Presentacin de PowerPoint

1

Culiacn Sinaloa, Septiembre del 2014

Integrantes:

LSI. Francisco Gnzalez Hrnandez

ISC. Ral Oramas Bustillos

Asesor:

Dr. Ramn Zatarain Cabada.

Ambiente Inteligente de Aprendizaje para Aprender Programacin con Java.

Instituto Tecnolgico de Culiacn

Contenido

2

Antecedentes

Estado del Arte

Manejo de Emociones

Diseo ILE Java-Sensei

Antecedentes

3

+

Computacin Afectiva

3

CAI

ITS(STI)

ILE

Estado del Arte

4

Tabla comparativa del texto de porque se eligio (En el caso del texto).

4

Estado del Arte

5

Tabla comparativa del texto de porque se eligio (En el caso del texto).

5

Estado del Arte

6

AutoTutor Sistema Tutor Inteligente que interacta con los estudiantes por medio de lenguaje natural usando entornos simulados [12].

Clasificacin de Caractersticas (Algoritmos de lA)

Deteccin de caractersticas faciales

Estado del Arte

7

CTAT Herramienta Autor [10]

Construccin de Interfaz de Usuario

Model-Tracing : Hechos Reglas

Example-Tracing : Grafo de Comportamiento

Tabla comparativa del texto de porque se eligio (En el caso del texto).

7

Estado del Arte

8

ILE - Intelligent Learning Environment [11].

Tabla comparativa del texto de porque se eligio (En el caso del texto).

8

Manejo de emociones

Computacion Afectiva.

Se propone que las computadoras deben tener la habilidad de reconocer emociones y tomar decisiones en base a ellas [1].

Tecnicas de Reconocimiento de Afecto.

Creacin de algoritmos para el reconocimiento de afecto. Uso de sensores mulltimodal [2][3].

10

Manejo de emociones

ITS con manejo afectivo AutoTutor, Gaze Tutor [4][5]

Influencia de las emociones no bsicas.

Las emociones no bsicas estan presentes con ms influencia en el proceso de aprendizaje.[6][7]

11

Manejo de emociones

Deteccion Multimodal.

Tcnicas que utilizan distintos sensores para obtener datos y clasificarlos. Con la clasificacion se obtiene una prediccin de la emocin actual.[8][9]

Diseo ILE Java-Sensei

12

Classifier

BackTracking NN

Adaptability

Pedagogical agent

Expert Model

User Model

Pedagogical Model

ITS Engine

Coaching

System Fuzzy Logic

Knowledge

Space

Profile

Overlay

Data Mining

Expert Model

Learning Model

E. Tracing

Problem Solving

Intelligent Learning Environment

Affective Model

Sensor

12

Diseo ILE Java-Sensei

13

[10]

13

Diseo ILE Java-Sensei

14

Student ModelActions TutorEmocin Actual: Aburrimiento, Confusin, Frustracin.Retroalimentacin: Positiva, Neutral, NegativaConfianza en la Clasificacin: Alta o Baja.Respuestas empticas y motivacionalesEmocin Previa: Aburrimiento, Confusin, Frustracin.Accin del Siguiente Dialogo:Consejo, Recurso, Respuesta, Cambio de Ejercicio.Habilidad global del Estudiante:Alta o Baja.Expresin Facial (Avatar): Sorprendido, Encantado, Compasivo, EscpticoCalidad de la Respuesta Actual: Alta o Baja.

[4],[11]

14

Diseo ILE Java-Sensei

15

Pantalla de acceso al sistema (login):

15

Diseo ILE Java-Sensei

16

Pantalla con un ejercicio:

16

Diseo ILE Java-Sensei

17

Pantalla con el men del curso:

17

Diseo ILE Java-Sensei

18

Pantalla con recomendaciones al usuario:

18

Diseo ILE Java-Sensei

19

Pantalla que muestra dilogo con el usuario (I):

19

Diseo ILE Java-Sensei

20

Pantalla que muestra dilogo con el usuario (II):

20

Mdulo pedaggico

21

Curso

Java

Mdulo 1

Mdulo 2

Mdulo 3

Mdulo n

Tema 1

Tema 2

Tema 3

Tema n

Concepto 1

Concepto 2

Concepto n

Contenido

Conceptos clave

Tips de prog

Error prog

Ejercicios

Mdulo: contiene objetivos

Concepto: textual/imagen/multimedia

Ejercicio:

Nivel: Fcil/Normal/Difcil

Objetivo

Concepto

Feedback

21

Mdulo pedaggico

22

Curso

Java

Mdulo 1

Mdulo 2

Mdulo 3

Mdulo n

22

Referencias

23

1.Picard, R.W., Affective computing. 2000: MIT press.

2.Woolf, B., et al., Affect-aware tutors: recognising and responding to student affect. Int. J. Learning Technology, 2009. 4.

3.Calvo, R.A. and S. D'Mello, Affect detection: An interdisciplinary review of models, methods, and their applications. Affective Computing, IEEE Transactions on, 2010. 1(1): p. 18-37.

4.DMello, S., et al. AutoTutor detects and responds to learners affective and cognitive states. in Workshop on Emotional and Cognitive Issues at the International Conference on Intelligent Tutoring Systems. 2008.

5.D'Mello, S., et al., Gaze tutor: A gaze-reactive intelligent tutoring system. International Journal of human-computer studies, 2012. 70(5): p. 377-398.

6.D'Mello, S. and R.A. Calvo, Beyond the Basic Emotions: What Should Affective Computing Compute? 2013.

7.D'Mello, S., et al., Confusion Can be Beneficial For Learning. 2014.

8.DMello, S.K. and A. Graesser, Multimodal semi-automated affect detection from conversational cues, gross body language, and facial features. User Modeling and User-Adapted Interaction, 2010. 20(2): p. 147-187.

Referencias

24

9.Grafsgaard, J.F., et al. Multimodal analysis of the implicit affective channel in computer-mediated textual communication. in Proceedings of the 14th ACM international conference on Multimodal interaction. 2012. ACM.

10.Aleven, V., et al., A new paradigm for intelligent tutoring systems: Example-tracing tutors. International Journal of Artificial Intelligence in Education, 2009. 19(2): p. 105-154.

11.Graesser, A.C., et al., AutoTutor: An intelligent tutoring system with mixed-initiative dialogue. Education, IEEE Transactions on, 2005. 48(4): p. 612-618.

11.Brusilovsky, P. and E. Milln. User models for adaptive hypermedia and adaptive educational systems. in The adaptive web. 2007. Springer-Verlag.

12.D'mello, S. and A. Graesser, AutoTutor and affective AutoTutor: Learning by talking with cognitively and emotionally intelligent computers that talk back. ACM Transactions on Interactive Intelligent Systems (TiiS), 2012. 2(4): p. 23.

Nombre Autor Ao Lenguaje Caracterstica

PROUST Johnson & Soloway

1985 Pascal Sistema Experto con una base de conocimiento que incluye bugs comunes de programacin

LISPITS Anderson et al. 1986 LISP Modelo estudiante: Knowledge Tracing

ITEM/IP Bruselosky 1992 Mini-Lenguaje Turingal ILE basado en Web, sistema adaptativo

SQLT-Web Mitrovich 2000 SQL ILE basado en Web. Modelo estudiante: constraint based

ELM-ART Bruselosky 2001 LISP ILE basado en Web. Modelo estudiante basado en overlay

DRSCHEME Findler et.al 2002 Scheme ILE basado en Web con verificador de sintaxis, anlisis lxico, depurador.

WHAT Lpez et. Al Haskell Modelo estudiante: constraint based. Determina el tipo de ejercicio que el estudiante debe de resolver

iWeaver Woolf 2003 Java ILE basado en Web. Maneja profile estudiante y estilos de aprendizaje

WBITS Butz, Hua, Maguire

2004 Introduccin Programacin

Utiliza redes bayesianas para la toma de decisiones y para generar secuencias de aprendizaje

The Prolog Tutor

Hong 2004 PROLOG Clasifica programas que utilizan la misma tcnica de programacin y comparten mismo patrn de cdigo

JITS Sykes, Franek 2004 Java Modelo estudiante: misconceptions

AutoTutor Graesser, Chipman, Walles,

Woolf

2005 --- Modelo estudiante basado en el dilogo.

Nombre Autor Ao Lenguaje Caracterstica

PROUST Johnson &

Soloway

1985 Pascal Sistema Experto con una base de conocimiento

que incluye bugs comunes de programacin

LISPITS Anderson et al. 1986 LISP Modelo estudiante: Knowledge Tracing

ITEM/IP Bruselosky 1992 Mini-Lenguaje Turingal ILE basado en Web, sistema adaptativo

SQLT-Web Mitrovich 2000 SQL ILE basado en Web. Modelo estudiante: constraint

based

ELM-ART Bruselosky 2001 LISP ILE basado en Web. Modelo estudiante basado en

overlay

DRSCHEME Findler et.al 2002 Scheme ILE basado en Web con verificador de sintaxis,

anlisis lxico, depurador.

WHAT Lpez et. Al Haskell Modelo estudiante: constraint based. Determina el

tipo de ejercicio que el estudiante debe de resolver

iWeaver Woolf 2003 Java ILE basado en Web. Maneja profile estudiante y

estilos de aprendizaje

WBITS Butz, Hua,

Maguire

2004 Introduccin

Programacin

Utiliza redes bayesianas para la toma de

decisiones y para generar secuencias de

aprendizaje

The Prolog

Tutor

Hong 2004 PROLOG Clasifica programas que utilizan la misma tcnica

de programacin y comparten mismo patrn de

cdigo

JITS Sykes, Franek 2004 Java Modelo estudiante: misconceptions

AutoTutor Graesser,

Chipman, Walles,

Woolf

2005 --- Modelo estudiante basado en el dilogo.

J-LATTE Holland et al. 2009 Java Modelo estudiante: constraint based

CTAT Aleven, Mclaren & Sewall

2009 --- Herramienta de autor para tutores cognitivos y example tracing

JavaTutor Michael David Wallis

2011 Java ILE, Web Adaptativo

Affective AutoTutor

DMello, Lehman & Graesser

2011 --- Estados emocionales

Wayang- Outpost

Cooper, Arroyo & Woolf

2011 --- Manejo de sensores y estados emocionales

ASK-ELLE Alex Gerdes 2012 Haskell ILE basado en Web.

Gaze Tutor DMello et.al 2012 --- Manejo de las emociones como la frustracin y el aburrimiento

ALEKS --- 2014 --- ILE basado en Web. Modelo estudiante: Knowledge spaces

J-LATTE Holland et al. 2009 Java Modelo estudiante: constraint based

CTAT Aleven, Mclaren

& Sewall

2009 --- Herramienta de autor para tutores cognitivos y

example tracing

JavaTutor Michael David

Wallis

2011 Java ILE, Web Adaptativo

Affective

AutoTutor

DMello, Lehman

& Graesser

2011 --- Estados emocionales

Wayang-

Outpost

Cooper, Arroyo &

Woolf

2011 --- Manejo de sensores y estados emocionales

ASK-ELLE Alex Gerdes 2012 Haskell ILE basado en Web.

Gaze Tutor DMello et.al 2012 --- Manejo de las emociones como la frustracin y el

aburrimiento

ALEKS --- 2014 --- ILE basado en Web. Modelo estudiante:

Knowledge spaces