e-learning adaptativo sobre la grid de conocimiento...

E-LEARNING ADAPTATIVO SOBRE LA GRID DE CONOCIMIENTO PARA LA ENSEÑANZA DE LAS BASES DE DATOS

MARISOL MONROY RODRIGUEZ

UNIVERSIDAD DISTRITAL “FRANCISCO JOSÉ DE CALDAS” FACULTAD DE INGENIERÍA

MAESTRÍA EN CIENCIAS DE LA INFORMACIÓN Y LAS COMUNICACIONES BOGOTÁ

2008

E-LEARNING ADAPTATIVO SOBRE LA GRID DE CONOCIMEINTO PARA LA

ENSEÑANZA DE LAS BASES DE DATOS

MARISOL MONROY RODRIGUEZ

Trabajo de Grado para optar al título de Magíster en Ciencias de la Información y las Comunicaciones

Asesor JOSÉ NELSON PÉREZ CASTILLO

Doctor en informática

UNIVERSIDAD DISTRITAL “FRANCISCO JOSÉ DE CALDAS” FACULTAD DE INGENIERÍA

MAESTRÍA EN CIENCIAS DE LA INFORMACIÓN Y LAS COMUNICACIONES BOGOTÁ

2008

Nota de aceptación

__________________________________ __________________________________ __________________________________ __________________________________ __________________________________ __________________________________ __________________________________ __________________________________ __________________________________ __________________________________

__________________________________ Firma del presidente del jurado

__________________________________ Firma del jurado

__________________________________ Firma del jurado

Bogota, 18 de diciembre de 2008

Dedicatoria

A Dios y a la Virgen María por ofrecerme esta oportunidad. Expreso mis infinitas gracias a mi esposo e hijo.

Agradecimientos

Al profesor Doctor José Nelson Pérez Castillo, quién me guió en el desarrollo de este proyecto. A los profesores de la Maestría en Ciencias de la Información y las Comunicaciones por sus valiosos aportes en cada una de las asignaturas impartidas y el ejercicio investigativo que propiciaban al interior de las mismas. A los compañeros de clase de la Maestría en Ciencias de la Información y las Comunicaciones.

CONTENIDO

Pág. INTRODUCCIÓN ..................................................................................................... 9

1. FUNDAMENTACIÓN DE LA INVESTIGACIÓN ................................................ 11

1.1 DESCRIPCIÓN DEL PROYECTO .............................................................................. 11

1.1.1 Justificación ................................................................................................. 11

1.1.2 Objetivos ...................................................................................................... 12

1.1.3 Impactos esperados a partir del uso de los resultados ................................ 12

2. FUNDAMENTOS TEÓRICOS ........................................................................... 15

2.1 E-ELEARNING ADAPTATIVO ......................................................................... 15

2.1.1 Definición ..................................................................................................... 15

2.1.2 Modelos ....................................................................................................... 16

2.2 GRID ................................................................................................................. 18

2.2.1 Definición ..................................................................................................... 18

2.2.2 Arquitectura de la grid .................................................................................. 19

2.2.3 Servicios Web .............................................................................................. 20

2.2.4 Arquitectura abierta de servicios GRID – OGSA .......................................... 23

2.2.5 OGSA-DAI como administrador de recursos de datos ................................. 24

2.2.6 E-LEARNING adaptativo en la grid .............................................................. 25

2.3 SISTEMA DE AGENTES ................................................................................. 28

2.3.1 Arquitectura JADE ........................................................................................ 29

2.3.2 Metodología para el análisis y diseño orientado a agentes (GAIA). ............. 31

3. DISEÑO E-LEARNING ADAPTATIVO SOBRE LA GRID DE CONOCIMIENTO PARA LA ENSEÑANZA DE LAS BASES DE DATOS ........................................... 34

3.1 PROTOTIPO DE E-LEARNING ADAPTATIVO SOBRE LA GRID DE

CONOCIMIENTO ................................................................................................... 34

3.1.1 Arquitectura del prototipo E-Learning adaptativo sobre la grid de conocimiento. ......................................................................................................... 37

3.1.2 Metodología GAIA para análisis y diseño de los agentes en el servicio grid51

3.2 RELACIÓN DE LOS PORTLET CON EL SERVICIO GRID MEDIANTE WSDL55

3.3 INTERFAZ DE USUARIO ................................................................................ 56

3.4 MIGRACIÓN HACIA LA GRID EXPERIMENTAL ............................................. 58

3.5 RELACIÓN BENEFICIO – COSTO .................................................................. 59

CONCLUSIONES .................................................................................................. 61

TRABAJOS FUTUROS .......................................................................................... 63

BIBLIOGRAFÍA ...................................................................................................... 65

ANEXOS ................................................................................................................ 69

LISTA DE FIGURAS

Pág.

Figura 1. Vista genérica de un sistema e-learning ................................................. 17

Figura 2. Arquitectura Grid ..................................................................................... 20

Figura 3. Pasos para la invocación de un servicio Web ......................................... 21

Figura 4. Arquitectura de servicios Web ................................................................ 23

Figura 5. Arquitectura de plataforma OGSA. ......................................................... 24

Figura 6. Componentes OGSA-DAI ....................................................................... 25

Figura 7. Máximo de n ejemplos esparcidos en los nodos .................................... 27

Figura 8. Plataforma Jade ...................................................................................... 30

Figura 9. Modelo propuesto del prototipo e-learning adaptativo sobre la Grid de conocimiento para la enseñanza de las bases de datos. ....................................... 36

Figura 10. Proceso del negocio. ........................................................................... 37

Figura 11. Caso de uso general ............................................................................ 38

Figura 12. Casos de Uso Prototipo ........................................................................ 39

Figura 13. Limite Sistema Prototipo ....................................................................... 40

Figura 14. Diagrama de Secuencia general .......................................................... 40

Figura 17. Diagrama secuencia caso de uso Registrar ......................................... 45

Figura 18. Diagrama secuencia caso de uso Ingresar ........................................... 46

Figura 19. Modelo base de datos proyecto ........................................................... 47

Figura 22. Modelo de Componentes ...................................................................... 50

Figura 23. Modelo de Implementación ................................................................... 51

Figura 24. Diagrama de actividad del rol maestro................................................. 53

Figura 25. Diagrama de Actividades del Rol Tutor ................................................. 54

Figura 26. Diagrama de relación de portlet con el servicio grid mediante el archivo WSDL .................................................................................................................... 55

Figura 27. Imagen de la ejecución del portlet Consultar ........................................ 56

Figura 28. Imagen de la ejecución del portlet registrar .......................................... 57

Figura 29. Imagen de la ejecución del portlet Ingresar .......................................... 57

LISTA DE ANEXOS

Pág.

Anexo 1. Guía de Instalación de OGSA-DAI versión 3.0 sobre globus 4.0.x ........ 70

Anexo 2. Paper e-learning Adaptativo sobre la grid de Conocimiento. ................. 82

Anexo 3. Script de creación de la base de datos .................................................. 92

Anexo 4. Manual de Funcionalidad de los portlet Consultar, Registrar e Ingresar del proyecto ........................................................................................................... 94

INTRODUCCIÓN

E-learning ha tomado aplicaciones y mejoras del desarrollo web para aplicarlas al ámbito educativo, conllevando a que el proceso de aprendizaje se pueda desarrollar en cualquier momento, en cualquier lugar y cuando la persona esté disponible y lo necesite. Sin embargo, al estudiar el e-learning, se puede ver que, de algún modo, no es eficiente ya que los contenidos de los cursos en gran medida no se ajustan a los requerimientos específicos de los usuarios. En el proceso de desarrollo de un e-learning, se debe decidir la plataforma, la calidad del ambiente que se desea ofrecer; considerar la reusabilidad, la actualización de contenidos y la integración de modelos de aprendizaje, ya que estos factores generan inversiones de tiempo y dinero. En un ambiente e-learning adaptativo, existen los modelos de usuario, de dominio y de adaptabilidad junto con la definición de un perfil. El modelo de usuario contiene los datos personales de cada usuario, el contenido del aprendizaje que está recibiendo y la evolución del mismo. El modelo de dominio contiene la estructura del curso y en el modelo de adaptabilidad se encuentra ¿el qué?, ¿cómo? y ¿cuándo? se va a adaptar. La creación del perfil para cada usuario se logra a través de unas preguntas previas, tales como el objetivo que persigue al finalizar el curso, el grado académico en que se encuentra, la forma de aprendizaje y otras más. De esta tarea está encargado el agente maestro. Los agentes tutor y maestro tienen un papel representativo en el desarrollo de este proyecto, porque son los que desarrollan la lógica del e-learning adaptativo e interactúan directamente con el middleware OGSA-DAI que administra el recurso de base de datos relacional. De la grid de conocimiento se muestra la posibilidad que tiene ésta, no solamente de compartir y administrar recursos computaciones y de datos sino que también de compartir y administrar conocimiento, concepto que fue planteado por Zhuge y Yanyan Lee.

10

Para la interfaz con el usuario, se utiliza el entorno de portales GridSphere cumpliendo con el estándar de desarrollo de portlets JSR-168. Luego de agrupar la conceptualización de los temas que trata el desarrollo del proyecto, se muestra el modelo conceptual del proyecto, el diseño del prototipo y la implementación e implantación del mismo.

11

1. FUNDAMENTACIÓN DE LA INVESTIGACIÓN 1.1 DESCRIPCIÓN DEL PROYECTO 1.1.1 Justificación Los nuevos ambientes de aprendizaje giran en torno a la conformación de comunidades científicas que buscan compartir sus recursos tales como procesamiento computacional, datos, hardware, software, instrumentos y redes temáticas de investigación, sin importar la ubicación geográfica de los mismos y el tiempo en el que éstos son requeridos. A pesar de que en los últimos años se han conformando comunidades académicas y científicas que comparten recursos, hacen falta plataformas que permitan utilizar estos recursos de manera efectiva y eficiente. Actualmente se encuentra gran cantidad de información con relación al futuro de las tendencias de las denominadas organizaciones virtuales [1][5], igualmente múltiples propuestas sobre cómo debe ser la infraestructura a desarrollar para estas comunidades [1] [2] [3] [4]. “La globalización, las nuevas tecnologías y los progresos demográficos constituyen un desafío enorme; una de las respuestas a este problema es el acceso al aprendizaje permanente” (afirmación de Jàn Figel, citado en [37]). La capacitación es un requerimiento de las sociedades actuales y el uso de la tecnología de información y las comunicaciones (TICs) ya hace parte inherente en la educación de alto nivel. El aprendizaje asistido por tecnologías de la información e-Learning fomenta el uso de las TICs debido a que facilitan la creación, adopción y distribución de contenidos, así como la adaptación del ritmo de aprendizaje, las formas de aprender de cada individuo y la disponibilidad de herramientas independientemente de límites horarios y ubicaciones geográficas. La educación virtual vista como un servicio apoyado en el uso de herramientas tecnológicas y de la interacción humana, contribuye a propiciar en la humanidad el aprendizaje en forma independiente. La gran difusión del uso de Internet y la creación de redes de alta velocidad con fines académicos y de investigación, así como la masiva utilización de la Word Wide Web promueven una nueva metodología de educación.

12

1.1.2 Objetivos

Objetivo General

Diseñar e implementar un ambiente e-learning adaptativo que apoye el proceso de enseñanza de las bases de datos sobre la grid del conocimiento.

Objetivos Específicos Identificar y reconocer las características de los esquemas de aprendizaje

utilizados en los ambientes e-learning adaptativos. Diseñar un modelo de e-learning adaptativo que se ajuste a los estándares

ampliamente reconocidos en ésta área de conocimiento. Implementar el módulo que permita a los expertos en bases de datos definir

el modelamiento estructural del curso haciendo uso de las ontologías. Implementar el módulo que permita entregarle al discente los objetos de

conocimiento propios de cada perfil, siguiendo el modelamiento estructural del curso y los objetos de aprendizaje dispuestos en la grid de conocimiento.

1.1.3 Impactos esperados a partir del uso de los resultados

Impacto ambiental Como se plantea en [31], el ambiente de computación ha evolucionado desde computadores personales o centralizados, a redes distribuidas, e incluso ambientes adaptativos. El futuro ambiente de interconexión será un ambiente a gran escala que une tres mundos: El mundo Físico. La naturaleza, los materiales naturales y artificiales, los

dispositivos físicos, y las redes. El mundo virtual. Un ambiente de percepciones, construido especialmente

a través de la visión (texto, imágenes, colores, gráficos y otros) y la audición, y con alguna extensión al tacto, el olfato y el gusto.

13

El mundo mental. Ideales, religiones, morales, cultura, artes, sabiduría y conocimiento científico, todos los cuales surgen a través de la emoción, la creatividad y la imaginación.

El ambiente e-Learning del proyecto integra tres componentes, donde lo físico contiene la infraestructura y recursos de la malla computacional, requeridos para el funcionamiento de lo virtual y mental. Los servicios educativos, interfaces adaptativas, módulos didácticos representan la forma de interactuar del usuario con las herramientas. Por último, debe darse una interacción dinámica e interactiva por parte de todos los usuarios de la plataforma sin importar el nivel transcultural y el grado de conocimiento que cada uno de los integrantes posea. Es así como se obtiene un equilibrio ideal en la formación del estudiante. Pertinencia social Este proyecto pretende generar cambios en el entorno socio-cultural propio del trabajo que se desea desarrollar. Se pretende impactar en el entorno ambiental cristalizando proyectos que respalden la formación de estudiantes universitarios en el área de bases de datos. Con la incursión de las TIC - Tecnologías de la Información y las Comunicaciones en la educación, se ha propiciado el aumento significativo de herramientas, portales, plataformas y aplicaciones en ambientes virtuales colaborativos y distribuidos en Internet, que permiten la vinculación de instituciones, consorcios y personas a sitios de interés académico e investigativos, con el fin de trabajar conjuntamente en la solución de problemas de temáticas de áreas disciplinares afines. Es así como las comunidades contemporáneas enfrentan el reto de proyectarse y adaptarse a un proceso dinámico, para conformar las sociedades del conocimiento, cuyo propósito promueve la transformación social, cultural, económica, política e institucional, con una visión para generar y apropiar el conocimiento, para facilitar la globalización, flexibilidad y calidad de la educación colombiana y las organizaciones virtuales. Las organizaciones virtuales han encontrado un sólido apoyo en las mallas computacionales, dentro de las que se destacan e-ciencia (investigación científica colaborativa), e-ingeniería (diseño, desarrollo, fabricación, mantenimiento de ingeniería colaborativa), y e-medicina (cuidado de la salud y diagnóstico médico), las cuales en esencia se rigen por la colaboración escalable a través de la organización [32] y que han sido implementadas con el uso de plataformas virtuales en tecnologías de malla computacional.

14

Aporte a la educación Con el surgimiento de las mallas computacionales, se ha dado paso a sociedades que piensan en generar nuevo conocimiento con mayor dinamicidad, para lo cual han surgido grupos de interés, que promueven y desarrollan proyectos de investigación de manera interdisciplinaria, como los consorcios: Geoespacial Abierto – OGC [35] y Web tridimensional - Web3D [36] quienes han propuesto muchos estándares objetos de estudio para el proyecto de investigación, así como el Sistema de Administración de e-Learning – LMS [2] que enfatiza en la disposición de objetos de aprendizaje. Apoyados en tecnologías de la información y de las telecomunicaciones las cuales han posibilitado la creación de nuevos espacios de interrelaciones humanas y su incursión en la educación ha generado un nuevo paradigma que dinamiza al tradicional y da explicaciones nuevas a las relaciones entre los actores del proceso pedagógico, al aprendizaje y a las formas de enseñanza. La llamada sociedad de la información, se torna insuficiente frente al desarrollo vertiginoso de las telecomunicaciones y a las nuevas formas de interacción e interactividad, que obligan a pensar en una sociedad culta y civilizada de la información y sobre todo en una sociedad del conocimiento [34]. El mayor beneficio educativo de estas nuevas formas de interacción es la capacidad de comunicación en cualquier tiempo o lugar, con capacidad de captura de eventos diarios, fuentes de referencia rápida y soporte a través de Internet, además de mayor disponibilidad y herramientas más atractivas de emplear. Un aspecto clave en las inversiones tecnológicas de cualquier organización gira en torno a los costos económicos y a la eficiencia de las plataformas, es justamente este punto al que corresponde a la filosofía del área en ciencia y tecnología de la información, al hacer uso de los recursos e-learning que pretendan generar aportes e innovaciones tecnológicas.

15

2. FUNDAMENTOS TEÓRICOS 2.1 E-ELEARNING ADAPTATIVO En los últimos años se ha visto el incremento de la aplicación e investigación tanto en la industria como en la educación de los e-learning adaptativos a los procesos de enseñanza-aprendizaje que utilizan mecanismos computacionales. Este incremento en el desarrollo obedece a la cada vez mas importante personalización de los contenidos partiendo de requerimientos específicos, experiencias y forma de aprendizaje individualizado. Hoy día se pueden encontrar diversos sistemas que adoptan técnicas adaptativas de tal manera que aseguren o faciliten el aprendizaje [11]. 2.1.1 Definición Es la capacidad de entregar el contenido del curso, adecuado al requerimiento o perfil del estudiante, siguiendo el modelo de la ontología del dominio, sugiriendo requerimientos y preferencias de acuerdo a las actividades realizadas por el estudiante de tal manera, que faciliten y fortalezcan el proceso de aprendizaje [27][30]. Un ambiente adaptativo en un proceso de aprendizaje se puede aplicar a: Ontología del curso o Contenido : Esta categoría es la mas común de

encontrar en los sistemas adaptativos de aprendizaje y se refiere a la capacidad de entregar el contenido acorde a los objetivos de aprendizaje del individuo, a las necesidades de información que requiere y al conocimiento previo que se tiene del mismo. Estos son simplemente algunos de los ítems con que se pueden contar para a partir de una estructura de conocimiento definida, crear la que necesita el aprendiz. Una vez se tienen definida la ontología propia para el usuario, ésta puede ser adecuada al comportamiento o actividades desarrolladas del usuario en el proceso de aprendizaje [27].

16

Interacción Adaptativa: se refiere a las adaptaciones que tienen un lugar en la interface del sistema y que buscan facilitar la interacción del usuario con el sistema, sin que esto modifique la estructura o vía como debe recibir los contenidos del curso [27].

Descubriendo y ensamblando contenidos: se refiere a la técnica de

descubrir y encontrar materiales de aprendizaje u objetos de conocimiento a partir de repositorios o bases de datos [27].

2.1.2 Modelos A continuación se indican los modelos más destacados que hacen parte de un ambiente e-learning adaptativo y que son la base para las categorías de adaptación presentadas con anterioridad: Modelo de Dominio, incluye la estructura de las relaciones entre los elementos del curso y es la base para el e-learning. El modelo del dominio incluye la estructura de los conceptos de los dominios de cursos y los objetos de aprendizaje propios relacionados para cada uno de ellos. Esta labor debe ser desarrollada entre un consenso de expertos o de profesores del dominio que se esté creando, ayudados por una herramienta para crear cursos o “authoring tool”. [26-27][33-35]. Formado por:

1. La Representación de Conocimiento que contiene la metada basada en las Ontologías, la definición y composición de los objetos de aprendizaje y la definición de los vínculos semánticos.

2. Los conceptos de los Dominio que contienen básicamente los conceptos

del dominio y las relaciones entre ellos. 3. Materiales del curso que basados en los conceptos de los dominios, se

adicionan o materiales de aprendizaje, incluyendo los datos típicos procedentes de la metadata o del estándar SCORM para la definición de éstos objetos e incluso en su empaquetamiento.

Modelo del Estudiante, se tiene en cuenta la captura, el almacenamiento y la actualización de la información del estudiante que se usa para la construcción del curso a la medida y adaptado justamente para él. En resumen, este modelo contiene la ontología del curso hecho a la medida, los recursos de aprendizaje y contiene cada uno de las acciones que ejecuta dentro del sistema [26-27][33-35].

17

Modelo de adaptabilidad, incorpora la teoría existente de adaptabilidad en los ambientes de aprendizaje, cubriendo varios niveles de abstracción. Este modelo especifica qué puede ser adaptable al estudiante, así como también intenta tratar el cuándo y el cómo puede ser adaptado. Los niveles de abstracción en que la adaptación se puede dar, va desde reglas predefinidas que permitan administrar el ambiente o el comportamiento, hasta las especificaciones generales de las relaciones lógicas entre los elementos de un ambiente e-learning adaptativo, que se activan en tiempo de ejecución. Los ambientes de aprendizaje de hoy en día usan los modelos adaptativos para especificar el comportamiento del sistema con base en las propiedades del modelo de dominio [33-35] [55-57]. Un sistema e-learning, básicamente esta compuesto por cuatro elementos: Figura 1. Vista genérica de un sistema e-learning

People

Authoring System Run-Time System

Learning Management System

(LMS)

Content Storage & Management

Authors Learners

Learning

Content

Creation

Import/ExportInteraction

Trainers

Administrators

People

Authoring System Run-Time System

Learning Management System

(LMS)

Content Storage & Management

Authors Learners

Learning

Content

Creation

Import/ExportInteraction

Trainers

Administrators

Fuente: V. Pankratius, G. Vossen [19]. Sistemas para expertos; conjunto de herramientas o de utilidades que le ofrecen a los profesores o expertos en el conocimiento la interface para administrar los dominios y la metadata de los objetos de los aprendizaje. Personas; en estos sistemas son los estudiantes y los profesores, también pueden ser los administradores y tutores. Los profesores que son los expertos y crean las ontologías de los dominios y determinan los diferentes objetos de aprendizaje propicios para cada objeto de conocimiento con sus correspondientes metadata basándose en la ontología definida. Los cuales son guardados en la base de datos del LMS.

18

Aplicación en ejecución; interactúa con el LMS y con el estudiante. Para lograr la flexibilidad y la reusabilidad y compatibilidad en la presentación de los objetos de aprendizaje, SCORM proporciona un marco de trabajo y una referencia de implementación detallada que permite a los contenidos y a los sistemas comunicarse con otros, logrando así la interoperabilidad, reusabilidad y adaptabilidad [26]. Con los tres componentes (Modelo del estudiante, Modelo del conocimiento del dominio y el Modelo del Curso) y utilizando los objetos de aprendizaje ajustados al estándar de desarrollo ADL-SCORM, se logra estructurar un e-learning adaptativo [26]. Sistema Administrador de Aprendizaje (LMS); es manejado por el administrador del sistema y se encarga también de interactuar con la aplicación en ejecución que interactúa con el estudiante. Este módulo se encarga de almacenar y administrar los contenidos de aprendizaje. Los sistemas LMS manejan la entrada y salida de los usuarios al sistema. 2.2 GRID Cada día, la capacidad computacional es mas exigente, capacidades de procesamiento son mas elevadas, los métodos de almacenamiento de datos son mas complejos y la diversidad de almacenamiento es mas necesaria, se anuncian avances en sistemas y servicios de nueva generación y capacidades de servicios de comunicaciones extremadamente avanzados, estamos entrando en una nueva era de la computación – La Computación grid [28]. La computación grid ha surgido como un framework que soporta la administración y el procesamiento sobre grandes conjuntos de datos. En general, la grid ofrece la posibilidad de compartir y administrar recursos computacionales con el propósito de ofrecer la solución de tareas complejas [12]. 2.2.1 Definición La grid es una colección de recursos computacionales distribuidos, disponibles sobre una red, que se muestran al usuario como una aplicación o como un gran sistema virtual de computación. La visión es la de crear organizaciones dinámicas virtuales completamente seguras que permitan compartir recursos entre individuos e instituciones [29].

19

Varios conceptos similares coexisten acerca de qué es un grid. Otra definición expuesta por Foster, Kesselman y Tuecke, precursores de la computación grid, plantea la existencia de organizaciones virtuales (OV) como puntos de partida de este enfoque. Una organización virtual es “un conjunto de individuos y/o instituciones definida por reglas que controlan el modo en que comparten sus recursos”. Básicamente, son organizaciones unidas para lograr objetivos comunes. Ejemplos de OVs podrían ser proveedores de servicios de aplicaciones o almacenamiento, equipos de trabajo empresarial realizando análisis y planeamiento estratégico, miembros de una planta de energía evaluando trabajo de campo, universidades involucradas en un proyecto de investigación conjunto [29]. 2.2.2 Arquitectura de la grid Un nuevo modelo de arquitectura y tecnología fue desarrollado para establecer la administración y el control a través de las organizaciones de los recursos en una organización virtual. Esta nueva arquitectura, identifica los componentes básicos de un sistema grid, define el propósito y las funciones de sus componentes e identifica la interacción que se lleva a cabo entre cada uno de estos componentes. La principal característica de esta arquitectura es la interoperabilidad entre los proveedores de los recursos y las relaciones que establecen los usuarios para poder compartir esos recursos. La interoperabilidad entre cada una de las capas se definen en el modelo de la arquitectura que se muestra en la figura 2. La capa de Infraestructura o Fabric; contiene los recursos computacionales que serán compartidos por las organizaciones virtuales – bases de datos, sistemas de almacenamiento de red, clusters – junto con la infraestructura de red y sus mecanismos de gestión y control, donde un recurso puede ser una entidad lógica (como un sistema de archivos distribuido, o un cluster de computadoras)[15]. La capa de Conectividad o Connectivity; contiene los protocolos estándar de seguridad y comunicación para transacciones de red. Los protocolos de comunicación permiten el intercambio de datos entre la capa más inferior y los recursos mientras que los protocolos de seguridad brindan mecanismos de criptografía para identificar usuarios y recursos [15]. La capa de Recurso o Resource, usa los protocolos de seguridad y comunicación que permiten obtener la información de un recurso en particular y gestionarlo, controlando el acceso, inicialización, gestión, monitorización y auditoria. Los protocolos de esta capa llaman las funciones de capa Infraestructura o Fabric para

20

acceder y controlar recursos locales. Los protocolos de esta capa se refieren a recursos individuales.

Figura 2. Arquitectura Grid

Fuente: I. foster, C. Kesselman, and S. Tuecke [61]. La capa de Recursos o Colectiva o Collective, usa los protocolos y servicios que permiten gestionar la interacción de un conjunto de recursos. Algunos ejemplos son los servicios de directorios (que permiten a las organizaciones virtuales descubrir y ubicar recursos compartidos), schedulers distribuidos (que permiten asignar tareas a cada recurso), servicios de monitorización y diagnóstico de recursos ante fallas y servicios de replicación de datos. La capa de Aplicación o Application. Contiene las aplicaciones usuario que permiten el acceso a la estructura Grid. Según la figura 2. Las aplicaciones son construidas en términos de servicios definidos para alguna de las capas antes mencionadas, pudiendo, por ejemplo, comunicarse directamente con una capa en particular. Cada una de estas capas tiene protocolos bien definidos que proveen acceso al uso de servicios: manejo de recursos, acceso a datos, y más. 2.2.3 Servicios Web El servicio web es una tecnología que puede proveer varios tipos de servicios sobre la web. Los servicios de Web son más adecuados para los sistemas débilmente acoplados, donde el cliente no debe tener conocimiento previo del servicio hasta que lo invoque. Los servicios Web, se adaptan mejor para cubrir las necesidades de aplicaciones en ambientes web, así como los orientados a la grid. Algunas de las características que hacen a los servicios web especiales son :

21

Los servicios Web son independiente de la plataforma de ejecución e

independiente del lenguaje. Ejemplo se puede desarrollar una aplicación en c++ y ejecutar en Windows, o utilizar java y ejecutar sobre Linux.

La Comunicación a través de plataformas. Estándar definido con la W3C, que tiene el soporte de un gran número de

industrias. Interacción entre los componentes del servicio porque están basados en

XML, SOAP, WSDL y UDDI[60]. Pasos para la invocación de un servicio Web Siguiendo la figura 3, donde se muestran con números arábigos la secuencia de los pasos entre el cliente y el servidor, tenemos:

Figura 3. Pasos para la invocación de un servicio Web

Fuente: V. Pankratius, G. Vossen[19]. 1. Descubrir un servicio web que ofrezca los requerimientos de información. 2. Descubierto el servicio, contactar el/los servidores que puedan proveer el

servicio. 3. Conociendo la ubicación (servidor) del servicio, pero no teniendo idea de la

forma como se invoca, se procede a pedirle al servicio web que se describa él mismo.

4. El servicio web responde en un lenguaje que se llama WSDL.

Al terminar el paso anterior, se conoce la ubicación del servicio web y cómo se invoca.

5. La invocación hacia él mismo se hace en lenguaje SOAP. Por lo tanto, primero se hizo un request SOAP (petición de una operación)

22

6. Luego el servicio emite el response SOAP con un dato o en su defecto un error.

Arquitectura de servicios Web La tecnología de servicios Web permite proveer crear varios tipos de servicios sobre la web. La principal ventaja de usar la tecnología de servicios web es la comunicación entre los servicios a través de las diferentes plataformas en que éstos pueden ser expuestos. En la figura 4 se muestra la figura correspondiente a esta arquitectura. Se muestra el estándar más usado y al tiempo y las algunas de las alternativas existentes [19][60]. Procesos del servicio: generalmente esta parte de la arquitectura involucra más de una servicio Web. Ejemplo, permite el descubrimiento de un sitio dónde se aloja un servicio Web en particular entre una colección de servicios Web [19][60]. Servicio de Descripción: una de las principales características que poseen los servicios web, es la capacidad que tienen ellos para auto describirse. Una vez se halle el sitio de la ubicación del servicio web, se puede pedir la descripción del mismo servicio web, él cual debe respondido y manejado por el WSDL [19][60]. Servicio de Invocación: el proceso de invocar un servicio involucra paso de varios mensajes entre el servidor y el cliente. Para esto se requiere SOAP especifica cómo es formato de los request al servidor y el formato que tienes sus response [19][60]. Transporte: finalmente, los mensajes producidos en el servicio anterior debe ser transmitidos entre el servidor y el cliente. El protocolo elegido para esta parte de la arquitectura es HTTP, el mismo protocolo usado para acceder a páginas web convencionales [19][60].

23

Figura 4. Arquitectura de servicios Web

Fuente: Sotomayor, B., L.Childers, et al. (2006) [60]. 2.2.4 Arquitectura abierta de servicios GRID – OGSA La Arquitectura Abierta de Servicios Grid ha sido propuesta como una infraestructura para sistemas y aplicaciones que requieren la administración e integraciones de servicios con organizaciones virtuales distribuidas y heterogéneas. En otras palabras, es una arquitectura para creación de aplicaciones grid. Esta infraestructura define los “servicios grid”, como un servicio web conformado por una interface y comportamiento especifico, desarrollado por el Global Grid Forum (GGF) [60]. La arquitectura OGSA se encuentra dentro de los lineamientos de la Arquitectura orientada al servicio definido tal como se definió por la W3C y utiliza la arquitectura de intercambio de mensajes y el framework de los servicios web. Un característica clave que tiene OGSA es que toma e integra para ella la arquitectura de lo servicios web y define un modelo de programación usando una arquitectura nueva. La Infraestructura Abierta de Servicios Grid (OGSI), que usa WSDL como su mecanismo para describir el servicio grid y la infraestructura de servicios web para el intercambio de mensajes [62]. Como se muestra en la figura 5, la arquitectura OGSA se encuentra definida por capas, y claramente se muestran las funcionalidades de cada una ellas. Los servicios OGSA puede ser albergado en una variedad de diferentes ambientes y puede comunicarse por diferentes protocolos. Los servicios web proveen una importante maquinaria, pero el estándar de los servicios web actuales no tratan

HTTP, SMTP, JMS, IIOP

WSDL

Procesos de Descubrimiento, agregación, coreografía, etc.

SOAP, otros protocolos.

24

elementos importantes de su uso como son : cómo se crean los servicios, cuál es su línea de vida, cómo manejar las fallas de los servicios, por nombrar algunos. Estos y otros servicios de comportamiento deben ser estandarizados para permitir la virtualización y la interoperabilidad de los servicios. Estas características se tratan por el conjunto clave de interfaces llamado Infraestructura Abierta de Servicios Grid (OGSI). Un servicio web que adhiera el estándar OGSI es un servicio grid. OGSI, define las características esenciales de creación de sistemas distribuidos, que incluyen interfaces estándar y comportamientos asociados para la descripción, el descubrimiento de los servicios [63]. Figura 5. Arquitectura de plataforma OGSA. Fuente: Sotomayor, B., L.Childers, et al. (2006) [60] 2.2.5 OGSA-DAI como administrador de recursos de datos La arquitectura Abierta de servicios grid de Acceso e Integración de Datos (OGSA-DAI) es un framework de servicios web java puro para acceder e integrar recursos de datos sobre la grid. El objetivo de OGSA-DAI es proveer una interface para acceder e integrar bases de datos expuestas sobre la grid, ocultando diferencias tales como la tecnología del driver que administra la bases de datos, las técnicas del formateo y los mecanismos de entrega de datos. El objetivo es que ogsa-dai sea capaz de poner a disposición de la grid junto con otros servicios OGSA tales como seguridad y transporte, conjunto de datos heterogéneos y desiguales. Arquitectura

25

La figura 6 muestra los principales componentes en la arquitectura OGSA-DAI. Servicio de acceso a las bases de datos a través de los drivers, haciendo uso de componente adicionales como el formateo de los datos, la entrega de los datos(Delivery) y la administración de request. Los servicios pueden acceder directamente los datos por medio de las actividades suministradas por el (Activity Engine) o utilizando el OGSA-DAI DQP. Figura 6. Componentes OGSA-DAI

Fuente: Antonioletti, M., M. Atkinson, et al. (2005) [64]. 2.2.6 E-LEARNING adaptativo en la grid En e-learning y en otras áreas del saber, se necesita a menudo integrar servicios a través de organizaciones virtuales distribuidas, heterogéneas y dinámicas, formadas por diferentes recursos de una misma entidad y/o de recursos externos compartidos [38]. Esta integración puede ser técnicamente desafiante debido a la necesidad de asegurar la calidad del servicio en su funcionamiento, por encima de diversas plataformas [19][39-40][67]. Método de clasificación Árboles de decisión Un método eficaz para producir clasificadores de datos es generar un árbol de decisión. La representación árbol-decisión es el método de lógica más utilizado. Hay un gran número de algoritmos de inducción para árbol de decisión principalmente descritos en máquina-de-aprendizaje y aplicado-estadísticas. Los

26

algoritmos son métodos de aprendizaje supervisados que construyen árboles de decisión a partir de un conjunto de datos de entrada y salida [58-59]. Algoritmo C4.5 El C4.5 es una extensión del ID3 que acaba con muchas de sus limitaciones. Por Ejemplo, permite trabajar con valores continuos para los atributos, separando los posibles resultados en dos ramas: una para aquellos Ai <= N y otra para Ai > N. Además, los árboles son menos frondosos porque cada hoja no cubre una clase en particular sino una distribución de clases, lo cual los hace menos profundos y menos frondosos, genera un árbol de decisión a partir de los datos mediante particiones realizadas recursivamente, según la estrategia de profundidad-primero. Antes de cada partición de datos, el algoritmo considera todas las pruebas posibles que pueden dividir el conjunto de datos y selecciona la prueba que resulta en la mayor ganancia de información o en la mayor proporción de ganancia de información. Para cada atributo discreto, se considera una prueba con n resultados, siendo n el número de valores posibles que puede tomar el atributo. Para cada atributo continuo, se realiza una prueba binaria sobre cada uno de los valores que toma el atributo en los datos [58-59]. Complejidad computacional: la teoría de la complejidad computacional es la rama de la teoría de la computación que estudia, de manera teórica, los recursos requeridos durante el cálculo para resolver un problema. Los recursos comúnmente estudiados son el tiempo (mediante una aproximación al número y tipo de pasos de ejecución de un algoritmo para resolver un problema) y el espacio (mediante una aproximación a la cantidad de memoria utilizada para resolver un problema) [58-59][65]. El análisis de complejidad de un algoritmo consiste en estimar el tiempo de ejecución que gastará para una entrada de tamaño n. En general, el tiempo tomado por un algoritmo crece con el tamaño de la entrada, de modo que es común describir el tiempo de ejecución de un algoritmo como una función del tamaño de su entrada. El tiempo de ejecución de un algoritmo para una entrada en particular es el número de operaciones primitivas o pasos que son ejecutados. Una instrucción podría tomar una cantidad de tiempo diferente que otra instrucción, pero se asumirá que cada ejecución de la i-ésima instrucción toma un tiempo ci, donde ci es una constante [58-59][65]. Para el análisis del algoritmo C4.5 hay que centrarse en el tiempo de ejecución para el peor caso, ya que éste ofrece un límite superior en tiempo de ejecución

27

para cualquier entrada y nunca tomará un tiempo mayor. En el peor caso construye un árbol completo en el cual cada camino en el árbol prueba cada característica. Asumir n ejemplos y m características, como se muestra en la Figura 7 [58-59][65]. En este documento no se presenta la descripción algebraica de la complejidad computacional del algoritmo que se utiliza para la creación del perfil del usuario porque la función principal del algoritmo es de clasificación y no de aprendizaje, para más claridad sobre la forma de demostrar la complejidad computacional de un algoritmo se puede consultar el documento referenciado con el numeral 58. Figura 7. Máximo de n ejemplos esparcidos en los nodos

Fuente: CASTILLO Sandra and Velandia C. Maria. Taller1 [65]. En cada nivel, i, en el árbol, se debe examinar las m - i características que quedan para cada instancia en ese nivel para calcular las ganancias de información. En la practica un árbol es raramente completo (numero de hojas es <= n) y la complejidad es lineal en m y n [58].

ALGORITMO COSTO #VECES

Comienzo

Si S está vacío, C1 1

Devolver un único nodo con valor Falla; para formar el nodo raíz Si todos los registros de S tienen el mismo valor para el atributo clasificador

C2 1

Devolver un único nodo con dicho valor; un único nodo para todos

C3 1

Si R está vacío C4 1

Devolver un único nodo con el valor mas frecuente del atributo Clasificador

C5 1

28

en los Registros de S [Nota: habrá errores, es decir, Registros que no estarán bien clasificados en este caso];

Si R no está vacío C6 1

D <-- atributo con mayor Proporción de Ganacia (D,S) entre los atributos de R.

C7 1

Sean {dj | j=1,2,….,m} los valores del atributo D

C8 1

Sean {dj | j=1,2,….,m} los subconjuntos de S correspondientes a los valores de dj respectivamente

C9 1

Devolver un árbol con la raiz nombrada como D y con los arcos nombrados d1, d2,..dm, que van respectivamente a los árboles C4.5(R-{D}, C, S1), C4.5(R-{D}, C, S2), C4.5(R-{D}, C, Sm),

C10 1

Fin

Fuente: CASTILLO Sandra and Velandia C. Maria. Taller1 [65]. En el mejor de los casos: T(n) = C1 + C4 + C5 + C6 En el peor de los casos: T(n) = C1 + C2 + C3 + C4 + C6 + C7 + C8 + C9 + C10 El algoritmo C4.5 para todos los datos no numéricos tiene una complejidad de

)( 2enO donde [68]:

e es el número de ejemplos y n el número de atributos.

En la práctica se ha encontrado ser entre )( 2.1enO y )( 4.1enO .

En términos de aprendizaje de reglas, los algoritmos tienden a ser un poco más lentos. Quizás el exponente más rápido (y competitivo) sea RIPPER cuya complejidad en tiempo es de )log( nnO [68].

2.3 SISTEMA DE AGENTES La tecnología de agentes proporcionan características atractivas, entre las que se incluyen: autonomía, reacción, razonamiento, sociabilidad, entre otras, que

29

resultan útiles a la hora de crear sistemas con la capacidad de actuar en su ambiente, con usuarios y otros agentes [49-51]. La unión de la arquitectura de agentes con la de servicios Web semánticos claramente estaría alineada con la construcción de una Web semántica, donde los sistemas son manejados por conceptos y el conocimiento es compartido por medio de estas herramientas. 2.3.1 Arquitectura JADE JADE (Java Agent DEvelopment Framework) es un entorno de desarrollo software totalmente implementado en el languaje Java. Este entorno, simplifica la implementación de sistemas multiagente a través de un middle-ware que intenta cumplir con las especificaciones de la FIPA y a través de un conjunto de utilidades que da soporte a las fases de depuración y explotación [66]. La plataforma de agente puede ser distribuida entre máquinas (las cuales no necesitan siquiera compartir el mismo Sistema Operativo) y la configuración puede ser controlada mediante una interfaz gráfica de usuario [66]. La arquitectura de comunicación ofrece mensajería flexible y eficiente, donde JADE crea y gestiona una cola de mensajes ACL, privados para cada agente; los agentes pueden acceder a sus colas de mensajes mediante una combinación de varios modos: bloqueo, encuesta, fin de tiempo y basado en ajuste a patrón [66]. El modelo de comunicación FIPA ha sido implementado en su totalidad y sus componentes han sido claramente diferenciados y plenamente integrados: los protocolos de interacción, envelope, ACL, lenguajes de contenido, esquemas de codificación, ontologías y, finalmente, protocolos de transporte [66]. El modelo de comunicación FIPA ha sido implementado en su totalidad y sus componentes han sido claramente diferenciados y plenamente integrados: los protocolos de interacción, envelope, ACL, lenguajes de contenido, esquemas de codificación, ontologías y, finalmente, protocolos de transporte [66]. El mecanismo de transporte, en particular, es camaleónico por que se adapta a cada situación, eligiendo de forma transparente el mejor protocolo disponible. Actualmente se usan Java RMI, notificación de eventos, y IIOP, pero se pueden añadir fácilmente otros protocolos y la integración de SMTP, HTTP y WAP ya ha sido planificada [66].

30

Agent Platform

Agent

Agent

Management

System

Directory

Facilitator

Message Transport System

Agent Platform

Agent

Agent

Management

System

Directory

Facilitator


Agent Platform

Agent

Agent

Management

System

Directory

Facilitator


Agent Platform

Agent

Agent

Management

System

Directory

Facilitator


JADE es utilizado por diversas empresas y grupos académicos, bien sean miembros o no de la FIPA, tales como BT, CNET, NHK, Imperial College, IRST, KPN, Universidad de Helsinky, INRIA, ATOS y muchos otros. Ha sido recientemente puesto a disposición bajo licencia Open Source. Para obtener más detalles y documentación es posible consultarlos en http://jade.cselt.it/ El modelo estándar de una plataforma de agente, como lo define la FIPA, se representa en la Figura 8. Figura 8. Plataforma Jade Fuente: Creando Sistemas Multiagentes con JADE [66] El sistema de gestión de agente (AMS) es el agente que ejerce control de supervisión sobre el acceso y el uso de la plataforma agente. Sólo existirá un AMS en una plataforma sencilla. El AMS proporciona servicio de white-page y ciclo de vida, manteniendo un directorio de identificadores de agentes (AID) y estado de agente. Cada agente debe registrarse con un AMS para obtener un AID válido. El Facilitador de Directorio (DF) es el agente que proporciona la página amarilla de servicio por defecto en la plataforma [66]. El sistema de transporte de mensajes, también llamado Canal de Comunicación de Agente (ACC), es el componente de software que controla todo el intercambio de mensajes dentro de la plataforma, incluyendo los mensajes a / de plataformas remotas [66].

http://jade.cselt.it/

31

JADE cumple en su totalidad con la arquitectura de referencia y cuando la plataforma JADE se lanza, el AMS y el DF se crean inmediatamente y el módulo ACC se configura para permitir la comunicación con mensajes. La plataforma de agente puede ser dividida en varios hosts. Sólo una aplicación Java, y por lo tanto una Java Virtual Machine (JVM), se ejecuta en cada host [66]. Cada JVM es un contenedor básico de agentes que proporciona un entorno completo de ejecución para agentes y permite que varios agentes se ejecuten de manera concurrente. El contenedor principal, o front-end, es el agente contenedor donde el AMS y el DF „viven‟ y donde el registro RMI, que JADE usa internamente, es creado [66]. Los otros agentes contenedores, instead, se conectan al contenedor principal y proporcionan un entorno de ejecución completo para poder ejecutar cualquier conjunto de agentes JADE. El mecanismo de transporte, en particular, es camaleónico por que se adapta a cada situación, eligiendo de forma transparente el mejor protocolo disponible. Actualmente se usan Java RMI, notificación de eventos, y IIOP, pero se pueden añadir fácilmente otros protocolos y la integración de SMTP, HTTP y WAP ya ha sido planificada [66].

2.3.2 Metodología para el análisis y diseño orientado a agentes (GAIA). En la metodología GAIA (para el análisis y diseño orientado al agente), el análisis se mueve desde lo abstracto hacia los conceptos concretos. Esta metodología promueve el desarrollo pensando en la construcción de sistemas basados en agentes como un proceso de diseño organizacional. Las entidades abstractas, son aquellas entidades utilizadas durante la fase de análisis para conceptualizar el sistema, pero no necesariamente tiene una realización directa sobre el sistema. Las entidades concretas, son aquellas entidades utilizadas durante el proceso de diseño y típicamente tendrán una directa contraparte en el sistema en tiempo de ejecución. Esta metodología esta integrada por dos (2) fases, la de análisis y la de diseño, según se describen a continuación.

32

Fase de análisis. El objetivo en la fase de análisis es desarrollar una comprensión del sistema y su estructura, sin referirnos a cualquier detalle de implementación, comprender la organización del sistema [66]. La visualización de la organización puede tomarse como un conjunto de roles, que a la vez tienen algún tipo de interacción. A continuación se describe el proceso de definición de roles y sus características. Definición de roles: se definen por cuatro atributos: responsabilidades, permisos, actividades, protocolos El modelo de roles identifica los roles claves en el sistema. Un rol puede ser visto como una descripción abstracta de las funciones esperadas de una entidad, o en otros términos, un rol puede ser visto más o menos como la noción de oficio [66]. Características de los roles. Permisos o derechos Identifica aquellos recursos que puede utilizar o no para llevar a cabo su rol. Responsabilidades La funcionalidad de un rol está definido por su responsabilidad Responsabilidades Vitales Responsabilidades Seguras

En esta fase se deben definir los siguientes elementos: Definición de los roles. El Modelo de interacciones. Definición de los protocolos. Propósito: breve descripción del objetivo. Iniciador: el(los) rol(es) responsables de comenzar la interacción. Receptor: el(los) roles con quien interactúa. Entradas: información utilizada por el Iniciador. Salidas: información entregada. Procesamiento: breve descripción del proceso.

33

Fase de diseño El objetivo de un proceso de diseño “clásico” es transformar los modelos abstractos derivados durante el estado de análisis en modelos de suficiente bajo nivel de abstracción para que ellos puedan ser implementados fácilmente. A continuación se describen las características de cada modelo. Modelo de agentes: define mediante un simple árbol de tipos de agentes, en el cual las hojas corresponden a los roles y los otros nodos corresponden a los tipos de agentes. La documentación de las instancias utilizará anotaciones de tipos de agentes. Mediante el modelo de Agentes se busca documentar los diferentes tipos de agentes que utilizará el sistema en su desarrollo, y documentar las instancias que simularán los agentes en ejecución. Modelo de servicios: se utiliza para identifica los servicios asociados con cada uno de los roles de los agentes, y la especificación de las principales propiedades de estos servicios. Un servicio es simplemente un bloque coherente de actividades que el agente se compromete a realizar Modelo de comunicaciones: define los enlaces de comunicación entre los tipos de agentes. El propósito de este modelo es identificar posibles cuellos de botella en las comunicaciones y también sirve de aseguramiento para el acoplamiento de los componentes del sistema.

34

3. DISEÑO E-LEARNING ADAPTATIVO SOBRE LA GRID DE CONOCIMIENTO

PARA LA ENSEÑANZA DE LAS BASES DE DATOS En esta unidad, se presenta el diseño del prototipo de e-learning Adaptativo sobre la grid de conocimiento para la enseñanza de las bases de datos y metodología utilizada para el desarrollo de e-learning adaptativo sobre la grid de conocimiento para la enseñanza de las bases de datos. 3.1 PROTOTIPO DE E-LEARNING ADAPTATIVO SOBRE LA GRID DE CONOCIMIENTO El diseño contiene de izquierda a derecha, los componentes del lado del servidor y los componentes del lado del cliente, como se muestra en la figura 7. Del lado del servidor existe un contenedor de servicios grid. Este contenedor permite la creación y despliegue de servicios grid, y para este proyecto se cuenta con un middleware ampliamente conocido como es globus Toolkit 4 (GT4). El proyecto Globus provee un conjunto de herramientas software open source que soportan ambientes grid computacionales y administración de aplicaciones basadas en la grid cumpliendo con el estándar OGSA [60]. Dentro de las características del middleware GT4 están: 1. las de poder compartir el procesamiento computacional, bases de datos y recursos de una forma segura sin limites geográficos, organizacionales y aún mas sin sacrificar la autonomía local. 2. con la implementación de servicios de seguridad, la administración de recursos, servicios de información y administración de datos. A continuación se explica brevemente los componentes propios de GT4 utilizados en el desarrollo del prototipo e-learning adaptativo sobre la grid: Seguridad. Infraestructura de seguridad Grid(GSI) que provee métodos para la autenticación tanto de los usuarios de los servicios grid como de la comunicaciones que suceden dentro de los servicios.

35

Esta seguridad se basa en SSL(Secure Socket Layer), PKI(Public Key Infrastrucutre) y la arquitectura de certificados X.509. La GSI provee servicios y protocolos para lograr los siguientes objetivos en cuanto a seguridad [60]: Firmas de certificados de usuario. Autenticación de recursos a través de certificados host. Encriptación de datos. Autorización. Delegaciones de autorizaciones a través de las CAs(Certificate

Authoritties). Administración de Datos. Los servicios de administración de datos proveen componentes que ayudan al descubrimiento, transferencia y accesos a los datos. Para el desarrollo de este trabajo el se utilizó el middleware OGSADAI que se explicó en la sección 3.5 y la instalación del mismo se encuentra como parte de los anexos a este documento. El middleware OGSA-DAI ofrece los componentes suficientes para acceder los datos de la base de datos proyecto, a través del recurso de datos GalkDataResource en el desarrollo del prototipo. La base de datos proyecto, cuyo administrador es postgresql contiene todos los datos de las ontologías de dominios, los recursos de conocimiento, la metadata de cada recurso de acuerdo a las ontologías de dominio, las estrategias de aprendizaje, usuarios del servicio grid y los cursos adaptado para cada usuario de acuerdo al perfil creado. El schema completo de la base de datos se encuentra como parte de los anexos de este documento ver Anexo 3. A esta base de datos que se encuentra disponible dentro de los recursos de datos de la grid, se puede acceder a través del recurso de datos GalkDataResource, creado, configurado y administrado por OGSA-DAI.

En la Figura 9 se visualiza la creación de un servicio grid GALK que concentra la lógica del e-learning adaptativo sobre la grid de conocimiento para la enseñanza de las bases de datos.

36

Figura 9. Modelo propuesto del prototipo e-learning adaptativo sobre la Grid de conocimiento para la enseñanza de las bases de datos.

Fuente: Adaptación del modelo presentado por Zhuge, H. and Y. Li [9] Este servicio grid tiene un componente de agentes, quienes se encargan de invocar la petición de datos al middleware OGSA-DAI, procesar la creación de perfiles a los usuarios de acuerdo a los datos suministrados por cada uno de ellos y una vez estén registrados se encargan de suministrar los cursos adaptados. En el modelo de implementación del servicio, claramente se visualiza como el servicio grid extiende los servicios de la Clase Agent de la plataforma JADE. La conceptualización de la plataforma JADE se explica en el numeral 2.3.1.

Del lado del cliente, se encuentran los portlet Galk implementados en el entorno de desarrollo de portales GridSphere. Compuesto por el portlet Consultar, portlet Registrar y portlet Ingresar. La seguridad para el acceso a los portales lo administra Gridsphere y la seguridad para invocar cada uno de los portlets es administrada por cada portlet.

37

3.1.1 Arquitectura del prototipo E-Learning adaptativo sobre la grid de conocimiento.

La Figura 10, muestra el modelo del proceso del negocio, el cual describe tanto el comportamiento como el flujo de información dentro del sistema e-learning adaptativo sobre la grid. Las tres filas que lo componen, describen donde suceden los hechos, sobre la web y el portal en la toma de datos, sobre la grid y luego nuevamente en el portal como medio de visualización de procesamientos y respuestas. Figura 10. Proceso del negocio.

analysis Business Process Model

Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1


































Solicitud

Usuario

Recepción Solicitud

Portal Solicitud Servicio

GRID

Ejecución Serv icio GRID Consulta Información

Base de DatosInformación

Consultada

Procesamiento

Información

Consulta

Respuesta

Resultado

Proces o

Fuente: Autora El caso de uso general que se muestra en la Figura 11, representa la funcionalidad completa de un sistema e-learning adaptativo sobre la grid de conocimiento. Aquí se visualizan las operaciones que el sistema puede ofrecer a sus usuarios al tiempo que le ofrece una vista completa del mismo, de sus capacidades, bondades y funcionalidades.

38

Figura 11. Caso de uso general

Fuente: Autora En la Figura 12 se visualizan los casos de uso desarrollados en este prototipo, que son: Consultar Dominios servicio Galk. Registrar usuarios servicio Galk. Ingresar al servicio Galk.

39

Figura 12. Casos de Uso Prototipo

Fuente: Autora

Una vez teniendo claros y limitados los casos de uso a desarrollar, con ayuda de la Figura 12, se procede a describir cada uno de éstos ítems que hacen parte del prototipo a desarrollar y la forma como los actores y datos son afectados o interactúan con ellos. En la Figura 13 se visualiza que cada una de las interacciones (consultar dominios servicio Galk, registrar usuarios servicio Galk e ingresar servicio Galk) necesita el recurso de bases de datos al tiempo que cada interacción es activada por un usuario. En el diagrama de secuencia general que muestra en la Figura 14, aparece una representación estructurada del comportamiento secuencial que siguen cada uno de los casos de uso del sistema prototipo. Como se dijo anteriormente, todos los casos de uso son activados por el usuario a través de una interfaz, la cual se encarga de enviar esos datos a través del portlet al servicio grid y éste a su vez interactúa con la base de datos haciendo uso de los agentes, todas estas acciones producen o provocan bifurcaciones o resultados que son llevados de un elemento a otro por medio de mensajes.

40

Figura 13. Limite Sistema Prototipo uc Límite Sistema Prototipo

Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1































Servicio grid GALK

Usuario Base de Datos

Consultar Domnios

serv icio Galk

Registrar Usuarios

serv icio Galk

Ingresar Serv icio

Galk

Fuente: Autora Figura 14. Diagrama de Secuencia general

Fuente: Autora

41

En la Figura 15, aparece el diagrama de actividades del prototipo e-learning adaptativo sobre la grid de conocimiento, aquí en éste modelo se visualiza y se lee el comportamiento de cada uno de los portlets que lo integran, al tiempo que se esquematizan en el flujo global del proyecto. A través de cada portlet se encuentran procesos, condiciones, bifurcaciones y los accesos a los datos y a los mismos componentes del sistema (servicio grid, base de datos) para construir el proceso completo. A continuación se describe ampliamente la funcionalidad de los casos de uso propio del desarrollo del prototipo. NOMBRE CASO DE USO:

Consultar Dominios servicio Galk

Descripción Permite generar un listado con el nombre y la descripción de todos los cursos (dominios) disponibles.

Precondiciones Tener certificado de seguridad

Actores que lo usan Usuario

Escenario Recibir petición de crear consulta de cursos disponibles. El agente encargado de interactuar con el recurso de datos envía la petición de consulta a la base de datos. La base de datos retorna los cursos(dominios) al servicio GRID El servicio GRID envía los datos a la clase cliente. La clase cliente entrega el mensaje a la interfaz WEB

Post-condiciones Mensaje de recepción de cursos

NOMBRE CASO DE USO:

Registrar Usuarios servicio Galk

Descripción Permite registrar los usuarios que desean tomar cualquiera de los cursos (dominios) disponibles junto con los datos básicos para crear el perfil y adecuar las ontologías de dominios al perfil.

Precondiciones Tener certificado de seguridad y suministrar los datos básicos (nombres, apellidos, dominio, correo, clave, forma de aprendizaje, motivación, etc).


Escenario Recibir datos básicos en la interfaz WEB. La Interfaz envía los datos a la clase Registrar que realiza la parte del lado del cliente La clase recibe los datos y los envía al servicio GRID El servicio GRID a través de un agente envía los datos a la base de datos La base de datos retorna un mensaje de ingreso de los datos al servicio GRID y de creación del perfil del usuario. El servicio GRID envía el mensaje a la clase cliente La clase cliente entrega el mensaje a la interfaz WEB

Post-condiciones Mensaje de Registro de Usuario

42

Figura 15. Diagrama de actividades

act Activ idades General

Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1


















































In ic io

Solicitar EjecuciónFuncionalidad

Recibir Solicitudconsutlar Dominios

Ejecutar Solicitud consultar dominios

«datastore»Base de Datos

Envio lista de dominios

DisponibleServicogrid Galk ?

Servicio No

Disponible

Entregar Mensaje

Mensaje Usuario

Fin

Fin

Registro Usuarios

Envío datos al servicioGRID

(nombre,dominio,estiloaprendizaje, etc)

Ejecutar Solicitud Registrar Usuario

Registrar Usuario


Usuario Registrado

DisponibleServicogrid Galk ?

Servicio No

Disponible

Entregar Mensaje

Mensaje Usuario

Fin

Fin

Ingresar

Enviar Solicitud alservicio GRID

(identificacion, clave)

Ejecutar Solicitud

Consultar Dominio


Devolver dominio

DisponibleServicoGRID? Servicio

No Disponible

Entregar Mensaje

Mensaje Usuario

Fin

Fin

Visualizardominio

Creacion Perfil

Datos Usario existen? Usuario

NO Existe

Entregar

Mensaje

Mensaje

Usuario

Fuente: Autora

43

NOMBRE CASO DE USO:

Ingresar Servicio Galk

Descripción Permite la entrada o la negación de la misma al usuario al servicio grid que suministra el e-learning adaptativo sobre la grid

Precondiciones Tener certificado de seguridad e Identificacion y clave


Escenario Registrar identificacion y clave en la interfaz WEB. La Interfaz envía los datos a la clase Ingresar que realiza la parte del lado del cliente La clase recibe los datos y los envía al servicio GRID El servicio GRID a través de un agente envía los datos a la base de datos. La base de datos retorna un mensaje con datos al servicio GRID El servicio GRID envía el mensaje a la clase cliente permitiendo o negando la entrada al servicio grid. La clase cliente entrega el mensaje a la interfaz WEB

Post-condiciones Mensaje que admite o niega la entrada a un usuario al servicio grid.

En la Figura 16 aparece el diagrama de secuencia del caso de uso consultar, este portlet se encarga de tomar la acción del usuario acerca de visualizar los datos y descripción de los cursos (dominios) disponibles. Para cumplir con ese objetivo, entonces a través de la interfaz gráfica se recibe la acción se accede se pasa el mensaje al servicio grid, allí un agente se encarga de acceder al recurso de datos administrado por OGSA-DAI y éste devuelve algún mensaje, ya con datos de los cursos o propios de errores que son capturados para ser administrados y enviados al usuario, como prueba de la interacción que se realizo. En la figura 17 aparece el diagrama de secuencia del caso de uso registrar, este portlet se encarga de leer todos los datos básicos propios del usuario junto con el curso (dominio) y preferencias acerca de estilo de aprendizaje y objetivos que espera alcanzar al finalizar el curso, que permitan crear el perfil para el usuario.

44

Figura 16. Diagrama secuencia caso de uso consultar

Fuente: Autora En la figura 18 aparece el diagrama de secuencia del caso de uso ingresar, este portlet se encarga de tomar la acción del usuario acerca de Ingresar y recibir la información del curso. Para cumplir con ese objetivo, entonces a través de la interfaz gráfica se reciben los datos de identificación y clave para su verificación, de ser exitosa la acción procede a visualizar el curso de lo contrario, se le notifica al usuario del error de los datos de entrada.

45

Figura 157. Diagrama secuencia caso de uso Registrar

Fuente: Autora En la Figura 19 se visualiza el modelo lógico de la bases de datos proyecto. El modelo visualiza el esquema, el diseño de las relaciones junto con sus atributos de datos y restricciones. El DDL generado para la creación de esta base de datos se encuentra adjunto dentro de los anexos que hacen parte del documento.

46

Figura 168. Diagrama secuencia caso de uso Ingresar

Fuente: Autora En la figura 20, aparece el diagrama de clases del prototipo E-learning Adaptativo sobre la grid de conocimiento para la enseñanza de las bases de datos, de abajo hacia arriba aparecen las clases que intervienen en el desarrollo del prototipo. Las clases Consultar, Registrar e Ingresar heredan de la Generic Portlet al tiempo que acceden al servicio grid Galk. Esta clase GalkService hereda de la clase Agent para crear los agentes que se encargan de la interacción con OGSA-DAI.

Las clases UDIdai y Sdai contienen la lógica para recibir los parámetros del recurso de datos, las actividades (SQLQuery o SQLUpdate) a realizar.

47

Figura 179. Modelo base de datos proyecto

class EstructuraBD

Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1












































niv eldificultad

«column»

*PK codigo: varchar(2)

nombre: varchar(40)

«PK»

+ PK_niveldificultad(varchar)

niv elimportancia

«column»


nombre: varchar(40)

«PK»

+ PK_nivelimportancia(varchar)

niv elclasificacion

«column»


nombre: varchar(40)

«PK»

+ PK_nivelclasificacion(varchar)

dominio

«column»

*PK codigo: char(3)

nombre: varchar(40)

responsable: varchar(4 0)

descripcion: varchar(50)

«PK»

+ PK_dominio(char)

conceptodominio

«column»

*PK codigo: char(5)

* dominio: char(3)

nombre: varchar(50)

*FK niveldificultad: char(2)

*FK nivelimportancia: char(2)

*FK nivelclasificaion: char(2)

sinonimo: varchar(50)

«PK»

+ PK_conceptodominio(char)

«FK»

+ niveldificultad(char)

+ nivelimportancia(char)

+ nivelclasificacion(char)

rol

«column»

*PK codigo: char(2)

nombre: varchar(20)


«PK»

+ PK_rol(char)

ontologiadominio

«column»

*PK codigo: char(5)

conceptodominiorigen: char(5)

rol: char(2)

conceptodominiodestino: char(5)


«PK»

+ PK_ontologiadominio(char)

recurso

«column»

*PK codigo: bigint

nombre: varchar(100)

autor: varchar(60)

formato: varchar(10)

titulo: varchar(50)

url: varchar(100)

descripcion: text

«PK»

+ PK_recurso(bigint)

metadata_contenido_ recurso

«column»

FK recurso: bigint

palabraclave: varchar(50)

«FK»

+ recurso(bigint)

metadata_estructura_ recurso

«column»

recurso: bigint


«FK»

+ recurso()

metadata_contexto_ recurso

«column»

recurso: bigint


usuario

«column»

*PK codigo: bigint

pnombre: varchar(10)

snombre: varchar(10)

papellido: varchar(10)

correo: varchar(4 0)

nacimiento: timestamp

estiloaprendizaje: varchar(11)

*FK dominio: char(3)

nivelestudio: varchar(20)

motivacion: varchar(20)

conocimientobd: varchar(20)

objetivo: varchar(20)

perfi l: varchar(15)

clave: varchar(15)

«PK»

+ PK_usuario(bigint)

«FK»

+ dominio(char)

dominio_adaptado_usuario

«column»

*FK usuario: bigint

*FK ontologiadominio: char(5)

*FK recurso: bigint

«FK»

+ recurso(bigint)

+ ontologiadominio(char)

+ usuario(bigint)

aprendizaje_dominio_usuario

«column»

*PK usuario: bigint

*FK ontologiadominio: char(5)

*FK recurso: bigint

fechaclase: timestamp

estado: varchar(20)

vecestomada: bigint

«PK»

+ PK_aprendizaje_dominio_usuario(bigint)

«FK»


+ recurso(bigint)

ev aluacion_aprendizaje_dominio

«column»

*FK usuario: bigint

FK ontologiadominio: char(5)

evaluacion: real

«FK»


+ usuario(bigint)

11.. *

1

1.. *

1

1.. *1

1.. *

1

1.. *

1

1.. *

1

1.. *

1

1.. *

0..1

0..*

+FK_metadata_contexto_recurso_recurso1.. *

1

+FK_metadata_estructura_recurso_recurso

1.. *

1

+FK_metadata_contenido_recurso_recurso

1.. *1

+FK_nivelclasificacion_conceptodominio

11.. *

1

0..*

1

0..*

+FK_usuario_evaluacion_aprendizaje_dominio

1

1.. *

Fuente: Autora

48

Figura 20. Diagrama de clases de servicio Galk

Fuente: Autora

49

En la Figura 21, se visualizan los paquetes que hacen parte del desarrollo del proyecto, su organización y comunicación. Figura 21. Diagrama de paquetes

Fuente: Autora En la Figura 22, se relacionan los fragmentos de software, controladores embebidos, que conforman el prototipo.

50

Figura 18. Modelo de Componentes

Fuente: Autora En la Figura 23, se visualizan las máquinas dónde se desplegará cada componente del sistema.

51

Figura 193. Modelo de Implementación

Fuente: Autora 3.1.2 Metodología GAIA para análisis y diseño de los agentes en el servicio grid

52

Definición de Roles

El rol maestro. El rol tutor.

El rol maestro. Responsabilidades: Asegurar la creación del perfil del aprendiz de acuerdo a las respuestas

suministradas a través del portlet de registro. Garantizar la creación y adecuación de la ontología existente del curso al

perfil creado para el usuario. Suministrar la identificación y la clave al aprendiz para su posterior Ingreso

al sistema. Permisos Invocar al administrador del recurso de datos OGSA-DAI para ejecutar las actividades como son consultas, actualizaciones y procesamientos que aseguren la funcionalidad de los agentes. Actividad

Recibir los datos del portlet, procesarlos y enviarlos al middleware OGSA-DAI para ser procesados.

Ejecutar consultas en el administrador de recursos de datos OGSA-DAI para su procesamiento

Creación del perfil del aprendiz a partir de los datos suministrados por el portlet y los datos suministrados por las ontologías existentes de los cursos

Adecuación y creación de la ontología del curso de acuerdo al perfil creado.

53

En la Figura 24 se detalla el diagrama de actividades del rol maestro. Figura 204. Diagrama de actividad del rol maestro

act Rol Maestro

Versión de prueba no registrada de EA 7.1




































Estado Inicial

Recibir

datos

Crear perfil y

adecuar la

ontologia del

curso al

aprendiz

Estado Final

Guardar

perfil y

Ontologia

Identificacion y

clave del

usuario

Fuente: Autora Protocolo servicio Galk - Maestro

Propósito Adecuación y creación de la otología del curso de acuerdo al perfil del aprendiz junto con la devolución de la identificación y su clave

Iniciador: El servicio grid

Receptor: El rol maestro

Procesamiento: El servicio grid Galk recibe la petición de Registrar junto con los datos provistos por el aprendiz para la creación del perfil y de la ontología del curso.

El rol tutor.

54

act Rol Tutor

Versión de prueba no registrada de EA 7.1 Versión de prueba no registrada de EA 7.1



































Estado Inicial

Estado Final

Recibir datos

Validar datos

Datos usuario existeUsuario NO

existe

Recibe la

ontologia del

curso

Entregar Mensaje

Estado Final

Responsabilidades: Asegurar la validación de la existencia del usuario como estudiante registrado. Garantizar la disponibilidad de la entrega de la ontología del curso con todos sus

objetos de conocimiento y los recursos asociados a ellos.

Permisos Invocar al administrador del recurso de datos OGSA-DAI para ejecutar las actividades como son consultas, actualizaciones y procesamientos que aseguren la funcionalidad de los agentes.

Actividad Recibir los datos del portlet, procesarlos y enviarlos al middleware OGSA-DAI para

ser procesados. Ejecutar consultas en el administrador de recursos de datos OGSA-DAI para su

procesamiento

Validación de la identificación del usuario, si el usuario se encuentra registrado se devuelve la ontología correspondiente al curso de lo contrario un mensaje correspondiente a “usuario no existe”.

En la Figura 25, se presenta el diagrama de actividades del rol tutor. Figura 215. Diagrama de Actividades del Rol Tutor Fuente: Autora

55

Propósito Recepción y validación de la identificación del usuario para su validación. De ser exitosa la validación se busca la ontología propia del usuario y se visualiza.

Iniciador: El servicio grid

Receptor: El rol tutor

Procesamiento: El servicio grid recibe datos de identificación del usuario y los entrega al rol tutor para su validación y entrega del curso.

3.2 RELACIÓN DE LOS PORTLET CON EL SERVICIO GRID MEDIANTE WSDL En la Figura 26 se presenta el diagrama de relación de portlet con el servicio grid mediante el archivo WSDL: Figura 226. Diagrama de relación de portlet con el servicio grid mediante el archivo WSDL

Fuente: Autora

Los servicios grid están dispuestos en servidores que las personas desconocemos, pero eso no es impedimento para que se puedan utilizar las

56

operaciones (funcionalidades) que ofrece, y esto es gracias al archivo WSDL (Web Service Description Lenguaje), lenguaje de descripción del servicio web. Este archivo contiene las operaciones (funcionalidad) que desarrolla el servicio grid y que son de disponibilidad publica, y que están listas para ser accedidas desde cualquier lugar. Esta imagen presenta la manera como el servicio grid puede ser accedido a través de cualquier clientes por medio del archivo wsdl, propio de cada servicio grid, el cual describe las operaciones que están disponibles. Para este proyecto el archivo wsdl ofrece tres operaciones (consultar, inscribirse e ingresar). 3.3 INTERFAZ DE USUARIO En la Figura 27 se muestran los resultados de la ejecución de cada uno de los portlet. También, aparece como anexo un documento que describe la funcionalidad de cada uno de ellos de manera amplia y clara, ver Anexo 4. En la maquina Gridsphere se encuentra esta ayuda para auxiliar rápidamente las dudas que se tenga en la ejecución de los mismos Figura 237. Imagen de la ejecución del portlet Consultar

Fuente: Autora

57

En la Figura 28 se presenta la imagen de ejecución del portlet registrar, el cual captura los datos para el registro de un usuario, en el Anexo 4 se clarifica la funcionalidad de este portlet. Figura 248. Imagen de la ejecución del portlet registrar

Fuente: Autora En la Figura 29 se presenta la imagen de ejecución del portlet ingresar, el cual captura la identificación y clave del usuario, en el Anexo 4 se clarifica la funcionalidad de este portlet. Figura 259. Imagen de la ejecución del portlet Ingresar

Fuente: Autora

58

3.4 MIGRACIÓN HACIA LA GRID EXPERIMENTAL En la Figura 30 se visualiza toda la estructura del laboratorio de la grid experimental, del grupo GICOGE de la Universidad Distrital. Figura 30. Laboratorio experimental grid, grupo GICOGE

Fuente: PEREZ ARTEAGA, Pedro Fabián y PÉREZ CASTILLO, José Nelson. Instalación y configuración de un laboratorio experimental para el acceso a tecnología de Computación Grid en la Universidad Distrital Francisco José de Caldas. Bogotá, 2008.

59

El desarrollo de este proyecto se hizo en 3 máquinas virtuales, configuradas de la siguiente forma: Máquina CA: esta máquina contiene la entidad certificadora que proporciona seguridad y confianza tanto a host como a usuarios y provee el servicio dns. Máquina servidor: esta máquina contiene el contenedor grid globus 4.0.5, donde se despliegan los servicios grid, el middleware OGSA-DAI. Máquina Gridsphere: esta máquina contiene el servidor de portales grid, dónde se despliegan los portales de cada uno de los proyectos que acceden a los servicios grid. El proyecto una vez implementado y experimentado en todos sus aspectos cumplimiento de estándares en el desarrollo y herramientas utilizadas, aspectos funcionales, de seguridad, de y compatibilidades fueron instalados en el laboratorio experimental para el acceso a tecnología de computación grid con la arquitectura dispuesta como se muestra en la figura 30. El middleware OGSA-DAI versión 3.0 y el servicio grid ServicioGalk, se encuentra instalado en el servidor ogsadai y los portlet que acceden a este servicio se encuentran instalados en el servidor portalgrid. 3.5 RELACIÓN BENEFICIO – COSTO A continuación, se relacionan los beneficios que conllevan el diseño, la ejecución y la implantación de este e-learning adaptativo sobre la grid de conocimiento para la enseñanza de las bases de datos en la Universidad Distrital Francisco José de Caldas. Al diseñar, implementar e implantar este software y dejarlo funcionando en

la grid experimental, se puede tener acceso al mismo a través de la red de la universidad, para que los profesores puedan utilizarlo al interior de sus clases como una herramienta.

Al utilizar este proyecto al interior de las clases, se permite tanto a

profesores como estudiantes tener una base de desarrollo en los temas e-learning adaptativo utilizando agentes con la plataforma jade, también tener un acercamiento a la grid de conocimiento siguiendo la conceptualización planteada por Zhuge.

60

El proyecto Galk(Grid Adaptive Learning Knowledge), se dispone como una herramienta para toda la comunidad académica interesada en los temas que allí se experimentan.

Todas las herramientas utilizadas en el desarrollo de este proyecto

pertenecen al software libre. Contribuyendo de esta forma al cumplimiento de las funciones de extensión

social de la Universidad, permitiendo que el conocimiento sea accequible a la comunidad interesada.

61

CONCLUSIONES

La incorporación de agentes al servicio grid enriquece y expande la funcionalidad del servicio al tiempo que crea múltiples posibilidades en los tipos de servicios, en la calidad de los mismos y la interoperabilidad entre las diferentes plataformas. Mediante el desarrollo de este trabajo su pudo corroborar que la teoría planteada por Zhuge y Yanyan Lee en [9], efectivamente, hace posible y facilitan los sistemas de e-learning adaptativo en la medida del aprovechamiento y reutilización del conocimiento que se pueda estructurar. Una ventaja significativa en e-learning adaptativo, es la importancia que tiene el conocimiento previo y las necesidades de información del aprendiz para entregar un curso a la medida, al tiempo que se valora el rendimiento en el aprendizaje para adecuar los contenidos, dinamizando los procesos de aprendizajes a través del uso de las tecnologías. El uso de los portlet como interfaces de usuario apoya de una manera significativa la interoperabilidad entre los servicios grid y los usuarios. El uso de portlet permite una interfaz grafica amigable para el aprendiz. A través de la interfaz se pueden consultar los cursos, realizar la inscripción los aprendices y la entrega de los contenidos con previa verificación de codigo y clave. La grid ofrece diversos administradores de datos, en este proyecto se hizo uso de OGSA-DAI como administrador del recurso de base de datos relacional, igual se podrían explotar otros tipos recursos de datos para evaluar sus bondades y enriquecimiento del proyecto experimental. En el desarrollo de este proyecto se usaron varias tecnologías que por sus características ofrecen escenarios alternativos para el desarrollo de los ambientes e-learning. Las mejoras que han surgido a nivel tecnológico y conceptual, de cada uno de los componentes y herramientas del e-learning adaptativo y la grid, se acercan cada

62

día más a un sistema que soporte el proceso de aprendizaje superando los límites de tiempo y espacio. La grid de conocimiento vista como un conjunto de datos, de técnicas de generación de conocimiento y ontologías, se conjugan de tal manera que propician la creación de roles y la reutilización del conocimiento; elementos que son importantes en la generación de aprendizaje adaptativo. La grid de conocimiento como espacio que permite conservar, describir, organizar, descubrir y reutilizar recursos de conocimiento heterogéneos se convierte en un medio ideal para llevar el aprendizaje adaptado al perfil del usuario más allá de la ubicación física o espacial. Las tecnologías y herramientas de código libre hacen posible la generación de proyectos experimentales, reduciendo los costos y disminuyendo las diferencias tecnológicas y de dinero entre las sociedades.

63

TRABAJOS FUTUROS

Desarrollo de servicios grid utilizando diferentes tecnologías de agentes de tal manera que se integren y fortalezcan en funcionalidad e interoperabilidad. Se podría combinar la funcionalidad de OGSA-DAI como administrador de datos con la funcionalidad de gridFTP para enriquecer el volumen de datos a que se tendría acceso. La implementación de sistemas learning sobre la grid, soportada con los recursos de conocimiento distribuidos junto a los servicios gridFTP se lograrían plataformas interesantes y disponibles para ser utilizadas por la academia. Integración de los sistemas de agentes inteligentes a la grid, para que ayuden en la automatización del proceso de la actualización de la metada basada en las ontologías de los recursos de aprendizaje. Integración de los sistemas de agentes inteligentes para hacer seguimiento al proceso de aprendizaje de cada estudiante, y así, adecuar, enriquecer y dinamizar estos procesos. Expandir, mejorar la aplicabilidad de los agentes a los diversos niveles que ofrece tanto el ambiente grid como los ambientes e-learning adaptativos. Este trabajo puede ser expandido a partir de diversas metodologías para adquirir conocimiento, de tal manera que no solamente se lleve a cabo el proceso adaptativo en la creación de cursos sino en los tres niveles en que se pueden llevar a cabo esto, debido a que sería mejor para el estudiante ser valorado en todos los aspectos de su proceso de aprendizaje. Migración o adopción de nuevos estándares en el desarrollo de los portlet que flexibilicen y ofrezcan riqueza en interfaces gráficas que favorezcan la presentación de los contenidos al aprendiz.

64

Aplicación de estándares ADL-SCORM a la administración de los recursos de aprendizaje para el intercambio y reutilización de los mismos, sin que la actualización de estos estándares restrinja el acceso al conocimiento.

65

BIBLIOGRAFÍA

[1] Como, L.; Snow, E.R.: Adapting teaching to individual differences among learners. In book Handbook of research on teaching, 1986. [2] Mödritscher, F., V.M. García-Barrios, and C. Gütl, The Past, the Present and the Future of adaptive E-Learning. Proceedings of ICL 2004, 2004. [3] Glaser, R., Adaptive Education: Individual Diversity and Learning. 1977: Holt, Rinehart and Winston. [4] Carrier, C.; Jonassen, D.H.: Adapting courseware to accommodate individual differences. In book Instructional design for microcomputer courseware, pp. 61-96, Lawrence Erlbaum Associates, New Jersey, 1988. [5] Seidel, R.J.; Compton, J.G.; Kopstein, F.F.; Rosenblatt, R.D.; See, S.: Project IMPACT description of learning and prescription for instruction. 1969. [6] Lennon, J. and H. Maurer, Why it is Difficult to Introduce e-Learning into Schools And Some New Solutions. Journal of Universal Computer Science, 2003. 9(10): p. 1244-1257. [7] Andriessen, J. and J. Sandberg, Where is education heading and how about AI?. International Journal of Artificial Intelligence in Education, 1999. 10(2): p. 130-150. [8] Akhras, F.N.; Self, J.A.: System intelligence in constructivist learning. In International Journal of Artificial Intelligence in Education, vol. 11, pp. 344-376, 2000. [9] Zhuge, H. and Y. Li, Learning with an active e-course in the Knowledge Grid environment. Concurrency and Computation: Practice & Experience, 2006. 18(3): p. 333-356. [10] Shute, V.J.; Psotka, J.: Intelligent tutoring systems: Past, present and future. In book Handbook of research on educational communications and technology, 1995. [11] De Bra, P., T. Santic, and P. Brusilovsky, AHA! meets Interbook, and more. Proceedings of the AACE ELearn 2003 Conference, Phoenix, Arizona, 2003: p. 57-64. [12] Hohl, H., H.D. Böcker, and R. Gunzenhäuser, Hypadapter: An adaptive hypertext system for exploratory learning and programming. User Modeling and User-Adapted Interaction, 1996. 6(2): p. 131-156. [13] Weber, G., H.C. Kuhl, and S. Weibelzahl, Developing adaptive internet based courses with the authoring system NetCoach. Proceedings of the Third Workshop on Adaptive Hypermedia, AH2001, 2001. 297: p. 300 [14]Vassileva, J., Dynamic Course Generation on the WWW. Artificial Intelligence in Education: Knowledge and Media in Learning Systems. IOS, Amsterdam, 1997: p. 498-505. [15]Brusilovsky, P., Adaptive Hypermedia. User Modeling and User-Adapted Interaction, 2001. 11(1): p. 87-110.

66

[16] Aroyo, L. and D. Dicheva, The New Challenges for E-learning: The Educational Semantic Web. Educational Technology & Society, 2004. 7(4): p. 59-69. [17] Zhong, N., J. Liu, and Y. Yao, Envisioning intelligent information technologies through the prism of web intelligence. Communications of the ACM, 2007. 50(3): p. 89-94. [18] Holohan, E., et al., Adaptive E-Learning Content Generation based on Semantic Web Technology. Proceedings of International Workshop on Applications of Semantic Web Technologies for E-Learning. [19] Pankratius, V. and G. Vossen, Towards E-learning Grids: Using Grid Computing in Electronic Learning. 2003: Inst. für Wirtschaftsinformatik. [20] Wiley, D.A., Connecting learning objects to instructional design theory: A definition, a metaphor, and a taxonomy. The Instructional Use of Learning Objects, 2002: p. 571–577. [21] Shih, W.C., et al., Performance-Based Content Retrieval for Learning Object Repositories on Grid Environments. Proceedings of the Seventh International Conference on Parallel and Distributed Computing, Applications and Technologies, 2006: p. 515-520. [22] Koohang, A. and K. Harman, Learning Objects: Theory, Praxis, Issues, and Trends. 2007. [23] Harman, K. and A. Koohang, Learning Objects: Standards, Metadata, Repositories, and LCMS. 2007. [24] Herrera, C.A.G., ESTANDARIZACION ADL–SCORM PARA EL TRATAMIENTO DE CONTENIDOS EN PLATAFORMAS E-LEARNING. 2005. [25] Andreev, R.D. and N.V. Troyanova, E-learning Design: An Integrated Agent-Grid Service Architecture. Modern Computing, 2006. JVA'06. IEEE John Vincent Atanasoff 2006 International Symposium on, 2006: p. 208-213. [26] Yan, Z. and Y. Li, Adaptive e-Learning in Knowledge Grid Environment. [27] Paramythis, A. and S. Loidl-Reisinger, Adaptive Learning Environments and eLearning Standards. Electronic Journal on e-Learning Volume, 2004. 2(1): p. 181-194. [28] Carbo, J.M., E. Mor, and J. Minguillon, User Navigational Behavior in eLearning Virtual Environments. Proceedings of the The 2005 IEEE/WIC/ACM International Conference on Web Intelligence (WI'05)-Volume 00, 2005: p. 243-249.

[29] Yang, C.T., C.T. Pan, and P.I. Chen, Using PVFS2 to Construct a Large File System in Data Grids. Proceedings of the Seventh International Conference on Parallel and Distributed Computing, Applications and Technologies, 2006: p. 272-277. [30] David, H. and K.o. Mirjam, State of the Art of Adaptivity in E-Learning Platforms. 2006. [33] Zhuge, H., The Knowledge Grid. 2004: World Scientific. [34] Zhuge, H., et al., Transformation from OWL Description to Resource Space Model. 1st Asian Semantic Web Conference, Beijing, China, Sept, 2006: p. 3-7. [35] Duitama, F., et al., A Framework for the Generation of Adaptive Courses Based on Semantic Metadata. Multimedia Tools and Applications, 2005. 25(3): p. 377-390.

67

[39] De Roure, D., Jennings, N. and Shadbolt, N. Research Agenda for the Semantic Grid: A Future e-Science Infrastructure. UK National eScience Center. www.semanticgrid.org. [40] Dugenie, P., et al., Advanced Technology for Learning, Vol. 3, No. 4, 2006 THE GRID SHARED DESKTOP: A BOOTSTRAPPING ENVIRONMENT FOR COLLABORATION. [41] Tao, F., et al., Semantic Grid Based e-Learning Using the Knowledge Life Cycle. Advanced Learning Technologies, 2005. ICALT 2005. Fifth IEEE International Conference on, 2005: p. 954-955. [42] Yang, Z., et al., Ontology Enabled Learning Resource Modeling and Management. Semantics, Knowledge and Grid, 2006. SKG'06. Second International Conference on, 2006. [43] Sabou, R.M., Building Web Service Ontologies. 2006: s. n. [44] Simón, A., et al., MODELO UNIFICADO DE REPRESENTACIÓN DE CONOCIMIENTO EN MAPAS CONCEPTUALES Y ONTOLOGÍAS. [45] OWL-S 1.2 Pre-Release http://www.ai.sri.com/daml/services/owl-s/1.2/ (2006). [46] OWL Working Group http://www.w3.org/2007/OWL/wiki/OWL_Working_Group

[47] Web Service Modeling Ontology http://www.wsmo.org/ [48] Artificial, I., Ontologías y Web Semántica 2005. [49] Zhai, Z., Y. Yang, and Y. Wang, Agent Services: An Approach for Grid Computing Based on Agent and Web Services. Intelligent Control and Automation, 2006. WCICA 2006. The Sixth World Congress on, 2006. 1 [50] Stuart Russell y Peter Norving, Inteligencia Artificial Un enfoque Moderno, Prentice Hall, 2 Edición,2003, pp 32- 984. [51]Westerkamp, P., E-Learning as a Web Service. Grundlagen von Datenbanken, University of Duessel-dorf, 2004: p. 113-117. [54] Zhuge, H., China's e-science knowledge grid environment. Intelligent Systems, IEEE [see also IEEE Intelligent Systems and Their Applications], 2004. 19(1): p. 13-17. [55] Tao, F.B., et al., Managing the Semantic Aspects of Learning using the Knowledge Life Cycle. the 5th IEEE International Conference on Advanced Learning Technologies, Kaohsiung, Taiwan. [56] Hu, H. and X. Du, An Ontology Learning Model in Grid Information Services. Proceedings of the First International Conference on Innovative Computing, Information and Control-Volume 3, 2006: p. 398-401. [57] Neumann, F. and R. Geys, SCORM and the Learning Grid. 7th HLRS. [58] Roberto Emilio Salas Ruiz and J. E. R. Rodríguez (2006). “Análisis de complejidad algorítmica”. [59] Kantardzic, M., 2003. Data Mining: Concepts, Models, Methods, and Algorithms. John Wiley & Sons. ISBN 0471228524. [60] Sotomayor, B., L.Childers, et al. (2006). Globus toolkit 4 Programming Java Service, Elsevier, Morgan Kaufman [61] I. foster, C. Kesselman, and S. Tuecke, “The Anatomy of the Grid Enabling Scalable Virtual Organizations” International J. Supercomputer Applications, Vol. 15, No.3,2001.

http://www.semanticgrid.org/

http://www.ai.sri.com/daml/services/owl-s/1.2/

http://www.w3.org/2007/OWL/wiki/OWL_Working_Group

http://www.wsmo.org/

68

[62] J. Joseph, C. Fellenstein, Grid Computing, Prentice Hall Professional Technical Reference, 2004. [63] I. Foster and Kesselman, The Grid 2: Blueprint for a New Computing infrastructure, Elsevier Inc, 2004. [64] Antonioletti, M., M. Atkinson, et al. (2005). The design and implementation of Grid database services in OGSA-DAI. Concurrency and Computation: Practice & Experience 17(2): 357-376 [65] CASTILLO Sandra y Velandia C. Maria. Taller1, Minería de Datos, marzo 2008. [66] Creando Sistemas Multiagentes con JADE, Facultad de Informática, Departamento de Lenguajes y Sistemas Informáticos e Ingeniería de Software, UNIVERSIDAD PONTIFICIA DE SALAMANCA EN MADRID. 2007 [67] Monroy Rodriguez Marisol y J. N. P. Castillo, 2008. E-learning Adaptativo sobre la grid de Conocimiento. [68] MORALES M.,Eduardo. Ensambles de Clasificadores, Escalamiento, Muestreo y Selección de Atributos [online]. 11.2 Escalamiento de Algoritmos, dispuesto en [2005-09-13]. Disponible en http://ccc.inaoep.mx/~emorales/Cursos/KDD03/node53.html

http://ccc.inaoep.mx/~emorales/Cursos/KDD03/node53.html

69

ANEXOS

70

Anexo 1. Guía de Instalación de OGSA-DAI versión 3.0 sobre globus 4.0.x

Guía de Instalación de OGSA-DAI versión 3.0 sobre globus 4.0.x El objetivo del proyecto OGSA-DAI es el desarrollo de un middleware que ofrezca el acceso e integración de a los datos desde diferentes y dispersos recursos de datos a través de la grid. En la página http://www.ogsadai.org/ se encuentra toda la información del proyecto.

Desde el link Downloads de la url http://www.ogsadai.org/ se puede descargar el software, tanto la versión source como la binaria. La versión source ogsadai-3.0-gt-4.0.5-src.zip para el análisis de la lógica de la programación que provee OGSA-DAI version 3.0. Al momento de hacer la descarga del software, se requiere el registro de la siguiente forma, que se envía para recibir un usuario y clave.

http://www.ogsadai.org/

http://www.ogsadai.org/

71

1. La instalación de OGSADAI se puede hacer tanto con la versión binaria(ogsadai-3.0-

gt-4.0.5-bin.zip) como la versión source(ogsadai-3.0-gt-4.0.5-src.zip), siguiendo cada uno de los pasos expuestos en la documentación propia de cada versión que se puede descargar también de la página http://www.ogsadai.org/documentation/ogsadai3.0/ogsadai3.0-gt/ o en su defecto siga los pasos expuestos en éste manual.

Recomendación: seguir la documentación disponible en la página de Internet y no la contenida en el software, debido a que las actualizaciones y erratas se encuentran disponibles en la documentación de la página. 2. Una vez se tiene el software y la documentación se recomienda leerla para tener una

idea general del proceso a seguir y los prerrequisitos que debe tener instalado el computador para seguir con la instalación.

Dependencias:

Globus Toolkit : se debe tener instalado globus toolkit a partir de la 4.0.1

Apache Ant : tener instalado Apache ANT igual o superior a 1.6

Java : Java 1.4 o 1.5. OGSADAI no compila con Java 1.6

Motor de Base de Datos: para efectos del proyecto postgresql 8.1.4 y el .jar que permite la conexión a la base de datos con java.

http://www.ogsadai.org/documentation/ogsadai3.0/ogsadai3.0-gt/

72

Aunque la instalación de la base de datos se puede hacer luego de tener desplegado los servicios de OGSADAI.

3. Se descomprime el archivo que se haya descargado en la ruta escogida, con unzip .

A continuación, el proceso de descompresión crea la carpeta ya descomprimida, ogsadai-3.0-gt-4.0.5-src.

4. Asegurese que la variable GLOBUS_LOCATION apunte al directorio de instalación de

globus: /usr/local/gt4. 5. Cree la versión binaria a partir de la source, dentro del directorio que descomprimió

con la instrucción $ ant –Dgt.dir=$GLOBUS_LOCATION

73

Debe terminar con los mensajes que se muestran en la siguiente figura.

6. La versión binaria queda creada en el directorio build como se muestra en la siguiente figura.

74

7. Como se puede ver en la figura, la versión binaria de OGSA-DAI queda dentro del directorio build, al cual se puede cambiar y ejecutar todas las siguientes instrucciones allí, o si se desea se puede copiar el binario comprimido .zip en otro directorio, descomprimirlo y seguir con las instrucciones.

8. Luego, se procede a crear el .gar para que pueda se desplegado como servicio grid. Para tal efecto, digite :

La instrucción origina entre otros, los mensajes que se muestran a continuación:

El proceso de creación del .gar termina con el mensaje que se muestra en la siguiente figura.

75

9. Una vez terminado el proceso de creación del .gar se puede ver que en el directorio build, se crean (1 archivo dai.gar y una carpeta gar), como se muestra a continuación.

Y al mismo tiempo se despliega el servicio en la estructura de directorios del contenedor de globus, como se visualiza a continuación:

10. Aquí verifique lo siguiente: a. En el directorio dai/resources, solo debe estar el DataRequestExecutionResource, como se muestra a continuación.

76

b. Que el archivo logins.txt debe tener tamaño 0 Bytes, como lo muestra la gráfica anterior. c. Edite el archivo config.txt y haga el siguiente cambio allí:

En la segunda línea del archivo config.txt hay un error propio de la instalación, el servicio DataSourceService está apuntando al servicio incorrecto, esta línea debe quedar de la siguiente forma: uk.org.ogsadai.DataSourceService.url=http://localhost:8080/wsrf/services/dai/DataSinkService

Guarde los cambios en el archivo. En éste momento suba el contenedor de globus, y deben visualizarce los siguientes 6 servicios, sin seguridad:

77

Una vez se haya configurado los certificados tanto de la máquina como del usuario y realizado los correspondientes cambios en OGSA-DAI de los certificados, se puede subir con seguridad (puerto 8443), como se muestra a continuación.

Una vez el contenedor de globus gt.4.0.?, cargue los 6 servicios, puede continuar con la configuración del recurso de datos que quiere exponer, como es la función de OGSA-DAI. Instalación de la extensión 11. Desde el link Download de la página principal , descargar la extensión para OGSA-DAI

3.0 (OGSADAI-3.0-extension-1-bin-src.tar.gz). El archivo .tar.gz, se puede copiar dentro del directorio de OGSA-DAI desde donde ha estado haciendo la instalación o en otro directorio. 12. Una vez se haya copiado se descomprime el archivo con : tar –xvzf ogsadai-3.0-extension-1-src.tar.gz

Se descomprime y crea un directorio con el mismo nombre sin la extensión .tar.gz. Aquí se cambia al directorio que se crea cuando se descomprime la extensión. 13. Crear la version binaria de la extensión, la cual debe tener como referente el

directorio donde se hizo la instalación inicial. Por que en ese directorio va a buscar las librerias del OGSADAI que ya esta instalado.

ant -Dogsadai.dir=/home/proymar/ogsadai-3.0-gt4.0.5-src/build/ ogsadai-3.0-gt4.0.5-bin/ Al terminar de ejecutar la anterior instrucción emite el mensaje de BUILD SUCCESFULLY. En ese momento crea el directorio build/ con la extensión binaria del archivo, es decir, ./build/ogsadai-3.0-extension-1-bin

78

14. Desplegar la versión binaria de la extensión, con la siguiente instrucción. 1. Desplegar al OGSADAI. $ ant deployToDRER -Dogsadai.dir=/home/proymar/ogsadai-3.0-gt4.0.5-src/build/ ogsadai-3.0-gt4.0.5-bin/ -Dgt.dir=/usr/local/gt4 2. Si ya tiene un recurso de datos relacional desplegado, también hay que desplegarlo. $ ant deployToDataResource -Ddata.resource.id=GalkDataResource -Dogsadai.dir=/home/proymar/ogsadai-3.0-gt4.0.5-src/build/ ogsadai-3.0-gt4.0.5-bin/ -Dgt.dir=/usr/local/gt4 Creación del recurso de datos relacional 15. En las dependencias se dijo que se requería el motor de bases de datos a trabajar,

para este caso se usó postgresql y el .jar que permite hacer la conexión a la base de datos utilizando java. Aunque si no lo hizo antes, éste es el momento para hacerlo.

En la documentación provista en la página de Internet esta la sintaxis completa para la creación del recurso de base de datos relacional, la siguiente es la de éste proyecto: $ ant -Ddai.db.product=PostgreSQL -Ddai.db.vendor=PostgreSQL -Ddai.db.version=8.1.4 -Ddai.db.uri=jdbc:postgresql://127.0.0.1:5432/proyecto -Ddai.db.driver=org.postgresql.Driver -Ddai.resource.id=GALKDataResource createRelationalConfig

16. Al terminar este proceso se crea un archivo en la misma ruta donde se ejecuta la

instrucción anterior con el nombre que se dió en el parámetro -Ddai.resource.id=GALKDataResource, como se muestra en la siguiente imagen.

79

Con el siguiente contenido:

Nota importante: El parámetro host es el hostname del computador donde se encuentre la base de datos. Este es un ejemplo si la misma se encuentre a nivel local. 17. Desplegando el recurso, una vez esté creado el curso,

1. Se crea una carpeta tmpResourceDir y en ésta se copia el archivo que se creó

en el paso anterior GALKDataResource y el .jar que permite la conexión a la base de datos postgresql-8.1-407.jdbc3.jar

2. Desplegar el recurso creado, a través de la ejecución de la instrucción: ant –Dgt.dir=/usr/local/gt4 –Ddai.target.gt=true -Ddai.resource.jar.dir=tmpResourceDir -Ddai.resource.file=GALKDataResource deployResource

Esta instrucción termina con los siguientes mensajes:

80

Una vez haya terminado satisfactoriamente este proceso se ha desplegado el recurso sobre el contenedor globus gt4 y haya copiado el archivo en el directorio

18. Configurar los usuarios que pueden acceder a la base de datos que tiene configurado

el recurso GALKDataResource. 19. En el numeral 10 de este anexo se dijo que el tamaño del archivo logins.txt era de 0

bytes, a partir de este momento, ese tamaño empieza a incrementar debido a los permisos que se le dán a los usuarios a todos los recursos que hayan.

La instrucción para autorizar a un usuario es: $ ant -Dgt.dir=$GLOBUS_LOCATION -Ddai.target.gt=true -Ddai.resource.id=GALKDataResource -Ddai.user=globus -Ddai.password=globus permit

Con esta sentencia ejecutada exitosamente, se le dán al usuario especificado los permisos para acceder a la base de datos configurada en el recurso GALKDataResource. Un vistazo al logins.txt muestra lo siguiente:

81

20. Verifique todos estos .jar quedaron en el lib de globus, para este caso: /usr/local/gt4/lib Ejecute el source setenv.sh

Asegure que todos los .jar dispuestos en el setenv.sh están dentro del CLASSPATH, con la instrucción: echo $CLASSPATH 21. Verificando la conexión con el servidor a) Para que el contenedor tome los cambios hechos al recurso, suba nuevamente el

contenedor y asegúrese que están subiendo los 6 servicios y digite la siguiente instrucción y verifique su respuesta.

La versión de OGSA-DAI es 3.0 La versión de globus es GT 4.0.5 A partir de este momento, ya puede seguir la configuración del cliente. 18. URL recomendadas. http://wiki.dbgrid.org/index.php?Database%20Grid http://wiki.dbgrid.org/index.php

http://wiki.dbgrid.org/index.php?Database%20Grid

http://wiki.dbgrid.org/index.php

82

Anexo 2. Paper e-learning Adaptativo sobre la grid de Conocimiento. E-learning Adaptativo sobre la Grid de Conocimiento Marisol Monroy Rodríguez* José Nelson Pérez Castillo** *Ingeniero de Sistemas de la Universidad Manuela Beltrán. Especialista en el desarrollo de Bases de Datos de la Universidad Jorge Tadeo Lozano. Candidato a Magíster en Ciencias de la Información y las Comunicaciones de la Universidad Distrital Francisco José de Caldas. Miembro activo del grupo de investigación gicoge(Grupo Internacional de Investigación en Informática, Comunicaciones y Gestión del Conocimiento). Correo electrónico: [email protected] ** Ingeniero de Sistemas de la Universidad Distrital. Especialista en SIG, teledetección y cartografía de la Universidad de Alcalá de Henares. Magíster en teleinformática de la Universidad Distrital y doctor en Informática de la Universidad de Oviedo. Director del grupo Gicoge. [email protected]. Grupo de investigación: Gicoge (Grupo Internacional de Investigación en Informática, Comunicaciones y Gestión del Conocimiento). Resumen: Este artículo presenta una evolución tanto de conceptos como de elementos que han emergido a través de la historia del e-learning adaptativo, también se nombran herramientas que se pueden profundizar consultando la bibliografía que soporta este artículo. Se muestran las características especiales de los objetos de aprendizaje, que deben estar provistos de metadata para que satisfagan sus propiedades (interoperabilidad, reusabilidad, entre otras), y como estándar de desarrollo se adopta ADL-SCORM. La base o estructura para generación de cursos a la medida de los requerimientos del estudiante es posible gracias a la conjugación de diversas herramientas entre ellas la grid, que ha evolucionado hasta ofrecer la posibilidad de compartir y manejar conocimiento (grid de conocimiento), así como, los agentes inteligentes para que analicen el desempeño del estudiante durante la adquisición de los contenidos y permitan hacer sugerencias, buscando el éxito del proceso de aprendizaje. Abstract: This paper presents an evolution of concepts as much as of elements that have emerged through history from adaptive e-learning, also many tools are named and they can be deepened consulting the bibliography that supports this article. Special characteristics of the learning objects are showed that they must be provided by metadata so that they satisfy his properties (interoperability, reusability, among others), and as a standard of development ADL-SCORM is adopted. The base or structure for generation of courses to the measurement of the requirements of the student is possible thanks to the union of diverse tools among them the grid, that has evolved until offering the possibility of sharing and handling knowledge (knowledge grid), as well as, the intelligent agents so that they analyze the performance of the student during the acquisition of the contents and allow to make suggestions, looking for the success of the learning process. Palabras Claves: e-learning adaptativo, grid de conocimiento. Keywords: adaptive e-learning, knowledge grid.

mailto:[email protected]

83

Introducción E-learning ha tomado aplicaciones y mejoras del desarrollo web para aplicarlas al ámbito educativo, conllevando a que el proceso de aprendizaje se pueda desarrollar en cualquier momento, en cualquier lugar y cuando la persona esté disponible y lo necesite. Sin embargo, si se mira detenidamente el e-learning, se puede ver que, de algún modo, no es eficiente ya que los contenidos de los cursos no se ajustan a los perfiles de cada usuario. Desarrollar un sistema e-learning toma tiempo y dinero, que se deben tener en cuenta a la hora de decidir la plataforma o la calidad del ambiente que se desea ofrecer; también es necesario considerar la reusabilidad y la actualización de contenidos, ya que generan inversiones de tiempo y dinero. Las constantes actualizaciones tanto en contenidos como en la integración de nuevos modelos de aprendizaje conllevan a que estas herramientas se adapten a los intereses tanto en la forma como en los contenidos y así asegurar una motivación permanente de los estudiantes. A continuación se nombran las características que condujeron a realizar este documento y a proponer el desarrollo de un ambiente que ofrezca adaptabilidad a la hora de tomar un curso sobre la grid de conocimiento (plataforma que ofrece las características propias para llevar a cabo este gran objetivo). Este documento está organizado de la siguiente forma: del e-learning adaptativo se muestra su evolución, los objetos de aprendizaje, el estándar ADL-SCORM, se hace un acercamiento a una definición, se muestra algunos de los modelos en estos ambientes. De la grid de conocimiento se muestra la conceptualización y evolución desde la grid semántica. Luego se expone el argumento que permite evaluar el porqué de la grid de conocimiento como soporte del e-learning adaptativo. 1. E-learning Adaptativo 1.1 Evolución Haciendo un breve repaso por la historia del e-learning adaptativo para conocer su evolución, teniendo en cuenta, los modelos teóricos y su desarrollo y algunos tipos de implementaciones de estos sistemas, es posible determinar que dentro de los modelos teóricos del e-learning adaptativo se pueden identificar: Enfoque Macro-adaptable, presenta un contenido altamente teórico, propone la elección de algunos componentes como: el objetivo de aprendizaje, el nivel de detalle y el sistema de entrega [1][2]. Como modo de afinamiento aparece la visualización del modelo orientado a la práctica [2][3]. Enfoque de tratamiento interacción-aptitud(ATI), considerando que el proceso de enseñanza busca la obtención de mejores resultados, éste enfoque propone que el aprendizaje se realice a través del uso de diferentes medios, teniendo en cuenta la diversidad de estudiantes, los cuales deben seguir un conjunto de reglas secuenciales, previamente definidas. Conserva este enfoque un contenido teórico con estructuras predefinidas y rígidas, lo cual imposibilita la flexibilidad en la actualización de sus contenidos. Como un medio de afinamiento a este enfoque se propone el diseño del courseware[2][4]. Enfoque Micro-adaptable, propone el diagnóstico de necesidades específicas de aprendizaje de cada estudiante y sugiere estrategias para satisfacerlas. También tiene en cuenta la comunicación interactiva como un elemento importante de la enseñanza adaptativa, afirmando que un buen sistema instruccional debe considerar las interacciones entre el tutor y el estudiante. En este contexto define dos canales para el proceso de aprendizaje; uno es el canal de enseñanza que proporciona el contenido y el otro un canal de valoración para observar el progreso del aprendizaje [2][5].

84

Enfoque constructivístico colaborativo, se centra en los elementos modernos de la forma como se puede llevar a cabo un proceso e-learning e involucra los procesos pedagógicos constructivistas. Aquí el estudiante juega un papel importante en la construcción de su propio conocimiento ya que se incentiva a la libre exploración de los materiales de aprendizaje y a tener un alto nivel de interactividad, por lo tanto, un sistema adaptativo debe permitir al estudiante adquirir el conocimiento considerando su propio contexto, la diversidad en las actividades de aprendizaje, las estructuras cognitivas de los contenidos y el tiempo de duración [2][6-9]. En resumen, cada uno de los anteriores enfoques hizo un aporte importante para la consolidación de los componentes y conceptos actuales del e-learning adaptativo. Dentro de los tipos de implementaciones se pueden encontrar: Sistemas Instruccionales Macro-adaptables, los primeros intentos de adaptabilidad, permitían seleccionar el grado a cursar de acuerdo a los puntajes obtenidos en pruebas de habilidad; siendo a su vez poco sistemático y utilizado solo hasta la educación secundaria [2]. Sistemas Tutores Inteligentes, sistemas desarrollados a partir de la aplicación de Inteligencia Artificial para simular el proceso de aprendizaje uno-a-uno entre profesor y estudiante. Aparecen tres características importantes que marcan la pauta para las siguientes propuestas [2][10-13]: Módulo del experto, Módulo del estudiante, Módulo de enseñanza, Algunos ejemplos son AHA [11], HYPADAPTER [12] y NetCoach [13]. Hipermedia Adaptativa, surgió inspirado en los STIs. Está basado en vínculos hipermediales, tiene un modelo de dominio y tiene la capacidad de modificar algunas partes funcionales o visibles del sistema con base en la información contenida en el modelo del estudiante. La introducción de la hipermedia en los sistemas instruccionales, ha sido de gran impacto en la generación de sistemas hipermedias adaptativos, puede ser creado por una muy buena herramienta llamada Authoring Tools, la desventaja es que no tienen una fundamentación conceptual, por lo tanto al estudiante se le puede llevar a contenidos o páginas totalmente inútiles. Las herramientas desarrolladas bajo este esquema requieren de Internet como su principal soporte, por la libre exploración de elementos de aprendizaje y la interacción con el mundo [2][14-15]. Algunos ejemplos DCG [14] y ELM-ART-II [15]. En resumen, cada uno de los desarrollos de sistemas instruccionales descritos, hizo un aporte importante para la consolidación de los componentes y artefactos actuales del e-learning adaptativo. Adicionalmente, se expone que dentro de las características extensivas del e-learning adaptativo están: considerar los procesos meta-cognitivos, las actividades de aprendizaje colaborativas entre estudiantes, profesores y otras comunidades de aprendizaje dispersas geográficamente [2]. La adaptabilidad como tal, se da a través de la implementación de técnicas de Inteligencia Artificial, las cuales se definen para ayudar a inferir reglas tanto en los contenidos, como en la evolución del estudiante y en la presentación de los contenidos de aprendizaje [16-17]. 1.2 Los objetos de Aprendizaje

85

Un objeto de aprendizaje es cualquier recurso digital: página Web, documentos pdf, animaciones, archivos de sonido, archivos de texto, mapas conceptuales, entre otros; que se puede usar individualmente o en conjunto dentro de un proceso de enseñanza [18-19]. Los objetos de aprendizaje son tratados de forma individual, como pequeñas piezas provistas de: auto contenido: independencia de presentación, objetivo y contenido formativo, independiente del contexto: no debe precisar de otro contexto mas allá del que se esta ofreciendo; de este modo el Objeto desarrolla su propio entorno por combinación con otros Objetos, etiquetado (metadata): con la intención de facilitar su identificación y búsqueda, un objeto de aprendizaje debe estar adecuadamente definido en sus etiquetas descriptoras (metadata), de este modo se hace posible su gestión así como su contextualización automática con otros objetos de aprendizaje con los que comparte conceptos, todo lo anterior proporcionan las ventajas de: flexibilidad: un objeto de aprendizaje divido en pequeñas piezas puede ser utilizado en múltiples contextos y en diferentes niveles de aprendizaje, adaptabilidad: como está divido en pequeñas piezas y autodocumentado facilita enormemente la personalización de los contenidos, al permitir la recombinación de materiales a la medida de las necesidades formativas de cada individuo, e incremento del valor del contenido: La reutilización de un contenido incrementa su valor, tanto por el aumento del potencial de su explotación futura, como por la amortización sucesiva de su costo de desarrollo [18-19]. Los objetos de aprendizaje también pueden ser actualizados, indexados, organizados y gestionados de una forma mucho más sencilla [20]. El esfuerzo en el diseño de los materiales de aprendizaje y su adecuada interrelación constituye un factor relevante a la hora de ofrecer adaptabilidad y flexibilidad curricular. Un justo y adecuado nivel de granularidad de los objetos de aprendizaje, son la base para cumplir los objetivos del e-Learning adaptativo, soportados en el máximo nivel de personalización, alcanzado mediante la adaptación de las necesidades formativas de cada estudiante, ofreciendo los contenidos que precisa en cada momento. Los objetivos de la adaptabilidad deben tener en cuenta los saberes previos, el currículo, el estado de conocimiento, las necesidades especiales y estilos de aprendizaje o estilos cognitivos del aprendiz [18][21-23]. 1.3 Estándar e-Learning ADL-SCORM De los distintos estándares que se desarrollan para la industria del e-Learning se toma el ADL-SCORM, el cual es un programa del Departamento de Defensa de los Estados Unidos y de la Oficina de Ciencia y Tecnología de la Casa Blanca para el desarrollo e implementación eficiente, efectiva y a gran escala de la formación educativa sobre nuevas tecnologías Web. Este organismo recogió “lo mejor” de lo especificado por IMS(), IEEE LTSC() y AICC(), las integró y mejoró en su propio estándar: SCORM, Sharable Content Object Reference Model (Modelo de Referencia para Objetos de Contenidos Intercambiables) [16][24-25]. De lo recopilado de las distintas organizaciones se destacan los siguientes elementos: Sistema de descripción de cursos en XML de la IMS. El mecanismo de intercambio de información mediante una API de la AICC. Los metadatos provistos para los objetos de aprendizaje por el LOM (Learning Objects Metadata) de la IEEE.

86

SCORM proporciona un marco de trabajo y una referencia de implementación detallada que permite a los contenidos y a los sistemas comunicarse con otros, logrando así la interoperabilidad, reusabilidad y adaptabilidad [26]. Con los tres componentes (Modelo del estudiante, Modelo del conocimiento del dominio y el Modelo del Curso) y utilizando los objetos de aprendizaje ajustados al estándar de desarrollo ADL-SCORM, se logra estructurar un e-learning adaptativo [26]. Mucho se ha escrito sobre la pasividad en la que ubican al estudiante los cursos de e-learning, generando una deserción en los mismos o simplemente desmotivando el aprendizaje por este medio, que se evidencia en los bajos resultados obtenidos [7][26-27]. El auge que ha tenido Internet y el creciente desarrollo de las aplicaciones que involucran esta tecnología, han servido para transformar, mejorar e incentivar esos cursos dirigidos y pasivos por cursos donde se le ofrece al estudiante una posición activa y responsable de su propio aprendizaje, a partir de la libre exploración de medios y la interacción con otras comunidades, todo esto soportado en diferentes disciplinas como: la mineria, los motores de aprendizaje, los ambientes de aprendizajes colaborativos y la inclusión de las hipermedias adaptativas [28]. Los estudiantes que sienten que son tenidos en cuenta por su individualidad y características propias de aprendizaje rinden y producen mejores resultados [27-29]. 1.4 Acercamiento a una definición El término adaptativo se puede aplicar a elementos tales como: la presentación, la entrega y la visualización; pero éste documento se limita a la capacidad de entregar los contenidos del curso, adecuados a los requerimientos o perfil del estudiante, interpretando el seguimiento del modelo del dominio especifico, sugiriendo requerimientos y preferencias de acuerdo a las actividades realizadas por el estudiante a través de los modelos asociados y actuando sobre el conocimiento que se encuentra disponible, para proponer y hacer los cambios que faciliten el proceso de aprendizaje[27][30]. 1.5 Modelos en ambientes e-learning adaptativos A continuación se indican los modelos más destacados que hacen parte de un ambiente e-learning adaptativo: Modelo de Dominio, incluye la estructura de las relaciones entre los elementos del curso y es la base para el e-learning [26-27][33-35]. Modelo del Estudiante, se tiene en cuenta la captura, el almacenamiento y la actualización de la información del estudiante que se usa para la construcción del curso a la medida y adaptado justamente para él [26-27][33-35]. Modelo de adaptabilidad, incorpora la teoría existente de adaptabilidad en los ambientes de aprendizaje, cubriendo varios niveles de abstracción. Este modelo especifica qué puede ser adaptable al estudiante, así como también intenta tratar el cuándo y el cómo puede ser adaptado. Los niveles de abstracción en que la adaptación se puede dar, va desde reglas predefinidas que permitan administrar el ambiente o el comportamiento, hasta las especificaciones generales de las relaciones lógicas entre los elementos de un ambiente e-learning adaptativo, que se activan en tiempo de ejecución. Los ambientes de aprendizaje de hoy en día usan los modelos adaptativos para especificar el comportamiento del sistema con base en las propiedades del modelo de dominio [33-35] [55-57]. 2. Grid de Conocimiento

87

La grid es una colección de recursos computacionales distribuidos, disponibles sobre una red, que se muestran al usuario como una aplicación o como un gran sistema virtual de computación. La visión es la de crear organizaciones dinámicas virtuales completamente seguras que permitan compartir recursos entre individuos e instituciones [29]. En e-learning y en otras áreas del saber, se necesita a menudo integrar servicios a través de organizaciones virtuales distribuidas, heterogéneas y dinámicas, formadas por diferentes recursos de una misma entidad y/o de recursos externos compartidos [38]. Esta integración puede ser técnicamente desafiante debido a la necesidad de asegurar la calidad del servicio en su funcionamiento, por encima de diversas plataformas [19][39-40]. Una extensión a la grid es la Grid semántica[39][41-42], la cual se caracteriza por que la información y los servicios son bien definidos, ofreciendo un mejor poder computacional y personas para trabajar en comunidad. El esfuerzo se concentra en que la diversidad de servicios y recursos grid ofrecidos puedan ser publicados, descubiertos, analizados y accedidos de forma sencilla y para tal fin se toma la experiencia de la web semántica en el logro de ese objetivo, para lo cual se describen sus características más relevantes: La Web semántica trata el agregado de metadatos a los servicios Web para que sean entendibles por máquinas y procesos, mediante su tecnología clave: las Ontologías, que son especificaciones formales, explicitas y compartidas de un dominio [42-44]. El agregado de semántica a los Servicios Web da origen al paradigma de los Servicios Web Semánticos. Varias iniciativas para Servicios Web semánticos han cobrado importancia, tales como OWL-S (Ontology Web Languaje for Service, Ontología de servicios Web basada en OWL) [45], que ofrece una marcación semántica basada en OWL (Ontology Web Language, Lenguaje Ontológico para la Web) [46] y WSMO (Web Service Modeling Ontology, Ontología de Modelado para Servicios Web) [47]. WSMO se construye sobre un modelo conceptual claramente definido basado en objetivos (goals), mediadores, servicios Web y ontologías [43-44][48]. Lo anteriormente mencionado se puede resumir en la frase de Zhuge “La Grid Semántica absorbe las ventajas de la Web semántica y la grid” [54]. La unión de la arquitectura de agentes con la de servicios grid semánticos claramente estaría alineada con la construcción de una grid semántica, donde los servicios y recursos son manejados por conceptos y el conocimiento podría ser compartido por medio de estas herramientas. La tecnología de agentes inteligentes proporcionan características atractivas, entre las que se incluyen: autonomía, reacción, razonamiento, sociabilidad, entre otras, que resultan útiles a la hora de crear sistemas con la capacidad de actuar en su ambiente, con usuarios y otros agentes [49-51]. La Grid de conocimiento es un ambiente de aplicación de Internet sostenible e inteligente, que permite a las personas o a las entidades virtuales capturar, coordinar, publicar, compartir y administrar con eficacia recursos de conocimiento[26][54]; algunas características que ofrece este tipo de grid son las adaptativas, que se soporta sobre tres entes o roles que interactúan(los consumidores, los productores del conocimiento y la infraestructura) y permiten adaptarse para soportar el comportamiento de los diferentes participantes, así como la evolución y expansión del conocimiento. Cuando se habla de las características Semánticas, se refieren a las capacidades tanto del hombre como de la máquina para adquirir la semántica de un recurso y su relación con los demás, de tal manera que permita visualizar y anticipar futuras extracciones [32-33]. 3. La grid de Conocimiento como soporte del e-learning adaptativo

88

La grid de conocimiento es un ambiente donde se pueden crear, compartir, administrar y mantener recursos de conocimiento (objetos de aprendizaje, la estructura de los cursos, las estrategias instruccionales, entre otros), para su posterior acceso y descripción con el objetivo de generar cursos a la medida de cada estudiante, ofreciendo las condiciones básicas que soportan en gran medida el proceso de aprendizaje adaptativo que se quiere lograr [31][33]. Aplicabilidad del trabajo realizado. Con la intención de dar aplicación a la conceptualización expuesta se propone la implementación de un experimento informático que contenga los módulos propios de un e-learning adaptativo como son: el modelo del estudiante, el modelo del dominio, el modelo de adaptabilidad y el módulo de interfaz sobre la grid de conocimiento, de tal manera que juntos permitan ofrecer las bondades y al mismo tiempo cumplan con las exigencias de un e-learning adaptativo sobre la grid de conocimiento con el estándar de desarrollo ADL-SCORM. Conclusiones Las mejoras que han surgido a nivel tecnológico y conceptual, de cada uno de los componentes y herramientas del e-learning adaptativo y la grid, se acercan cada día más a un sistema que soporte el proceso de aprendizaje superando los límites de tiempo y espacio. La grid de conocimiento vista como un conjunto de datos, de técnicas de generación de conocimiento y ontologías, se conjugan de tal manera que propician la creación de roles y la reutilización del conocimiento; elementos que son importantes en la generación de aprendizaje adaptativo. La grid de conocimiento como espacio que permite conservar, describir, organizar, descubrir y reutilizar recursos de conocimiento heterogéneos se convierte en un medio ideal para llevar el aprendizaje adaptado al perfil del usuario más allá de la ubicación física o espacial. Bibliografía [1] Como, L.; Snow, E.R.: Adapting teaching to individual differences among learners. In book Handbook of research on teaching, 1986. [2] Mödritscher, F., V.M. García-Barrios, and C. Gütl, The Past, the Present and the Future of adaptive E-Learning. Proceedings of ICL 2004, 2004. [3] Glaser, R., Adaptive Education: Individual Diversity and Learning. 1977: Holt, Rinehart and Winston. [4] Carrier, C.; Jonassen, D.H.: Adapting courseware to accommodate individual differences. In book Instructional design for microcomputer courseware, pp. 61-96, Lawrence Erlbaum Associates, New Jersey, 1988. [5] Seidel, R.J.; Compton, J.G.; Kopstein, F.F.; Rosenblatt, R.D.; See, S.: Project IMPACT description of learning and prescription for instruction. 1969. [6] Lennon, J. and H. Maurer, Why it is Difficult to Introduce e-Learning into Schools And Some New Solutions. Journal of Universal Computer Science, 2003. 9(10): p. 1244-1257. [7] Andriessen, J. and J. Sandberg, Where is education heading and how about AI?. International Journal of Artificial Intelligence in Education, 1999. 10(2): p. 130-150. [8] Akhras, F.N.; Self, J.A.: System intelligence in constructivist learning. In International Journal of Artificial Intelligence in Education, vol. 11, pp. 344-376, 2000.

89

[9] Zhuge, H. and Y. Li, Learning with an active e-course in the Knowledge Grid environment. Concurrency and Computation: Practice & Experience, 2006. 18(3): p. 333-356. [10] Shute, V.J.; Psotka, J.: Intelligent tutoring systems: Past, present and future. In book Handbook of research on educational communications and technology, 1995. [11] De Bra, P., T. Santic, and P. Brusilovsky, AHA! meets Interbook, and more. Proceedings of the AACE ELearn 2003 Conference, Phoenix, Arizona, 2003: p. 57-64. [12] Hohl, H., H.D. Böcker, and R. Gunzenhäuser, Hypadapter: An adaptive hypertext system for exploratory learning and programming. User Modeling and User-Adapted Interaction, 1996. 6(2): p. 131-156. [13] Weber, G., H.C. Kuhl, and S. Weibelzahl, Developing adaptive internet based courses with the authoring system NetCoach. Proceedings of the Third Workshop on Adaptive Hypermedia, AH2001, 2001. 297: p. 300 [14]Vassileva, J., Dynamic Course Generation on the WWW. Artificial Intelligence in Education: Knowledge and Media in Learning Systems. IOS, Amsterdam, 1997: p. 498-505. [15]Brusilovsky, P., Adaptive Hypermedia. User Modeling and User-Adapted Interaction, 2001. 11(1): p. 87-110. [16] Aroyo, L. and D. Dicheva, The New Challenges for E-learning: The Educational Semantic Web. Educational Technology & Society, 2004. 7(4): p. 59-69. [17] Zhong, N., J. Liu, and Y. Yao, Envisioning intelligent information technologies through the prism of web intelligence. Communications of the ACM, 2007. 50(3): p. 89-94. [18] Holohan, E., et al., Adaptive E-Learning Content Generation based on Semantic Web Technology. Proceedings of International Workshop on Applications of Semantic Web Technologies for E-Learning. [19] Pankratius, V. and G. Vossen, Towards E-learning Grids: Using Grid Computing in Electronic Learning. 2003: Inst. für Wirtschaftsinformatik. [20] Wiley, D.A., Connecting learning objects to instructional design theory: A definition, a metaphor, and a taxonomy. The Instructional Use of Learning Objects, 2002: p. 571–577. [21] Shih, W.C., et al., Performance-Based Content Retrieval for Learning Object Repositories on Grid Environments. Proceedings of the Seventh International Conference on Parallel and Distributed Computing, Applications and Technologies, 2006: p. 515-520. [22] Koohang, A. and K. Harman, Learning Objects: Theory, Praxis, Issues, and Trends. 2007. [23] Harman, K. and A. Koohang, Learning Objects: Standards, Metadata, Repositories, and LCMS. 2007. [24] Herrera, C.A.G., ESTANDARIZACION ADL–SCORM PARA EL TRATAMIENTO DE CONTENIDOS EN PLATAFORMAS E-LEARNING. 2005. [25] Andreev, R.D. and N.V. Troyanova, E-learning Design: An Integrated Agent-Grid Service Architecture. Modern Computing, 2006. JVA'06. IEEE John Vincent Atanasoff 2006 International Symposium on, 2006: p. 208-213. [26] Yan, Z. and Y. Li, Adaptive e-Learning in Knowledge Grid Environment. [27] Paramythis, A. and S. Loidl-Reisinger, Adaptive Learning Environments and eLearning Standards. Electronic Journal on e-Learning Volume, 2004. 2(1): p. 181-194. [28] Carbo, J.M., E. Mor, and J. Minguillon, User Navigational Behavior in eLearning Virtual Environments. Proceedings of the The 2005 IEEE/WIC/ACM International Conference on Web Intelligence (WI'05)-Volume 00, 2005: p. 243-249.

90

[29] Yang, C.T., C.T. Pan, and P.I. Chen, Using PVFS2 to Construct a Large File System in Data Grids. Proceedings of the Seventh International Conference on Parallel and Distributed Computing, Applications and Technologies, 2006: p. 272-277. [30] David, H. and K.o. Mirjam, State of the Art of Adaptivity in E-Learning Platforms. 2006. [31] Azouaou, F. and C. Desmoulins, Semantic annotation for the teacher: models for a computerized memory tool. the Proceedings of the SW-EL Workshop at the 12th International Conference on Artificial Intelligence in Education (AIED 2005), Amsterdam, The Netherlands, 2005. [32] Vassileva, J., Dynamic Course Generation on the WWW. Artificial Intelligence in Education: Knowledge and Media in Learning Systems. IOS, Amsterdam, 1997: p. 498-505. [33] Zhuge, H., The Knowledge Grid. 2004: World Scientific. [34] Zhuge, H., et al., Transformation from OWL Description to Resource Space Model. 1st Asian Semantic Web Conference, Beijing, China, Sept, 2006: p. 3-7. [35] Duitama, F., et al., A Framework for the Generation of Adaptive Courses Based on Semantic Metadata. Multimedia Tools and Applications, 2005. 25(3): p. 377-390. [36] Weng, J. and A. Goh, A Robust Reputation System for the Grid. Proceedings of the Sixth IEEE International Symposium on Cluster Computing and the Grid (CCGRID'06)-Volume 00, 2006: p. 548-551. [37] Bogonikolos, N., et al., Adaptive E-Learning Grid Platform. Proceedings of the 1st International LeGE-WG Workshop Educational Models for GRID Based Services. [38] Hockemeyer, C. and D. Albert, Adaptive e-Learning and the Learning Grid. 1st LEGE-WG International Workshop on Educational Models for GRID Based Services, 2002. [39] De Roure, D., Jennings, N. and Shadbolt, N. Research Agenda for the Semantic Grid: A Future e-Science Infrastructure. UK National eScience Center. www.semanticgrid.org. [40] Dugenie, P., et al., Advanced Technology for Learning, Vol. 3, No. 4, 2006 THE GRID SHARED DESKTOP: A BOOTSTRAPPING ENVIRONMENT FOR COLLABORATION. [41] Tao, F., et al., Semantic Grid Based e-Learning Using the Knowledge Life Cycle. Advanced Learning Technologies, 2005. ICALT 2005. Fifth IEEE International Conference on, 2005: p. 954-955. [42] Yang, Z., et al., Ontology Enabled Learning Resource Modeling and Management. Semantics, Knowledge and Grid, 2006. SKG'06. Second International Conference on, 2006. [43] Sabou, R.M., Building Web Service Ontologies. 2006: s. n. [44] Simón, A., et al., MODELO UNIFICADO DE REPRESENTACIÓN DE CONOCIMIENTO EN MAPAS CONCEPTUALES Y ONTOLOGÍAS. [45] OWL-S 1.2 Pre-Release http://www.ai.sri.com/daml/services/owl-s/1.2/ (2006). [46] OWL Working Group http://www.w3.org/2007/OWL/wiki/OWL_Working_Group [47] Web Service Modeling Ontology http://www.wsmo.org/ [48] Artificial, I., Ontologías y Web Semántica 2005. [49] Zhai, Z., Y. Yang, and Y. Wang, Agent Services: An Approach for Grid Computing Based on Agent and Web Services. Intelligent Control and Automation, 2006. WCICA 2006. The Sixth World Congress on, 2006. 1 [50] Stuart Russell y Peter Norving, Inteligencia Artificial Un enfoque Moderno, Prentice Hall, 2 Edición,2003, pp 32- 984. [51]Westerkamp, P., E-Learning as a Web Service. Grundlagen von Datenbanken, University of Duessel-dorf, 2004: p. 113-117. [52] Tianfield, H., Towards agent based grid resource management. Cluster Computing and the Grid, 2005. CCGrid 2005. IEEE International Symposium on, 2005. 1.

http://www.semanticgrid.org/

http://www.ai.sri.com/daml/services/owl-s/1.2/

http://www.w3.org/2007/OWL/wiki/OWL_Working_Group

http://www.wsmo.org/

91

[53] Alonso, F., et al., XML repositories definition for adaptive e-learning courses. [54] Zhuge, H., China's e-science knowledge grid environment. Intelligent Systems, IEEE [see also IEEE Intelligent Systems and Their Applications], 2004. 19(1): p. 13-17. [55] Tao, F.B., et al., Managing the Semantic Aspects of Learning using the Knowledge Life Cycle. the 5th IEEE International Conference on Advanced Learning Technologies, Kaohsiung, Taiwan. [56] Hu, H. and X. Du, An Ontology Learning Model in Grid Information Services. Proceedings of the First International Conference on Innovative Computing, Information and Control-Volume 3, 2006: p. 398-401. [57] Neumann, F. and R. Geys, SCORM and the Learning Grid. 7th HLRS MetaComputing and Grid Workshop, Stuttgart, Germany, 2004. [58] Magoulas, G.D. and S.Y. Chen, Advances in Web-based Education: Personalized Learning Environments: IDEA Publishing Group. 2006. [59] Devedzic, V., Semantic Web and Education. 2006: Springer. [60] Caviedes, Diego. Agentes Tutores y Web Semántica en Elearning. 2006.

92

Anexo 3. Script de creación de la base de datos create table niveldificultad(codigo char(2) not null,nombre varchar(40),

primary key (codigo));

create table nivelimportancia(codigo char(2) not null,nombre varchar(40),

primary key (codigo));

create table nivelclasificacion(codigo char(2) not null,nombre

varchar(40), primary key (codigo));

create table dominio(codigo char(3) not null,nombre varchar(40) not

null,descripcion varchar(50) not null,responsable varchar(40),primary key

(codigo));

create table conceptodominio(codigo char(5) not null,dominio char(3) not

null, nombre varchar(50), niveldificultad char(2) not null,

nivelimportancia char(2) not null, nivelclasificacion char(2) not

null,sinonimo varchar(50), primary key (codigo),foreign key (dominio)

references dominio(codigo),foreign key (niveldificultad) references

niveldificultad(codigo),foreign key (nivelimportancia) references

nivelimportancia(codigo),foreign key (nivelclasificacion) references

nivelclasificacion(codigo));

create table rol(codigo char(2) not null,nombre varchar(20),descripcion

varchar(100), primary key (codigo));

create table ontologiadominio(codigo char(5) not null,

conceptodominiorigen char(5) not null, rol char(2) not null,

conceptodominiodestino char(5) not null, descripcion varchar(50), primary

key (codigo),foreign key (conceptodominiorigen) references

conceptodominio(codigo),foreign key (rol) references rol(codigo), foreign

key (conceptodominiodestino) references conceptodominio(codigo));

create table recurso(codigo int2 not null, nombre varchar(100) not null,

autor varchar(60), formato varchar(10), titulo varchar(50), url

varchar(100), descripcion text, primary key (codigo));

create table metadata_contenido_recurso(recurso int2,palabraclave

varchar(50),foreign key (recurso) references recurso(codigo));

create table metadata_estructura_recurso(recurso int2 not

null,palabraclave varchar(50));

create table metadata_contexto_recurso(recurso int2 not null,palabraclave

varchar(50));

create sequence usuario_codigo_seq;

create table usuario(codigo smallint not null,pnombre varchar(10),snombre

varchar(10),papellido varchar(10),sapellido varchar(10),correo

varchar(40),nacimiento date, estiloaprendizaje varchar(11), dominio

char(3) not null, nivelestudio varchar(20),motivacion

varchar(20),objetivo varchar(20),conocimientobd varchar(20),perfil

varchar(15),clave varchar(15), foreign key (dominio) references

dominio(codigo),primary key (codigo));

alter table usuario alter column codigo set default

nextval('usuario_codigo_seq');

create table dominio_adaptado_usuario(usuario smallint not

null,ontologiadominio char(5) not null,recurso int2 not null, foreign key

(recurso) references recurso(codigo));

create table aprendizaje_dominio_usuario(usuario smallint not null,

ontologiadominio char(5), recurso int2 not null, fechaclase date, estado

varchar(20), vecestomada smallint,foreign key (usuario) references

usuario(codigo),foreign key (ontologiadominio) references

ontologiadominio(codigo),foreign key (recurso) references

recurso(codigo));

93

create table evaluacion_aprendizaje_dominio(usuario

smallint,ontologiadominio char(5), evaluacion float,foreign key (usuario)

references usuario(codigo),foreign key (ontologiadominio) references

ontologiadominio(codigo));

94

Anexo 4. Manual de Funcionalidad de los portlet Consultar, Registrar e Ingresar del proyecto

E-Learning Adaptativo sobre la grid de Conocimiento Adaptive E-learning in Knowledge Grid

Este proyecto le enseña conceptos de bases de datos a través de tres portlet Consultar, Registrar e Ingresar. Consultar visualiza los cursos disponibles que usted puede tomar después de Registrarse. Registrarse es un portlet que le pide algunos datos básicos de su forma de aprendizaje y le crea un curso de acuerdo a las respuestas, éste portlet termina con la asignación de un codigo que le permite identificarse ante el sistemas y los usuarios. Una vez se haya cumplido el paso anterior puede ejecutar el portlet Ingresar, identificarse con el codigo y la clave y en ese momento tomar el curso. A continuación se hace una breve descripción de cada uno de ellos y se dan algunos tips de funcionalidad.

Portlet Consultar 1. Recursos OGSA-DAI

disponibles para ejecutar el portlet.

Si no selecciona se ejecutará en el default. 2. Ejecuta el portlet que

visualiza los cursos disponibles.

Una vez oprima el botón Consultar, se ejecuta el proceso toma algunos segundos y el resultado es la visualización de los datos disponibles. Se muestran dos columnas que claramente identifican el contenido de ellas. Nombre y Descripción de los cursos disponibles

Portlet Registrar:

1. Recursos OGSA-DAI disponibles para ejecutar el portlet.

Si no selecciona se ejecutará en el default. 2. Captura de datos

propios de cada usuario, los ítems marcados con asterisco (*) son obligatorios.

95

Escriba y escoja a conciencia estos datos, ya que de ellos depende la adaptación que se hace del curso.

Una vez oprima el botón Registrar, se ejecuta el proceso que guarda el registro con los datos contenidos en él al tiempo que crea el perfil de acuerdo a los datos suministrados. Si todos los procesos fueron exitosos, se devuelve el la identificacion del usuario junto con la clave y un mensaje que indica el proceso realizado. De lo contrario pues devolverá el fracaso en la ejecución del Registro.

No olvide es identificacion y clave.

Portlet Ingresar:

1. Recursos OGSA-DAI disponibles para ejecutar el portlet.

Si no selecciona se ejecutará en el default. 2. Digite el codigo de

usuario dado en el portlet anterior y la clave.

Una vez oprima el botón Ingresar, valida que los datos digitados sean correctos, una vez el usuario exista se ejecuta el proceso que trae la ontología del curso y los recursos de conocimiento.

Se verifica el usuario y a continuación visualiza el curso con su correspondiente funcionalidad.

e-learning adaptativo sobre la grid de conocimiento...

Documents