Professional Documents
Culture Documents
La constitución de la pedagogía como un cuerpo que muestre los rasgos propios del conocimiento científico
ha estado en la agenda de retos por lograr de muchos investigadores contemporáneos. La meta no es fácil.
A decir de Luhmann (1997), el carácter científico de la pedagogía no se ha constituido y, en consecuencia, el
sistema educativo está marcado estructuralmente por un déficit tecnológico. El educador navega en un
torrente de flujo continuo donde unas personas procesan la personalidad de otras. Paradójicamente él debe
procesar la personalidad de sus educandos, pero curiosamente también su personalidad resulta afectada por
sus propios alumnos. Cuando trata de investigar para construir conocimiento sobre el proceso a su cargo,
como investigador resulta afectado y quien regula resulta regulado. Romper el ciclo de la mutua regulación
constituye un reto para la constitución de una pedagogía científica.
En este escenario incursiona en la segunda mitad del siglo XX la disciplina de la Inteligencia Artificial que
tiene entre sus más hondos anhelos estudiar la inteligencia humana y, apoyada en una metodología que trata
de validar y consolidar, se propone generar teorías y dispositivos que exhiban rasgos de los seres en cuanto
inteligentes.
Tanimoto (1987: 7) expresa que el propósito fundamental de la IA es mejorar la comprensión de los procesos
de razonamiento, aprendizaje y percepción del ser humano. Los principales retos del desarrollo de este
campo están constituidos por la representación de conocimiento, búsqueda en los procesos de solución de
problemas, percepción e inferencia.
Los tutores inteligentes son un ejemplo muy conocido de la incursión de la Inteligencia Artificial a la
Pedagogía.
Típicamente hay cuatro agentes artificiales que modelan dimensiones de la actividad pedagógica: se simula
al profesor como pedagogo y como experto en un dominio de conocimiento, se representa al estudiante y se
diseña un sistema de comunicación entre la máquina y el usuario. Cuando se simula al profesor en un
programa, se le sustrae en cuanto agente natural de la regulación por parte del estudiante. Es como si
tuviera una especie de réplica de sí mismo que propone a la interacción con el estudiante natural.
El módulo experto permite trabajar con un modelo de solución de problemas sobre un sistema de
razonamiento dado por el contenido sobre el cual se enseña. El módulo pedagógico es un modelo de
decisiones frente a la evolución del estudiante y expresa una teoría pedagógica que puede ser validada por
los datos que se obtienen de la interacción con una persona real.
El modelo de estudiante es el esquema que orienta la obtención de datos a partir de la interacción con el
usuario y tiene la función de disparar las decisiones que constituyen el modelo pedagógico.
Vista la pedagogía desde la perspectiva de los tutores inteligentes, la inteligencia artificial abre el camino
para la construcción de teorías pedagógicas que superan el déficit tecnológico expresado en el análisis de
Luhmann.
Otros acercamientos propios de la inteligencia artificial pueden tomarse como un esfuerzo para superar la
crítica de Luhman. Presentamos aquí algunos ejemplos que ilustran este proceso.
El aprendizaje colaborativo se representa como una integración de saber resultante de las interacciones
entre agentes. Un conjunto de heurísticas permite que la información resultante de la interacción hombre-
máquina se estructure y complete en un sistema que permita la argumentación activa en las etapas
siguientes. Una aproximación tecnológica flexible permite integrar una variedad de comportamientos y tareas
de los miembros de un grupo. Dentro del campo del aprendizaje colaborativo los procesos de aprendizaje
basados en computador se proyectan a través del desarrollo de varias interfaces:
z La primera se basa en apoyar el lenguaje a través del cual los pares interactúan. Se debe elaborar un
lenguaje específico de la tarea y suficientemente expresivo para poder dirigir preguntas pertinentes en un
dominio dado. También se requiere monitorear el tiempo entre las comunicaciones y respuestas de los
actores; por ejemplo, en sesiones de colaboración en tiempo real usando una red telemática, la demora entre
respuestas de los pares debe ser evaluada apropiadamente, ya que puede ser causada por la carga de la
red o por la demora de respuesta de los pares.
z La segunda tiene que ver con el modelamiento de los pares que colaboran en un problema interesante y
que al mismo tiempo reta a los investigadores. Incorpora representación tanto de las actividades
colaborativas como de los conflictos y la solución de los mismos. Los papeles de los agentes que colaboran
pueden modelarse dependiendo de las características de estos papeles y de la profundidad de los procesos
modelados. Es importante que el modelo de los procesos de colaboración entre pares muestre varios niveles
de granularidad. Esto puede ser muy útil en el diagnóstico y explicación de los procesos de colaboración. Los
niveles de granularidad del modelamiento de los estudiantes que colaboran permiten modular los factores
que prevalecen en la colaboración. Por ejemplo, factores como diferencia de género o de formación previa se
pueden usar como predictores de la efectividad de la colaboración. De manera similar, factores que están
dependiendo del dominio como conflicto entre términos de una hipótesis deben modelarse de tal manera que
los agentes que colaboran entiendan la dirección de la colaboración.
z LEAP es un sistema de aprendizaje que explica por qué un circuito VLSI trabaja con una señal dada. El
usuario puede rechazar la explicación propuesta y redefinir el circuito. De acuerdo, a la entrada, LEAP
modifica su base de reglas [Mitchell, Keller, & Kedar-Cabelli,1986].
z SHERLOCK es un sistema para resolver problemas electrónicos. Sherlock2 suministra una extensión de
aprendizaje colaborativo a Sherlock. Después de que el estudiante resuelve un problema de diagnosis de
una falla electrónica en Sherlock, el sistema le da al estudiante la oportunidad de reflexionar sobre la
ejecución de la solución del problema mediante una fase llamada reflexiva. Sherlock2 espera que el
estudiante elabore su propia estrategia de solución criticando sus propias soluciones y explicando por qué
una acción es inapropiada o cercana a óptima y sugiriendo alternativas [Katz & Lesgold, 1993].
z MEMOLAB es un ambiente de aprendizaje que ilustra la distribución de papeles entre varios estudiantes.
El aprendiz resuelve los problemas interactuando con un experto. El sistema da ayuda usando otro agente
(instructor) que también monitorea la interacción. La distribución de papeles se concibe de tal manera, que
los agentes son independientes de los dominios de conocimiento y pueden ser reusados para construir otros
ambientes [Dillenbourg, Mendelsohn, & Schneider, 1994].
z SHREDIT es un editor de texto colaborativo usado, en primera instancia, para estudios de comportamiento
de grupo [McGuffin & Olson,1992].
z THREE'S COMPANY (Tres son compañía) es una extensión de integration Kid que incluye un agente
acompañante más. El nuevo agente analiza la motivación del estudiante, si su ejecución cae entre los dos
acompañantes(Lin;1993).
z PEOPLE POWER es un sistema colaborativo basado en computador donde el co-aprendiz actúa como
colaborador del estudiante. Contiene un micromundo en el cual el estudiante puede crear un sistema
electoral y simular una elección. El co-aprendiz actúa como alguien que propone o critica para probar que
algunos cambios en el país puede llevar a ganar asientos para un partido en particular (Dillenbourg & Self,
1992).
z DISTRIBUTED WEST es una re-implementación del sistema clásico WEST. El estudiante juega en contra
del computador tratando de alcanzar la meta antes de su oponente. El sistema da una configuración
colaborativa donde dos compañeros pueden jugar el mismo juego en contra de otra persona o grupo que se
unen para jugar contra del sistema (Chan, 1993).
z QUILT es un sistema de escritura que da apoyo a varios estilos de colaboración. Impone una estructura de
escritura con respecto a roles de miembros de la sociedad y de autoridades. Estimula a los grupos a que
establezcan estructuras sociales y de autoridad bien definidas con respecto a los documentos co-autorados;
por ejemplo, los participantes pueden tomar los roles de coautor, comentador y lector. (Leland & Kraut, 1988)
z RESCUE es un sistema de juego de roles. El estudiante asume un papel asignado e interactúa con otros
agentes en una situación dada. El agente estructura la interacción usando un lenguaje basado en menú y
explora el ambiente para llevar acabo una tarea (Chan,1993).
Los estudios de Inteligencia Artificial aplicados al aprendizaje colaborativo son muy recientes. La mayoría de
las técnicas están aún en desarrollo. Usualmente aplican I.A. en alguna forma, pero pocas aplicaciones se
tienen de I. A. para dirigir el aprendizaje colaborativo per se. Las anteriores son sistemas de trabajo
colaborativo apoyadas por computador.
Lo relevante para la discusión que hemos planteado es que el pedagogo interviene en la creación de los
agentes y del sistema de acuerdo a una teoría, luego puede dejar al sistema el registro de datos sin que él
intervenga, por tanto, se excluye del proceso de regulación y finalmente interpreta los datos para reinterpretar
su teoría.
Otro ejemplo que proponemos al análisis del lector es el de los sistemas orientados por objetivos. Se
relaciona directamente con un tema de importancia especial en los desarrollos de la pedagogía
contemporánea, cual es la metacognición.
Los estudios de metacognición tomaron fuerza a partir de la década de los 70 (FLAVELL, & WELLMAN,
1977) y son fundamentales en una pedagogía del aprendizaje autónomo. Uno de los aspectos en la
autonomía del aprendizaje se refiere a la capacidad de la persona para definir sus propios objetivos.
En los estudios de inteligencia artificial han surgido sistemas orientados a mejorar la comprensión que
tenemos de dichos procesos mediante su simulación en computador. Los problemas centrales para este
enfoque son: el origen de los objetivos de aprendizaje, el rol de estos para guiar otras tareas instruccionales
y la escogencia apropiada de estrategias para lograr estos objetivos. Este último aspecto está estrechamente
relacionado con la metacognición. Los siguientes trabajos ilustran esta aproximación: Xia y Yeung (1995)
desarrollan un sistema capaz de seleccionar dos tipos de estrategias para resolver problemas: la una
denominada OPS (Opportunistic Problem Solver) y la otra, IPS ( Intentional Problem Solver). En la primera, el
solucionador del problema escoge una estrategia antes de adquirir información sobre el ambiente y sus
transformaciones.
En la segunda, el solucionador decide la estrategia con base en la información que va tomando del medio
ambiente. La evolución del espacio del problema en este modelo se representa por un vector de tres
factores: el conjunto de objetivos, el conjunto de oportunidades y el nivel de incertidumbre asociada con la
frecuencia de fracasos de las acciones planeadas. Con base en esta categorización simula un solucionador
que puede cambiar entre estrategias guiadas por objetivos y estrategias guiadas por información del espacio
de oportunidades. La selección de estrategias se muestra fundamental para el proceso de adaptación de los
sistemas al entorno.
Ram y Cox (1995) estructuran, en un programa de computador (Meta-AQUA), un meta-modelo que describe
el proceso de razonamiento mismo y que opera junto con un modelo del mundo que constituye su dominio. El
meta-modelo se usa para representar el razonamiento del sistema durante la ejecución de la tarea, las
decisiones que toma mientras lleva a cabo el razonamiento y los resultados. Cuando aparece una falla es
capaz de examinar introspectivamente su propio proceso de razonamiento, para determinar dónde está el
problema y usa esta comprensión para mejorar sus propias estrategias de aprendizaje. El valor de este
sistema está en que, además de guiar el aprendizaje acerca del mundo, ayuda al razonador a mejorar su
conocimiento.
El interés de los sistemas aquí reseñados se centra en la comprensión de los procesos. Se parte de que si es
posible construir una estructura capaz de producir ciertos procesos y estos se dan también en los agentes
naturales, se puede obtener un modelo explicativo de los mismos. Como se puede intuir, este enfoque
posiblemente logre avances en la creación de ambientes computacionales favorables al desarrollo de
habilidades metacognitivas y en la construcción de modelos comprensivos y explicativos de los procesos. Si
esto se logra, se contribuye a la construcción de una pedagogía científica.
Los simuladores y estudio de procesos en el aprendizaje De manera similar a la decisión sobre los propios
objetivos, la transferencia de estrategias de aprendizaje entre objetivos forma parte del conjunto de las
habilidades metacognitivas y tiene especial importancia en la economía del aprendizaje.
Maldonado y Andrade (1996) encuentran que hay correlación positiva entre desarrollo de estrategias y
retención de conceptos, pero que esta correlación disminuye cuando se presentan problemas nuevos y
sugieren la hipótesis de que los estudiantes que usan estrategias fuertes podrán desarrollar mayor retención
de conceptos. En estas condiciones surge la necesidad de un modelo coherente que permita interpretar la
dinámica de la transferencia de estrategias. Para construir este modelo se necesitó describir los procesos de
solución de problemas seguidos por los sujetos. En primera instancia se acudió a la metodología de análisis
de protocolos de informes verbales (Ericson y Simon, 1993). Esta metodología permite identificar las
transiciones de estado en la solución del problema, y los operadores aplicados y crear una representación
formal del proceso de solución que se puede traducir a un programa de computador y construir así su
simulador.
En una segunda investigación (Maldonado et al. 1999), el computador directamente hace un protocolo del
proceso y genera un simulador del proceso. En esta investigación se entiende por protocolo la descripción de
las acciones que un agente puede tomar en función de sus estados actuales en un proceso de resolución de
problema (Fagin et. al. 1995). Esta versión digital de protocolos – simuladores - permite además de la replica
de procesos, aplicar técnicas computacionales para exploración de datos y tomar secuencias que pueden ser
analizadas de diferentes maneras. La identificación, seguimiento y orientación de los procesos de
aprendizaje es una meta propuesta pero no alcanzada en la Pedagogía Contemporánea. Los simuladores
contribuyen al logro de este propósito, compitiendo con alternativas analógicas como es el caso del vídeo o
la grabación de audio.
En contraste con el análisis de protocolos verbales, con los protocolos digitales se gana en precisión
fiabilidad y versatilidad de la información, pero se pierde la riqueza de expresión verbal que puede reflejar
dimensiones importantes del proceso de razonamiento de los sujetos. Pero vale reconocer que los registros
hechos son válidos en cuanto reflejan la transición de estados en la solución del problema.
El pedagogo frente a los agentes simuladores adquiere una especial ventaja en cuanto puede tener una
réplica del proceso y entrar a mirar su estructura sin que sea influenciado por otros factores que puede
afectar sus procesos perceptivos. El dispositivo adquiere valor didáctico para el desarrollo de habilidades de
identificación, seguimiento y orientación de procesos.
En uno de nuestros trabajos (Maldonado et al. 2000) nos preguntamos si un grupo de profesores entrenado
con simuladores de procesos de solución de problemas orienta su actividad de enseñar al desarrollo de
procesos cognitivos en los estudiantes, en tanto que un grupo no entrenado en esta forma está más
orientado por la estructura de los contenidos del dominio de conocimiento que enseña.
Para poder estudiar la incidencia que tenían los simuladores en la formación de habilidades de monitoreo se
planeó un seminario taller cuyo dominio de conocimiento se basó en el juego.
Los juegos tomados como ambientes de aprendizaje, en su estructura tienen incorporados elementos que
posibilitan su análisis como: fuentes de información; estructuradores de habilidades cognitivas, ambientes de
aprendizaje y transmisores de valores.
Los docentes, quienes se organizaron en una de cuatro condiciones, tomaron como punto de partida estos
elementos, explicitaron sus puntos de vista sobre cada uno de ellos y planearon una unidad temática que
ponía en juego sus representaciones.
La condición uno hace referencia a los sujetos que orientaron su proceso a resolver los juegos. La condición
dos tiene como variante estudiar la simulación de sus propios procesos de solución del problema. La
condición tres debió hacer un análisis a los procesos de solución de otros jugadores a través de la simulación
y la condición cuatro tomó solamente como problema de análisis el estudio de la simulación sin tener que
resolver los juegos.
La información registrada y analizada en cada uno de los grupos tuvo tres momentos:
1. Fase de entrenamiento: se realizó un taller sobre la lúdica como campo de interés de la pedagogía,
obteniendo como resultado un análisis sobre el juego como fuente de información para el que-hacer
pedagógico, materializado en un documento escrito que contenía el planeamiento de una unidad didáctica.
2. Fase de ejecución: se desarrolló en cada una de las instituciones educativas donde laboraban los
docentes y se hicieron registros.
Posteriormente se hizo un análisis y una socialización. El juego se miró como ambiente que posibilita en el
maestro la orientación al monitoreo de procesos o a contenidos, tomando las interacciones como un
indicador. La Figura 2 explícita el modelo de análisis aplicado a cada una de las condiciones en particular.
Proceso de Interacción
La metacognición como poder regulador del propio aprendizaje la visualizamos a través de las
manifestaciones del docente sobre algunos elementos como: el pensar sobre su propio pensamiento,
planear, estar consciente de los recursos necesarios, ser sensible a la retroalimentación y evaluar la
efectividad de las acciones propias, entre otras. La metacognición se refiere al conocimiento que el individuo
tiene sobre los procesos de cognición y de estados tales como la memoria, la atención, el conocimiento, la
conjetura y la ilusión etc. El lenguaje es fundamental en la actividad metacognitiva. La principal característica
de la autorregulación verbal es el lenguaje propositivo y autodirigido con la finalidad de lograr metas. Así
según Vigotski las palabras se convierten en herramientas psicológicas que median las funciones mentales.
Desde este punto de vista tomamos las interacciones como las expresiones manifiestas que nos permite
observar las diferentes situaciones donde el maestro desarrolla actividades que orientan el proceso de
aprendizaje.
En el diagrama siguiente se toma una acción por parte de un estudiante como punto de partida de una
interacción. El docente inicia la emisión de un mensaje a un estudiante o al grupo. La Figura 3 presenta el
modelo de interacción con el cual se analizó la fase de ejecución.
El tiempo y el contenido de las interacciones reflejan el efecto de las diferentes condiciones de trabajo. En
teoría cada una de estas experiencias afectan de manera diferente al docente. La primera, en principio,
incide en la formación de competencias para resolver el problema. Como resultado ideal, se obtiene el
solucionador competente. La segunda, además de formar al solucionador competente, activa procesos
metacognitivos. La tercera desarrolla una experiencia que los investigadores han llamado de aprendizaje
vicario o por observación. En la cuarta forma al solucionador competente y genera aprendizaje vicario.
Las observaciones hechas en esta investigación permiten hacer conjeturas sobre la dinámica del
razonamiento generado en cada experiencia.
Si el profesor se involucra como jugador, su centro de interés está en las estrategias de solución del
problema y en la obtención de una solución. Los resultados observados sobre variedad de estrategias, en
esta investigación, harían pensar que los profesores formados con este enfoque, supuesto que dominan el
problema, adquirirían un conjunto limitado de estrategias, muy probablemente una. Por la investigación
previa, se podría esperar que habría un nivel metacognitivo proporcional al nivel de eficacia en la solución del
problema.
Cuando el profesor, en el tercer caso, simplemente observa a otros resolver el problema, el contenido de su
verbalización revela que trata de hacer comparaciones entre lo que él haría y lo que hace el jugador. Es
decir, que el aprendizaje trata de construirse sobre los significados previos. Como no ha tenido condiciones
de contrastación, lo más probable es que cuando oriente a otros para que resuelvan el problema propuesto,
sus orientaciones sean inciertas, posiblemente orientadas a verbalizaciones que expresen analogías o
metáforas.
Cuando los profesores han jugado y solucionado los problemas, tienden igualmente a verbalizar por
comparación con lo que ellos harían. Esto muestra nuevamente que la experiencia personal de solucionar los
problemas prevalece en el proceso de análisis. Sin embargo, también se observa una mayor capacidad de
valorar las estrategias de otros como alternativas reales.
Este análisis puede proyectarse en un modelo explicativo del proceso de formación de habilidades para
orientar procesos en los profesores, el cual estaría basado en las siguientes aseveraciones:
1. Quien sólo tiene la observación de otros resolviendo problemas, tiene posibilidades de generar
verbalizaciones por analogía con su experiencia anterior, las cuales son insuficientes para orientar procesos
en los estudiantes.
3. El análisis de sus propios procesos de solucionar problemas habilita la dimensión metacognitiva referida a
las estrategias de solución que le permite establecer valoraciones que se traducen en expresiones sobre
variedad de estrategias, efectividad y validez de las mismas. Este componente habilita interacciones que
incorporen en su contenido la valoración y validación de estrategias.
4. Un desarrollo metacognitivo permite construir nuevo conocimiento al hacer análisis de las estrategias
utilizadas por otros. Las interacciones generadas por un profesor que tenga los tres niveles de experiencia
podrían considerar mayor número de posibilidades constructivas en los estudiantes.
Lograr altos niveles de calidad en la formación docentes no parece ser tarea fácil. Los recursos destinados
para esta tarea son cuantiosos en los diferentes países. Formar para que los docentes sean competentes en
el monitoreo y orientación de procesos de aprendizaje es una de las metas que aparece en la agenda de la
capacitación contemporánea de profesores. La importancia que se da al aprendizaje de los educandos frente
a la calidad de las exposiciones de los profesores hace que este punto se convierta en aspecto vital en la
sociedad del conocimiento donde las organizaciones del aprendizaje deben retribuir a la sociedad
ciudadanos con alta capacidad de adaptación a las condiciones cambiantes.
Si interpretamos la formación de la capacidad de los ciudadanos en función de la formación de los profesores
teniendo en cuenta los resultados de esta investigación, se podría establecer un esquema conceptual como
el siguiente:
Estos cuatro factores definen su capacidad como decente que se proyecta sobre su alumno como docente
potencial. En este proceso se da un proceso de degradación en razón de factores de comunicación y soporte
tecnológico.
Cuando el profesor formado se encuentra con sus alumnos, a su vez, ellos obtienen una formación cuya
capacidad depende de las cuatro dimensiones vistas en su profesor.
El modelo mostraría una degradación muy notoria, a no ser que intervengan otros factores como el
aprendizaje por colaboración, por inmersión en ambientes, etc.. Pero, estos factores están fuera de las
dimensiones que definen la calidad de la acción docente.
Como resultado de este trabajo, se debe resaltar el valor potencial que, para los propósitos de formación de
docentes, pueden tener tanto los ambientes lúdicos como los simuladores de solución de problemas.
En otros términos, la pedagogía computacional se propone como una tendencia de investigación que
procede de la siguiente manera: construye un modelo, lo pone en operación con agentes artificiales para ver
su consistencia, reajusta el modelo y lo prueba con estudiantes reales, observa resultados sin involucrarse
en el proceso observado y genera una tecnología para monitorear y apoyar los procesos.
Referencias Bibliográficas
z CHAN, T. (1993). A tutorial on social learning systems. In T.Chan, and J.A.Self., eds., Emerging
Computer Technologies in Education, AACE, 71--96.
z DILLENBOURG, P. (1995). BOOTNAP: Social grounding in computer supported collaborative problem
solving. Project Proposal - http://tecfa.unige.ch/tecfa-research/cscps/cscps-summary.html.
z DILLENBOURG, P., AND SELF, J. (1992a). A computational approach to socially distributed cognition.
European Journal of Psychology of Education 7(4):352 -- 373.
z DILLENBOURG, P.; MENDELSOHN, P.; AND SCHNEIDER, D. (1994). The distribution of pedagogical
roles in a multi-agent learning environment. In R.Lewis, and P.Mendelsohn., eds., Lessons from
Learning. North-Holland. 199--216.
z ERICSON, K. V. & SIMON, H. (1980) Protocol Analisis: Verbal Reports as Data. Cambridge, MA: MIT
Press. Revised Edition 1993.
z FAGIN, R., HALPERN, J, MOSES, Y. and VARDI, M.Y. (1995). Reasoning About Knowledge.
Cambridge, Massachussetts: The MIT Press.
z FLAVELL, J. H. & WELLMAN, H. M. (1977). Metamemory. In KAIL, R. V. & HAGEN, J.W. (Eds.).
Perspectives on the Development of Memory and Cognition. Hillsdale, NJ: Erbaum.
z FLAVELL, J. H. & WELLMAN, H. M. (1977). Metamemory. In KAIL, R. V. & HAGEN, J.W. (Eds.).
Perspectives on the Development of Memory and Cognition. Hillsdale, NJ: Erbaum.
z KATZ, S., AND LESGOLD, A. (1993). The role of the tutor in computer-based collaborative learning
situations. In Lajoie, S., and Derry, S., eds., Computers as Cognitive Tools. Lawrence Erlbaum
Associates.
z LELAND, R. S. F., AND KRAUT, R. E. (1988). Collaborative document production using QUILT. In
Computer-supported cooperative work Conference Proceedings, 206--215. ACM Press.
z LIN, G. L. (1993). Three's company: A social learning system. Master's thesis, Institute of Computer
Science and electronic engineering, National Central University, Taiwan.
z LUHMANN,N. (1997). Sociedad y Sistema: la ambición de la teoría. Barcelona: Ediciones Paidós.
z MALDONADO G.,L.F. y ANDRADE L., EDGAR. (1995). Ambiente computarizado para el aprendizaje
autodirigido del diseño- ACA2- Bogotá: Universidad Pedagógica Nacional, Proyecto de Investigación
desarrollado por convenio entre COLCIENCIAS y UPN.
z MALDONADO, L.F.; FONSECA, O.; IBÁÑEZ, J.; MACÍAS, D.; ORTEGA, N.; RUBIO, M.R.; Y
SANABRIA, L.B. (1999). Metacognición y razonamiento espacial en juegos de computador. Bogotá:
Universidad Pedagógica Nacional – Instituto para la Investigación Educativa y el Desarrollo
Pedagógico, U.P.N.- I.D.E.P.
z MALDONADO, L.F., ORTEGA, N., MACÍAS, D., RUBIO, M.R.; FONSECA, O., e IBAÑEZ, J. (2000).
RAZONAMIENTO ESPACIAL Y APRENDIZAJE SIGNIFICATIVO: Influencia de la riqueza de
conexiones entre conceptos sobre la solución de problemas y papel de la simulación en la formación
de docentes. Proyecto de investigación cofinanciado por COLCIENCIAS y Universidad Pedagógica
Nacional, contrato 146 de 1997. Bogotá, Colombia.
z MCGUFFIN, L., AND OLSON, G. (1992). ShrEdit: A shared electronic workspace. Technical Report
45, Ann Arbor, MI: Cognitive Science and Machine Intelligence Laboratory.
z MITCHELL, T. M.; KELLER, R. M.; AND KEDAR-CABELLI, S. T. (1986). Explanation-based
generalization: A unifying view. Machine Learning 1(1):47--80.
z NEUWIRTH, C. M.; KAUFER, D.; CHANDHOK, R.; AND MORRIS, J. (1990). Issues in the design of
computer support for coauthoring and commenting. In Computer-supported Cooperative Work
Conference Proceedings, 183--195. New York, ACM Press. RAM, A. AND COX, M.T.(1995).
Introspective Reasoning Using Meta- Explanations for Multistrategy Learning. In Ram, Ashwin and
Leake, David B. (Editors) : Goal Driven Learning. Cambridge, Massachusetts: The Mit Press.
z RUSELL, S & NORVIG P.(1996). Inteligencia Artificial: Un enfoque moderno. México: Prentice Hall.
Traducido del Inglés: Artificial intelligence a modern approach.
z TANIMOTO, S. L. (1987). The elements of Artificial Intelligence: An introduction using LISP. Rockville,
Maryland: Computer Science Press.
z XIA, XIADONG AND YEUNG, DID- YAN (1995). A Leraning Model for the Selection of Problem-
Solving Strategies in Continuous Physical Systems. In Ram, Ashwin and Leake, David B. (Editors) :
Goal Driven Learning. Cambridge, Massachusetts: The Mit Press.