Una Ontolog´ıa para Conectar Aprendizaje Formal e Informal en Entornos Inteligentes de Aprendizaje

Abstract

-Smart Learning Environments (SLE) propose learning situations that bridge through formal and informal learning contexts using different technologies. For this proposal to become a reality it is needed a data model that takes into account the particularities of SLEs and allows to share information among these technologies. The present paper proposes an ontology that follows this goal. For this purpose, it offers an example that illustrates the type of scenarios that happen in SLE, considering aspects such as the integration of diverse technology, the personalization of the learning process and the connection between formal and informal learning environments. Once analyzed these aspects obtained from the literature and exemplified in the scenarioalready-existing data models are extended to satisfy the specific needs of the SLEs. This extension allows to define a network of actors and artifacts connected by their topics of interests, as well as to relate the learning activities with formal or informal environments. We also propose an implementation of this model in an ontology using Web Semantic technologies, thus easing its reusability by third parties.

-

Resumen—Los entornos de aprendizaje inteligentes (SLE) proponen situaciones de aprendizaje a trave´s de contextos formales e informales, utilizando para ello tecnolog´ıas diversas. Parte del problema es contar con un modelo de datos que permita compartir informacio´n entre dichas tecnolog´ıas y que tenga en cuenta las particularidades de los SLE. El presente art´ıculo propone una ontolog´ıa con esta finalidad. Para ello se parte de un ejemplo que ilustra el tipo de escenario que se da en los SLE, considerando aspectos como la integracio´n de tecnolog´ıa diversa, la personalizacio´n del proceso de aprendizaje y la conexio´n del aprendizaje en entornos formales e informales. A partir de estos aspectos -recogidos en la literatura y ejemplificados en el escenario- se extienden modelos de datos existentes para satisfacer las necesidades de los SLE. Esta extensio´n permite definir una red de actores y artefactos de aprendizaje enlazados por sus temas de intere´s, as´ı como relacionar actividades de aprendizaje con entornos formales o informales. Tambie´n se propone una implementacio´n de este modelo en una ontolog´ıa utilizando tecnolog´ıas de la Web Sema´ntica para as´ı favorecer la reutilizacio´n de datos ofrecidos por terceros.

Index Terms—Entornos de aprendizaje inteligente, Web Sema´ntica, ontolog´ıa, sistema de recomendacio´n

I. INTRODUCCI O´N

Los Entornos Inteligentes de Aprendizaje (SLE por sus siglas en ingle´s, Smart Learning Environment) [ 1 ] han surgido en los u´ltimos an˜os como unos nuevos entornos de tecnolog´ıa educativa capaces de adaptar la experiencia de aprendizaje, dando un apoyo personalizado que tenga en cuenta las necesidades y el contexto de cada alumno [ 2 ]. Los SLE permiten disen˜ar y poner en marcha escenarios novedosos que implican un aprendizaje transversal a trave´s de distintos espacios. Por ejemplo, si un SLE detecta que un alumno esta´ aprendiendo sobre arte barroco en clase (espacio formal), cuando este´ dando un paseo por su ciudad (espacio informal) le podr´ıa sugerir que visitase una iglesia cercana y observara su retablo barroco.

Uno de los principales retos de los SLE es la integracio´n de herramientas tecnolo´gicas de diversa naturaleza (v.gr., tecnolog´ıa mo´vil, tecnolog´ıa Web, tecnolog´ıas sema´nticas o inteligencia artificial entre muchas otras [ 3 ]), que dan apoyo a diferentes tipos de aprendizaje (v.gr., formal o informal [ 2 ]) y que son ofrecidas por proveedores muy diferentes (v.gr., organizaciones como Moodle, empresas como Google o desarrollos propios de una universidad). Un SLE debe permitir que estas tecnolog´ıas interoperen de manera coordinada, siendo conocedoras del progreso del alumno y de su relacio´n con los artefactos involucrados en su aprendizaje. Por lo tanto, como parte del problema de integracio´n, es necesario contar con un modelo de datos compartido entre las distintas tecnolog´ıas involucradas en e´l.

En el grupo GSIC de la Universidad de Valladolid hemos propuesto SCARLETT [ 4 ], un SLE que ofrece apoyo personalizado a los alumnos en situaciones de aprendizaje que ocurren en distintos entornos, valie´ndose de la informacio´n del contexto del alumno y del disen˜o de aprendizaje ofrecido por el profesor. Para su propuesta seguimos la metodolog´ıa de investigacio´n basada en disen˜o [ 5 ], la cual es una metodolog´ıa iterativa muy utilizada en la investigacio´n de tecnolog´ıa

Copyright © 2020 for this paper by its authors. Use permitted under Creative Commons License Attribution 4.0 International (CC BY 4.0). educativa. En iteraciones previas en esta metodolog´ıa hemos hecho una propuesta arquitecto´nica [ 4 ] y hemos desarrollado una aplicacio´n mo´vil que sugiere tareas de aprendizaje en funcio´n del contexto f´ısico del alumno [ 6 ]. En la iteracio´n actual nos enfrentamos al problema de integrar la arquitectura propuesta con la aplicacio´n mo´vil, as´ı como otras tecnolog´ıas ofrecidas por terceros (v.gr., VLE o editores de disen˜os de aprendizaje). De esta forma se busca ofrecer un soporte al aprendizaje inteligente en espacios formales e informales.

Un aspecto nececesario para esta integracio´n es que las distintas tecnolog´ıas compartan un modelo de datos comu´n, para as´ı poder intercambiar informacio´n entre ellas. Con este propo´sito, en el presente art´ıculo se propone una ontolog´ıa que da apoyo a todo el ciclo de vida de una actividad de aprendizaje en un SLE; esto incluye su disen˜o, su despliegue en entornos formales e informales y su evaluacio´n. Por tanto, la ontolog´ıa debe ofrecer la expresividad necesaria para disen˜ar una actividad, debe tener en cuenta el tipo de recursos tecnolo´gicos que se integrara´n en el VLE y debe poder obtener informacio´n sobre el uso de dichos recursos.

El uso de tecnolog´ıas sema´nticas para implementar el modelo de datos en una ontolog´ıa permite reutilizar vocabularios y datos disponibles en la Web [ 7 ] y otorga una extensibilidad al modelo para poder adaptarse a escenarios concretos.

El resto del art´ıculo se estructura como sigue: en un primer lugar se repasan los vocabularios utilizados en el dominio educativo (Seccio´n II). Posteriormente se propone un escenario educativo que gu´ıa los requisitos del modelo de datos (Seccio´n III), el cual es posteriormente definido (Seccio´n IV) e implementado en una ontolog´ıa (Seccio´n V). Finalmente, la seccio´n VI incluye las conclusiones ma´s relevantes del art´ıculo y sus l´ıneas de trabajo futuro.

II.

MODELOS DE DATOS EDUCATIVOS

Durante las dos primeras de´cadas del siglo XXI se han propuesto una mir´ıada de modelos de datos y vocabularios educativos. Algunos de estos modelos de datos buscaban la descripcio´n de objetos de aprendizaje, incluyendo recursos educativos. Entre ellos cabe destacar LOM (Learning Object Metadata, Metadatos de Objetos de Aprendizaje) [ 8 ], una propuesta de IEEE ampliamente aceptada por la comunidad cient´ıfica y la industria. LOM es un modelo de datos cuyo propo´sito es facilitar la reutilizacio´n e internacionalizacio´n de objetos de aprendizaje. Bien se podr´ıa considerar a LOM un esta´ndar de facto que se utiliza en repositorios de recursos o disen˜os de aprendizaje desde hace de´cadas [ 9 ].

Otros modelos de datos educativos tienen un propo´sito distinto a la mera descripcio´n y comparticio´n de objetos de aprendizaje. Tal es el caso de los utilizados en entornos educativos que soporten la anal´ıtica del aprendizaje [ 10 ]. En estos casos se requieren modelos de datos ma´s complejos. En ellos generalmente se define un perfil de alumno y se relaciona con los objetos de aprendizaje que e´ste manipula para as´ı generar un modelo de alumno. En estos casos el modelo de datos dependera´ en buena medida del propo´sito con el que se vayan a realizar las anal´ıticas de aprendizaje as´ı como del contexto educativo (v.gr., contextos formales o informales) en el que se vayan a emplear [ 11 ].

Esta diversidad en los modelos de datos educativos genera una potencial barrera a la hora de integrar tecnolog´ıa, ya que se hace necesario alinear las estructuras de datos de distintos proveedores. Por eso las plataformas educativas que buscan integrar herramientas de distintos proveedores definen modelos de datos con conceptos de alto nivel que son compartidos por diversas herramientas. Un ejemplo es [ 11 ], donde se parte de principios teo´ricos para definir un modelo de datos extensible que pueda integrarse con diversos servicios y herramientas de aprendizaje. Otro ejemplo, tambie´n desarrollado por algunos de los autores del presente art´ıculo, es [ 12 ]. Este modelo de datos soporta el despliegue de disen˜os de aprendizaje en distintas plataformas, de manera que se contempla la posibilidad de que los disen˜os y las plataformas sean heteroge´neos. As´ı, se definen una serie de conceptos comunes a mu´ltiples lenguajes de disen˜o y se relacionan todos ellos para forjar un modelo de datos extensible. De hecho, se propuso una extensio´n en [ 13 ] para an˜adir ciertos conceptos y as´ı dar soporte a la evaluacio´n por competencias de las actividades educativas.

En la integracio´n de los modelos de datos educativos tambie´n es relevante el uso extenso que se ha hecho de las tecnolog´ıas de la Web Sema´ntica [ 14 ]. Quiza´ el caso ma´s conocido sea la representacio´n de LOM utilizando vocabulario de la Web de Datos (v.gr., Dublin Core) y siguiendo los principios de Linked Data [ 15 ]. De esta forma se facilita la exportacio´n de los recursos educativos de unos registros a otros, as´ı como su bu´squeda y su descubrimientoUn. En otros casos se han utilizado estas tecnolog´ıas para el enriquecimiento de datos educativos [ 16 ] o la comparticio´n de disen˜os de aprendizaje [ 17 ].

En el contexto de los SLE, las tecnolog´ıas de la Web Sema´ntica se han utilizado generalmente para ayudar a la personalizacio´n del proceso de aprendizaje [ 18 ]. Para ello se han desarrollado ontolog´ıas complejas que son utilizadas por sistemas de recomendacio´n educativos (v.gr., [ 19 ]). No obstante, esta misma complejidad va en detrimento de su reutilizacio´n. Por ello, no se pueden considerar adecuadas si se busca la integracio´n de datos abiertos publicados en la Web. Adema´s, estas ontolog´ıas no tienen en cuenta la relacio´n del aprendizaje formal e informal, que es una de las caracter´ısticas diferenciadoras de los SLE [ 2 ].

Con todo, se puede ver que la comunidad educativa ha propuesto multitud de modelos de datos y ha explorado co´mo las tecnolog´ıas sema´nticas presentan claras bondades a la hora de integrar tecnolog´ıa y datos de terceros. Sin embargo, se echa en falta un modelo de datos que, adema´s, contemple las necesidades propias de un SLE, como son la personalizacio´n del aprendizaje y la recomendacio´n de tareas en entornos formales e informales.

III. ESCENARIO En esta seccio´n se presenta un escenario que servira´ para ejemplificar los requisitos de un modelo de datos para un SLE. Este escenario busca ser realista a la vez que relevante para la

Figura 1. Arquitectura del sistema que soporta el escenario descrito. comunidad investigadora. Por eso, se basa en un ana´lisis de la literatura sobre aprendizaje apoyado por entornos inteligentes, as´ı como en la experiencia de nueve profesores de secundaria de historia del arte de Castilla y Leo´n. Con dichos profesores se realizaron dos rondas de entrevistas semi-estructuradas. Adema´s, se han analizado los disen˜os de aprendizaje que cuatro de estos profesores utilizan en sus clases. A partir de todo ello se definio´ el escenario que sigue.

Jaime es docente de historia del arte en un instituto palentino. En sus clases utiliza Moodle con el mo´dulo SCARLETT para conectarlo con un SLE. Tambie´n sugiere a sus alumnos que utilicen voluntariamente la aplicacio´n mo´vil Casual Learn [ 20 ] para aprender historia del arte en su propia ciudad.

Jaime cargo´ en Moodle el mo´dulo de SCARLETT al principio del curso. En e´l se ofrec´ıan actividades para sus alumnos estructuradas en unidades tema´ticas. Dichas actividades pueden contener uno o varios recursos, como pueden ser textos, ima´genes, v´ıdeos o cuestionarios. Jaime ha comenzado esta semana a tratar el tema de arte roma´nico y por ello pide a sus alumnos que accedan a la unidad tema´tica correspondiente. Ah´ı pueden encontrar distintas actividades en las que se les sugiere ver v´ıdeos y responder preguntas de tipo test para su autoevaluacio´n.

Rosa es una de las alumnas de Jaime. Cuando estaba en su casa estudiando, accedio´ al Moodle de la asignatura y en e´l encontro´ ciertos recursos de aprendizaje preparados por Jaime. Concretamente vio´ un v´ıdeo sobre el arte roma´nico que explicaba las diferencias entre la bo´veda de can˜o´n y la bo´veda de arista. Despue´s, realizo´ un test en el que se mostraban distintos tipos de bo´vedas y ten´ıa que clasificarlas. Rosa quedo´ muy contenta, pues sus resultados fueron positivos. El SLE monitorizo´ a Rosa en la consecucio´n de estas actividades, actualizo´ los intereses de Rosa para relacionarlos con el roma´nico, el arte roma´nico, la bo´veda de can˜o´n y la bo´veda de arista.

A los dos d´ıas Rosa se dio un paseo por Palencia y paso´ cerca de la Iglesia de San Juan Bautista, de estilo roma´nico. La aplicacio´n Casual Learn notifico´ al SLE la posicio´n de Rosa y e´ste comprobo´ que en las cercan´ıas se pod´ıan ofrecer actividades relacionadas con el arte roma´nico, uno de los nuevos intereses de Rosa. Por eso Rosa recibio´ una notificacio´n en su mo´vil proveniente de la aplicacio´n Casual Learn (ve´ase la Figura 1). En ella, se invita a fotografiar el frontispicio de la iglesia y reflexionar sobre las ima´genes all´ı representadas. Rosa acepto´ con gusto la actividad y la realizo´. Cuando la finalizo´ la puntuo´ con 5 estrellas y solicito´ que la aplicacio´n le sugiriese otra. Entonces Casual Learn le propuso otra actividad; esta recomendacio´n se deb´ıa a que unos d´ıas antes Pedro, un compan˜ero de Rosa, hab´ıa puntuado con cinco estrellas tanto la actividad que Rosa acababa de hacer como la que ahora se le iba a recomendar. En esa nueva actividad se ped´ıa a Rosa que observase la bo´veda de la Iglesia de San Juan Bautista y determinase de que´ tipo de bo´veda se trata. Rosa no dudo´ en contestar que es una bo´veda de can˜o´n. Esta tarea le gusto´ menos, as´ı que la puntuo´ con 2 estrellas. Despue´s prosiguio´ su paseo.

Al llegar a casa, Rosa volvio´ a acceder a Moodle. All´ı vio que en su porfolio de Mahoodle se encontraban los enunciados y las respuestas de las actividades que ella hab´ıa realizado. Adema´s, observo´ que en Moodle se propon´ıan dos nuevas actividades optativas. Ambas eran sugeridas por el SLE teniendo en cuenta los intereses de Rosa y el que ella hubiera realizado las actividades cerca de la Iglesia de San Juan Bautista. En una de las nuevas actividades propuestas se le sugiere dibujar un capitel roma´nico; otra consiste en emparejar el nombre y la fotograf´ıa de ciertas iglesias roma´nicas. Rosa considero´ que las har´ıa en otro momento.

A la semana siguiente, Jaime accedio´ a Moodle y visualizo´ las actividades realizadas por sus alumnos con Casual Learn. Se alegro´ al ver que un grupo de alumnos realizaron actividades. Sin embargo, varios alumnos hab´ıan errado al fotografiar un frontispicio, confundie´ndolo con la puerta o con el t´ımpano; as´ı que Jaime penso´ que repasar´ıa ese te´rmino en su siguiente clase. Tambie´n vio que Rosa hab´ıa hecho una reflexio´n interesante sobre la fachada de San Juan Bautista, por lo que la invitar´ıa a comentarlo en clase.

IV. PROPUESTA DE UN MODELO DE DATOS

La seccio´n III muestra un ejemplo de un escenario soportado por SCARLETT. En e´l se observa una de las caracter´ısticas propias de los SLE [ 2 ]: se recomiendan actividades de acuerdo al entorno (Moodle o espacio f´ısico, en el escenario) con el que interactu´e; el contexto (localizacio´n, en el ejemplo) en el que se encuentre; los temas de intere´s del alumno, de acuerdo a los objetos de aprendizaje y actividades a los que haya accedido; y las preferencias del alumno en cuanto al tipo de actividades. En este sentido, se realizan recomendaciones de actividades basadas Figura 2. Relaciones entre Alumnos, Temas y Actividades. en contexto (espacio y localizacio´n del alumno), contenido (temas y nivel alcanzado) y semejanza social (preferencias del alumno). Otra caracter´ıstica propia de los SLE que refleja el escenario es la recogida de evidencias a partir de las actividades realizadas por el alumno (ima´genes y texto, en el ejemplo) [ 2 ]. En el caso particular de este ejemplo, esas evidencias se recogen en un porfolio; adema´s, se recogen las opiniones de los alumnos sobre las actividades para calcular su semejanza social.

Para cumplir estos requisitos el modelo de datos debe relacionar Actividades y Alumnos a trave´s de los Temas de intere´s, aunque estas actividades se desarrollen en distintos Contextos formales o informales. Las recomendaciones ofrecidas por el SLE pueden beneficiarse si los Alumnos esta´n relacionados entre s´ı por su semejanza social y los Temas se estructuran como taxonom´ıas. De esta forma hay una relacio´n jera´rquica entre entidades de Tema. As´ı, tomando el escenario anterior, la Actividad a la que accede el alumno esta´ relacionada con el Tema “Arquitectura Roma´nica”, si bien las actividades sugeridas por Casual Learn pueden estar relacionadas con los Temas “Frontispicio” y “Bo´veda de Can˜o´n”. Para realizar dicha recomendacio´n ser´ıa necesario que existiese una estructura en los Temas, de manera que se relacionase “Arquitectura Roma´nica” con “Frontispicio” y “Bo´veda de Can˜ o´n”. Esta estructura de relaciones, representada gra´ficamente en la Figura 2, genera una red social de actores y artefactos, adecuada para la recomendacio´n de actividades de aprendizaje en entornos informales [ 11 ].

Teniendo en cuenta estas condiciones para dar soporte al escenario se deriva el modelo de datos en la Figura 3. Para ello, se ha partido de [ 12 ], un modelo de datos para el despliegue de actividades de aprendizaje en mu´ltiples entornos. Este modelo ya fue extendido en [ 13 ] para dar soporte a la evaluacio´n por competencias utilizando porfolios. Estos modelos definen conceptos como Disen˜o, Actividad, Evidencia y Alumno. No obstante, carecen de otros conceptos de suma importancia para un SLE. Un de ellos es Tema, el cual es importante que se relacione tanto con las actividades como con los alumnos, como se ha indicado anteriormente. Otro es Contexto, donde se definen los para´metros relevantes del contexto en el que se desarrolla la Actividad. Todos estos conceptos citados se representan en azul en la Figura 3.

Este modelo de datos es extensible para poder incluir conceptos adecuados a SLE concretos. As´ı, para el SLE que Figura 3. Modelo de datos para un entorno inteligente de aprendizaje. En azul los conceptos nucleares del modelo; en amarillo la extensio´n necesaria para dar soporte al escenario de la seccio´n III. de´ soporte al escenario de la seccio´n III se han incluido dos conceptos a mayores: Porfolio y Opinio´n. El concepto Opinio´n define las evaluaciones de los Alumnos a las Actividades. En el escenario descrito el propo´sito de estas evaluaciones es doble: ofrecer informacio´n para revisar las Actividades; y ofrecer una informacio´n social al sistema de recomendacio´n, de manera que se pueda recomendar al Alumno las Tareas que hayan sido positivamente valoradas por otros Alumnos con criterios de evaluacio´n afines.

V. IMPLEMENTACI O´N SEM A´NTICA DEL MODELO DE

DATOS

El modelo de datos se implemento´ como una ontolog´ıa para facilitar su extensibilidad y su integracio´n con los registros disponibles en la Web de Datos. En la Tabla I se muestra la implementacio´n de las principales propiedades de cada clase junto con dos ejemplos. La Tabla II relaciona los espacios de nombres con sus correspondientes URI.

Siguiendo las buenas pra´cticas en el modelado de ontolog´ıas [ 21 ], se reutilizaron en la medida de lo posible ontolog´ıas existentes. As´ı, se hizo uso de para´metros definidos en ontolog´ıas muy utilizadas en la Web de Datos para describir recursos u objetos de aprendizaje, como Dublin Core (espacio de nombre dc: y dcmi:en la Tabla I). Tambie´n se utilizaron otras ontolog´ıas gene´ricas que tambie´n son usadas en la Web de Datos [ 7 ]; entre ellas se encuentran RDF, FOAF, Review (rev:), DBpedia (db:) o SKOS. En los casos en los que fue necesario se definieron nuevas clases (v.gr. ns:actividad) o propiedades (v.gr. ns:tieneEntorno).

Otra ventaja muy importante del uso de las tecnolog´ıas sema´nticas es que se puede relacionar el modelo de datos propuesto con otros modelos de datos estructurados ofrecidos por terceros. As´ı, DBpedia define tesauros en los que relaciona expl´ıcitamente categor´ıas de eleActividad ns:actividad1 ns:Actividad ”Fotograf´ıa frontispicio” ns:Casual Learn

db:frontispicio ”Fotograf´ıa el frontispicio...” dbf:San Juan02.JPG ns:espacioFisico1

ns:rev001 ns:recuerda

Alumno [e-mail]

foaf:Person db:Arquitectura roma´nica ns:rev001, ns:rev002 ns:actividad1 ns:evidencia1

Tema db:Arquitectura_roma´nica

ns:tema Arquitectura roma´nica” db:Bo´veda de can˜o´n

Contexto ns:espacioFisico1 ns:Entorno

4.3128” ”42.2736” Disen˜o ns:diseno1 ns:Diseno [e-mail] ns:actFormal1 Evidencia ns:evidencia1

dcmi:Image [e-mail] ns:actividad1 Opinio´n ns:rev001 rev:Review 5 ns:actividad2 ns:Actividad ”Bo´vedas roma´nicas”

[e-mail] db:Arquitectura roma´nica .Observa el video...” yb:Oovakfxonm4 ns:Moodle1 ns:recuerda [e-mail]

foaf:Person db:Arquitectura go´tica

ns:rev100 ns:actividad100 ns:evidencia100 db:Bo´veda de can˜o´n

ns:tema ”Bo´veda de can˜o´n” db:Arquitectura roma´nica ns:Moodle1 ns:Entorno ns:diseno2 ns:Diseno [e-mail] ns:actFormal2 ns:evidencia2

dcmi:Text [e-mail] ns:actividad100 ns:rev002 rev:Review 2 Porfolio ns:porfolio1 dcmi:Collection [e-mail] ns:evidencia1

Tabla I CLASES DEFINIDAS Y SUS PROPIEDADES PRINCIPALES JUNTO CON DOS EJEMPLOS DE INSTANCIAS.

ns:porfolio2 dcmi:Collection [e-mail] ns:evidencia100 mentos. Por ejemplo, se define la relacio´ n entre la categor´ıa dbc:Elementos_de_arquitectura_roma´nica y conceptos relacionados, como db:Bo´veda_de_can˜o´n. Estas relaciones se ofrecen como datos abiertos enlazados, de manera que se pueden extraer libremente. As´ı resulta sencillo establecer las relaciones entre los Temas en el modelo de datos: basta que estos Temas se definan como conceptos de DBpedia e importar las relaciones entre esos conceptos.

Cabe reflexionar co´ mo de factible es obtener datos que pueblen esta ontolog´ıa. En lo referente a las Actividades, se espera que sea el profesor quien proporcione sus disen˜ os educativos (tambie´n conocidos como ”disen˜ os de aprendizaje- [ 22 ]). Los disen˜ os educativos se pueden realizar usando herramientas espec´ıficas de autor´ıa o mediante el denominado rdf:type rdfs:label dc:creator dc:subject ns:text ns:image ns:video ns:tieneEntorno rv:hasReview ns:bloom rdf:type foaf:interest rev:Review ns:realiza ns:genera rdf:type rdfs:label skos:broader skos:narrower rdf:type ns:longitud ns:latitud rdf:type dc:creator dc:hasPart dc:type dc:creator dc:related rdf:type rev:Rating dc:type dc:autor dc:hasPart

URI http://xmlns.com/foaf/0.1/ http://es.dbpedia.org/resource/ http://es.dbpedia.org/resource/Categor´ıa: http://commons.wikimedia.org/wiki/Special:FilePath/ http://purl.org/dc/elements/1.1/ http://purl.org/dc/dcmitype/ http://purl.org/dc/terms/ http://purl.org/stuff/rev# https://youtu.be/ cualquier espacio de nombres privado

Tabla II ESPACIOS DE NOMBRES UTILIZADOS EN ESTE ART´ICULO Y SUS

CORRESPONDIENTES URI ”me´todo bricolage- [ 23 ] que, en el caso del ejemplo, consistiria´ en emplear el modo de edicio´ n de Moodle [ 24 ].

En este sentido, el mayor problema se presenta en la relacio´ n de la Actividad con el Tema, si se entiende el u´ ltimo como un concepto de un tesauro. Esto se debe a que muchas de las herramientas de autor´ıa solo permiten definir la tema´tica de una Actividad mediante un conjunto de palabras clave. Potenciales soluciones a este problema ser´ıan la cocreacio´ n de las Actividades entre profesores e ingenieros de ontolog´ıas; o la adaptacio´ n de una herramienta de autor´ıa para facilitar que el profesor relacione las Actividades que genere con conceptos de DBpedia. Esta u´ ltima opcio´ n la exploraremos en nuestro trabajo futuro.

Tambie´n ser´ıa posible integrar un registro de Actividades educativas previamente existente, de manera que se pudieran importar las Actividades que en e´l se contengan. Si este registro utiliza una ontolog´ıa diferente a la propuesta se deber´ıa realizar un alineamiento de ambas ontolog´ıas; esta es una tarea ardua pero que muchas veces se ve facilitada al utilizar vocabularios de la Web de Datos [ 7 ]. Un registro de Actividades de especial relevancia para este trabajo es el de Casual Learn: en nuestro trabajo previo hemos propuesto explotar los datos ofrecidos por DBpedia para generar actividades [25], que potencialmente podr´ıan utilizarse en Moodle u otro entorno de aprendizaje virtual; tambie´n hemos explorado la generacio´ n de actividades educativas geolocalizadas a partir de los datos de DBpedia [26]. De esta forma, se ha conseguido la generacio´ n semi-automa´tica de 16.000 instancias del concepto Actividad que se relacionan automa´ticamente con Temas definidos en DBpedia. Estas actividades generadas se centran en el dominio de historia del arte en Castilla y Leo´ n [26] y son utilizadas por la aplicacio´ n Casual Learn.

El rol de alumno es el encargado de generar otras entidades, como Opiniones o Evidencias que se recogen en un Porfolio. Tambie´n es el encargado de definir el perfil de Alumno al registrarse en el SLE. Este concepto sera´ importante si se busca recoger datos para realizar anal´ıticas de aprendizaje. As´ı, el modelo de datos xAPI [27] (estandar de facto para las anal´ıticas del aprendizaje) define cua´druplas para dichas trazas compuestas por “Alumno”, “Actividad”, “Evidencia” y “Contexto”. Los cuatro conceptos esta´n inclu´ıdos y relacionados en nuestro modelo, por lo que extraer las trazas a partir de los datos recogidos no deber´ıa ser una tarea ardua.

VI.

CONCLUSIONES

Este art´ıculo presenta una ontolog´ıa para un entorno de aprendizaje inteligente (SLE). El modelo de datos que implementa esta ontolog´ıa permite personalizar el aprendizaje ofreciendo actividades en entornos formales e informales. Para su definicio´ n se ha partido de un escenario y de otros modelos de datos propuestos para el dominio educativo. Su implementaci o´n explotando las tecnolog´ıas de la Web Sema´ntica facilita la reutilizacio´ n de datos de terceros.

Una de las caracter´ısticas de esta ontolog´ıa es que permite crear una red sema´ntica de actores y artefactos, la cual es muy adecuada para la recomendacio´ n de actividades de aprendizaje. Adema´s, las actividades descritas se relacionan con un contexto, de manera que se pueden contextualizar en entornos formales o informales y recomendarse de manera acorde. Los actores y artefactos se relacionan entre s´ı mediante los temas de los que versan, por lo que resulta muy importante que los temas se definan de manera expl´ıcita. Otro aspecto importante es el uso de las tecnolog´ıas sema´nticas. Esto permite reutilizar datos y taxonom´ıas publicadas por terceros. As´ı, es posible relacionar de manera automa´tica los temas explotando los tesauros que se publican en DBpedia. Tambie´n es posible obtener actividades de aprendizaje definidas mediante herramientas de autor´ıa existentes, e incluso generadas de manera semi-automa´tica a partir de datos de la Web.

El trabajo aqu´ı presentado debe entenderse como parte de la propuesta de un SLE llamado SCARLETT. Siguiendo la metodolog´ıa de investigacio´ n basada en disen˜ o, nuestro trabajo inmediato pretende cerrar esta iteracio´ n utilizando la ontolog´ıa propuesta para integrar las herramientas mencionadas en el art´ıculo: SCARLETT, Casual Learn, Moodle e ILDE. Posteriormente se llevara´ a la pra´ctica real un escenario semejante al descrito en la seccio´ n III.

AGRADECIMIENTOS

La investigacio´ n aqu´ı reportada ha sido financiada por el Fondo Europeo de Desarrollo Regional y la Consejer´ıa de Educacio´ n de la Junta de Castilla y Leo´ n bajo el proyecto VA257P18, y el Fondo Europeo de Desarrollo Regional y la Agencia Nacional de Investigacio´ n del Ministerio de Ciencia e Innovacio´ n bajo el proyecto TIN2017-85179-C3-2-R. [25] G. Vega-Gorgojo, “Clover quiz: A trivia game powered by DBpedia,”

Semantic Web Journal, vol. 10, no. 4, pp. 779–793, 2019. [26] A. Ruiz-Calleja, M. L. Bote-Lorenzo, G. Vega-Gorgojo, S. SerranoIglesias, J. Asensio-Pe´rez, Y. Dimitriadis, and E. Go´ mez-Sa´nchez, “The potential of open data to automatically create learning resources for smart learning environments,” in Proceedings of the 13th International Conference on Ubiquitous Computing and Ambient Intelligence (UCAml). Toledo, Spain: MDPI, 2019, p. 61. [27] Rustici Software, “xAPI solved and explained,” 2020, URL: https://xapi.com, u´ ltima visita julio de 2020.

References

[1] B. Gros , “ The design of smart educational environments,” Smart Learning Environments , vol. 3 , no. 15 , pp. 1 - 11 , 2016 .

[2] G. Hwang , “ Definition, framework and research issues of smart learning environments - a context-aware ubiquitous learning perspective,” Smart Learning Environments , vol. 1 , no. 4 , pp. 1 - 14 , 2014 .

[3] J. Dron , “ Smart learning environments, and not so smart learning environments: A systems view ,” Smart Learning Environments , vol. 5 , p. 25 , 2018 .

[4] S. Serrano-Iglesias , M. L. Bote-Lorenzo , E. Go´mez-Sa´nchez , J. I. Asensio-Pe´rez, and G. Vega-Gorgojo , “Towards the enactment of learning situations connecting formal and non-formal learning in sles,” in Foundations and Trends in Smart Learning , M. Chang , E. Popescu, Kinshuk, N.-S. Chen , M. Jemni , R. Huang , J. M. Spector , and D. G. Sampson, Eds. Singapore: Springer Singapore, 2019 , pp. 187 - 190 .

[5] F. Wang and M. Hannafin , “ Design-based research and technologyenhanced learning environments , ” Educational Technology Research and Development , vol. 53 , no. 4 , pp. 5 - 23 , 2005 .

[6] A. Ruiz-Calleja , M. Bote-Lorenzo , G. Vega-Gorgojo , S. SerranoIglesias, P. Garc´ ıa- Zarza , J. Asensio-Pe´rez, and E. Go ´mez-Sa´nchez, “Casual Learn: A smart application to learn History of Art,” in Proceedings of the 15th European Conference on Technology Enhanced Learning . Heidelberg, Germany: Springer, 2020 , in press.

[7] T. Heath and C. Bizer , Linked Data: Evolving the Web into a global data space , J. Hendler and F. van Harmelen, Eds. Morgan & Claypool, 2011 , URL: http://linkeddatabook.com/editions/1.0/, u´ltima visita julio de 2020 .

[8] I. G. L. Consortium , “ Learning Resource Meta-data Specification v . 1 .3,” 2001 , URL: http://www.imsglobal.org/metadata/index.html, u´ltima visita julio de 2020 .

[9] F. Neven and E. Duval, “ Reusable learning objects: A survey of lombased repositories ,” in Proceedings of the tenth ACM International Conference on Multimedia . Juan-les- Pins , France: ACM, 2002 , pp. 291 - 294 .

[10] A. Del Blanco , A. Serrano , M. Freire , I. Mart´ınez- Ortiz , and B. Ferna ´ndez-Manjo´n, “E-learning standards and learning analytics. can data collection be improved by using standard data models? ” in Proceedings of the IEEE Global Engineering Education Conference (EDUCON) . Berlin, Germany: IEEE, 2013 , pp. 1255 - 1261 .

[11] A. Ruiz Calleja , S. Dennerlein , D. Kowald , D. Theiler , E. Lex, and T. Ley, “ An infrastructure for workplace learning analytics: Tracing knowledge creation with the social semantic server , ” Journal of Learning Analytics , vol. 6 , no. 2 , pp. 120 - 139 , 2019 .

[12] L. Prieto , J. Asensio-Pe´rez, Y. Dimitriadis , E. Go´mez-Sa´nchez, and J. Mun ˜oz-Cristo´bal, “GLUE!-PS: A multi-language architecture and data model to deploy tel designs to multiple learning environments ,” in Proceedings of the 6th European Conference on Technology Enhanced Learning . Heidelberg, Germany: Springer, 2011 , pp. 285 - 298 .

[13] A. Lozano-Alvarez , J. Asensio-Pe´rez, G. Vega-Gorgojo , and A. Mart ´ınez-Mone´s, “Helping teachers align learning objectives and evidence: Integration of eportfolios in distributed learning environments , ” Journal of Universal Computer Science , vol. 21 , no. 8 , pp. 1022 - 1041 , 2015 .

[14] G. Vega-Gorgojo , J. Asensio-Pe´rez, E. Go´ mez-Sa´nchez, M. BoteLorenzo , J. Mun˜ oz-Cristo´bal, and A. Ruiz-Calleja , “A review of linked data proposals in the learning domain , ” Journal of Universal Computer Science , vol. 21 , pp. 326 - 364 , 2015 .

[15] T. Berners-Lee , “ Linked Data - Design Issues ,” 2006 , URL: http://www.w3.org/DesignIssues/LinkedData.html, u´ltima visita julio de 2020 .

[16] S. Dietze , H. Q. Yu , D. Giordano , E. Kaldoudi , N. Dovrolis , and D. Taibi , “Linked Education: Interlinking educational resources and the Web of Data ,” 2012 , pp. 366 - 371 .

[17] I. Ruiz-Rube , C. Cornejo , and J. Dodero , “ Accessing learning resources described in semantically enriched weblogs ,” International Journal of Metadata, Semantics and Ontologies , vol. 6 , no. 3-4 , pp. 175 - 184 , 2011 .

[18] S. Ouf , M. Ellatif , S. Salama , and Y. Helmy , “ A proposed paradigm for smart learning environment based on Semantic Web,” Computers in Human Behavior , vol. 72 , pp. 796 - 818 , 2017 .

[19] S. Fraihat and Q. Shambour , “ A framework of semantic recommender system for e-learning, ” Journal of Software , vol. 10 , no. 3 , pp. 317 - 330 , 2015 .

[20] A. Ruiz-Calleja , M. Bote-Lorenzo , G. Vega-Gorgojo , S. SerranoIglesias, P. Garc´ ıa- Zarza , J. Asensio-Pe´rez, and E. Go ´mez-Sa´nchez, “Casuallearn: A smart application to learn history of art,” in Proceedings of the European Conference on Technology Enhanced Learning (ECTEL) . Heidelberg, Germany: Springer, 2020 , pp. 472 - 476 .

[21] A. Go ´mez-Pe´rez, M. Ferna´ndez-Lo´pez, and O. Corcho , Ontological Engineering. London, UK: Springer, 2004 .

[22] M. Maina , B. Craft , and Y. Mor , The art & science of learning design . Rotterdam , The Netherlands: Springer, 2015 .

[23] J. Mun ˜oz-Cristo´bal , V. Gallego-Lema , H. Arribas-Cubero , A. Mart´ınezMone´s, and J. Asensio- Pe´rez, “ Using virtual learning environments in bricolage mode for orchestrating learning situations across physical and virtual spaces , ” Computers & Education , vol. 109 , pp. 233 - 252 , 2017 .

[24] A. Berggren , D. Burgos , J. Fontana , D. Hinkelman , V. Hung , A. Hursh , and G. Tielemans, “ Practical and pedagogical issues for teacher adoption of ims learning design standards in moodle lms , ” Journal of Interactive Media in Education , vol. 2005 , no. 1 , pp. 1 - 24 .