Sistemas Expertos

SISTEMAS DINÁMICOS DE CONOCIMIENTOS
PARA EMULAR EN EDUCACIÓN A LOS SISTEMAS EXPERTOS 1
Resumen
Los Sistemas Expertos basados en reglas permiten emular la pericia de un experto para
tomar decisiones especializadas. Se plantea utilizar su metodología y herramientas
para desarrollar Sistemas Dinámicos de Conocimientos (SDC)--contrapuestos al
conocimiento inerte--para contenidos menos especializados aplicables a tópicos
complejos de cualquier contenido y nivel educativo. Se aprovecha la diseminación del
Lenguaje HTML para elaborar Hipertextos, para prepararlos como materiales de
enseñanza en disquetes activados con un navegador; permitiendo al estudiante resolver
casos específicos de una clase de problemas, tanto de Conocimientos Declarativos
como Procedimentales.
La noción de Estructuras de Conocimientos permite situar el nivel máximo de toda
pericia en el Conocimiento Procedimental Condicional, para cualquier contenido y
nivel de exigencias. Los SDC permiten capturar esas pericias y los Algoritmos
constituyen una herramienta clave para analizarlas y representarlas. Se muestran
ejemplos aplicables a diferentes niveles educativos elaborados en HTML como Libros
Electrónicos navegables.
Los Sistemas Dinámicos de Conocimientos (SDC) representan una aplicación al
ámbito de la Educación del concepto de Sistemas Expertos (SE) basados en Reglas
(Waterman, 1986). Desde la perspectiva de la Instrucción. ambos se basan en el análisis y
representación de las Estructuras de Conocimientos Condicionales Procedimentales, las
cuales expresan los niveles de conocimientos complejos más avanzados de cualquier
pericia. Los Algoritmos constituyen una potente herramienta tanto para su análisis como
para su representación (Orantes, 1996). Por lo cual, dentro del campo de la Enseñanza
Asistida por Computadora los SDC se pueden situarse dentro de una concepción de estas
tecnologías que enfatiza la representación del conocimiento. Un valor agregado actual es
que los SDC pueden prepararse como Hiper Textos--una contribución de Internet a la
Pedagogía--mediante el lenguaje HTML lo cual permite colocar estos recursos de
enseñanza en un disquete. Están a tono con la concepción actual que considera a esta
expansión de las tecnologías de la computación hacia el Ciberespacio, como herramientas
para expandir la mente (Rheingold, 2000).
Los antecedentes
En la actualidad el desarrollo y aplicación de los SE al ámbito educativo muestra un
nuevo repunte después de sus inicios en los años ochenta, incluso en nuestro medio. Lo
testimonian el número de trabajos presentados en recientes Convenciones de ASOVAC en
el Area de Computación (Barrera, et al, 2000; Odoardi, et. al, 2000; Orantes & Villalba,
1999; Ramos el al., 1999) y su llegada al área Educativa (Garcia, 1999; Ortega & Bracho,
1999), así como la confirmación del uso del HTML para elaborarlos (Barrera et al., 2000;
1
Versión de una presentación, en la Convención de Asovac del 2000. Publicado en Orantes, A. (2002).
Educación y Computación: Historias de este mundo y del otro mundo. Comisión de Estudios de Postgrado.
Facultad de Humanidades y Educación, UCV. También en Quaderns Digitals, No 18. Valencia, España.
http://www.quadernsdigitals.net/. (Biblioteca) ISSN :1575-9393.
Orantes & Villalba, 1999; Ramos el al., 1999), así la perpectiva de elaborar Libros-E.
Inteligentes, aprovechando las facilidades de la multimedia (Escalona, A., 1999).
Un punto de referencia importante es un número de la revista Educational
Technology dedicado a las aplicaciones iniciales de la Inteligencia Artificial en Educación,
incluyendo a los SE (Tennyson & Ferrara, 1987). En nuestro medio, el interés en la
aplicación de los Algoritmos y su vínculo natural con el área de la Ingeniería del
Conocimiento permitieron un año antes (Orantes, 1986) presentar, en el área de la
Computación, experiencias de aplicaciones de técnicas de representación del conocimiento
a la extracción del conocimiento para generar SE y luego desarrollar ingeniosas
aplicaciones para la enseñanza de diagnóstico de Cardiopatías Congénitas para Residentes
del Postgrado en Cardiología mediante el Sistema Congénito desarrollado por César
Anselmi con el apoyo de su padre, un renombrado cardiólogo (Anselmi, Anselmi &
Orantes, 1987). Luego, una serie de felices coincidencias llevaron a contar con el apoyo de
José Alí Moreno para desarrollar el Sistema Triple C--para Comunicar Conocimiento
Condicionales--una aplicación en lenguaje Turbo Prolog--para preparar, editar y presentar
SE, cuya gran flexibilidad radicaba en la independencia del sistema de Control de las Bases
de Conocimientos que manejaba (Moreno & Orantes, 1998). El Sistema se ensayó con
Bases de Conocimientos de diferente de nivel de complejidad (Moreno & Orantes, 1998).
El desarrollo y aplicaciones del Triple C pueden considerarse como la base de la noción de
SDC.
Una manera de clarificar el significado y propiedades del concepto de
Conocimiento Dinámico, es tomando como punto de referencia lo exhibido en los Museos.
Allí se muestran productos del conocimiento humano, los objetos hechos por el hombre:
Desde utensilios a complejas máquinas Dependiendo del tipo de museo puede incluir
muestras (Animales, o minerales) y procesos (Naturales o tecnologías). En todos los casos
se incluyen explicaciones sobre lo que allí se muestra. Pero todo este conocimiento es
inerte. Solo puede ser visto, leído, tocado, pero no puede ser usado ni aplicado. La mayoría
de los conocimientos que proporciona la Escuela son equiparables al de los Museos:
principalmente inertes.
Por el contrario el conocimiento dinámico permite usar, aplicar y explorar lo que
socialmente se sabe—los saberes--sobre un tópico. El concepto germinal fue propuesto por
el filósofo matemático Alfred N. Whitehead (1929) en términos de “ideas inertes” como
aquellas
“...que son solo recibidas por la mente sin ser utilizadas, o verificadas, o
empleadas en nuevas combinaciones.” (pg 1)
Esta polaridad de conocimientos dinámico-inerte recibe diferentes denominaciones:
Conocimiento Productivo e Improductivo (White & Mayer, 1980), Conocimiento Inerte y
Condicional (Bransford & Vye, 1989), Conocimiento Epistémico y Heurístico (Dorner,
1977), Adquisición y Logro en la tradición clásica de la Psicología de la Instrucción
(Gilbert, 1970). Actualmente predomina dentro del ámbito de la Psicología cognitiva la
polaridad Conocimientos Declarativos y Procedimentales (Anderson, 1983).
Interpretando la polaridad Dinámico-Inerte
Una forma de clarificar el asunto es aceptando la distinción entre el contenido, de
naturaleza semántica y su estructura subyacente, de naturaleza formal (Frederiksen, 1975).
2
De acuerdo a este planteamiento en todo conocimiento pueden identificarse además, de sus
propiedades semánticas que reflejan un contexto determinado constreñido por el dominio
(Matemática, Geografía) y el nivel de complejidad (Nivel educativo), factores no
contextuales derivados de aspectos de tipo estructural, los cuales pueden ser iguales en
diferentes tipos de contenidos independientemente del dominio y su nivel de complejidad.
Se pueden considerar dos grandes tipos de factores no contextuales: Las Estructuras de
Conocimientos subyacente y los tipos de Conocimientos en términos de su utilización
Las Estructuras de Conocimientos (EC) son patrones de relaciones subyacentes al
contenido. Cualquier expresión de conocimientos posee una estructura subyacente única de
carácter sintáctico. Bastan tres categorías para englobar y agotar todo tipo de estructura
(Orantes, 1991). Pueden ser Topográficas, referidas a conocimientos sobre terminología y
descripciones; Secuenciales para referirse a eventos o secuencias que guardan un orden
dado y Condicionales para referirse a situaciones que impliquen tomar una decisión de
acuerdo a las circunstancias. Lo peculiar es que las Topográficas son la base de las
Secuenciales y éstas de las Condicionales. Una estructura Condicional implica la ruptura de
una secuencia cuando esta no alcanza su propósito y plantea como alternativa otra
secuencia. Por esta razón las estructuras condicionales se expresan mediante reglas del tipo
Si...Entonces
Por otra parte, el Tipo de Conocimientos se refiere a las propiedades de utilización
de éstos tengan. Se refieren a la tradicionales dicotomías Conocimientos-Destrezas, VerbalEjecución, Información Verbal-Destrezas Intelectuales, Conceptos-Habilidades, las cuales
en la actualidad están sintetizadas en la distinción clásica distinción entre Conocimiento
Declarativo y Procedimental propia de la literatura actual (Anderson, 1983).
TIPO DE CONOCIMIENTOS
DECLARATIVO
PROCEDIMENTAL
ESTRUCTURA DE CONOCIMIENTOS
TOPOGRÁFICA
SECUENCIAL
CONDICIONAL
Figura 1. Tipo Conocimientos y Estructuras de Conocimientos
En base a esos dos parámetros se obtiene una matriz mediante la cual es posible
incluir, en forma unívoca, cualquier enunciado de un contenido en una de las seis
categorías generadas, las cuales representan estados de conocimientos (Orantes, 1991). La
relación entre los estados es acumulativa y progresiva--de lo Topográfico a lo Condicional
y de lo Declarativo a lo Procedimental--lo cual genera un vector que apunta a las
Estructuras Condicionales Procedimentales como el grado máximo de conocimientos
posible dentro de cualquier contenido e identifica el nivel de Pericia en cualquier
contenido, independientemente de su dominio, complejidad o contexto. Las EC
Condicionales Representan la sabiduría máxima dentro de cualquier sistema de
conocimientos pues engloban a todas las otras anteriores. Esto se representa en la Figura 1.
De esta manera, puede verse como las EC describen la dinámica e integración de
cualquier sistema de conocimientos basándose en dos propiedades. (1) Son Progresivas pues
van de lo Declarativo a lo Procedimental y de lo Topográfico a lo Condicional. (2) Son
Acumulativas , pues todo estado es un constituyente esencial del siguiente: El Declarativo del
Procedimental, el Topográfico del Secuencial y éste del Condicional. Esto puede resumirse y
3
representarse en una matriz conformada por el tipo de Conocimientos y el tipo de Estructura, la
cual posee una propiedad dinámica muy especial, de acuerdo a la cual, en cualquier dominio,
el conocimiento más complejo y avanzado es el Condicional Procedimental, el cual se expresa
mediante reglas de producción del tipo Si..Entonces. El Conocimiento Condicional puede
representarse mediante Algoritmos en forma de diagramas o Tablas de Decisión y emularse
mediante materiales de apoyo y, en su expresión más refinada. mediante Sistemas Expertos.
De esta manera permitiendo a quien posea el conocimiento dinámico identificar, clasificar,
diagnosticar y resolver problemas complejos.
Hacia una definición
Los SDC utilizan las mismas representaciones de las estructuras de conocimientos,
las mismas técnicas para obtener y representar el conocimiento y las mismas herramientas
de computación que utilizan los Sistemas Expertos (SE). Estos son sistemas
computacionales que permiten emular la pericia de un Experto y tomar decisiones, para
resolver un problema muy complejo, tal como lo haría un especialista de muy alto nivel. Un
SE es un sistema socio-técnico pues además de varios tipos de computacionales implica la
participación de un Experto de un Analista de Conocimientos y de un Usuario, quién
interactúa a través de una computadora como interfaz del sistema con una Máquina de
Inferencia mediante la cual se tiene acceso a las Bases de Conocimientos que son el
resultado del trabajo conjunto del Analista, quién extrae y representa los conocimientos del
Experto y del computista que genera en el sistema las Bases de Conocimientos. En nuestro
medio se han realizado aplicaciones de SE para tópicos específicos de Derecho Laboral
(Sánchez & Santamaría, 1991; Constantini, 1995). En la la Figura 2 se muestran la relación
de los componentes de un SE de acuerdo a Waterman (1986).
Por lo tanto un Sistema Dinámico de Conocimientos emula a un Sistema Experto.
Surge entonces la interrogante de cómo diferenciar un Sistema Dinámico de Conocimientos
de un Sistema Experto. Las diferencias son de tipo cualitativo y radican en el nivel de
especialización de los conocimientos de la pericia que cada uno representa.
Mientras los Sistemas Expertos emulan la pericia de un experto altamente
especializados, los Sistemas Dinámicos de Conocimientos emulan la pericia de un docente
de cualquier nivel educativo. Desde el punto de vista técnico la diferencia estriba en el
grado de especialización de las Bases de Conocimientos que utilizan cada uno de estos
sistemas. En los Sistemas Expertos, las Bases de Conocimientos reflejan los conocimientos
altamente especializados de un experto, poco comunes aún dentro del dominio de
conocimientos del área de esa especialización y de alto valor técnico. Mientras que en los
Sistemas Dinámicos de Conocimientos, sus Bases de Conocimientos reflejan el nivel de
pericia propio de un docente de una asignatura para un nivel educativo determinado.
Los Sistemas Dinámicos de Conocimientos, utilizando la tecnología de los Sistemas
Expertos, permiten preparar recursos de enseñanza para el manejo de conocimientos
Condicionales Procedimentales, es decir, para estructuras de conocimientos que implican
decisiones jerárquicas consecutivas.
Mediante la representación de estas pericias se pueden elaborar soluciones para el
manejo de las categorías de casos que pertenecen a una clase de problemas,
independientemente del nivel de pericia. El modelo subyacente de representación son
Algoritmos y los recursos pueden prepararse utilizando una amplia gama de formatos y
aprovechando diferentes medios, pero manteniendo intactas las propiedades de representar
4
cadenas de decisiones.
Figura 2. Estructura y elementos de un Sistema Experto (Waterman, 1986)
Lo interesante es que estos recursos de enseñanza son aplicables a cualquier nivel
de rendimiento en cualquier asignatura. Se pueden aplicar en Primaria, Secundaria y en
Educación Superior para contenidos cuya estructura sea de tipo condicional procedimental.
La aplicación típica de los Sistemas Dinámicos de Conocimientos es para clasificar
instancias de acuerdo a estructuras taxonómicas determinadas. Si se quiere, el SDC, pone
de manifiesto esa estructura taxonómica.
Por manejar estructuras de Conocimientos Condicionales Procedimentales, los SDC
son aplicables igualmente para preparar Ayudas Diagnósticas, para la identificación de
fallas y afinar procedimientos administrativos. En general permiten preparar materiales de
apoyo para ejecutar procedimientos complejos que impliquen la toma de decisiones.
Una característica importante de los SDC, al igual que los SE es que sirven de
apoyo para ir tomando decisiones que conducen a salidas específicas, de la clase de
problemas que se manejan.
La Interfaz
El asunto de la interfaz es importante pues los SDC tienden a requerir apoyo de
computación. Sin embargo, pueden prepararse en forma gráfica representaciones de los
árboles de decisiones de los Algoritmos subyacentes. Los materiales resultantes permiten
lograr los mismos efectos y pueden ser, en términos costo-beneficio, tan eficientes como un
sistema computacional. A pesar de sus ventajas los Algoritmos se usan poco en instrucción
comparados con otros recursos, como los Mapas Conceptos. Por el contrario, dentro del
contexto del postgrado en Psicología de la Instrucción, constituyen una valiosa herramienta
y se aplican con profusión (Orantes, 1998).
La propiedad funcional definitoria tanto de los SDC como de los SE, es que el
sistema, a través del tipo de interfaz utilizado (Computadora o Diagrama), va presentando
en forma de preguntas la serie de condiciones que identifican las contingencias propias de
5
ese sistema de conocimientos. El usuario debe ir tomando decisiones escogiendo las
opciones o valores que se apliquen al caso que se examine. La cadena de respuestas a las
preguntas relevantes al caso generan una ruta que conduce entre una variedad de salidas a
una en particular, mediante la cual se categoriza el estado que corresponde a ese caso de
acuerdo a las contigencias que afectan al sistema.
El asunto de fondo es que estos recursos, independientemente del formato en el cual
se presenten, el dominio de los conocimientos involucrados, o el nivel de pericia al cual se
apliquen constituyen mecanismos para identificar el estado de situaciones pertenecientes a
una misma clase o familia de conocimientos, cuyo ámbito esta definido por las
restricciones de cobertura de contenido en términos de extensión y complejidad y las
consiguientes exclusiones.
Estos recursos constituyen representaciones analógicas de la pericia del experto o
del docente y el usuario va tomando las decisiones tal como la tomaría el experto, cuando
se trata de un SE, o el docente, cuando se trata de un SDC. Una característica importante es
que en ambos casos el usuario debe de tener los conocimientos previos necesarios para
poder interpretar el sentido técnico de las preguntas. De tal manera que estos sistemas no
son de uso universal, están restringidos a poblaciones de usuarios determinados, cuyos
miembros pueden emplearlos como un apoyo para tomar decisiones apropiadas frente a
situaciones nuevas o complejas. Ayudan a los novatos, pero no a los neófitos.
La extracción del Conocimiento
La representación de estas ECC exige un laborioso proceso de análisis para
identificar las contingencias básicas que definen una pericia. A partir de las
representaciones resultantes pueden desarrollarse Sistemas Expertos, y el uso de los
Algoritmos como herramienta de análisis y representación facilita a los Analistas el
proceso de extracción de conocimientos, cuello de botella de la Ingeniería del
Conocimiento.
La tarea del Analista comprende dos etapas:
(1)
Entrevistas para extraer los conocimientos del Experto e identificar
contingencias.
(2)
Representación de las ECC de la pericia mediante diagramas de flujo.
En el caso de los SDC el proceso de extracción de conocimientos se simplifica, pues el
docente especializado en el contenido puede hacer la representación una vez que se
capacite en la elaboración de Algoritmos, y se convierte a la vez en Analista y Experto en
contenido.
Algoritmos y Diseño de Instrucción
Los Algoritmos pueden servir de base para preparar recursos de enseñanza. Sin
embargo, no es obvio el manejo que debe dársele para generar un material de enseñanza, lo
cual seguramente incide en su precario aprovechamiento. Además de las exigencias
técnicas que plantea su elaboración no se clarifica el procedimiento para insertarlo en el
proceso de diseño de un material de Instrucción.
El Algoritmo como producto consiste en la representación, generalmente en forma de
diagrama de flujo o Tablas de Decisión de la jerarquía de las cadenas de decisiones y las
6
correspondientes salidas o productos. Para utilizar los Algoritmos dentro del contexto del
diseño de instrucción es necesario y recordar que como modalidad representa un tipo muy
particular de Material de Auto Instrucción o un tipo de Instructivo para tareas mucho más
complejas que las rutinas lineales pues incorpora la toma de decisiones. Se le suelen
denominar también Ayudas Diagnósticas. Para convertirlo en una ayuda o instructivo se
debe preparar un entorno adecuado a la representación. Esto comprende varias cosas.
Iindicar en forma precisa su cobertura y el propósito específico, indicando lo que excluye
así como los casos que excluye. Información que permita aclarar puntos clave o
información complementaria, tales como explicaciones, referencias, etc. Tomar en cuenta
aspectos estéticos, sintetizar al máximo sin afectar la comprensión y cuidar el diseño
gráfico de la presentación. Un requisito importante, de es el someter a prueba el material
resultante con el tipo usuarios al cual va dirigido para eliminar distractores y deficiencias e
introducir mejoras.
Esto se ha aplicado a la elaboración de Ayudas Diagnósticas para atender
emergencias de triaje como apoyo a residentes de hospitales (Orantes, Iskandarian &
Orantes, 1999), tal como se muestra en la Figura 3.
La implementación de un SDC
Visto el asunto desde punto de vista funcional la preparación de un SDC--e incluso
la de un SE--puede hacerse, dependiendo de .los medios y recursos técnicos disponibles,
utilizando una computadora o mediante combinaciones de representaciones analógicas de
la pericia como una ayuda para la toma de decisiones en la forma de árboles de decisiones
acompañados respaldados por las explicaciones necesarias para el caso.
o
o
La aparición de HTML, permite preparar en forma relativamente sencilla, SDC
apoyados en computadora. Este lenguaje se utiliza para preparar las páginas
Web, las cuales están concebidas como hipertextos y su característica es que el
lector puede saltar de una página a otra. El hipertexto es un conjunto de archivos
de textos, cuya propiedad es permitir pasar de una parte de un texto, a otra parte
de otro texto. El HTML es el lenguaje mediante el cual se marcan con etiquetas
los textos para establecer los vínculos con otros textos o páginas y configurar la
apariencia del texto, permitiendo demás incluir imágenes, sonido y otros efectos.
Un SE puede desarrollarse con el Lenguaje HTML (Orantes & Villalba, 1999). En este
caso el SE consiste en un conjunto de páginas con una regla y sus valores, mediante lo cual
se establecen vínculos con otras páginas, dependiendo de la escogencia del Usuario,
permitiendo así, “navegar” mediante encadenamientos hacia adelante o hacia atrás a
diferentes niveles jerárquicos, emulando así a la Máquina de Inferencia de un Sistema
Experto. Por lo tanto con este mismo recurso se pueden preparar SDC para contenidos
menos especializados pero de estructura semejante a la de un SE.
EÇ n nuestro medio se ha desarrollado una tecnología muy sencilla para preparar
SDC en forma de Hiper Texto aprovechando la flexibilidad del HTML. Reflejan la
experiencia inicial de las aplicaciones desarrolladas en con Triple C, como Alacrán o
Despido para clasificar alacranes del área de Caracas y el manejo de casos de despido de
acuerdo al Derecho Laboral (Moreno & Orantes, 1998a, Orantes, Sánchez, Santamaría, &
Marín, 1995) Estos prototipos son sencillos materiales de enseñanza que caben en un
7
Sabelotodo Poligonal), la
Figura 3. Ayuda Diagnóstica para atender casos de molestias en el ojo (Orantes et al.
1999).
determinación del tipo de palanca presente en una herramienta mecánica (La
Palanca Mágica) o la escogencia de una prueba estadística. Estos prototipos forman parte
de un Trabajo de Grado en Educación (Villalba, 2001).
Multiplicando y diseminado pericias
Rheingold (2000) considera a los desarrollos actuales de la computación como
herramientas para expandir la mente. El desarrollo de Sistemas Expertos y Sistemas
Dinámicos de Conocimientos permite emplear a la computadora para multiplicar y
diseminar los conocimientos de la mente de los expertos, poniendo en manos del usuario
representaciones analógicas de las pericias para tomar decisiones tal como lo haría un
experto o como un docente esperaría que un alumno aplicado lo hiciera. Es poner en manos
del usuario un mecanismo para manejar los conocimientos procedimentales, el
8
conocimiento práctico para categorizar una situación, sobre un aspecto muy particular de
un dominio de conocimientos, ya sea a nivel altamente especializado, como en el caso de
los SE, o correspondiente a un nivel de rendimiento, común a los docentes de una
especialidad, como en el caso de los SDC. Pero en cualquier caso, constituyen herramientas
para expandir y multiplicar la mente.
Referencias
Anderson, J.R. (1982) Acquisition of cognitive skills. Psychological Review, 89, 369-406.
Acevedo, H.& Domínguez, J (1999). Validación de una red neuronal artificial entrenada
para predecir el rendimiento académico. XLIX Convención Anual de ASOVAC.
Universidad Bicentenaria de Aragua, Maracay, 14 al 19 de Noviembre. Resumen en
Acta Científica Venezolana, 50, Suplemento 2, Pág. 25.
Anselmi, G., Anselmi, C. & Orantes, A.(1987) Representación de Estructuras Diagnósticas en
Cardiopatías Congénitas para el desarrollo de un Sistema Computarizado de toma de
Decisiones. XXXVII Convención Anual ASOVAC. LUZ. Maracaibo. Noviembre.
Barrera, M., Páez, F., Ramia M. & Ramos, E. (2000). Sistemas basados en conocimiento
experto para la identificación de especies del subgénero panicum, género panicum,
familia de las gramideas. L Convención Anual de ASOVAC, USB. Caracas, 19 al 24
de Noviembre. Resumen en Acta Científica Venezolana, 51, Suplemento 2, Pág. 358.
Constantini, A. (1995). Ingeniería del Conocimiento en Psicología Industrial: Representando
las Estructuras de Conocimientos sobre Negociaciones Colectivas por Rama de un Experto
en Derecho Laboral. Opción de Psicología Industrial, UCV.
Escalona, L. (2000) Diseño de Libros Electrónicos para la enseñanza de la computación
usando sistema multimedia. XLIX Convención Anual de ASOVAC. Universidad
Bicentenaria de Aragua, Maracay, 14 al 19 de Noviembre. Resumen en Acta Científica
Venezolana, 50, Suplemento 2, Pág. 83.
Frederiksen, C.H. (1975) Representing logical and semantical structure of knowledge
acquired from discourse.Cognitive Psychology, 7, 371-458.
García, F. (1999). Sistema Experto para la enseñanza del análisis de circuitos DC. XLIX
Convención Anual de ASOVAC. Universidad Bicentenaria de Aragua, Maracay, 14 al
19 de Noviembre. Resumen en Acta Científica Venezolana, 50, Suplemento 2, Pág. 39.
Moreno, J.A. & Orantes, A. (1998a). Un Sistema Modular de Programas para desarrollar y
utilizar Aplicaciones de Sistemas de Producción: Arquitectura. XXII Congreso
Interamericano de Psicología. Buenos Aires, julio.
Moreno, J.A. & Orantes, A. . (1998a). Un Sistema Modular de Programas para desarrollar y
utilizar Aplicaciones de Sistemas de Producción: Desarrollo de Aplicaciones. XXII
Congreso Interamericano de Psicología. Buenos Aires, julio.
Odoardi, L., Ramia, M. & Ramos, E. (2000) Sistema de Búsqueda y Recuperación sobre
una base de conocimientos de especies del genero panicum, familia de las gramideas. L
Convención Anual de ASOVAC, USB. Caracas, 19 al 24 de Noviembre. Resumen en
Acta Científica Venezolana, 51, Suplemento 2, Pág. 358.
Orantes, A. (1998) Al rescate de los Algoritmos para la Enseñanza de las Ciencias. Una
herramienta para analizar y representar conocimientos condicionales. En S. Castañeda (Ed.)
Evaluación y Fomento del Desarrollo Intelectual en la Enseñanza de Ciencias, Artes y
Técnicas. Perspectiva Internacional en el umbral del siglo XXI. México: UNAM.
Orantes, A. (1986). Representación de Estructuras Diagnósticas en Medicina y Odontología
9
para el desarrollo de Sistemas de Experto. XXXVI Convención Anual de Asovac. U. de
Carabobo. Valencia, Noviembre.
Orantes, A, Iskandarian, K & Orantes, J. (1999)Descubriendo las etapas para diseñar
Materiales de instrucción basados en algoritmos. XXVII Congreso Interamericano de
Psicología. Caracas Junio-27- Julio 2. .
Orantes, A & Villalba, Ana C. (1999). Desmontando la noción de Sistemas Expertos y
facilitando su construcción con HTML. XLIX Convención Anual de ASOVAC.
Universidad Bicentenaria de Aragua, Maracay, 14 al 19 de Noviembre. Resumen en
Acta Científica Venezolana, 50, Suplemento 2, Pág. 77.
Orantes, A. (2000). Sistemas Dinámicos de Conocimientos de apoyo a la enseñanza
preparados en HTML. L Convención Anual de ASOVAC, USB. Caracas, 19 al 24 de
Noviembre. Resumen en Acta Científica Venezolana, 51, Suplemento 2, Pág. 316.
Ortega, A & Bracho, C. (1999). “EVEXPERT”Sistema Experto en la evaluación de los
criterios de calidad de las funciones básicas de la educación superior. XLIX Convención
Anual de ASOVAC. Universidad Bicentenaria de Aragua, Maracay, 14 al 19 de
Noviembre. Resumen en Acta Científica Venezolana, 50, Suplemento 2, Pág. 38.
Ramos, E..; Ramia, M. Páez, F. & Barrera, M. (1999). Adquisición de conocimiento para la
identificación de especies del género panicum. XLIX Convención Anual de ASOVAC.
Universidad Bicentenaria de Aragua, Maracay, 14 al 19 de Noviembre. Resumen en
Acta Científica Venezolana, 50, Suplemento 2, Pág. 78.
Rheingold, H. (2000) Tools for Thought: the history and Future of Mind-Expanding
Technology. MIT Press.
Sánchez, Lidubina & Santamaria, Rossi (1991) Representación de Estructuras de
Conocimientos en el desarrollo de un Sistema Experto en Derecho Laboral. Opción de
Psicología Industrial, UCV.
Tennyson, R.D. & Ferrara, J. (1987) Introduction to Special Issue: Artificial Intelligence and
Education. Educational Technology, vol 27 (5) 7-8.
Villalba Souza, A.C. (2001) El lenguaje HTML como herramienta para Diseñar Sistemas
Dinámicos de Conocimientos en Educación Superior a Distancia. Trabajo de Grado
Maestría en Educación Superior, UCV.
Waterman, D.A. (1986) A Guide to Expert Systems. Addison-Wesley.
Whitehead, A. N. (1929). The Aims of Education and other essays. NY: The Free Press
Caracas, Junio del 2001
sdc-tra.doc
10