1. Generador de Assemblies de Objetos de Aprendizajepara el Dominio Informtico Basado en Declaracin dePerfil Profesional Javier Calvo MarinkovichProfesor Gua: Carlos Becerra Castro

2. Tabla de Contenidos Introduccin. Marco Conceptual y Estado del Arte. Definicin del Problema. Especificacin de Requerimientos. Diseo. Implementacin. Muestra de la Aplicacin. Pruebas, Resultados y Anlisis. Implantacin. Conclusiones. 3. Introduccin En la Actualidad existe una gran cantidad de recursos educativos,formalmente denominados como Objetos de Aprendizaje (Oas), enel dominio informtico en la web. 4. Introduccin El problema radica en elesfuerzo que demanda laseleccin y organizacin de losrecursos resultantes. Esto hace necesario eldesarrollo de una aplicacinweb que provea al usuariocombinaciones, estructuradas ypersonalizadas de OAs. 5. Marco Conceptual y Estado del Arte Conceptos Fundamentales Objetos de Aprendizaje (OAs): Son definidos como unaentidad, digital o no digital, que puede ser usada paraaprendizaje, educacin o entrenamiento [1]. Assemblies de OAs: Son agrupaciones lgicas y jerrquicasde OAs, con las cuales se busca satisfacer una necesidadespecfica en el aprendizaje. Ontologa: Es una especificacin formal de unaconceptualizacin compartida [2]. Algoritmos de Generacin de Assemblies: Son algoritmosespecficamente desarrollados para generar assemblies deOAs. 6. Marco Conceptual y Estado del Arte Tcnicas y EnfoquesTcnica o EnfoqueFundamentosComposicin Especificidadde OAsSeLeNe [9] Se basa en una comunidad deAutomtica. Nula, de cooperacin para la creacin y propsito descripcin de Oas.general.Semantic-based Se utiliza el problema de cobertura de Automtica. Nula, deAutomated Composition of conceptos para proponer un algoritmo propsitoDistributed Learning Objects para la composicin y secuenciacingeneral.for Personalized E-Learningde OAs.[10]Lecture Composer [12]Se modifica un algoritmo que Automtica. Nula, de soluciona el problema de cobertura depropsito conceptos para lograr la composicin general. y secuenciacin de OAs.Dynamic Assembly ofRepositorios de metadatos de OAs,Automtica. Total, diseadoLearning Objects [13]utilizando LOM, IMS y RDF. para ensearWebSphere. 7. Marco Conceptual y Estado del Arte Tcnicas y EnfoquesTcnica o EnfoqueFundamentosComposicin Especificidadde OasVICE [16]Utiliza ontologas importadas para Parcial.Nula, de manejar los metadatos, permitiendo propsito al usuario enriquecer la descripcin general. del dominio.Knowledge Puzzle [17]Utiliza ontologas, elementos de laAutomtica. Nula, de minera de texto e inteligenciapropsito artificial.general.TEXCOMON [19]Utiliza minera de texto para analizar No aplica.Nula, de documentos en ingls y a partir de propsito ello generar ontologas en OWL.general. 8. Marco Conceptual y Estado del Arte Tcnicas y EnfoquesTcnica o Enfoque Fundamentos Composicin Especificidadde OasDecision Support Models Utiliza matrices y grafos paraAutomtica. Nula, defor Composing and modelar pre-requisitos y secuenciar propsitoNavigating through E- OAs, adems usa modelos degeneral.learning Objects [20] programacin entera en lacomposicin de OAs.An Information Architecture Se adapta una arquitectura de tresAutomtica. Nula, deto Support Dynamiccapas y se utiliza IMS en conjuntopropsitoComposition of Interactivecon una jararqua de OAs definida.general.Lessons and Reuse ofLearning Objects [21] 9. Definicin del Problema Problema Cuando un usuario recurre a la web por OAs no tiene seguridad si stos sern de utilidad para llevar a cabo el aprendizaje, requiriendo que ste invierta tiempo y esfuerzo en determinar la correspondencia de los Oas y tambin en la organizacin jerrquica de dichos recursos educativos. 10. Definicin del Problema Solucin Desarrollar una aplicacin web de bsqueda y composicinde Oas, que entregue a sus usuarios distintas rutas deaprendizaje (Conjunto de Oas). Todo esto basado en lo quedesea aprender el usuario y el conocimiento que ste yaposee. 11. Definicin del Problema Objetivos Desarrollar una aplicacin web que entregue distintosconjuntos de OAs en el dominio informtico a partir de lo queel usuario desea aprender y el conocimiento que adquirianteriormente. Lograr la integracin del algoritmo de categorizacin, ya creado,con la aplicacin. Mejorar a nivel relacional la ontologa existente en el dominio delconocimiento informtico, incluyendo dependencia de tpicos. Integrar algoritmos de generacin aportados por los usuarios de laaplicacin. Validar la efectividad de la aplicacin desarrollada. 12. Definicin del Problema Metodologa 13. Especificacin de Requerimientos Requerimientos FuncionalesCdigo RequerimientoRF-1 El administrador de la aplicacin puede importar descripciones de OAs.RF-2 El sistema debe cetegorizar por tpicos las descripciones de OAs importadas.RF-3 El administrador de la aplicacin puede crear, modificar, eliminar y buscar cuentas de usuarios.RF-4 El administrador e investigador pueden importar algoritmos de generacin de assemblies a la aplicacin. Este algoritmo debe ser desarrollado en java y empaquetado en un .jar segn las especificaciones establecidas en el manual de la aplicacin.RF-5 El administrador e investigador pueden eliminar algoritmos de generacin existentes en la aplicacin.RF-6 El administrador e investigador podrn seleccionar el algoritmo de generacin a utilizar en la confeccin de la solucin. 14. Especificacin de Requerimientos Requerimientos FuncionalesCdigo RequerimientoRF-7 Todos los usuarios pueden buscar OAs, a partir de una consulta basada en tpicos del dominio.RF-8 Todos los usuarios deben declarar las competencias que poseen para realizar una bsqueda. Estas competencias se declaran como tpicos del dominio.RF-9 Todos los usuarios deben declarar el tpico del dominio deseado para realizar una bsqueda.RF-10La aplicacin debe generar las soluciones a partir de las declaraciones de los usuarios.RF-11Todos los usuarios pueden visualizar las soluciones generadas por la aplicacin.RF-12Todos los usuarios pueden exportar las soluciones a SCORM. 15. Especificacin de Requerimientos Requerimientos No FuncionalesCdigo RequerimientoRNF-1La interfaz de usuario de la aplicacin debe incorporar elementos que faciliten la operacin de la aplicacin. Esto se medir a partir del tiempo requerido para llevar a cabo una tarea.RNF-2La aplicacin debe soportar un mnimo de 5.752 conexiones concurrentes, con un ptimo de 11.5041. Se considera como conexin concurrente al nmero de sesiones abiertas en la aplicacin en un momento dado.RNF-3La aplicacin deber soportar un mnimo de diez mil descripciones de OAs, con un ptimo de quince mil.RNF-4La aplicacin debe dar respuesta a las acciones de los usuarios en un tiempo que no supere los 30 segundos, con un ptimo de 15 segundos. 1 Valores calculados en base al nmero de docentes existentes de educacin media en Chile, segn el anuario desarrollado por el Departamento de Estudios y Desarrollo del Ministerio de Educacin. 16. Especificacin de Requerimientos Modelo Conceptual 17. Especificacin de Requerimientos Caso de Uso General 18. Diseo Arquitectura El modelo arquitectnico seleccionado es el de tres capas,puesto que dicho modelo encaja de forma perfecta con lasnecesidades que deber satisfacer la aplicacin. 19. Diseo Subsistemas y Componentes 20. Diseo Interfaz Grfica Gestin de Usuarios 21. Diseo Interfaz Grfica Gestin de Algoritmos 22. Diseo Interfaz Grfica Composicin de OAs 23. Diseo Ontologa 24. Diseo Base de Datos Relacional 25. Diseo Pruebas Pruebas unitarias: Se busca evidenciar la mayor cantidad de errores en las funcionalidades a nivel atmico. Pruebas de integracin: Se pretender verificar que los elementos de la aplicacin que funcionan bien aisladamente, tambin lo hacen en conjunto. Utilizando el enfoque Bottom Up. Pruebas de aceptacin: Se realizan con el objetivo de validar la aplicacin con los usuarios finales de sta, para ello se han de estructurar escenarios de utilizacin, la realizacin de encuestas y el cronometrado del tiempo requerido por los usuarios para completar cada escenario. 26. Implementacin ConfiguracinDesarrollo algoritmoacceso a categorizadordatos y Desarrollo lgica de Interfaces negocio grficas Mejorar Ontologa 27. Muestra de la Aplicacin 28. Pruebas, Resultados y Anlisis Pruebas Unitarias Se verificaron las siguientesfuncionalidades: Ingreso a la Modificar usuario. aplicacin. Eliminar usuario. Agregar OAs. Importar algoritmo. Buscar OAs. Seleccionar Eliminar OA.algoritmo. Crear usuario. Componer OAs. Buscar usuario. Exportar a SCORM. 29. Pruebas, Resultados y Anlisis Resultados Prueba Unitaria Casos de prueba ejecutados: 24. Casos de prueba aprobados: 22. Casos de prueba reprobados: 2. Casos de prueba reparados: 2. 30. Pruebas, Resultados y Anlisis Pruebas de Integracin 31. Pruebas, Resultados y Anlisis Resultados Pruebas de Integracin Casos de prueba ejecutados: 8. Casos de prueba aprobados: 8. Casos de prueba reprobados: 0. Casos de prueba reparados: 0. 32. Pruebas, Resultados y Anlisis Pruebas de Aceptacin Se generaron escenarios con distintas tareas a realizar por losusuarios, estos escenarios se dividieron segn lasfuncionalidades que tiene asociado cada perfil de usuario en laaplicacin, Administrador, Investigador y Acadmico. Se escogi a diez personas las que se dividieron como sigue: Administrador: 4 personas. Investigador: 3 personas. Acadmico: 3 personas. 33. Pruebas, Resultados y Anlisis Resultados Pruebas de Aceptacin Perfil Administrador 34. Pruebas, Resultados y Anlisis Resultados Pruebas de Aceptacin Perfil Administrador 35. Pruebas, Resultados y Anlisis Resultados Pruebas de Aceptacin Perfil Investigador 36. Pruebas, Resultados y Anlisis Resultados Pruebas de Aceptacin Perfil Investigador 37. Pruebas, Resultados y Anlisis Resultados Pruebas de Aceptacin Perfil Acadmico 38. Pruebas, Resultados y Anlisis Resultados Pruebas de Aceptacin Perfil Acadmico 39. Implantacin El proceso de implantacin incluyo la realizacin de las siguientestareas: Instalacin paquete de desarrollo de java. Instalacin servidor de aplicaciones Glassfish. Instalacin motor de motor de base de datos MySQL. Carga de libreras en el servidor de aplicaciones. Carga de base de datos necesarias para el funcionamiento dela aplicacin. Carga de la aplicacin en el servidor de aplicaciones. 40. Conclusiones En el trabajo de ttulo que se ha desarrollado se han descrito ydocumentado las distintas etapas que se estipularon para brindaruna solucin al problema de la bsqueda y composicin derecursos educativos, Oas. La aplicacin desarrollada es capaz de recibir una declaracinrealizada en base a tpicos del dominio informtico, generando apartir es ellos una ruta de aprendizaje la cual entregarecomendaciones de Oas. Dicha aplicacin fue sometida a distintas validaciones durante elproceso de prueba, lo que permiti ir subsanando los defectos queen ese proceso se develaron. 41. Conclusiones Al finalizar las validaciones realizadas en el proceso de pruebas laaplicacin pudo ser implantada en un ambiente real de trabajo. Todo lo anteriormente mencionado da pie para aseverar que losobjetivos planteados para el trabajo de ttulo desarrollado han sidocumplidos a cabalidad. Para finalizar es importante vislumbrar las distintas tareas que sepueden asociar a este trabajo, como lo es la integracin delalgoritmo de categorizacin desarrollado por Pedro Hernandez[35], el desarrollo de un sistema de categorizacin social ytambin, la creacin de un mdulo de calificacin social de losOas. 42. Bibliografa [1] Learning Technology Standards Committee. IEEE standard for learning objectmetadata. IEEE standard 1484.12.1, 2002. [2] Willem Nico Borst. Construction of Engineering Ontologies for Knowledge Sharingand Reuse. PhD thesis, Universiteit Twente, Enschede, 1997. [3] Cecilia M. Curlango Rosas. Learning Object Search Tool Enhancer. ltimo acceso23 de abril 2012, http://yaqui.mxl.uabc.mx/~curlango/BOA07/BOA01.html, 2009. [4] National Science Foundations. The National Science Digital Library. ltimo acceso23 de abril 2012, http://nsdl.org/. [5] School District 60, Open School BC, and BC Open University. The Resource Pool.ltimo acceso 23 de abril 2012, http://careo.prn.bc.ca/. [6] SMETE Open Federation. Portal SMETE.org. ltimo acceso 23 de abril 2012,ttp://www.smete.org/, 1999. [7] California State University Center for Distributed Learning. MERLOT: Multi-mediaEducational Resource for Learning and Online Teaching. ltimo acceso 23 de abril2012, http://www.merlot.org/, 1997. [8] California State University. Center for Distributed Learning. ltimo acceso 23 de abril2012, http://www.cdl.edu/cdl_home 43. Bibliografa [9] Philippe Rigaux and Nicolas Spyratos. SeLeNe Report: Metadata Management andLearning Object Composition in a Self eLearning Network, 2007. [10] Simona Colucci, Tommaso Di Noia, Eugenio Di Sciascio, Francesco M. Doni-ni,and Azzurra Ragone. Semantic-based automated composition of distributed learningobjects for personalized e-learning. In In European Semantic Web Con-ference(ESWC), pages 633-648. SV, 2005. [11] W3C. OWL Web Ontology Language. ltimo acceso 23 de abril 2012,http://www.w3.org/TR/owl-features/. [12] Naouel Karam, Serge Linckels, and Christoph Meinel. Semantic composition oflecture subparts for a personalized e-learning. In Proceedings of the 4th Europeanconference on The Semantic Web: Research and Applications, ESWC 07, pages 716-728, Berlin, Heidelberg, 2007. Springer-Verlag. [13] Robert Farrell, Soyini D. Liburd, and John C. Thomas. Dynamic assembly oflearning objects. In In World-Wide Web International Conference WWW 2004, pages162-169. ACM Press, 2004. [14] [IMS]. IMS Content Packaging specification v1.1.3 final. ltimo acceso 23 de abril2012, http://www.imsglobal.org/content/packaging/index.html 44. Bibliografa [15] [W3C]. Resource Description Framework (RDF) Model and Syntax Specification.ltimo acceso 23 de abril 2012, http://www.w3.org/TR/1999/REC-rdf-syntax-19990222, 1999. [16] Mario Arrigoni Neri and Marco Colombetti. Ontology-based learning objectssearch and courses generation. Appl. Artif. Intell., 23(3):233-260, March 2009. [17] Amal Zouaq, Roger Nkambou, and Claude Frasson. An integrated Approach forAutomatic Aggregation of Learning Knowledge Objects. Interdisciplinary Jour-nal ofKnowledge and Learning Objects, 3. Retrieved 16 September, 2007. [18] Benjamin Bloom. Taxonomy of educational objectives : the classification ofeducational goals. Handbook I, Cognitive domain. David McKay, New York, 1956. [19] Amal Zouaq and Roger Nkambou. Building domain ontologies from text foreducational purposes. IEEE Trans. Learn. Technol., 1(1):49-62, January 2008. [20] Gerhard F. Knolmayer. Decision support models for composing and navigatingthrough e-learning objects. In HICSS 03: Proceedings of the 36th Annual HawaiiInternational Conference on System Sciences (HICSS 03) - Track1. IEEE ComputerSociety, 2003. 45. Bibliografa [21] Melanie Kellar, Henry Stern, Carolyn Watters, and Michael Shepherd. Aninformation architecture to support dynamic composition of interactive lessons andreuse of learning objects. In HICSS 04: Proceedings of the 37th Annual HawaiiInternational Conference on System Sciences (HICSS 04) Track1. IEEE ComputerSociety, 2004. [22] GOOGLE. Buscador. ltimo acceso 05 de mayo 2012, http://www.google.cl. [23] Hernn Astudillo, Carlos Becerrra and Marcelo Mendoza. Improving learningobjects recommendation processes by using domain description models. In LACLO2012 - Sptima Conferencia Latinoamericana de Objetos y Tecnologas deAprendizaje Vol 3, No 1. Comunidad Latinoamericana de Objetos de Aprendizaje,2012. [24] Jhon Reekie and Rohan McAdam. A Software Architecture Primer. AngophoraPress, 2006. [25] The Eclipse Foundation. Eclipse Indigo Java EE. ltimo acceso 18 de julio 2012,http://www.eclipse.org/downloads/packages/release/indigo/sr2. [26] ORACLE. Java Platform Enterprise Edition. ltimo acceso 18 de julio 2012,http://docs.oracle.com/javaee/. 46. Bibliografa [27] TopQuadrant. TopBraid Composer FREE Edition. ltimo acceso 18 de julio 2012,http://www.topquadrant.com/products/TB Composer.html. [28] MySql. Community edition 5.5.25. ltimo acceso 18 de julio 2012,http://www.mysql.com/products/community/. [29] GlassFish Server Open Source Edition. ltimo acceso 18 de julio 2012,http://glassfish.java.net/. [30] IBM. Information technology - database languages - sql part 1: Framework(sql/framework). ISO/IEC 9075-1:2008, 2009. [31] W3C. SPARQL Query Language for RDF. ltimo acceso 11 de enero 2013,http://www.w3.org/rdf-sparql-query/, 2008. [32] Apache Software Foundation. Jena. ltimo acceso 18 de julio 2012,http://jena.apache.org/index.html. [33] ICEsoft Technologies. ICEfaces. ltimo acceso 18 de julio 2012,http://www.icesoft.org/projects/ICEfaces/overview.jsf. [34] Stuart K. Card, Thomas P. Moran, and Allen Newell. The keystroke-level model foruser performance time with interactive systems. Commun. ACM, 23(7):396410, July1980. 47. Bibliografa [35] Pedro Hernandez. Desarrollo de un categorizador de objetos de aprendizaje parael dominio informtico basado en jerarqua de conceptos. Universidad de Valparaso,2013. Trabajo de Ttulo.