Aprendiendo de la experiencia Algoritmos para el aprendizaje de patrones  y posibles aplicaciones en entornos de e-learnin...
¿Por qué aprendemos patrones… <ul><li>…  en escenarios de  movilidad? </li></ul><ul><ul><li>Las personas tienden a seguir ...
¿Por qué querríamos aprender patrones… <ul><li>…  en el escenarios de  e-learning ? </li></ul><ul><ul><li>Cada persona tie...
Índice <ul><li>Movilidad </li></ul><ul><ul><li>Fuentes de datos </li></ul></ul><ul><ul><li>Algoritmos de predicción </li><...
Fuentes de datos <ul><li>Objetivo:  </li></ul>Traductor Información de localización Símbolos de entrada de los algoritmos ...
Fuentes de datos <ul><li>Dispositivo móvil detecta cada cambio de celda y va formando el  historial de movimientos  (L) </...
Algoritmos de predicción <ul><li>Principio básico de funcionamiento </li></ul><ul><ul><li>Los algoritmos extraen y almacen...
Algoritmos de predicción <ul><li>Familia algoritmos LZ </li></ul><ul><ul><li>3 algoritmos analizados: LZ78, LeZi Update (L...
Algoritmos de predicción Actualizar árbol de patrones Calcular probabilidades c … cab d Seminario eMadrid sobre &quot;Jueg...
Resultados <ul><li>Tasa de acierto </li></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
Resultados <ul><li>Memoria ocupada </li></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
Aplicación móvil <ul><li>Aplicación hecha en Android </li></ul><ul><ul><li>Probada en HTC Hero </li></ul></ul><ul><ul><li>...
Aplicación móvil Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
Índice <ul><li>Movilidad </li></ul><ul><ul><li>Fuentes de datos </li></ul></ul><ul><ul><li>Algoritmos de predicción </li><...
Fuentes de datos <ul><li>Objetivo: </li></ul><ul><ul><li>Resultados de evaluación </li></ul></ul><ul><ul><li>Característic...
Algoritmos de predicción <ul><li>Primera aproximación: analizar patrones de alumnos de forma  individual </li></ul><ul><ul...
Propuestas de aplicaciones a entornos de e-learning <ul><li>A. Itinerarios de aprendizaje </li></ul><ul><ul><li>Árbol de p...
Propuestas de aplicaciones a entornos de e-learning <ul><li>B. Recomendaciones basadas en los patrones seguidos por otros ...
Propuestas de aplicaciones a entornos de e-learning <ul><li>C. Educación usando mundos virtuales </li></ul><ul><ul><li>Los...
Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
Upcoming SlideShare
Loading in...5
×

2010-10-15 (upm) eMadrid arcarrio uc3m algoritmos aprendizaje patrones

702

Published on

2010-10-15
(upm)
eMadrid
Alicia Rodríguez Carrión
Universidad Carlos III de Madrid
Aprendiendo de la experiencia: Algoritmos para el aprendizaje de patrones y posibles aplicaciones en entornos de e-learning

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
702
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
3
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide
  • Para rellenar se puede explicar cómo se construye el árbol.
  • 2010-10-15 (upm) eMadrid arcarrio uc3m algoritmos aprendizaje patrones

    1. 1. Aprendiendo de la experiencia Algoritmos para el aprendizaje de patrones y posibles aplicaciones en entornos de e-learning Alicia Rodríguez Carrión (arcarrio@it.uc3m.es) Grupo de Aplicaciones y Servicios Telemáticos Universidad Carlos III de Madrid Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    2. 2. ¿Por qué aprendemos patrones… <ul><li>… en escenarios de movilidad? </li></ul><ul><ul><li>Las personas tienden a seguir las mismas rutas periódicamente  si sabes por dónde va ahora puedes suponer hacia dónde se está dirigiendo </li></ul></ul><ul><ul><li>Queremos predecir las localizaciones futuras </li></ul></ul><ul><ul><ul><li>Porque la localización es un tema que está ganando mucha fuerza </li></ul></ul></ul><ul><ul><ul><li>Porque nos permite tomar decisiones relacionadas con la posición del usuario con antelación: mostrar publicidad, gestión de recursos, … </li></ul></ul></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    3. 3. ¿Por qué querríamos aprender patrones… <ul><li>… en el escenarios de e-learning ? </li></ul><ul><ul><li>Cada persona tiene una forma de aprender predefinida  aprendiendo cuál es su perfil cognitivo se puede facilitar el aprendizaje del usuario </li></ul></ul><ul><ul><li>Queremos ofrecer un aprendizaje personalizado </li></ul></ul><ul><ul><ul><li>Adaptándonos a la forma de aprender de cada alumno (con teoría, con ejemplos resueltos, con ejercicios a resolver…) </li></ul></ul></ul><ul><ul><ul><li>Adelantándonos a sus necesidades (mostrando ayuda ante dificultades, ofreciendo medios para formular preguntas, …) </li></ul></ul></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    4. 4. Índice <ul><li>Movilidad </li></ul><ul><ul><li>Fuentes de datos </li></ul></ul><ul><ul><li>Algoritmos de predicción </li></ul></ul><ul><ul><li>Resultados </li></ul></ul><ul><ul><li>Aplicación móvil </li></ul></ul><ul><li>e-Learning </li></ul><ul><ul><li>Fuentes de datos </li></ul></ul><ul><ul><li>Algoritmos de predicción </li></ul></ul><ul><ul><li>Propuestas de aplicación a escenarios de e-learning </li></ul></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    5. 5. Fuentes de datos <ul><li>Objetivo: </li></ul>Traductor Información de localización Símbolos de entrada de los algoritmos Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot; (Long1, Lat1) a (Long2, Lat2) b (Long3, Lat3) c (Long4, Lat4) d … … Cell ID: 1 a Cell ID: 2 b Cell ID: 3 c Cell ID: 4 d … …
    6. 6. Fuentes de datos <ul><li>Dispositivo móvil detecta cada cambio de celda y va formando el historial de movimientos (L) </li></ul><ul><li>Ejemplo: L = a b c f e … </li></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot; Cell ID: 1 a Cell ID: 2 b Cell ID: 3 c Cell ID: 4 d Cell ID: 5 e Cell ID: 6 f
    7. 7. Algoritmos de predicción <ul><li>Principio básico de funcionamiento </li></ul><ul><ul><li>Los algoritmos extraen y almacenan: </li></ul></ul><ul><ul><ul><li>Patrones de movimiento </li></ul></ul></ul><ul><ul><ul><li>Evento(s) posterior(es) a cada patrón </li></ul></ul></ul><ul><ul><li>Cuando el algoritmo reconoce un patrón ya visto: </li></ul></ul><ul><ul><ul><li>Analiza los eventos que le han seguido anteriormente </li></ul></ul></ul><ul><ul><ul><li>Elige el que ha ocurrido más veces </li></ul></ul></ul><ul><li>Ejemplo: L = … a b c a b a c a b a d a b ? </li></ul><ul><ul><li>Patrón ab  seguido de c (1 vez), a (2 veces) </li></ul></ul><ul><ul><li>Predicción siguiente símbolo: a </li></ul></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    8. 8. Algoritmos de predicción <ul><li>Familia algoritmos LZ </li></ul><ul><ul><li>3 algoritmos analizados: LZ78, LeZi Update (LZU) y Active LeZi (ALZ) </li></ul></ul><ul><ul><li>Sencillos </li></ul></ul><ul><ul><li>Rápidos </li></ul></ul><ul><ul><li>Adaptativos  no precisan entrenamiento previo, sino que aprenden y se adaptan a medida que se mueve el usuario </li></ul></ul><ul><ul><li>Consumen pocos recursos  posibilita la ejecución en dispositivos móviles </li></ul></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    9. 9. Algoritmos de predicción Actualizar árbol de patrones Calcular probabilidades c … cab d Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot; Algoritmo de predicción d 0.8 b 0.1 a 0.1
    10. 10. Resultados <ul><li>Tasa de acierto </li></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    11. 11. Resultados <ul><li>Memoria ocupada </li></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    12. 12. Aplicación móvil <ul><li>Aplicación hecha en Android </li></ul><ul><ul><li>Probada en HTC Hero </li></ul></ul><ul><ul><li>Android 2.1 Platform </li></ul></ul><ul><ul><li>Ventajas que aporta Android: </li></ul></ul><ul><ul><ul><li>Muestra la información de la celda actual y las vecinas </li></ul></ul></ul><ul><ul><ul><li>Acceso a GPS, acelerómetro, brújula  nos permiten determinar si el usuario está parado o en movimiento </li></ul></ul></ul><ul><ul><ul><li>Facilita el uso de APIs de Google  usamos Google Maps y un API que nos permite traducir identificadores de celda en coordenadas </li></ul></ul></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    13. 13. Aplicación móvil Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    14. 14. Índice <ul><li>Movilidad </li></ul><ul><ul><li>Fuentes de datos </li></ul></ul><ul><ul><li>Algoritmos de predicción </li></ul></ul><ul><ul><li>Resultados </li></ul></ul><ul><ul><li>Aplicación móvil </li></ul></ul><ul><li>e-Learning </li></ul><ul><ul><li>Fuentes de datos </li></ul></ul><ul><ul><li>Algoritmos de predicción </li></ul></ul><ul><ul><li>Propuestas de aplicación a escenarios de e-learning </li></ul></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    15. 15. Fuentes de datos <ul><li>Objetivo: </li></ul><ul><ul><li>Resultados de evaluación </li></ul></ul><ul><ul><li>Características de la actividad: </li></ul></ul><ul><ul><ul><li>Nivel de dificultad </li></ul></ul></ul><ul><ul><ul><li>Conocimientos, habilidades o competencias que se quieran ejercitar o evaluar </li></ul></ul></ul><ul><ul><ul><li>Ayuda (pistas, wikis, foros, búsquedas en Internet) que ha necesitado el alumno </li></ul></ul></ul><ul><ul><ul><li>… </li></ul></ul></ul>Traductor Información de aprendizaje del alumno Símbolos de entrada de los algoritmos Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    16. 16. Algoritmos de predicción <ul><li>Primera aproximación: analizar patrones de alumnos de forma individual </li></ul><ul><ul><li>A partir de las características de aprendizaje de un alumno, construir su árbol y adaptarse a su forma de aprender </li></ul></ul><ul><li>Segunda aproximación: analizar patrones de un grupo de alumnos </li></ul><ul><ul><li>Construir el árbol con los patrones seguidos por cada uno de los alumnos del grupo y hacer recomendaciones conforme a las observaciones colectivas </li></ul></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    17. 17. Propuestas de aplicaciones a entornos de e-learning <ul><li>A. Itinerarios de aprendizaje </li></ul><ul><ul><li>Árbol de patrones puede ser </li></ul></ul><ul><ul><ul><li>Construido con las acciones del usuario </li></ul></ul></ul><ul><ul><ul><li>Construido “a mano” con los patrones que queremos que siga el usuario </li></ul></ul></ul><ul><ul><li>Podemos diseñar nuestro árbol “ideal” </li></ul></ul><ul><ul><ul><li>contiene los itinerarios de aprendizaje que queremos que siga el alumno </li></ul></ul></ul><ul><ul><ul><li>Al completar cada actividad  evaluar los resultados y recomendar la siguiente actividad que parece mejor en cada caso </li></ul></ul></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    18. 18. Propuestas de aplicaciones a entornos de e-learning <ul><li>B. Recomendaciones basadas en los patrones seguidos por otros usuarios </li></ul><ul><ul><li>Árbol de patrones puede ser: </li></ul></ul><ul><ul><ul><li>Individual (construido por los patrones de un usuario) </li></ul></ul></ul><ul><ul><ul><li>Colectivo (construido por los patrones de varios usuarios) </li></ul></ul></ul><ul><ul><li>Cada usuario tiene su forma de aprender, pero pueden existir patrones de aprendizaje similares  podemos usar los patrones que hemos observado de otros usuarios para recomendar a alumnos futuros </li></ul></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    19. 19. Propuestas de aplicaciones a entornos de e-learning <ul><li>C. Educación usando mundos virtuales </li></ul><ul><ul><li>Los mundos virtuales simulan el mundo real  también podemos dividirlo en regiones “geográficas” y aprender patrones de comportamiento en el mundo virtual </li></ul></ul><ul><ul><li>Analizando por dónde se mueve el usuario podemos adelantarnos a sus movimientos y cargar nuevos personajes, objetos, ayudas… antes de que el usuario llegue a su destino </li></ul></ul>Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    20. 20. Seminario eMadrid sobre &quot;Juegos, aprendizaje y movilidad&quot;
    1. A particular slide catching your eye?

      Clipping is a handy way to collect important slides you want to go back to later.

    ×