemas y proponemos ciertos aspectos que podrían mejorar el desarrollo de los sistemas de tutorización.

Referencias bibliográficas

  • 1. Alonso, D., y Tubau, E. (2002). Inferencias bayesianas: una revisión. Anuario de Psicología, 33, 25-47.
  • 2. Blackledge, J. T. (2003). An introduction to relational frame theory: basic and applications. The Behavior Analyst Today, 3, 421-433.
  • 3. Carbonell, J.R. (1970). AI in CAI: An Artificial-Intelligence Approach to Computer-Assisted Instruction. IEEE Transactions on Man-Machine Systems, 11, 190-202.
  • 4. Castillo, E., Gutiérrez, J. M. y Hadi, A. S. (1997). Expert systems and probabilistic network models. New York: Springer-Verlag.
  • 5. Conati, C., Gertner, A. y VanLehn, K. (2002). Using bayesian networks to manage uncertainty in student modeling. User Modeling and User-Adapted Interaction, 12, 371-417.
  • 6. Conejo, R., Guzmán, E., Millán, E., Trella, M., Perez-de-la-Cruz, J. L. y Ríos, A. (2004). SIETTE: A web-based tool for adaptive testing. International Journal of Artificial Intelligence in Education, 14, 1-33.
  • 7. Conejo, R., Millán, E., Perez-de-la-Cruz, J. L. y Trella, M. (2001). Modelado del alumno: un enfoque bayesiano. Revista Iberoamericana de Inteligencia Artificial, 12, 50-58.
  • 8. Cowell, R. G., Dawid, A. P., Lauritzen, S. L., y Spiegelhalter, D. J. (1999). Probabilistic networks and expert systems. Harrisonburg, VA: Springer.
  • 9. Cox, R. T. (1946). Probability, frequency and reasonable expectation. American Journal of Physics, 14, 1-13. De la Fuente, E. I., García, J., y De la Fuente, L. (2002). Estadística bayesiana en la investigación psicológica. Metodología de las Ciencias del Comportamiento, 4, 185- 200.
  • 10. Dixon, J. R. (1964). A programmed introduction to probability. New York: John Wiley & Sons. Edwards, W. (1998). Hailfinder. Tools for and experiences with bayesian normative modelling. American Psychologist, 53, 416-428.
  • 11. Garbolino, P., y Taroni, F. (2002). Evaluation of scientific evidence using bayesian networks. Forensic Science International, 125, 149-155.
  • 12. Harary, F. (1969). Graph theory. Philippines: Westview Press.
  • 13. Hayes, C. S., Barnes-Holmes, D and Roche, B. (2002). Relational frame theory. A postSkinnerian account of human language and cognition. New York: Kluwer/Plenum.
  • 14. Herskovits, E. H. y Dagher, A. P. (1997). Applications of bayesian networks to health care (Rep. Téc. NSI-TR-1997-02) Baltimore, MD: Noetic Systems.
  • 15. Hothersall, D. (1997). Historia de la Psicología (3ª ed.). México: Mc-Graw Hill. (Trabajo original publicado en 1995)
  • 16. Kadie, C. M., Hovel, D., y Horvitz, E. (2001). MSBNx: a component-centric toolkit for modelling and inference with bayesian networks (Rep. Téc. MST-TR-2001-67). Redmon, WA: Microsoft.
  • 17. López, J. y García, J. (2007a). Intelligent tutoring systems with bayesian nets. Proceedings of the International Technology, Education and Development Conference, INTED2007. Valencia, España.
  • 18. López, J. y García, J. (2007b). A Bayes net inside an intelligent tutoring system. How does it work? Proceedings of the International Technology, Education and Development Conference, INTED2007. Valencia, España.
  • 19. López, J., García, J. y de la Fuente, M. L. (2006). Modelado causal con redes bayesianas. Actas de las XVII Jornadas de Automática, 198-202.
  • 20. López, J., García, J., de la Fuente, L. y de la Fuente, E. I. (2007). Las redes bayesianas como herramientas de modelado en psicología. Anales de Psicología, 23, 307-316. 21. López, J., García, J., y De la Fuente, E. I. (2005). Las redes bayesianas en Psicología. Actas del IX Congreso de Metodología de las Ciencias Sociales y de la Salud. Granada. España.
  • 22. Manning, S. A. y Rosenstock, E. H. (1961). Classical psychophysics and scaling. New York: Mc-Graw Hill.
  • 23. Martínez, I., y Rodríguez, C. (2003). Modelos gráficos. En Y. del Águila et. al. (Eds.), Técnicas estadísticas aplicadas al análisis de datos (pp. 217-257). Almería: Servicio de Publicaciones de la Universidad de Almería.
  • 24. Martin, J. y VanLehn, K. (1995). Student assessment using bayesian nets. International Journal of Human-Computer Studies, 42, 575-591.
  • 25. Millán, E., Perez-de-la-Cruz, J. L. y Suárez, E. (2002).Adaptive bayesian networks for multilevel student modelling. En G. Gauthier, C. Frasson y K. VanLehn (Eds.), Lecture notes in computer science 1839, 534-543. Berlin: Springer-Verlag.
  • 26. Mislevy, R. J. y Gitomer, D. H. (1996). The role of probability-based inference in an intelligent tutoring system. User-Mediated and User-Adapted Interaction,128, 253- 282.
  • 27. Nadkarni, S., y Shenoy, P. P. (2001). A bayesian network approach to making inferences in causal maps. European Journal of Operational Research, 128, 479-498.
  • 28. Nadkarni, S., y Shenoy, P. P. (2004). A causal mapping approach to constructing bayesian networks. Decision Support Systems, 38, 259-281.
  • 29. Neapolitan, E. R., y Morris, S. (2004). Probabilistic modelling with bayesian networks. En D. Kaplan (Ed.), The SAGE handbook of quantitative methodology for the social sciences (pp. 371-390). Thousand Oaks, CA: Sage Publications.
  • 30. Olea, J., y Ponsoda, V. (1996) Tests adaptativos informatizados. En J. Muñiz (Ed.), Psicometría (pp. 729-783). Madrid: Universitas.
  • 31. Ronald, G. (1988). Graph theory. Menlo Park, CA: Benjamin/Cummings. Spirtes, P., Glymour, C., y Scheines, R. (2000). Causation, prediction and search (2ª). Cambridge, MA: MIT Press.
  • 32. Stevens, A. L. y Collins, A. (1977). The goal structure of a socratic tutor. Proceedings of the 1977 Annual Conference, ACM '77. New York.
  • 33. Tutte, W. T. (1984). Graph theory. Cambridge: Cambridge University Press. Urretavizcaya, M. (2001). Monografía: sistemas inteligentes en el ámbito de la educación.Revista Iberoamericana de Inteligencia Artificial, 12, 2-4.
  • 34. Wu, A. K. (1993). Paradigms for ITS (intelligent tutoring system). Proceedings of the Conference on Computer, Communication, Control and Power Engineering, TENCON '93. Beijing, China.
  • 35. Xiang, Y. (2002). Probabilistic reasoning in multiagent systems. A graphical models approach. Cambridge: Cambridge University Press.
Fuente de los datos: Dialnet