Diseño de una arquitectura de sistema recomendador para el desarrollo de objetos de aprendizaje en carreras de ingeniería

Autores
Bertossi, Valeria Iliana
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión aceptada
Colaborador/a o director/a de tesis
Gutiérrez, María de los Milagros
Romero, Lucila Judith
Descripción
Los Objetos de Aprendizaje (OA) son recursos educativos digitales en los que se vinculan de manera indisociable dos dimensiones: la tecnológica y la pedagógica. Desde el punto de vista pedagógico se componen de un resultado de aprendizaje, un contenido, un conjunto de actividades para aprender el contenido y una autoevaluación que ayuda al alumno a conocer en qué medida ha logrado el resultado de aprendizaje; mientras que desde el punto de vista tecnológico se caracterizan por contar con un conjunto de metadatos que los catalogan dentro de un repositorio facilitando su búsqueda y recuperación, y por utilizar estándares de empaquetamiento que posibilitan la interoperabilidad con diferentes entornos. Dado que el diseño instruccional de los OA requiere de idoneidad en didáctica y pedagogía y también del conocimiento técnico relacionado con estándares de metadatos y empaquetamiento, surge la idea de un sistema recomendador basado en conocimiento que asista a docentes inexpertos en esas disciplinas para elaborar los OA que deseen utilizar en sus cátedras. En razón de lo dicho, se propone una arquitectura organizada en tres capas: capa de conocimiento, capa de recomendación y capa de interfaz con el ambiente. La configuración de la capa inferior (conocimiento) consiste en una red de ontologías que modelan el contexto universitario basado en competencias, el dominio de los OA junto a las reglas instruccionales que estos recursos han de satisfacer, la estructura conceptual del conocimiento a aprender en la interacción del alumno con el OA, una metodología de desarrollo de OA desde el enfoque de competencias, el esquema de metadatos del estándar LOM y las reglas de marcación automática. En la capa intermedia (recomendación) hay un agente recomendador que consta de tres módulos: (i) Módulo de Percepción, que detecta los eventos ocurridos en la capa de interfaz con el ambiente y, a partir de los hechos percibidos, instancia las ontologías de la capa de conocimiento; (ii) Módulo de Inferencia, que se encarga de dar las recomendaciones según las inferencias que realiza sobre los hechos percibidos y (iii) Módulo de Crítica, que, responsabilizado del aprendizaje del agente, almacena las aceptaciones/rechazos de las recomendaciones por parte del usuario y a través de la aplicación off-line y supervisada de una política de ranking a cargo de una persona experta en diseño instruccional, genera el conocimiento necesario que mejora las futuras recomendaciones. La capa superior (capa de interfaz con el ambiente) es responsable de desplegar las recomendaciones producidas por el agente, y, además, actúa como un traductor de información entre el ambiente y la capa de recomendación. El ambiente está formado por archivos PDF (planes de estudio de las carreras de ingeniería y planes de cátedra de las asignaturas) y por las herramientas de autor de código abierto que el docente utiliza para desarrollar sus OA. Como estos elementos están implementados en lenguajes diferentes, se necesita de la funcionalidad de la capa de interfaz con el ambiente para que el módulo de percepción del agente recomendador entienda los cambios que se producen en el ambiente. De este modo, cada vez que el docente use una herramienta de autor diferente, sólo será necesario cambiar la capa de interfaz sin afectar a la capa de recomendación ni a la capa de conocimiento.
Learning Objects (LOs) are digital educational resources that integrate both technological and pedagogical dimensions. From a pedagogical point of view, LOs consist of a learning outcome, instructional content, activities designed to facilitate learning, and an assessment that helps students determine whether they have achieved the learning outcome. From a technological perspective, these materials are characterized by having an external metadata structure that catalogs them in repositories, facilitating their location and retrieval. In addition, they must be packaged according to established standards to ensure interoperability with different environments. These characteristics require mastery in instructional design and knowledge of metadata and packaging standards to develop them. Thus, a based-knowledge recommender system is proposed to assist professors who lack expertise in these areas. The architecture of the proposed recommender system is organized into three layers: a knowledge layer, a recommender layer, and an interface layer with the environment. The bottom layer (knowledge layer) consists of an ontological network composed of five ontologies that conceptualize the competency-based academic context, the domain of LOs along with a set of instructional rules, the conceptual structure of the knowledge to be learned, a methodology for developing LOs from a competency-based approach, and the LOM metadata schema along with automatic tagging rules. The intermediate layer (recommender layer) includes a recommender agent composed of three modules: (i) Perception Module, (ii) Inference Module, and (iii) Critique Module. The Perception Module detects events occurring in the interface layer and, based on these events, instantiates the ontologies in the knowledge layer. The Inference Module generates recommendations by making inferences from the stored facts. Finally, the Critique Module stores the user feedback (acceptance/rejection of recommendations) and applies an offline ranking policy under supervision of an instructional design expert, thereby improving the system’s learning and enhancing future recommendations. The top layer (interface layer) interacts with the environment and is responsible for presenting the recommendations generated by the agent. It also acts as a translator between the environment and the recommender layer. The environment consists of PDF files (e.g., engineering degree curricula and course lesson plans) and open-source authoring tools that professors use to create their own LOs. Since these elements are implemented using different technologies, the interface layer is essential for enabling the Perception Module to interpret changes in the environment. In this way, whenever teachers use a different authoring tool, it is only necessary to update the interface layer without modifying the lower layers.
Fil: Bertossi, Valeria Iliana. Universidad Tecnológica Nacional. Facultad Regional Santa Fe; Argentina.
Materia
Objeto de aprendizaje
Sistema recomendador
Diseño instrucccional
Sistema basado en conocimiento
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Attribution-NonCommercial-ShareAlike 4.0 International
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/14910

id RIAUTN_95f5a6e5c4293699691b939722eebe50
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/14910
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Diseño de una arquitectura de sistema recomendador para el desarrollo de objetos de aprendizaje en carreras de ingenieríaBertossi, Valeria IlianaObjeto de aprendizajeSistema recomendadorDiseño instrucccionalSistema basado en conocimientoLos Objetos de Aprendizaje (OA) son recursos educativos digitales en los que se vinculan de manera indisociable dos dimensiones: la tecnológica y la pedagógica. Desde el punto de vista pedagógico se componen de un resultado de aprendizaje, un contenido, un conjunto de actividades para aprender el contenido y una autoevaluación que ayuda al alumno a conocer en qué medida ha logrado el resultado de aprendizaje; mientras que desde el punto de vista tecnológico se caracterizan por contar con un conjunto de metadatos que los catalogan dentro de un repositorio facilitando su búsqueda y recuperación, y por utilizar estándares de empaquetamiento que posibilitan la interoperabilidad con diferentes entornos. Dado que el diseño instruccional de los OA requiere de idoneidad en didáctica y pedagogía y también del conocimiento técnico relacionado con estándares de metadatos y empaquetamiento, surge la idea de un sistema recomendador basado en conocimiento que asista a docentes inexpertos en esas disciplinas para elaborar los OA que deseen utilizar en sus cátedras. En razón de lo dicho, se propone una arquitectura organizada en tres capas: capa de conocimiento, capa de recomendación y capa de interfaz con el ambiente. La configuración de la capa inferior (conocimiento) consiste en una red de ontologías que modelan el contexto universitario basado en competencias, el dominio de los OA junto a las reglas instruccionales que estos recursos han de satisfacer, la estructura conceptual del conocimiento a aprender en la interacción del alumno con el OA, una metodología de desarrollo de OA desde el enfoque de competencias, el esquema de metadatos del estándar LOM y las reglas de marcación automática. En la capa intermedia (recomendación) hay un agente recomendador que consta de tres módulos: (i) Módulo de Percepción, que detecta los eventos ocurridos en la capa de interfaz con el ambiente y, a partir de los hechos percibidos, instancia las ontologías de la capa de conocimiento; (ii) Módulo de Inferencia, que se encarga de dar las recomendaciones según las inferencias que realiza sobre los hechos percibidos y (iii) Módulo de Crítica, que, responsabilizado del aprendizaje del agente, almacena las aceptaciones/rechazos de las recomendaciones por parte del usuario y a través de la aplicación off-line y supervisada de una política de ranking a cargo de una persona experta en diseño instruccional, genera el conocimiento necesario que mejora las futuras recomendaciones. La capa superior (capa de interfaz con el ambiente) es responsable de desplegar las recomendaciones producidas por el agente, y, además, actúa como un traductor de información entre el ambiente y la capa de recomendación. El ambiente está formado por archivos PDF (planes de estudio de las carreras de ingeniería y planes de cátedra de las asignaturas) y por las herramientas de autor de código abierto que el docente utiliza para desarrollar sus OA. Como estos elementos están implementados en lenguajes diferentes, se necesita de la funcionalidad de la capa de interfaz con el ambiente para que el módulo de percepción del agente recomendador entienda los cambios que se producen en el ambiente. De este modo, cada vez que el docente use una herramienta de autor diferente, sólo será necesario cambiar la capa de interfaz sin afectar a la capa de recomendación ni a la capa de conocimiento. Learning Objects (LOs) are digital educational resources that integrate both technological and pedagogical dimensions. From a pedagogical point of view, LOs consist of a learning outcome, instructional content, activities designed to facilitate learning, and an assessment that helps students determine whether they have achieved the learning outcome. From a technological perspective, these materials are characterized by having an external metadata structure that catalogs them in repositories, facilitating their location and retrieval. In addition, they must be packaged according to established standards to ensure interoperability with different environments. These characteristics require mastery in instructional design and knowledge of metadata and packaging standards to develop them. Thus, a based-knowledge recommender system is proposed to assist professors who lack expertise in these areas. The architecture of the proposed recommender system is organized into three layers: a knowledge layer, a recommender layer, and an interface layer with the environment. The bottom layer (knowledge layer) consists of an ontological network composed of five ontologies that conceptualize the competency-based academic context, the domain of LOs along with a set of instructional rules, the conceptual structure of the knowledge to be learned, a methodology for developing LOs from a competency-based approach, and the LOM metadata schema along with automatic tagging rules. The intermediate layer (recommender layer) includes a recommender agent composed of three modules: (i) Perception Module, (ii) Inference Module, and (iii) Critique Module. The Perception Module detects events occurring in the interface layer and, based on these events, instantiates the ontologies in the knowledge layer. The Inference Module generates recommendations by making inferences from the stored facts. Finally, the Critique Module stores the user feedback (acceptance/rejection of recommendations) and applies an offline ranking policy under supervision of an instructional design expert, thereby improving the system’s learning and enhancing future recommendations. The top layer (interface layer) interacts with the environment and is responsible for presenting the recommendations generated by the agent. It also acts as a translator between the environment and the recommender layer. The environment consists of PDF files (e.g., engineering degree curricula and course lesson plans) and open-source authoring tools that professors use to create their own LOs. Since these elements are implemented using different technologies, the interface layer is essential for enabling the Perception Module to interpret changes in the environment. In this way, whenever teachers use a different authoring tool, it is only necessary to update the interface layer without modifying the lower layers.Fil: Bertossi, Valeria Iliana. Universidad Tecnológica Nacional. Facultad Regional Santa Fe; Argentina.Gutiérrez, María de los MilagrosRomero, Lucila Judith2026-05-06T21:37:12Z2025info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralpdfapplication/pdfhttps://hdl.handle.net/20.500.12272/14910spainfo:eu-repo/semantics/openAccessAttribution-NonCommercial-ShareAlike 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-sa/4.0/Valeria Iliana BertossiCreativeCommonsreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-10-29T11:26:11Zoai:ria.utn.edu.ar:20.500.12272/14910instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-10-29 11:26:12.043Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Diseño de una arquitectura de sistema recomendador para el desarrollo de objetos de aprendizaje en carreras de ingeniería
title Diseño de una arquitectura de sistema recomendador para el desarrollo de objetos de aprendizaje en carreras de ingeniería
spellingShingle Diseño de una arquitectura de sistema recomendador para el desarrollo de objetos de aprendizaje en carreras de ingeniería
Bertossi, Valeria Iliana
Objeto de aprendizaje
Sistema recomendador
Diseño instrucccional
Sistema basado en conocimiento
title_short Diseño de una arquitectura de sistema recomendador para el desarrollo de objetos de aprendizaje en carreras de ingeniería
title_full Diseño de una arquitectura de sistema recomendador para el desarrollo de objetos de aprendizaje en carreras de ingeniería
title_fullStr Diseño de una arquitectura de sistema recomendador para el desarrollo de objetos de aprendizaje en carreras de ingeniería
title_full_unstemmed Diseño de una arquitectura de sistema recomendador para el desarrollo de objetos de aprendizaje en carreras de ingeniería
title_sort Diseño de una arquitectura de sistema recomendador para el desarrollo de objetos de aprendizaje en carreras de ingeniería
dc.creator.none.fl_str_mv Bertossi, Valeria Iliana
author Bertossi, Valeria Iliana
author_facet Bertossi, Valeria Iliana
author_role author
dc.contributor.none.fl_str_mv Gutiérrez, María de los Milagros
Romero, Lucila Judith
dc.subject.none.fl_str_mv Objeto de aprendizaje
Sistema recomendador
Diseño instrucccional
Sistema basado en conocimiento
topic Objeto de aprendizaje
Sistema recomendador
Diseño instrucccional
Sistema basado en conocimiento
dc.description.none.fl_txt_mv Los Objetos de Aprendizaje (OA) son recursos educativos digitales en los que se vinculan de manera indisociable dos dimensiones: la tecnológica y la pedagógica. Desde el punto de vista pedagógico se componen de un resultado de aprendizaje, un contenido, un conjunto de actividades para aprender el contenido y una autoevaluación que ayuda al alumno a conocer en qué medida ha logrado el resultado de aprendizaje; mientras que desde el punto de vista tecnológico se caracterizan por contar con un conjunto de metadatos que los catalogan dentro de un repositorio facilitando su búsqueda y recuperación, y por utilizar estándares de empaquetamiento que posibilitan la interoperabilidad con diferentes entornos. Dado que el diseño instruccional de los OA requiere de idoneidad en didáctica y pedagogía y también del conocimiento técnico relacionado con estándares de metadatos y empaquetamiento, surge la idea de un sistema recomendador basado en conocimiento que asista a docentes inexpertos en esas disciplinas para elaborar los OA que deseen utilizar en sus cátedras. En razón de lo dicho, se propone una arquitectura organizada en tres capas: capa de conocimiento, capa de recomendación y capa de interfaz con el ambiente. La configuración de la capa inferior (conocimiento) consiste en una red de ontologías que modelan el contexto universitario basado en competencias, el dominio de los OA junto a las reglas instruccionales que estos recursos han de satisfacer, la estructura conceptual del conocimiento a aprender en la interacción del alumno con el OA, una metodología de desarrollo de OA desde el enfoque de competencias, el esquema de metadatos del estándar LOM y las reglas de marcación automática. En la capa intermedia (recomendación) hay un agente recomendador que consta de tres módulos: (i) Módulo de Percepción, que detecta los eventos ocurridos en la capa de interfaz con el ambiente y, a partir de los hechos percibidos, instancia las ontologías de la capa de conocimiento; (ii) Módulo de Inferencia, que se encarga de dar las recomendaciones según las inferencias que realiza sobre los hechos percibidos y (iii) Módulo de Crítica, que, responsabilizado del aprendizaje del agente, almacena las aceptaciones/rechazos de las recomendaciones por parte del usuario y a través de la aplicación off-line y supervisada de una política de ranking a cargo de una persona experta en diseño instruccional, genera el conocimiento necesario que mejora las futuras recomendaciones. La capa superior (capa de interfaz con el ambiente) es responsable de desplegar las recomendaciones producidas por el agente, y, además, actúa como un traductor de información entre el ambiente y la capa de recomendación. El ambiente está formado por archivos PDF (planes de estudio de las carreras de ingeniería y planes de cátedra de las asignaturas) y por las herramientas de autor de código abierto que el docente utiliza para desarrollar sus OA. Como estos elementos están implementados en lenguajes diferentes, se necesita de la funcionalidad de la capa de interfaz con el ambiente para que el módulo de percepción del agente recomendador entienda los cambios que se producen en el ambiente. De este modo, cada vez que el docente use una herramienta de autor diferente, sólo será necesario cambiar la capa de interfaz sin afectar a la capa de recomendación ni a la capa de conocimiento.
Learning Objects (LOs) are digital educational resources that integrate both technological and pedagogical dimensions. From a pedagogical point of view, LOs consist of a learning outcome, instructional content, activities designed to facilitate learning, and an assessment that helps students determine whether they have achieved the learning outcome. From a technological perspective, these materials are characterized by having an external metadata structure that catalogs them in repositories, facilitating their location and retrieval. In addition, they must be packaged according to established standards to ensure interoperability with different environments. These characteristics require mastery in instructional design and knowledge of metadata and packaging standards to develop them. Thus, a based-knowledge recommender system is proposed to assist professors who lack expertise in these areas. The architecture of the proposed recommender system is organized into three layers: a knowledge layer, a recommender layer, and an interface layer with the environment. The bottom layer (knowledge layer) consists of an ontological network composed of five ontologies that conceptualize the competency-based academic context, the domain of LOs along with a set of instructional rules, the conceptual structure of the knowledge to be learned, a methodology for developing LOs from a competency-based approach, and the LOM metadata schema along with automatic tagging rules. The intermediate layer (recommender layer) includes a recommender agent composed of three modules: (i) Perception Module, (ii) Inference Module, and (iii) Critique Module. The Perception Module detects events occurring in the interface layer and, based on these events, instantiates the ontologies in the knowledge layer. The Inference Module generates recommendations by making inferences from the stored facts. Finally, the Critique Module stores the user feedback (acceptance/rejection of recommendations) and applies an offline ranking policy under supervision of an instructional design expert, thereby improving the system’s learning and enhancing future recommendations. The top layer (interface layer) interacts with the environment and is responsible for presenting the recommendations generated by the agent. It also acts as a translator between the environment and the recommender layer. The environment consists of PDF files (e.g., engineering degree curricula and course lesson plans) and open-source authoring tools that professors use to create their own LOs. Since these elements are implemented using different technologies, the interface layer is essential for enabling the Perception Module to interpret changes in the environment. In this way, whenever teachers use a different authoring tool, it is only necessary to update the interface layer without modifying the lower layers.
Fil: Bertossi, Valeria Iliana. Universidad Tecnológica Nacional. Facultad Regional Santa Fe; Argentina.
description Los Objetos de Aprendizaje (OA) son recursos educativos digitales en los que se vinculan de manera indisociable dos dimensiones: la tecnológica y la pedagógica. Desde el punto de vista pedagógico se componen de un resultado de aprendizaje, un contenido, un conjunto de actividades para aprender el contenido y una autoevaluación que ayuda al alumno a conocer en qué medida ha logrado el resultado de aprendizaje; mientras que desde el punto de vista tecnológico se caracterizan por contar con un conjunto de metadatos que los catalogan dentro de un repositorio facilitando su búsqueda y recuperación, y por utilizar estándares de empaquetamiento que posibilitan la interoperabilidad con diferentes entornos. Dado que el diseño instruccional de los OA requiere de idoneidad en didáctica y pedagogía y también del conocimiento técnico relacionado con estándares de metadatos y empaquetamiento, surge la idea de un sistema recomendador basado en conocimiento que asista a docentes inexpertos en esas disciplinas para elaborar los OA que deseen utilizar en sus cátedras. En razón de lo dicho, se propone una arquitectura organizada en tres capas: capa de conocimiento, capa de recomendación y capa de interfaz con el ambiente. La configuración de la capa inferior (conocimiento) consiste en una red de ontologías que modelan el contexto universitario basado en competencias, el dominio de los OA junto a las reglas instruccionales que estos recursos han de satisfacer, la estructura conceptual del conocimiento a aprender en la interacción del alumno con el OA, una metodología de desarrollo de OA desde el enfoque de competencias, el esquema de metadatos del estándar LOM y las reglas de marcación automática. En la capa intermedia (recomendación) hay un agente recomendador que consta de tres módulos: (i) Módulo de Percepción, que detecta los eventos ocurridos en la capa de interfaz con el ambiente y, a partir de los hechos percibidos, instancia las ontologías de la capa de conocimiento; (ii) Módulo de Inferencia, que se encarga de dar las recomendaciones según las inferencias que realiza sobre los hechos percibidos y (iii) Módulo de Crítica, que, responsabilizado del aprendizaje del agente, almacena las aceptaciones/rechazos de las recomendaciones por parte del usuario y a través de la aplicación off-line y supervisada de una política de ranking a cargo de una persona experta en diseño instruccional, genera el conocimiento necesario que mejora las futuras recomendaciones. La capa superior (capa de interfaz con el ambiente) es responsable de desplegar las recomendaciones producidas por el agente, y, además, actúa como un traductor de información entre el ambiente y la capa de recomendación. El ambiente está formado por archivos PDF (planes de estudio de las carreras de ingeniería y planes de cátedra de las asignaturas) y por las herramientas de autor de código abierto que el docente utiliza para desarrollar sus OA. Como estos elementos están implementados en lenguajes diferentes, se necesita de la funcionalidad de la capa de interfaz con el ambiente para que el módulo de percepción del agente recomendador entienda los cambios que se producen en el ambiente. De este modo, cada vez que el docente use una herramienta de autor diferente, sólo será necesario cambiar la capa de interfaz sin afectar a la capa de recomendación ni a la capa de conocimiento.
publishDate 2025
dc.date.none.fl_str_mv 2025
2026-05-06T21:37:12Z
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12272/14910
url https://hdl.handle.net/20.500.12272/14910
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
Valeria Iliana Bertossi
CreativeCommons
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
Valeria Iliana Bertossi
CreativeCommons
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1880396300887785472
score 13.334379