2010-10-15 (upm) eMadrid arcarrio uc3m algoritmos aprendizaje patrones
Upcoming SlideShare
Loading in...5
×
 

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

on

  • 830 views

2010-10-15 ...

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

Statistics

Views

Total Views
830
Views on SlideShare
674
Embed Views
156

Actions

Likes
0
Downloads
2
Comments
0

1 Embed 156

http://www.emadridnet.org 156

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment
  • Para rellenar se puede explicar cómo se construye el árbol.

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

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