Skip to main content
OpenConf small logo

Providing all your submission and review needs
Abstract and paper submission, peer-review, discussion, shepherding, program, proceedings, and much more

Worldwide & Multilingual
OpenConf has powered thousands of events and journals in over 100 countries and more than a dozen languages.


ZIP
0.7MB

Evaluación de La Arquitectura de Un Sistema Recomendador Basado En Ontologías Para Objetos de Aprendizaje En Carreras de Ingeniería

La creciente adopción de la formación basada en competencias en los programas de carreras de ingeniería, exige recursos de aprendizaje digitales de alta calidad, alineados con resultados de aprendizaje bien definidos. Un sistema recomendador basado en ontologías brinda soporte a los profesores en el desarrollo de Objetos de Aprendizaje (OA), integrando conocimiento pedagógico y tecnológico. Este artículo presenta una primera aproximación a la evaluación del diseño arquitectónico del sistema recomendador. Para ello, se ha utilizado el Método ATAM (Análisis Trade off Architecture Method). La arquitectura aplica un patrón en capas que modulariza para simplificar el abordajede un sistema complejo. La arquitectura tiene las siguientes capas: una capa de conocimiento compuesta por ontologías, una capa de recomendación estructurada como un agente inteligente con módulos de percepción, inferencia y crítica, y una capa de interfaz responsable de la interacción del sistema con herramientas de autor externas y documentos de gestión académica. La evaluación basada en ATAM constituye un proceso en etapas y fases en el que se identifican stakeholders que colaboran con el equipo de evaluación centrándose en atributos de calidad como la modificabilidad, la interoperabilidad y la mantenibilidad, identificando los puntos sensibles y las compensaciones derivadas del uso de modelos ontológicos y mecanismos de inferencia basados en reglas. A partir de esta primera iteración en la evolución, se presentan diversas vías de evolución de la arquitectura hacia capacidades inteligentes mejoradas y componentes de recomendación escalables. Este trabajo representa el primer paso en un proceso iterativo de validación destinado a fortalecer la robustez arquitectónica de los sistemas de enseñanza inteligentes.

Valeria Bertossi
Universidad Tecnologica Nacional Facultad Regional Santa Fe
Argentina

Milagros Gutierrez
Universidad Tecnologica Nacional Facultad Regional Santa Fe
Argentina

Lucila Romero
Facultad de Ingeieria y Ciencias Hidricas Universidad Nacional del Litoral
Argentina