Los perfiles de usuario son elementos importantes en los sistemas adaptativos, puesto que permiten conocer las necesidades o preferencias de los usuarios. En este sentido surge el concepto de Modelo de usuario el cual contiene información de los datos personales, preferencias e intereses, así como datos del entorno del usuario.

Este concepto engloba la importancia de contar con un modelo de usuario, en un entorno educativo, en el cual comúnmente recibe el nombre de modelo de estudiante ya que los aspectos más importantes a adaptar están relacionados con las propiedades de un estudiante particular, como: datos de interacción con la plataforma, características personales de los estudiantes, estilos de aprendizaje, preferencias, intereses, etc. que permitan al sistema adaptarse a las necesidades y preferencias que el estudiante presente en la interacción con el mismo.

 Actualmente, los modelos de usuario pueden ser representados semánticamente con el uso de estándares elearning,  tal es el caso de IMS que permite la descripción de la información de un estudiante, a través de dos especificaciones como:

-       El paquete IMS-LIP , que indica la forma de almacenar la información referente a un estudiante (o grupo de estudiantes). Este modelo consiste en una colección estructurada de información sobre los siguientes elementos: accesibilidad, actividades, competencias, metas, identificaciones, intereses, calificaciones, relación, certificaciones y licencias, claves de seguridad y transcripciones.

 -       El paquete IMS -AccessForAll, que permite identificar los recursos que corresponden a las preferencias o necesidades de un usuario, las cuales podrían ser declaradas usando el paquete de accesibilidad para las especificaciones LIP. Estas incluyen la necesidad o preferencia para la presentación alternativa de recursos, métodos alternativos de control de recursos, alternativas equivalentes a los recursos propios y apoyo requerido por el usuario.

Más información podemos encontrar en las referencias indicadas:

IMS-LIP: http://www.imsglobal.org/profiles/

IMS-AccessForAll: http://www.imsglobal.org/accessibility/index.html

Según Brank y otros (Brank, Grobelnik, & Mladenié) las aproximaciones de las evaluaciones de ontologías se encuentran dentro de las siguientes categorías: a) “Aquellas basadas en la comparación de la ontología con el golden standar ontology”, (comparación a nivel léxico y conceptual); b) “Basadas en el uso de la ontología dentro de una aplicación para la posterior evaluación de resultados”; c) “Basadas en comparaciones con una fuente de datos (una colección de documentos) acerca del dominio que cubre la ontología”; y, d) “Basadas en criterios de expertos en ontologías”.

Además en (Brank, Grobelnik, & Mladenié) se agrupan estas aproximaciones de acuerdo al nivel de evaluación en:

Léxica, vocabulario.- Principalmente se centra en evaluar los conceptos, instancias, etc., que han sido incluidos en la ontología.

Jerarquía o taxonomía.- Las relaciones existentes entre los conceptos de la ontología del tipo, es un, y cualquier otra existente en el modelo.

Contexto o nivel de evaluación.- La ontología puede formar parte de un conjunto de ontologías y puede ser usada para varias definiciones o dominios.

Estructura, arquitectura, diseño.- Otros criterios tales como los que se puede apreciar en (Gangemi, Catenacci, Ciaramita, & Lehmann), en donde se hace énfasis en 3 características para la evaluación de una ontología, y que son: a) medida estructural; es decir, la estructura del modelo ontológico (representación mediante grafos), b) funcionalidad, hace referencia al diseño, tareas para la que fue creada, acuerdo de opiniones entre los expertos, y, c) usabilidad, el nivel de anotación que posee una ontología, facilidad para reconocer sus propiedades, etc.

Siguiendo los criterios provistos y descritos en (Gangemi, Catenacci, Ciaramita, & Lehmann), creemos que  se pueden hacer la validación a nivel estructural considerando la profundidad y amplitud, así mismo es conveniente validarla a nivel  funcional; y su nivel de usabilidad.

• Metodología Methontology
• Metodología CyC
• Metodología Uschold y King
• Metodología On-To-Knowledge
• Metodología Sensus

Todas ellas presentan ciertas características comunes con enfoques diferentes que permiten utilizarlas dependiendo de las particularidades del dominio a representar, y de los recursos con que se cuente. Entre las características a analizar tenemos:

1. Ciclo de vida propuesto: es importante ya que éste comprende todos los procesos que se realizan desde la concepción, construcción y mantenimiento de la ontología.
2. Las Herramientas de soporte: las metodologías de desarrollo de una ontología deben ser soportadas por herramientas ontológicas, lo que permite tener claro el nivel de expresividad que se puede tener al pasar de lo informal a lo formal.
3. Modelado: este permite tener una idea sobre cómo se  realiza la extracción de conceptos.
4. Nivel de abstracción: permite la correcta extracción de conceptos, lo que permite una elevada granularidad de la ontología, evitando la formación de islas (Acumulación excesiva de información en ciertos lugares del dominio en representación).
5. El uso de ontología base: es importante ya que permite analizar otras ontologías existes y anexarlas a la ontología que está en proceso de construcción.

De todas estas metodologías las más utilizadas son la OTK y la Methontology,  ya que nos permiten un desarrollo basado en prototipos que pueden cambiar de acuerdo a la evolución y sobre todo permiten obtener un nivel elevado de detalle en su conceptualización, aspecto importante que garantiza una correcta representación del conocimiento y por ende la calidad de la ontología.

Antes de describirlas, es necesario iniciar exponiendo a qué se denomina wiki semántica.

Wiki semántica

Se denomina wiki semántica a la  wiki que tiene un “modelo de conocimientos subyacente descrito en sus páginas”. La mayoría de las wikis semánticas son prototipos que combinan las características de una wiki tradicional con las tecnologías de web semántica.

A continuación presentamos una breve descripción de ciertas wikis semánticas y de la extensión Semantic Media Wiki.

Semantic MediaWiki

Esta wiki semántica se diseñó como una extensión de Media Wiki. Media Wiki es un motor para wikis programado en el lenguaje PHP, cuya distribución se realiza bajo la licencia GNU. Este motor es utilizado en la Wikipedia, su desarrollo está a cargo de la fundación Wikimedia.

Semantic Media Wiki extiende el lenguaje de anotaciones de Media Wiki para expresar las relaciones entre los enlaces (páginas) y los atributos; se hace una diferencia entre los URIs de los conceptos y el URL de la página, pero no es posible distinguir entre notas del concepto y notas a la página en la wiki.

Como lenguaje de la ontología utiliza RDFS junto al motor de inferencia Kaon. Para el almacenamiento de los metadatos y de las relaciones utiliza una base de datos relacional MySQL.

Extensiones Halo

Dentro del proyecto Semantic Media Wiki se incluye las siguientes opciones que son proporcionadas por las Extensiones Halo: 1) Barra de herramientas semánticas: facilita la introducción de anotaciones semánticas en el texto del wiki. 2) Navegador de ontologias: permite la navegación por la ontología asociada a un wiki sin necesidad de acceder a los artículos particulares. 3) Búsquedas combinadas: permite indagar por propiedades o categorías y sus valores para determinado término de búsqueda. 4) Formulador de preguntas: interfaz de ayuda para crear preguntas con sintaxis compleja. 5) Robots jardineros: conjunto de herramientas que permite mantener el wiki ordenado y detectar anotaciones incorrectas o imprecisas. 6) Tipos de datos científicos: conjunto de anotaciones especiales para escribir ecuaciones y fórmulas químicas, matemáticas, unidades de medida. 7) Búsqueda semántica: permite buscar los terminos elegidos como parte de las anotacones semánticas, etc.

JSPWiki

Es un motor de wiki basado en la tecnologia Java Server, permite ser extendido por plugins, permite crear formularios, mismos que pueden ser usados en cualquier página wiki y su sintaxis es muy sencilla.

JSPWiki no solamente permite la gestión colaborativa de texto, sino la programación de aplicaciones y pequeños módulos funcionales (plugins) de dominio específico que pueden tener su propia visualización (skin) a partir de datos que pueden ser extraídos de fuentes externas (bases de datos) o repositorios, por ejemplo, de ontologías.

IkeWiki

IkeWiki es una wiki semántica desarrollada por Sebastian Schaffert y escrito completamente en Java. Utiliza OWL como lenguaje de representación de ontologías y SPARQL como lenguaje de consultas.

También permite la edición WYSIWYG del contenido de las páginas y de los metadatos como etiquetas de páginas. Los metadatos son utilizados tanto para la navegación en la wiki como para la búsqueda y renderizado de las páginas. Las anotaciones semánticas pueden ser visuali-zadas en un marco contiguo a la página de la wiki.

IkeWiki es un motor que permite cargar ontologías existentes y ofrece soporte para su edición por parte del usuario, esta web semántica se distribuye bajo la licencia GPL.

Makna

Makna es una wiki semántica desarrollada como extensión del motor JSPWiki. Desarrollada completamente en Java soporta enlaces, atributos y consultas simples utilizando RDF. Utiliza JENA como motor de inferencia para resolver las consultas. Permite realizar consultas semánticas y muestra los conceptos, propiedades y relaciones existentes mediante formularios HTML. Makna se distribuye bajo la licencia GPL.

SweetWiki

SweetWiki es una web semántica diseñada alrededor de una ontología que describe la estructura de la wiki. Se utilizó OWL Lite para definir los conceptos, propiedades y relaciones utilizadas en la wiki. Los metadatos se encuentran embebidos en las páginas de la wiki.

Como lenguaje de consulta se utiliza SPARQL junto al motor de inferencia CORESE. Esta wiki semántica está desarrollada completamente en Java y se distribuye bajo la licencia GNU-GPL.

Si observamos detenidamente la tabla de comparación de wikis podemos darnos cuenta que la mayoría de motores de wiki semántica son open source GNU GPL; algunas utilizan Jena como motor de inferencia embebido en el código Java; otras varían la implementación del lenguaje de representación de ontologías entre RDF/S y OWL y, finalmente podemos decir que el lenguaje de consultas más utilizado es SPARQL. Existen muchas wikis construidos y disponibles con sus respectivas carácteristicas que hacen posible una visualización más rápida de ellas.

Un analisis más profundo en cuanto a aspectos técnicos de las wiki se puede encontrar visitando aqui

Un aspecto importante a considerar en el diseño de un sistema adaptativo es la necesidad de organizar el conocimiento, el cual puede llevarse a cabo a través de taxonomías, ontologías, etc.

Sistemas Adaptativos Educativos

La forma en cómo ha ido evolucionando la educación a distancia desde su primera generación hasta la fecha ha resultado impresionante y vertiginoso. En la actualidad, gracias a los avances tecnológicos, la modalidad a distancia ha tomado una mejor orientación debido a la inclusión de herramientas que permiten una mayor participación del estudiante, y en el desarrollo e implementación de componentes inteligentes. Es así que aparecen los sistemas de enseñanza adaptativos o sistemas adaptativos educativos (SAE), que de acuerdo a Martínez y otros (2005) estos se definen como:

“Sistemas de educación basados en Internet, donde se aplican técnicas de inteligencia artificial con el objetivo de adaptar el contenido del sistema a los estudiantes según sus necesidades pedagógicas.”

Los sistemas adaptativos por lo general buscan la adaptación con respecto a las características del usuario, por esta razón es necesaria la participación de algunos componentes que faciliten el proceso de adaptación, entre los cuales se tiene: una base de conocimiento, modelo de usuario y tutor, y para lograr la interacción de estos componentes la participación de agentes de software o agentes inteligentes.

Resumen

A continuación compartimos la manera en que hemos logrado vincular Objetos de Aprendizaje (OA) con contenidos programáticos de las diferentes asignaturas de las mallas curriculares que se imparten en la UTPL. Las recomendaciones de OA son presentadas al estudiante, mediante un módulo denominado “Recomendaciones de Objetos de Aprendizaje provenientes del DSpace” en la plataforma virtual que se utiliza (Moodle).

Palabras clave: objeto de aprendizaje, DSpace, LOM, ontologías.

En la Universidad Técnica Particular de Loja (UTPL) dentro de la Unidad de Virtualización, se hizo la adaptación y personalización del Moodle y se lo difundió a la comunidad de estudiantes. Actualmente el Entorno Virtual de Aprendizaje (EVA, como se lo conoce dentro del campo universitario) es utilizado por estudiantes de la modalidad clásica y de la modalidad abierta y a distancia, ya que permite compartir e impartir enseñanzas de forma virtual.

Moodle es una plataforma libre orientado al entorno educativo, también conocida como un sistema de administración de aprendizaje (LMS por sus siglas en ingles), creado con la finalidad de impartir cursos en línea, los que son realizados en un aula virtual. Cuando se realiza el proceso enseñanza aprendizaje mediante una aula virtual se pueden desarrollar infinidad de cursos (se entiende por curso virtual a una propuesta metodológica orientada a satisfacer las necesidades sociales) tomando como centro principal de éste proceso al estudiante. Los objetivos de enseñanza tienen  tres componentes  fundamentales:

• Materiales educativos
• Asesorías
• Evaluación

Los materiales educativos se encuentran conformados por: texto básico (de la UTPL o del libre mercado) y objetos de aprendizaje que complementan el proceso educativos. Según (IEEE) un objeto de aprendizaje es: “cualquier entidad digital que puede ser usada, re-usada o referenciada para el aprendizaje soportada en tecnología” enlace: http://eae.ilce.edu.mx/objetosaprendizaje.htm

Los objetos de aprendizaje tienen la finalidad de promover la eficacia de enseñanza, conservando sus principios tales accesibilidad, reusabilidad e interoperabilidad y son gestionados (desarrollados, empaquetados y almacenados) a través de un repositorio de objetos de aprendizaje, los cuales pueden ser código abierto tales como: DSpace, PlanetDR, Door, entre otros. Actualmente para la gestión de objetos de aprendizaje la universidad Técnica Particular de Loja trabaja con el repositorio institucional Dspace.

DSpace es un software de código abierto desarrollado por la Universidad de Masachuset y los laboratorios de HP que permite almacenar y catalogar a través de metadatos a los diferentes recursos educativo tales como: texto, video, presentaciones, etc., http://www2.ub.edu/bid/consulta_articulos.php?fichero=20rodri2.htm

Por defecto DSpace trabaja con el estándar de metadatos Dublic Core DC (fomentado y auspiciado por la Dublic Core Metadata –DCMI-). DC es un sistema de quince descriptores, diseñado específicamente para proporcionar un vocabulario de características “base”, capaces de otorgar la información descriptiva básica sobre cualquier recurso bibliográfico, sin que importe el formato de origen, el área de especialización, o el origen cultural.

Mediante DC se puede establecer 2 niveles: simple y calificado (Dublin Core Metadata Initiative-Using Dublin Core – Dublin Core Qualifiers, 2005), el primero constituye 15 elementos, mientras que en el segundo se añaden 3 elementos al nivel anterior.

La clasificación simple incluye tres divisiones las cuales son:
Contenido del recurso

• Titulo.
• Editorial.
• Creador.
• Descripción.
• Asunto.

Recurso visto como una propiedad intelectual

• Tipo.
• Fecha.
• Formato.
• Identificador.
• Contribuyente.

Instancias de los recursos

• Origen.
• Idioma.
• Cobertura.
• Relación.
• Derecho.

Y los tres elementos añadidos al nivel calificado son:

• Audiencia.
• Procedencia.
• Derechos de titular.

La DCMI establece dos tipos de calificadores: los de refinación de elementos y el esquema de codificación. Con los primeros se logra obtener un significado más específico de los elementos, mientras que el esquema de codificación permite identificar esquemas mediante los cuales se puede interpretar los valores de los elementos; estos dos calificadores actualmente han sido incluidos en la especificación DCMI Metadata Terms (Dublin Core Metadata Initiative-DCMI Metadata Terms, 2008). Dublin Core es el estándar más extendido a nivel internacional, debido a que permite adaptarlo según las necesidades de una aplicación concreta, y además describir los datos a través de RDF.

La forma de almacenar y clasificar Objetos de Aprendizaje dentro de DSpace es a través de comunidades y colecciones (una colección se encuentra dentro de una comunidad).

El repositorio DSpace-UTPL almacena y cataloga recursos educativos basados en el estándar LOM v1.0 con el propósito de proporcionar una descripción más detallada a través de los metadatos de un OA. Learning Object Metadata (Metadatos de Objetos de Aprendizaje), es un modelo de datos que se encuentra generalmente codificado en XML, usado principalmente para el aprendizaje en línea. Sus características principales son la reutilización de los objetos de aprendizaje, y facilitar la interoperabilidad. DSpace cuenta con estructura flexible para organizar y empaquetar los OA denominadas comunidades y colecciones (una colección se define dentro de una comunidad), las mismas que son definidas por el usuarios.

Las diversas funcionalidades del repositorio DSpace, son:
• Verificación de integridad de los OA (checksum) al momento de agregar un nuevo recurso digital a una colección.
• Dos tipos de búsquedas, la primera permite buscar en todos los OA almacenados en diferentes comunidades y colecciones existentes, mientras que el segundo tipo brinda la opción de hacer búsquedas específicas en una comunidad y/o colección determinada, además de la posibilidad de especificar los campos de búsqueda y combinarlos a través de operadores booleanos “AND”, “OR” y “NOT”.
• Indexación de todos los OA almacenados en el repositorio facilitando y agilitando el proceso de búsqueda.
• Soporte para establecer diversos estándares de metadatos con la finalidad de clasificar, catalogar y almacenar un OA.
• Soporte para diversos lenguajes.
• Definición de distintos formularios de ingreso de OA de acuerdo a las exigencias de cada colección y comunidad.
• Soporte para administrar, autorización (aprobar, rechazar, descartar) cada uno de los nuevos envíos de OA realizados.

DSpace hace uso de Lucene para encontrar los OA que satisfagan los criterios de búsqueda de los usuarios. Lucene -desarrollado por Doug Cutting entre 1997 y 1998, es un API de desarrollo para la indexación y búsqueda, desarrollado en Java y distribuido bajo licencia Apache (open source, no GPL). La indexación de Lucene se realiza a través de unidades elementales denominadas documentos, cada uno de los cuales contiene un ID único textual y campos que poseen un nombre y un valor textual. Lucene soporta un tipo especial de consultas denominada consultas de rango, la cual recupera índices con orden alfabético de cadenas entre un límite bajo y superior.

Lucene ha sido usado en otros proyectos además del repositorio DSpace, entre los cuales tenemos:
• New Scientist magazine
• FedEx
• Akami-s EdgeComputing plataform
• Comunity of Science – Resource for Researchers
• jGuru
• Enciclopedia Británica CD-ROM/DVD
• Eclipse IDE, entre otros.

En la actualidad en el EVA existe un enlace hacia el repositorio DSpace; sin embargo, no se encuentran ligados directamente los objetos de aprendizaje con los contenidos estudiantiles, es así, que para cubrir éste propósito fue necesario la creación de una ontología que permita modelar esta problemática.

Ontologías
Las ontologías hacen su aparición como una rama dentro de la filosofía, las cuales se ocupan de la naturaleza y organización de la realidad. Alrededor de los años 90’s, aparecen en la Inteligencia Artificial para la representación del conocimiento, pero han logrado tener su mayor impulso a partir de la aparición de la Web Semántica propuesta por Berners Lee en el año 2001, para transformar la Web de un espacio de información a un espacio de conocimiento.

Las ontologías son una conceptualización de un dominio, es decir, un modelo abstracto de un área en particular, en el que, se describen conceptos y relaciones entre los mismos, por lo que son comúnmente vistas como sistemas de representación del conocimiento. El concepto más difundido es el Gruber (1993) quien hace referencia a las ontologías como: “Una ontología es la especificación de una conceptualización”, es decir, un modelo conceptual donde se especifican los conceptos y sus relaciones.

Las ontologías son una taxonomía relacional de conceptos y un conjunto de reglas lógicas a las que se las denomina axiomas formales o reglas de inferencia.

Existen muchas ventajas que traen consigo la utilización de ontologías entre las que tenemos:

• Constituyen una herramienta para la adquisición de conocimiento.
• Permiten compartir y reutilizar el conocimiento.
• Crear una red de relaciones entre conceptos.

Las ontologías han sido utilizadas para la representación del conocimiento, permiten definir un dominio de la información no sólo entendible por el ser humano sino también dominios deducibles e interpretables por las máquinas, debido a que poseen un nivel más amplio para la descripción del vocabulario, en contraste con otros medios para la representación de conocimiento tales como: los tesauros.

Su característica fundamental es la capacidad de razonamiento con las que se encuentran ligadas, es decir, el uso de reglas dentro de la ontología permite realizar deducciones sobre conceptos e instancias que conforman la ontología, haciendo posible de esta forma, simular la inteligencia artificial que la Web Semántica pretende lograr.

Sin embargo, en otras investigaciones como (Hurtado, 2006) se mencionan algunas ventajas del por qué usar ontologías, tales como por ejemplo, 1) las ontologías permiten un desarrollo semántico a mayor profundidad, debido a los diferentes niveles jerárquicos que se presentan al momento de formalizar una ontología, sus relaciones y capacidad para formular reglas de inferencia, 2) facilitan la reutilización y normalización de la representación del conocimiento, y 3) potencian la capacidad de comunicación entre máquinas y seres humanos.

En cambio, ¬(Happel Hans-Jörg) hace énfasis en que las ontologías son adecuadas para la evolución del conocimiento de un dominio, y para la especificación de requisitos, además de la validación y chequeo automatizado.

Ontologías para recomendaciones de OA a través del Entorno Virtual de Aprendizaje

Para ofrecer recomendaciones de OA de acuerdo a los contenidos de cada una de las asignaturas impartidas en las diferentes carreras, a los estudiantes de la UTPL fue necesario dividir el dominio del problema en dos subdominios. El primero de ellos representa parte de la oferta académica de la universidad y contiene los conceptos abstractos (áreas, carreras, asignaturas y contenidos), mientras que el segundo dominio representa el estándar LOM usado en el repositorio DSpace para la etiquetación de OA.

Para el desarrollo de ambas ontologías se eligió Methontology, esto debido a las actividades y procesos que establece para esclarecer y definir todos los conceptos, atributos, relaciones, axiomas y reglas de inferencia que son de interés, además de basarse en el estándar IEEE 1074 del ciclo de vida del software. Protégé 3.3.2 fue el software escogido para la formalización, y como lenguaje ontológico OWL-DL, además para validar la taxonomía de conceptos, reglas de inferencia, se usó Racer Pro y Jess respectivamente como software adicional a Protégé.

Como resultado de la formalización se obtuvo dos ontologías, la una denominada ontología UTPL y la segunda denominada DSpace-LOM. Al finalizar este proceso se vinculó ambas ontologías, esto es, relacionarlas con el objetivo de asociar los OA de una ontología a los contenidos impartidos en una determinada asignatura, las mismas que se hallan en la ontología UTPL.

Finalmente se desarrolló un módulo dentro del Eva con el propósito de que los estudiantes tengan a su disposición OA provenientes del repositorio DSpace, los mismo que sirvan y se encuentren asociados a los procesos estudiantiles, es decir, de acuerdo al contenido programático que se encuentran cursando.

Conclusiones

• DSpace es uno de los repositorios digitales de mayor uso y difusión en el mundo, esto es, debido a sus características y funcionalidades tales como: búsquedas simples y avanzadas, indexación, comunidad de desarrolladores, documentación, soporte de la herramienta entre otros.
• Lucene es el API para la búsqueda e indexación de OA que se usa en DSpace,y constituye una de las mejores alternativas Java, a pesar esto posee algunas desventajas entre las que tenemos: el algoritmo no se encuentra adaptado para el grid computing, el código fuente no posee un diseño orientado a objetos, es decir, no hace uso de ningún patrón de diseño, etc.
• El Moodle actualmente es el software de mayor difusión y uso al tratarse de cursos virtuales esto es en su mayor parte a la gran comunidad de respaldo que tiene la herramienta.
• Las ontologías uno de los mecanismos que ha tenido gran impulso debido a la Web Semántica, que actualmente se usan en diversos campos tales como: e-commerce, medicina, turismo, e-learning, empresarial, etc., representan un importante mecanismo para compartir el conocimiento.
• El desarrollo de ontologías (modelos DSpace y UTPL) que se encuentren accesibles al mundo, facilitan la definición de otros proyectos semánticos en dónde se utilicen dominios definidos, verificados, evaluados y aprobados, como: el estándar LOM y oferta académica

TRABAJOS FUTUROS

El procesos de enseñanza-aprendizaje virtual siempre se enriquecerá conforme las tecnologías crezcan y desarrollen, en este caso la UTPL ha dado un primer avance al involucrar definiciones semánticas -contenido programático y objetos de aprendizaje- (recomendaciones de objetos de aprendizaje), lo cual ha permitido brindar directamente a los estudiantes objetos de aprendizaje relacionados con los contenidos de estudio que se encuentran cursando.

Las recomendaciones de objetos de aprendizaje pueden mejorar tomando en consideración dos aspectos: sugerencias de OA basadas en el avance secuencial de los contenidos de estudio, es decir, ofrecer enlaces de material didáctico exclusivamente con los temas que se encuentren tratando los estudiantes, y segundo ofrecer la posibilidad de que los mismos estudiantes sean quienes etiqueten, cataloguen y almacenen los recursos digitales, tomando como base el espíritu de colaboración de la Web 2.0.

Así mismo, para potenciar el desarrollo de aplicaciones semánticas, es necesario la investigación y elaboración de componentes adicionales a las ontologías, como los denominados “agentes inteligentes”, esto permitirá en base a los diferentes perfiles de usuario brindar recomendaciones mucho mas personalizadas.

Bibliografía
• BARCHINI Graciela, Á. M. (2006). JISTEM – Journal of Information Systems and Technology Management. Revista de Gestão da Tecnologia e Sistemas de Informação,3-18.
Disponible en: http://www.tecsi.fea.usp.br/revistatecsi/edicoesanteriores/v03n01-2006/v3n1a1.pdf

• BRANK, J., Grobelnik, M., & Mladenié, D. (s.f.). A SURVEY OF ONTOLOGY EVALUATION TECHNIQUES. Ljubljana, Slovenia. Disponible en: http://kt.ijs.si/dunja/sikdd2005/Papers/BrankEvaluationSiKDD2005.pdf

• CORCHO, M. F.-L.-P. (2001). Methodologies tools and languages for building ontologies. Where is their meeting point? Universidad Politecnica de Madrid, Campus de Montegancedo s/n, Madrid 28660, España. Disponible en: http://www.aegean.gr/culturaltec/Kavakli/MIS/papers/Corcho_2003.pdf

• CRIADO, L. (06 de 06 de 2008). Web Semántica. Recuperado el 25 de 02 de 2009, Disponible en: http://lcriadof.blogspot.com/2008/06/situacin-de-los-buscadores-semnticos.html

• DING, L., Finin, T., Joshi, A., Peng, Y., Pan, R., & Reddivari, P. (s.f.). Search on the Semantic Web. University of Maryland, Baltimore County, USA. Disponible en: http://www2.computer.org/plugins/dl/pdf/mags/co/2005/10/rx062.pdf?template=1&loginState=1&userData=anonymous-IP1235611200520

• Dublin Core Metadata Initiative-DCMI Metadata Terms. (14 de Enero de 2008). Recuperado el 20 de Febrero de 2008, Disponible en: http://dublincore.org/documents/dcmi-terms/

• Dublin Core Metadata Initiative-Using Dublin Core – Dublin Core Qualifiers. (07 de Noviembre de 2005). Recuperado el 20 de Febrero de 2008, de http://dublincore.org/documents/usageguide/qualifiers.shtml

• FENSEL D, V. H. (1999). Project Presentation On-To-Knowledge: Content-driven Knowledge-Management Tools through Evolving Ontologies. Vrije Universiteit Amsterdam. Disponible en: http://www.ontoknowledge.org/downl/slides/otk2-1.pdf

• FENSEL D. Van Hermelen F., K. M. (s.f.). On-To-Knowledge: Ontology-based Tools ¬
• for Knowledge Management. Free University Amsterdam VUA, Division of Mathematics and Informatics De Boelelaan 1081a, NL-1081 HV Amsterdam, The Netherlands. Disponible en: http://www.cs.vu.nl/~frankh/postscript/eBeW00.pdf

• GANGEMI, A., Catenacci, C., Ciaramita, M., & Lehmann, J. (s.f.). A theorical framework for ontology evaluation and validation. Roma, Italia. Disponible en: http://www.loa-cnr.it/Papers/swap_final_v2.pdf

• GARCÍA, R. (2005). Un Entorno para la Extracción Incremental de Conocimiento desde Texto en Lenguaje Natural. TESIS DOCTORAL.Universidad de Murcia. Departamento de Ingeniería de la Información y las Comunicaciones. Disponible en: http://www.tdx.cbuc.es/TDX/TDR_UM/TESIS/AVAILABLE/TDR-1123105-140512//rvalencia.pdf

• GRIGORIS Antoniou, V. H. (2004.). A Semantic Web Primer. The MIT Press Cambridge, Massachusetts, London, England. Disponible en: http://www.ulb.tu-darmstadt.de/tocs/121667529.pdf

• GRUBER Thomas R. (1993). A Translation Approach to Portable Ontology Specifications. KNOWLEDGE SYSTEMS LABORATORY Computer Science Department Stanford University Stanford, California. Disponible en: http://tomgruber.org/writing/ontolingua-kaj-1993.htm

• HAPPEL Hans-Jörg, SEEDORF. Stefan. (s.f.). Application of ontologies in Software Engineering. Universität Mannheim, Lehrstuhl für Wirtschaftinformatik III, Schloss, 68131 Mannheim, Germany. Disponible en: http://km.aifb.uni-karlsruhe.de/ws/swese2006/final/happel_full.pdf

La primera definición de ontología en inteligencia artificial, fue aportada por Neches con su equipo de trabajo, citado por (García, 2004, p.2), quien define y delimita la ontología como:

“un instrumento que define los términos básicos y relaciones a partir del vocabulario de una área específica, así como las reglas para combinar dichos términos y las relaciones para definir extensiones de vocabularios”

En muchas ocasiones el término “ontología” es reemplazado por el término “taxonomía”. En forma general no está muy clara la diferencia que existe entre ellos, debido a que algunos expertos concuerdan en que una ontología no es más que una taxonomía, ya que describe una representación del conocimiento de manera poco profunda. Pero si analizamos la definición de Neches, una ontología no es solamente la definición de términos básicos y relaciones sino también las reglas que permitirán la inferencia, por ello Tallarico M. (2008), enfatiza que una ontología difiere de una taxonomía, ya que una ontología tiene una estructura interna mucho más explícita que una taxonomía, además de que refleja cierto consenso entre las clases que la conforman.

Las ontologías típicas que se pueden encontrar y que son utilizadas en la web, están conformadas por taxonomías conjuntamente con reglas de inferencia.

Taxonomía.- permite la organización y representación de clases, subclases, relaciones, permitiendo agregar propiedades a las clases, así como su respectiva herencia entre clase y subclase. Éstas son una poderosa forma de representación del conocimiento.

Reglas de Inferencia.- estas le añaden una capacidad adicional a las taxonomías, ya que les permiten generar conocimiento. Por lo general el formato de una regla es ’si”, “entonces”. Ej.:

{Si estudia psicología entonces recomendar artículos de humanidades}

Consecuentemente, podemos decir que la representación del conocimiento se logra con la definición de una taxonomía y sus reglas de inferencia relacionadas

Compártelo]]> http://www.utpl.edu.ec/semanticlab/http:/www.utpl.edu.ec/semanticlab/mvagila/ontologias-un-elemento-clave-de-la-web-semantica/14/feed 1