Professional Documents
Culture Documents
Presenta:
Ana Claudia Ruiz Tadeo
Asesores:
Dr. Miguel Garca Ruiz
Dr. Nicandro Faras Mendoza
Julio/ 2009
AGRADECIMIENTOS
Al maestro Miguel ngel Garca Ruiz por su apoyo en la realizacin de la tsis. Por ser un excelente ser
humano y una gran persona.
Al Maestro Nicandro Farias Mendoza, por su apoyo, por su amistad, por su calidad humana.
Al Instituto Tecnolgico de Colima, por todos los logros que me ha permitido obtener.
Gracias.
INDICE
RESUMEN
ABSTRACT
1.1.- Justificacin . . . . . . . . 3
1.2.- Descripcin del Problema . . . . . . 5
1.3.- Objetivos . . . . . . . . . 6
1.3.1.- General . . . . . . . . 6
1.3.2.- Especfico . . . . . . . . 6
1.4.- Hiptesis . . . . . . . . . 6
1.5.- Metodologa . . . . . . . . . 7
1.6.- Alcance y limitaciones . . . . . . . 8
1.7.- Descripcin de la Organizacin del trabajo . . . . 8
CAPTULO 3.-DESARROLLO
3.1.-Modelo Conceptual . . . . . . . . 42
3.2.-Diseo del Sistema . . . . . . . . 49
3.2.1.- Recopilar informacin de lo que se va a hablar . . . 49
3.2.2.- Disear el dilogo . . . . . . . 50
3.2.3.- Crear el cdigo AIML . . . . . . . 50
3.2.4.- Probar la interfaz . . . . . . 51
3.2.5.- Terminar y actualizar la interfaz . . . . . 53
3.3.- Arquitectura del sistema . . . . . . . 54
3.4.-Implementacin de Interfaces con imagen interactiva . . . 58
3.5.-Especificacin Formal . . . . . . . 61
3.5.1.- Categoras . . . . . . . . 61
3.5.2.- That y Topic . . . . . . . . 63
3.5.3.- Srai . . . . . . . . . 64
3.5.4.- Capacidades del AIML . . . . . . 64
3.5.4.1.- Reduccin Simblica . . . . . 65
3.5.4.2.- Dividir y Conquistar . . . . . 65
3.5.4.3.- Sinnimos y Escritura . . . . . 66
3.5.4.4.- Correcciones Gramaticales . . . . 66
3.5.4.5.- Palabras Claves . . . . . 67
3.6.-Implementacin del Sistema . . . . . . . 67
3.6.1.- Programacin de Mdulos y Componentes . . . 68
3.7.- Pruebas . . . . . . . . . 69
3.7.1.- Pruebas de Integracin . . . . . . 70
3.7.2.- Pruebas de Operacin . . . . . . 71
3.7.3.- Pruebas de Tensin . . . . . . 71
3.7.4.- Pruebas de congruencia . . . . . . 72
3.7.5.- Pruebas de usabilidad . . . . . . 74
3.8.-Interpretacin de los resultados . . . . . . 75
4.1.- Discusin . . . . . . . . . 85
4.2.- Cumplimiento de la hiptesis . . . . . . 88
4.3.- Cumplimiento de los objetivos . . . . . . 89
4.4.- Importancia de los Resultados Obtenidos . . . . . 90
4.5.- Limitaciones de la Investigacin . . . . . . 90
4.6.- Sugerencias . . . . . . . . . 91
REFERENCIAS
54
55
55
56
31.- Datos de alumnos que evaluaron la interfaz . . . . . 75
32.- Grfica de la expresin Me gustara utilizar con frecuencia el sistema. . 76
33.- Foto de un alumno de bioqumica evaluando la usabilidad del sistema. . 77
34.- Grfica que evala. Encontr el sistema innecesariamente complejo. . 77
35.- Foto que muestra la usabilidad fue fcil utilizar el chatbot. . . . 78
36.- Grfica la expresin Fue fcil utilizar el agente. . . . . . 78
37.- Grfica Creo que necestara del apoyo de un experto para utilizar el
sistema. . . . . . . . . . . . 79
38.- Grfica. Las diversas funciones del sistema estan bien integradas. . . 80
39.- Grfica de Hubo demasiada inconsistencia. . . . . . 80
40.- Foto que muestra la interfaz desde una laptop en 2d. . . . . 81
41.- Grfico. La mayora de las personas aprenderian muy rpidamente a utilizar 81
el agente. . . . . . . . . . . . 81
42.- Grfica. Encontr el sistema muy dificil de usar. . . . . . 82
43.- Grfica. Me sent muy confiado de la pgina web del agente. . . . 83
44.- Necesito aprender muchas cosas antes de utilizar el sistema. . . 84
45.- Interfaz del robot virtual . . . . . . . . 90
RESUMEN
SUMMARY
La eleccin de una carrera nos permite desempear una profesin, as como nos
proporciona una forma de vida, por tanto, la eleccin debe hacerse consciente de
que con ella formamos nuestra identidad, a travs de ella, asumimos un rol, un
estatus y hasta elegimos una pareja (Jaramillo Aldama, 2005).
El sistema que se presenta est capacitado para poder pensar como un ser
humano, un programa que puede simular una conversacin escrita, con la
intencin de hacer creer a un humano que est hablando con otra persona. La
conversacin tiene como finalidad determinar la orientacin vocacional de los
usuarios. Para su diseo utilizamos el lenguaje de programacin AIML (Lenguaje
de Marcas para Inteligencia Artificial), que es una extensin de XML (Extensible
Markup Language), Lenguaje de Marcas Extensible, este lenguaje es utilizado
para crear chatbots o sistemas conversacionales.
2
La aplicacin de los mtodos y modelos de la Inteligenicia Artificial nos permite
desarrollar sistemas de utilidad a todos los sectores sociales como es el caso de
nuestro chatbot que permite apoyar a los jvenes estudiantes a seleccionar su
carrera de acuerdo a sus preferencias, gustos, habilidades y deseos personales
utilizando un agente inteligente conversacional desde la comodidad y privacidad
de su casa o lugar de trabajo. Estos sistemas inciden en una disminucin de la
desercin escolar en los distintos niveles acadmicos y coadyuvan a formar
profesionistas competentes a los diversos sectores econmicos y sociales de
nuestro entorno.
1.1.- JUSTIFICACIN
3
Por esta razn el utilizar este tipo de modelos permite modernizar el proceso de
Orientacin Vocacional, ya que se realiza por una conversacin tipo Chat.
Hay ocasiones en el que algunos jvenes realizan este anlisis pero los
resultados obtenidos no son los esperados de acuerdo a sus expectativas o
gustos personales y se guardan la intencin de volver hacer este estudio. Por el
hecho de ser un trmite largo, el involucrar personal y el invertir ms tiempo, por
lo cual deciden continuar con sus dudas y muchas veces estudiando una carrera
que no es su vocacin. Con este sistema podrn realizar este anlisis el nmero
de veces que consideren necesarias. Ya que se accesa desde Internet y puede
ser desde la privacidad de su casa.
4
El desarrollo de herramientas computacionales permite apoyar esta actividad. Ya
que mediante la automatizacin de este tipo de anlisis, los jvenes ya que no
tendran que hacer camino para ir a una oficina de orientacin vocacional por el
contario lo pueden hacer desde la privacidad de su casa, ahorrando tiempo y
dinero. No se involucra recurso humano para que realice el estudio.
5
1.3.- OBJETIVOS
1.4.- HIPTESIS
6
1.5.- METODOLOGA
3.- Crear el cdigo AIML. En esta se utilizan las instrucciones y sintaxis del
lenguaje de programacin que permite disear robots virtuales que en este caso
es el lenguaje AIML.
4.- Probar la interfaz con el dilogo. En este paso se realizan las pruebas del
robot el cual entabla dilogo con los usuarios.
8
En el segundo captulo se plasma informacin sobre el marco histrico y
contextual, as como antecedentes de la propuesta, aplicaciones, trabajos
relacionados y se indica el marco terico. En el captulo tres se muestra el diseo,
desarrollo, pruebas e implementacin del robot virtual. En el captulo cuatro se
muestra los resultados y las conclusiones del anlisis cualitativo y cuantitativo
tambin se plasma el cumplimiento de la hiptesis y de los objetivos. Para
finalizar se presentan las referencias y anexos.
9
CAPTULO 2.- ESTADO DEL ARTE
10
El primer encuentro internacional que trat los temas de la Ingeniera del
conocimiento se celebr en Espaa en el ao 1985. El primer master sobre
Ingeniera Conocimiento se comenz a impartir en una universidad espaola
hasta el ao 1987, (J. P. Snchez y Beltrn, 1988).
11
Existen variaciones que no afectan el significado de la frase. Con el uso de
comodines (*) se pueden transformar varias frases en una sola de tal manera
que esta misma sintaxis se utilice en todas las expresiones posibles. Por ejemplo
para el caso anterior si colocamos comodines de la siguiente forma: * eres * o *
creo *. Como se plasma en la Figura 1 en la cual todas las solicitudes de
informacin sern respondidas por una misma expresin de salida.
<category>
<pattern>* eres *</pattern>
<template><srai>quien eres</srai></template>
</category>
<category>
<pattern>* creo*</pattern>
<template><srai>quien eres</srai></template>
</category>
12
Weizenbaum, durante el desarrollo de su programa capaz de comunicarse en
lenguaje natural, en forma escrita en idioma ingls, identific la dificultad y
complejidad de que su software no poda almacenar en un solo sitio las palabras y
con ellas emular una conversacin de diferentes temas en un mismo dilogo, para
esto en lugar de tener los datos en un sola base de conocimiento, Weizenbaum
dividi este almacen en mdulos, esto le permiti al chatbot cambiar
arbitrariamente de temas, (Navarro, 1998).
13
2.2.2.- VENTAJAS Y DESVENTAJAS AL BASARSE EN UN
SISTEMA COMO A.L.I.C.E.
Segn Russell (2002) existen una serie de ventajas importantes que invitan a
utilizar al sistema A.L.I.C.E. como base para otros trabajos referentes a chatbots:
La escritura en AIML es extensa y esto hace que sea costoso por el tiempo que
implica el programarlo a menos de que se reduzca la capacidad del chatbot
para desarrollar diferentes temticas.
2.2.3.- APLICACIONES
14
2.2.4.- TRABAJOS RELACIONADOS
15
Inteligente que simule a un experto humano en Orientacin Vocacional, y ser
novedoso para los jvenes estudiantes de secundaria, bachillerato y nivel
superior, ya que estara a la vanguardia de lo que ellos utilizan actualmente el
Chat y a su vez el agente responder con voz a las preguntas y expresiones de
los usuarios.
El modelo conceptual que apoya el diseo de este robot virtual son los temas y
elementos de la Inteligenicia Artificial, as como herramientas html, program E, el
sitio padorabots y el lenguaje de marcas AIML.
En la Figura 2.- Se plasman los elementos que apoyan el desarrollo del Agente
Inteligente para la Orientacin Vocacional, el lenguaje de programacin de este
software es el lenguaje de programacin AIML. Para compilar el cdigo se utiliza
el software Program E el cual es un intrprete de AIML.
16
Fig. 2 Modelo del Agente Inteligente Conversacional. Autora Ana Claudia Ruiz Tadeo.
17
va Shell. La base de conocimientos se forma a partir del AIML que consiste en
una serie de preguntas del usuario con sus respectivas respuestas; estas
preguntas pueden agruparse en conjuntos de conocimientos de acuerdo a un
tema y adems, dentro del AIML se proporcionan una serie de mecanismos que
permiten al creador de la base de conocimientos implementar procedimientos
para dar realismo a las conversaciones (Meja Santana, 2006).
18
2.3.1.- INTELIGENCIA ARTIFICIAL
Dentro de la I. A., dada su gran extensin, existen muchos campos como son:
El lenguaje natural (percepcin), que estudia el uso del lenguaje natural (el
que le es propio del hombre) como medio de comunicacin con las
mquinas (programas como las bases de datos y robot), es un problema
complejo pues intervienen distintos procesos como son: la comprensin del
lenguaje, la sntesis y anlisis de la voz, el resumen y la traduccin.
La visin por computadora (percepcin), que estudia la identificacin,
inspeccin, localizacin y verificacin de objetos. Este campo esta muy
unido al de la robtica pues una de las necesidades bsica de los robot es
el poder ver.
20
Tratamiento inteligente de la informacin (razonamiento), estudia formas
inteligentes para procesar y recuperar informacin almacenada en
grandes bases de datos que de otra forma sera imposible, por el tiempo
requerido en la bsqueda.
21
Por razones fsicas una limitacin en el conocimiento que puede contener, no
solamente por el tamao de la memoria en la que se almacena, sino tambin por
el tiempo requerido para su procesamiento, por lo que un S. E. es solo experto en
un campo muy reducido del saber. Si bien es cierto que cada da es mayor la
capacidad de los S. E. gracias a los constantes desarrollos tecnolgicos.
22
Por regla general en los S. E. actuales el conocimiento debe introducirse
previamente. Para ello debe extrarsele al experto humano, este conocimiento
tiene que aplicarse a la solucin de problemas y tiene que poder trasmitirlo al
usuario del sistema.
Los expertos humanos son irremplazables puesto que hoy por hoy los
conocimientos que poseen los S. E. proceden de ellos y se comportan de una
forma torpe y limitada, no vindose todava cercano el momento en que puedan
aprender con un maestro por s solos, y llegado el caso, sempre resultar mas
barato y eficaz, aprender con un maestro que redescubrir otra vez la rueda.
23
2.3.3.- ROBOT VIRTUAL
Un robot virtual puede o no puede ser asociado con un avatar (imagen animada),
una animacin que puede incluir discursos sintticos por lo tanto el chatbot puede
parecerse ms a la vida a travs de una realidad virtual en animacin y sonido.
Un robot virtual puede reconocer lo que el usuario habla por lo tanto sus
funcionalidades no quedan reducidas a comunicarse en forma escrita si bien este
es el modo ms usado.
El robot virtual sempre tiene un botmaster, una persona detrs de escena que es
el responsable de la creacin de la personalidad de los bots y de la inclusin de
estos en el mundo real a travs de sitios web o programas desde los cuales
dialogan con personas reales.
24
Para disear un robot virtual utilizare lenguaje AIML que fue diseado para la
programacin de robots que funcionan en la computadora. AIML significa
Lenguaje de Marcacin de Inteligencia Artificial y es muy similar en su sintaxis al
HTML (Lenguaje de marcas).
Las caractersticas que debe cumplir un agente para ser considerado como tal
son: autonoma, reactividad, iniciativa y habilidad social (Gracia, 2005).
25
2.3.4.1- AGENTE CONVERSACIONAL CHATBOT
Otra definicin nos dice que el chatbot es un programa que tiene como finalidad
simular la conversacin escrita, aparentando inteligencia, hasta el momento, de
manera temporal (lvarez et, 2001)].
26
Fig. 3.- Estructura bsica de un Sistema Experto (Chadwick, 1987).
27
2.3.5.- MODELO FORMAL
28
La R3 es la nica que tiene C en la parte derecha. Se hacer R3 ya queA y D estn
almacenados en la base de datos, con lo que se aade el smbolo C. (C A D),
volvemos a la R1, ya que A y C son verdaderos, la regla R1 se activa y la base de
datos que da como: (E C A D). Seguidamente se activa la R4 con lo que el
smbolo F se aade: (F E C A D), una de la ventajas de la aproximacin
descendente es, la capacidad de ofrecer explicaciones de su razonamiento,
diciendo al usuario que objetivos y reglas se han utilizado. Por ejemplo el sistema
podra informar al usuario:
Se intenta utilizar la R1
Ya se sabe que:
C es verdadero
A es verdadero
D es verdadero
Si E es verdadero entonces se mostrar que F es verdadero.
La Figura 4.- ilustra el esquema general que vamos a utilizar para implementar las
redes diferenciales: la estructura del rbol binario. Cada cuestin (nodo) tienen
dos sucesores: el sucesor-si y el sucesor-no. Un sucesor puede ser tanto una
conclusin como el puntero de la nueva cuestin, (Chadwick, 1987).
Cuestin 1 S N
Cuestin 2 S N Cuestin 3 S N
Cuestin 4 S N Conclusin 3
Conclusin 1 Conclusin 2
Conclusin 4 Conclusin 5
2.3.6.- AIML
AIML consiste en una serie de etiquetas las cuales permiten manejar y organizar
la informacin entrante y saliente de A.L.I.C.E. por temas de manera similar a lo
realizado por ELIZA, con la notable diferencia de que AIML provee de una
estructura nica a partir de la cual se accede a las bases de conocimiento de
A.L.I.C.E., permitiendo recuperar e insertar texto en A.L.I.C.E. (A.L.I.C.E. IA
foundation, 2006).
30
2.3.6.1- FUNDAMENTOS DE AIML
Los fundamentos de AIML son muy simples. La idea detrs del diseo del AIML
fue crear algo simple y suficientemente potente para que cualquiera pueda crear
sus propias pginas web y su chat bot. Si se tiene el conocimiento fundamental de
HTML (por ejemplo <h1>, <p>, y <a>) se puede crear una simple pgina web. Si
puedes aprender esas tres cosas del HMTL, puedes aprender AIML.
La unidad bsica de AIML, se llama categora. Una categora del AIML sempre
contiene dos elementos: El patrn (o pattern) y el template (o plantilla). El pattern
es el estmulo o entrada que el robot virtual recibe y el template es la respuesta
que este da al estmulo.
<category>
<pattern>Quin eres tu?</pattern>
<template>
Yo soy el resultado de una interfase de
Inteligencia Artificial,
la cual puede reproducir las capacidades de un
cerebro humano.
</template>
</category>
Fig. 5.- La sintaxis de una categora en cdigo AIML. Autora Ana Claudia Ruiz Tadeo.
31
Se puede observar el parecido con el HTML: El lenguaje que usamos tiene un tipo
de marcas parecidas como <, el comando, y luego >, tambin utilizando la
barra /, el nombre y cerrando la secuencia con >. En la Figura 6.- se plasma el
resultado de una pregunta que realiza el usuario y la respuesta que proporciona el
agente inteligente.
32
2.3.8.- ORIENTACIN VOCACIONAL
Cada ser humano tiene caractersticas muy personales y por tanto tiene
habilidades para ciertas actividades, nos hemos percatado que algunas se nos
hacer muy interesantes, nos agradan al realizarlas, se nos facilitan y en otras
ocasiones nos parecen muy tediosas y difciles (Jaramillo, 2005).
El tener esta posibilidad los hace ser ms eficientes, productivos y exitosos; sin
mencionar el beneficio y tiempo que ganan de manera personal.
33
Es importante mencionar lo esencial que es la orientacin vocacional, porque si
sta es excelente y por consecuencia, conocemos nuestros gustos personales,
as como nuestros intereses, capacidades y habilidades esto nos permitir
seleccionar de manera correcta, nuestros estudios universitarios lo que en un
futuro se ver reflejado directamente en la calidad del trabajo profesional que
desempeemos, as como en la calidad de vida.
El concepto etimolgico de vocacin viene del latn vocatio, vocationis que
significa llamado, invitacin, mejor dicho, la vocacin nace desde el exterior de
nosotros, que nos involucra a participar en una especfica tarea o relacin laboral,
la eleccin de una profesin, de un trabajo y de una carrera. (Jaramillo, 2005).
34
La orientacin profesional tiene como finalidad ayudar a los jvenes a encontrar
su vocacin y guiarlos a las actividades profesionales de acuerdo a sus aptitudes.
Se puede describir a la orientacin vocacional como un proceso que permite
ayudar a los jvenes a conocerse a s mismo y al mundo de trabajo al que
enfrentarn. Para que se preparen y elijan la profesin adecuada a sus aptitudes,
intereses y rasgos de personalidad, teniendo en cuenta las posibilidades de
estudio y de trabajo existentes (Jaramillo, 2005).
2.3.9.- LA ENTREVISTA
2.3.9.1.- PREPARACIN
35
El entrevistador debe prepararse lo suficiente tcnicamente, conocer bien el
problema, indagar soluciones existentes de problemas similares, con la finalidad
de que la imagen que se proyecta al momento de hacer la entrevista genere
confianza ante el entrevistado (Beyer y Holtzblatt, 1995).
36
2.3.9.2.-DESARROLLO
37
2.3.9.3.-ANLISIS
38
Ejemplos del mtodo cuantitativo: experimentales, correlacionales, encuestas,
etc ; ejemplos del mtodo cualitativo: la etnografa, etnometodologa, investigacin
ecolgica, estudio de casos, relatos de vida, biografa, etc. (Zorrilla,1989).
Adems debemos de analizar al caso y los objetivos a los que se quieren llegar
para determinar cual de los dos mtodos es el ms adecuado para nuestro
estudio.
2.3.10.2.- LA ETNOMETODOLOGA
Este mtodo est enfocado al conocimiento emprico, quiere decir que propone
situaciones de la vida diaria y actividades prcticas para su anlisis.
Los constructores son modelos supuestos, con una estructura y unas funciones,
en base a los cuales se pretende explicar determinados fenmenos (inteligencia,
motivacin, creatividad, personalidad, ansiedad, aptitud verbal, etc.); mientras que
las variables son aquellas capaces de tomar distintos valores.
39
Es muy importante el estudio de las variables en el proceso de la investigacin
cientfica, debido a que estas nos ayudan a obtener los resultados en nuestro
proceso de estudio, ya que es a partir de ellas se obtienen los datos con los que
se ha de realizar el trabajo. Las variables pueden clasificarse de acuerdo con
distintos criterios.
2.3.10.4.1.- TESTS
Puede ser sinnimo de prueba. Los tests y las pruebas objetivas son los
instrumentos de medicin que permiten una mxima precisin en el dato obtenido.
2.3.10.4.2.- CUESTIONARIOS
40
2.3.10.4.3.- ENTREVISTAS
2.3.10.4.4.- OBSERVACIN
41
CAPTULO 3.-DESARROLLO
El sistema de chatbot tiene una interfaz con imagen interactiva para contestar las
expresiones de los usuarios, las respuesta del robot es con voz, para lo cual se
requiere de bocinas, las respuestas tambin son por medio de expresiones y
gestos, as como escrita tipo Chat.
42
Ests de
acuerdo?
43
Bienvenido
44
Hola.
Fig. 9 Imagen interactiva del Agente Inteligente en Orientacin Vocacional. Autora Ana
Claudia Ruiz Tadeo.
En la Figura 10 se plasma una parte del dilogo entre el robot virtual y un usuario.
45
La Figura 11 muestra un dilogo de un usuario con el robot virtual en el dilogo le
define su orientacin vocacional la cual le indica que las carreras de acuerdo a su
personalidad son de investigador. En este dilogo se establecen preguntas para
definir su vocacin, ya que el tema principal es definir su vocacin.
46
Fig. 12 Pantalla del primer pas para utilizar el Robot Virtual. Autora Ana Claudia Ruiz
Tadeo.
II.- Ejecutar la pgina diseada con HTML que integra el siguiente cdigo.
En la Figura 13 se plasma el cdigo que muestra la interfaz del agente Inteligente
en Orientacin Vocacional.
PAGINA1.html
<html>
<head>
<title> Orientacin Vocacional </title>
</head>
<frameset rows="340,*">
<frame src="!TALKREF!&skin=pagina2" name="vhost">
<frame src="!TALKREF!&skin=pagina3&speak=true" name="pagina3">
</frameset>
</html>
47
PAGINA 2.html
<html>
<body>
!VHOST!
</body>
</html>
Fig. 14 Cdigo de HTML parte II. Autora Ana Claudia Ruiz Tadeo.
En la Figura 15 se plasma el cdigo que hace que la imagen interacte con los
usuarios, hace que la imagen sea conversacional.
PAGINA 3.html
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN">
<HTML>
<HEAD>
<SCRIPT>
<!--function sf(){document.f.input.focus();}// -->
</SCRIPT>
</HEAD>
<BODY lang=en-US bgColor=#9999AA onload=sf()>
!SPEAK!
<FONT face="Arial" color=#000000 size="4">
<table>
<tbody>
<tr><td bgcolor=#FFFFFF>
<template><think><srai>PREDICADOS POR DEFAULT
DEFAULTS</srai></think></template>
<b><em><template>><input/></template></em></b>
<P>
</td></tr>
<tr><td>
<em><b>!OUTPUT!</b></em></P>
</td></tr>
<tr><td>
<FORM name=f action="" method=post>
!CUSTID!
<P>Usuario...</font> <INPUT size=80 name=input> </P>
</FORM>
</td></tr>
</TD></TR>
<tr><td>
<p> <p>
<font face="Arial" color="white" size="4"><b><em>Pensamientos del Robot:
<template><srai> SALUDOS <get name="etype"/></srai></template>
Fig. 15 Cdigo de HTML parte III. Autora Ana Claudia Ruiz Tadeo.
48
III.- Iniciar un dilogo con el Orientador Vocacional. Para entablar una
conversacin el usuario debe iniciar el dilogo escribiendo una expresin o
pregunta para el robot. Ejemplo: Hola.
3.2.1.-RECOPILACIN DE LA INFORMACIN
49
3.2.2.- DISEO DEL DILOGO
Human: hola
Robot: HOLA. Gracias por conversar conmigo.
Human: como te llamas
Robot: Me llamo orientador vocacional soy un Robot Virtual un modelo de la
inteligencia artificial. Para un anlisis escribe la palabra orientacin.
Human: orientacin
Robot: Deseas un anlisis vocacional SI o NO?
50
<category><pattern> hola </pattern>
<template> HOLA. Gracias por conversar conmigo.</template>
</category>
<category> como te llamas </pattern>
<template> Me llamo orientador vocacional soy un Robot Virtual un modelo de la
inteligencia artificial. Para un anlisis escribe la palabra orientacin.</template>
</category>
<category><pattern> orientacin *</pattern>
<template>Deseas un anlisis vocacional SI o NO? </template>
</category>
Fig. 17 Cdigo AIML del dilogo inicial. Autora Ana Claudia Ruiz Tadeo.
51
Buen da.
Fig. 18 Interfaz del Agente Inteligente en Orientacin Vocacional. Autora Ana Claudia Ruiz
Tadeo.
Es una interfaz auditiva, visual y escrita, se muestra una imagen con gestos y se
observan las respuestas de manera verbal y escrita. Como se muestra en la figura
18 y 19.
52
El sistema se prob con 4 alumnos del CBTIS 157 de Cuauhtmoc, 3 alumnos de
la Universidad de Colima y 11 del Instituto Tecnolgico de Colima. Utilizamos el
formato del Anexo A. Test de Orientacin Vocacional, para evaluar la
congruencia del sistema. La congruencia nos referimos a un test manual que
valida el resultado que proporciona un sistema computacional. Cada alumno
como primer paso constaron el test del anexo A, sin ver el resultado, como
segundo paso utilizaron el sistema inteligente, para finalizar se compar el
resultado del test con el resultado del agente. El resultado final fue: de cada 10
anlisis 8 resultaron congruentes o iguales tanto en el tets del anexo A como el
resultado proporcionado por el agente inteligente en orientacin vocacional. Fue
la misma vocacin determinada en el anexo A como en el agente inteligente.
Una vez que se inici el uso del agente conversacional y sabiendo que es muy
difcil incluir todas las posibilidades de dilogo se han analizado las
conversaciones al trmino de cada una de ellas y se ha tomado informacin de
cada una de ellas para enriquecer la base de conocimiento del agente inteligente.
Para concluir los pasos que se realizaron para el dasarrollo del chatbot son:
53
2.- DISEO DEL DILOGO. En este apartado se definieron las expresiones,
oraciones, preguntas y respuestas posibles a tratar por parte del Agente
Conversacional en base al Anexo A. El cual tiene 9 apartados los cuales son: aire
libre, mecnicos, de clculo, cientificos, persuasivos, artsticos, literarios, de
servicio social y de oficina. Con 6 preguntas por cada apartado, formando un total
de 54 preguntas posibles a realizar por parte del agente.
54
Se puede concluir que el Agente Inteligente Conversacional se integra
principalmente de una base de conocimientos que contienen la informacin sobre
orientacin vocacional que es el tema a tratar por este sistema, un motor de
inferencia que contienen las instrucciones para que el robot actu y decida sobre
cuales acciones realizar de acuerdo a las expresiones del usuario, un program E,
que se utilizar como compilador del cdigo. Y la plataforma pandorabots que
permite incluir una imagen interactiva programada con cdigo de AIML.
La psicologa y pedagoga son dos ciencias que apoyan y dan herramientas para
apoyar la funcin de la orientacin vocacional ya que es un proceso que permite
ayudar a los jvenes a conocerse a s mismo y elijan la profesin adecuada a sus
aptitudes, intereses y rasgos personales, tomando en cuenta las posibilidades de
estudio y de trabajos existentes.
55
Se puede sintetizar que la arquitectura del Robot virtual est integrada de un
motor de inferencia que es el cerebro del sistema el cual decide y seleccionar la
respuesta que debe proporcionar el robot, selecciona la mejor respuesta en base
a decidir cual categora es la que mejor responde a la expresin del usuario. La
informacin que permite que el agente actu y respond de cierta forma se
encuentra en la base de conocimiento o mejor dicho en la base de datos, estos
dos elementos: motor de inferencia y base de conocimiento estn diseados en el
lenguaje AIML. La interfaz del robot esta hecha en HTML, para su publicacin nos
apoyamos del sitio Web pandorabots.com, el cual nos permite incorporar un
imagen interactiva. Para integrar la base de conocimientos nos apoyamos de la
psicologa y herramientas como test y cuestionarios aplicados en la ciencias de
pedagoga y experiencia de los psiclogos del Instituto Tecnolgico de Colima.
En Figura 20 se plasman los elementos del robot virtual, las herramientas que se
utilizaron para su diseo, son el lenguaje de programacin AIML. Este leguaje
trabaja con un motor de inferencia que es quien decide que categora seleccionar
de la base de conocimiento, la categora a seleccionar sera la ms adecuada de
acuerdo a la expresin que proporcione el usuario. Una categora esta formada
por una entrada y una salida. La entrada es la expresin proporcionada por el
usuario y la salida es la respuesta que brinda el robot.
56
MOTOR DE
INFERENCIA
EN AIML
AIML
http://demo.vhost.pandorabots.com/pandora/talk?botid=fc995158ae36a277. Esta
es la direccin URL con la que funciona el agente inteligente. El agente se
encuentra en Internet ya que el sitio pandorabots nos permiti publicar este robot
virtual.
57
Fig. 21 Implementacin del Agente Inteligente. Autora Ana Claudia Ruiz Tadeo.
Para agregar al robot virtual una interfaz con imagen interactiva un Odd cast
Vhost, se utiliza la plataforma pandorabots.com Fig. 22, este es un sitio web
desarrollado por el proyecto ALICE y permite alojar robots virtuales para que los
mismos puedan ser usados a travs de Internet en el lenguaje de marcas AIML.
58
Fig. 22 Pandorabots. Autor sitio pandorabots.
Las Figuras 23 y 24 muestras la interfaz del robot virtual, la cual es una imagen
interactiva que responde de acuerdo a las expresiones proporcionadas por los
usuarios. Para utilizar una imagen interactiva se utiliz la plataforma pandorabots.
59
Saludos
Human: orientacion
Robot: Deseas un analisis vocacional SI o NO?
Human: si
Robot TE GUSTA REALIZAR EXPERIMIENTOS DE BIOLOGA,
FSICA O QUMICA?
Human: si
Robot Te agrada ESTUDIAR LA ESTRUCTURA DE LAS PLANTAS
Y DE LOS ANIMALES?
Human: no
Robot: Reponder REGULAR, SI O NO a cada pregunta DE ACUERDO?
Human: si
Robot: Te agrada armar o desarmar objetos mecnicos?
Human: no
Robot: Te gustara vivir al aire libre, fuera de la Ciudad?
Human: si
Fig. 25.- Ejemplo de la interaccin entre un humano y el robot virtual.
Autor Ana Claudia Ruiz Tadeo
60
3.5.- ESPECIFICACIN FORMAL
3.5.1 CATEGORAS
<category>
<pattern>
Modelo de pregunta del usuario
</pattern>
<template>
Respuesta al modelo por parte del bot
</template>
</category>
61
El modelo de pregunta del usuario representa lo que esperamos que l pueda
preguntarle o decirle a nuestro bot, ejemplo:
<pattern>HOLA</pattern>
<pattern>HOLA * </pattern>
En este caso el intrprete dar una respuesta para cualquier oracin que inicie
con la palabra HOLA.
Para las respuestas existen dos formas bsicas de generarlas, en primer lugar
est la respuesta nica la cual representa una sola opcin para el modelo
planteado en la categora, ejemplo:
<pattern>HOLA</pattern>
<template>Hola amigo </template>
En este caso al escribir el usuario Hola el bot responder con la sentencia Hola
amigo.
62
La segunda forma que podemos utilizar es a travs de un conjunto de respuestas
que el bot agrupa y elige una de manera aleatoria, ejemplo:
<pattern>HOLA * </pattern>
<template>
<random>
<li>Hola</li>
<li>Que tal!</li>
<li>Mmmm Hola</li>
</random>
</template>
En este caso el bot responder a la sentencia Hola amigo con cualquiera de las
tres opciones que se encuentran entre las etiquetas <random> y </random>.
<pattern> * </pattern>
<that> YA TE VAS </that>
<template> Bueno adios </template>
63
En este caso el bot responder Bueno adis solo si la respuesta que dio
anteriormente fue Ya te vas.
En el caso de <topic> lo que nos permite es agrupar una serie de categoras que
hacen referencia a un mismo tema de tal forma que el bot puede condicionar el
uso de una categora de acuerdo a si sus respuestas anteriores pertenecen a un
determinado tema.
3.5.3 SRAI
<category>
<pattern>HOLA</pattern>
<template>Hola que tal</template>
</category>
<category>
<pattern>HOLA *</pattern>
<template><srai>HOLA</srai></template>
</category>
En este caso si el usuario escribe Hola u Hola amigo u Hola que tal, habr una
nica respuesta, Hola que tal.
64
3.5.4.1 REDUCCIN SIMBLICA
AIML permite simplificar expresiones para que sea un solo modelo el que
responda toda una serie de posibles construcciones para una sola oracin,
ejemplo:
Un modelo muchas veces puede ser dividido en partes y una de ellas ha de ser la
representativa; adems es posible agrupar una serie de sub-oraciones para que
todas tengan un solo tipo de respuestas, ejemplo:
<pattern> SI * </pattern>
<template>Me parece bien</template>
En este caso podemos agrupar todas las sentencias afirmativas para que
respondan de una sola forma.
65
3.5.4.3 SINNIMOS Y ESCRITURA
Con este ejemplo se puede ver que podemos manejar los sinnimos de la palabra
coche sin tener que generar una respuesta para cada uno de ellos.
66
3.5.4.5 PALABRAS CLAVES
Podemos identificar alguna palabra clave en una oracin para la cual tenemos
una respuesta estndar, ejemplo.
Fig. 27.- Ejemplo de una instruccin. Autora Ana Claudia Ruiz Tadeo.
Existen otras etiquetas en AIML para mejorar la actuacin del chatbot, sin
embargo para nuestro proyecto las funciones y etiquetas anteriores son
suficientes para lograr nuestro objetivo. Un fragmento del cdigo utilizado en el
desarrollo del Agente Inteligente en Orientacin Vocacional se muestra en la
Figura 27.
Se utiliza la instruccin de categora que es la que contiene las posibles
expresiones que el usuario puede solicitar al robot virtual, as como las respuestas
a cada una de las preguntas realizadas al sistema. Se realiza en primer instancia
categoras con informacin general de la vida comn o generales, posteriormente
se va centrando en el tema principal que es un anlisis de orientacin vocacional.
67
3.6.1.- PROGRAMACION DE MDULOS Y COMPONENTES
68
En la Figura 28 se plasma el conjunto de instrucciones y expresiones que integran
el mdulo de bienvenida por parte del agente inteligente.
Fig. 28 Cdigo del mdulo de bienvenida. Autora Ana Claudia Ruiz Tadeo.
3.7.- PRUEBAS
69
La prueba de software es considerada como un proceso destructivo, porque se
disea para hacer que el comportamiento de un programa sea distinto del que
intentaba su diseador o aplicador.
Las pruebas de software se llevan acabo para probar que no existen errores; sin
embargo, esto es imposible, dado que los analistas no pueden probar que el
software est libre de errores. Sempre es posible que existan errores an
despus de la prueba ms completa.
70
El robot virtual est integrado de categoras cada una de ellas es un subsistema
que complementan al sistemas en general y que cada una tienen un objetivo
especfico que en conjunto permiten la funcionalidad del robot virtual. Cada una
de las categoras se prob de manera individual. Si al probar una categora se
generab un error, no se permite pasar a otra categora hasta que la anterior
funcione de manera correcta y hasta llegar a la integracin y prueba de todas las
categoras y funcionamiento correcto del agente inteligente.
71
El agente se prob con usuarios de diferentes edades, desde jvenes de nivel
medio superior y superior. El sistema fue utilizado ms de una vez por la misma
persona. Se evalu con equipos de diferentes capacidades desde memoria Ram
de 256 hasta memoria de 1gb.
Para nuestro sistema un 80% de los usuarios confirmaron que el resultado del test
escrito, del anexo A es igual al resultado proporcionado por el agente inteligente,
ocho de cada diez comparaciones confirman que el agente puede apoyar el
anlisis vocacional de manera confiable. Cada usuario primero realiz el test
escrito y posteriormente realizaron el anlisis con el agente.
El 80% de los cuestionarios aplicados confirmaron la hiptesis El desarrollo de un
chatbot es capaz de simular de manera efectiva a un experto humano en
Orientacin Vocacional, a su vez es una herramienta de apoyo para los
orientadores vocacionales. El anexo A, permiti esta confirmacin.
72
Fig. 29 Fotografa de un alumno interactuando con la interfaz del chatbot para la
Orientacin Vocacional. Autora Ana Claudia Ruiz Tadeo.
Para evaluar la congruencia del agente inteligente, los jvenes que representan la
muestra, primero contestaron el test que permite determinar la vocacin personal
de los usuarios Anexo A que contiene un test para determinar la vocacin
personal, posteriormente utilizaron el agente inteligente, el resultado del test del
anexo A y la utilizacin del robot ambos resultados permiten aplicar la prueba de
congruencia, para finalizar contestaron el cuestionario de usabilidad, el anexo B
que permite determinar la efectividad, eficiencia y satisfaccin de la interfaz. El
test del Anexo A permite determinar la vocacin profesional de las personas que
los contestan es un test manual.
73
Fig. 30 Alumno interactuando con la interfaz del chatbot para la Orientacin Vocacional.
Autora Ana Claudia Ruiz Tadeo.
El test para determinar la orientacin vocacional del anexo A y el test para evaluar
la usabilidad anexo B, se aplicaron en la biblioteca del Instituto Tecnolgico de
Colima. Se probaron con un total de 18 personas, 11 alumnos del Instituto
Tecnolgico de Colima, 3 Alumnos del bachillerato #3 de la Universidad de
Colima y 4 alumnos del C. E. T. I. S. 157. Ninguno de ellos tiene experiencia con
la interfaz de chatbots.
74
Edad Alumnos Nivel de Estudios
15-17 4 C.E.T.I.S. 157
16-17 3 Bachillerato de la
U. de C.
18-20 3 1er. Semestre
Contabilidad del I.T.C.
18-21 4 4to Semestre
Informtica del I.T.C.
18-21 4 6to. Semestre del
Industrial del I.T.C.
Fig. 31 Alumnos que evaluaron la interfaz del chatbot. Autora Ana Claudia Ruiz Tadeo.
Los alumnos que evaluaron la interfaz tienen la edad entre 16 y 21 aos todos
con estudios previos de computacin bsica. Alumnos del Tecnolgico de Colima
y alumnos de la Universidad de Colima.
75
1. Me gustara utilizar con frecuencia este sistema
Frecuencia
6
0
1 2 3 4 5
Completamente de acuerdo
76
Fig. 33. Foto del alumno de la carrera de Bioqumica evaluando la usabilidad del
agente. Autora Ana Claudia Ruiz Tadeo.
Frecuencia
0
1 2 3 4 5
En completo desacuerdo
77
En la figura 34 encontramos que el agente no es complejo para su utilizacin.
Por el contrario lo consideran fcil de utilizar. Ya que es muy semejante a
chatear con un humano y es lo que actualmente hacen los jvenes. Seis de
cada diez lo encontaron facil de utilizar, no lo encontraon complejo.
10
Frecuencia
0
1 2 3 4 5
Completamente de acuerdo
78
La figura 36 nos proporciona como resultado que el agente es fcil de utilizar
para los usuarios.
Frecuencia
9
0
1 2 3 4 5
En completo desacuerdo
Fig. 37. Grfico. Creo que necesitara del apoyo de un experto para utilizar el sistema.
Autora Ana Claudia Ruiz Tadeo.
79
7
Frecuencia
6
0
1 2 3 4 5
Completamente de acuerdo
Fig. 38. Grfico. Las diversas funciones del sistema estn bien integradas.
Autora Ana Claudia Ruiz Tadeo.
La grfica de la figura 38 nos plasma que las opciones del sistema estn
correctamente integradas, esto permite que sea rpido de aprender a utilizar.
No se requiere de capacitacin previa.
10
0
1 2 3 4 5
En completo desacuerdo
80
Con el resultado de esta pregunta nos damos cuenta que el sistema tiene una
interfaz agradable. Con consistencia, les agradan los colores y la imagen en
2d. Como se muestra en la figura 40. Nueve de cada diez niegan que haya
sido inconsistente la interfaz.
9
Frecuencia
0
1 2 3 4 5
Completamente de acuerdo
Fig. 41. Grfico. La mayora de las personas aprenderan muy rpidamente a utilizar el
agente. Autora Ana Claudia Ruiz Tadeo.
81
El resultado de este cuestionamiento nos dice que el alumno no requiere de
una capacitacin previa para utilizar el sistema. Lo pueden utilizar todas las
personas aun cuando no tengan conocimientos previos de computacin.
0
1 2 3 4 5
En completo desacuerdo
Grfica de la figura 42, nos demuestra que esta expresin es negativa, ya que
el sistema es muy fcil de utilizar, la interfaz es amigable y agradable para los
usuarios. Ocho de cada diez encontraron que el sistema es fcil de utilizar.
82
9. Me sent muy confiado en la navegacin de la pgina web del agente
inteligente.
Frecuencia
7
0
1 2 3 4 5
Completamente de acuerdo
Fig. 43. Grfico. Me sent muy confiado de la pgina web del agente inteligente.
Autora Ana Claudia Ruiz Tadeo.
83
Frecuencia
10
0
1 2 3 4 5
En completo desacuerdo
Fig. 44. Grfico. Necesito aprender muchas cosas antes de utilizar el sistema. Autora
Ana Claudia Ruiz Tadeo.
Figura 44. Las respuestas a esta pregunta nos indican que no es necesario
tener un conocimiento especfico o tener mucha experiencia en el manejo de
sistemas de cmputo para su utilizar este agente inteligente. Nueve de cada
diez no necesitan tener conocimientos de computacin para utilizarlo.
84
CAPTULO 4.- CONCLUSIONES Y SUGERENCIAS
4.1.- DISCUSIN
85
Investigando un poco ms en la teora de la Inteligenicia Artificial nos
encontramos con el trabajo de Barber et al. (2002) el cual nos dice que la
Inteligenicia Artificial al ser tan amplia como lo vimos en la definicin anterior, es
posible definirla de manera separada en dos grupos: inteligencia relacionada al
procesamiento de la informacin y la inteligencia que trata de la representacin de
la informacin. Lo anterior nos reduce notablemente los alcances de lo que es la
Inteligencia Artificial y ahora lo que corresponde es situar al agente inteligente
dentro de una de esas dos clasificaciones. La representacin de la informacin
tiene que ver con los sentidos, el lenguaje y la comunicacin, de tal manera que
cuando decimos que el agente inteligente interactua de manera verbal y escrita es
sencillo pasar de lado la representacin de la informacin. Ahora que sabemos
en que clasificacin dentro de la Inteligencia Artificial estamos indagando un poco
ms y descubrimos que Russell y Norvig (1995) profundizan ms y ponen sobre
la mesa dos aproximaciones ms a lo que es la Inteligenicia Artificial; esta vez las
clasificaciones son en base al pensamiento y al comportamiento humano. El
enfoque del pensamiento tiene que ver muy estrechamente con la razn mientras
que el comportamiento nos habla de conductas. Nuestro agente inteligente
sabemos que se comunica de manera escrita y verbal lo cual nos dej de lado la
representacin de la informacin en la Inteligencia Artificial, sin embargo todava
es muy amplio el espectro de posibilidades dentro de la inteligencia, esto debido a
que se puede pensar que el agente tiene la capacidad de razonar y tiene un
comportamiento. Entonces hay que reducir un poco ms el alcance y situar al
agente del lado del comportamiento. La Inteligenicia Artificial basada en el
comportamiento, la definen Russell y Norvig (1995) como sigue: un campo de
estudio que busca explicar y emular la conducta inteligente en trminos de
procesos computacionales. Con esta ltima definicin nos queda claro que la
inteligencia a la que nos referimos cuando decimos agente inteligente se refiere a
la de comunicarse e interpretar una conducta inteligente. Nuestro agente
entonces se comunica con el usuario de manera verbal y escrita, a partir del uso
de ese medio de comunicacin simula un comportamiento.
86
Se puede concluir que con esta investigacin se establecen los elementos
necesarios para desarrollar un chatbot el cual es una herramienta de apoyo
para los usuarios y especialistas en orientacin vocacional.
La aplicacin de este software impacta con mayor incidencia en los jvenes, los
cuales podrn desempearse con mayor eficiencia en su actividad profesional.
Asimismo este sistema repercutir en una disminucin de la desercin y
reprobacin escolar.
87
La metodologa para la puesta en marcha del sistema fue en primer lugar una
entrevista personal con cada uno de la usuarios que participaron en las pruebas,
lo primero que hicieron fue llenar un test de texto para determinar la orientacin
vocaciona anexo A, posteriormente se realizaron pruebas con el agente,
siguiendo la entrevista, llenaron el cuestionario de usabilida anexo B, para
proceder a graficar los resultados. Y despus se compar el resultado del test
con el resultado que proporcion el agente. En el caso de las pruebas de
congruencia. En el test de usabilidad se graficaron los datos resultado de las
respuestas de los usuarios.
88
4.3.- CUMPLIMIENTO DE LOS OBJETIVOS.
89
45.- Interfaz del robot virtual. Autora Ana Claudia Ruiz Tadeo.
Esta investigacin nos permiti conocer los elementos necesarios para el diseo,
desarrollo e implementacin de un Agente inteligente en Orientacin Vocacional.
Esto nos permiti disear e implementarlo en la red mundial.
90
Otra de las limitantes de este proyecto, que la comunicacin verbal y escrita a la
que se hace referencia es exclusivamente en el idioma espaol.
Para interactuar con el agente se recomienda que sean usuarios que tengan
experiencia en el Chat. Se puede aplicar a personas desde la edad infantil a
nivel de primaria y secundaria, los cuales requieren la asistencia tcnica, cuando
no tengan la experiencia en chatear.
4.6.- SUGERENCIAS
Para continuar con esta investigacin a futuro recomendamos aplicar los mtodos
empleados en la instrumentacin de otras aplicaciones similares como: tutores,
psiclogos y pedagogos virtuales.
91
REFERENCIAS
92
Bush, N. (2006). Getting Started with Program D. Extrado el 24 de enero de
2006 desde http://www.aitools.org/Getting_Started_with_Program_D.
Chan, T. W. y Baskin, A. B. (1988). Studying with the prince: The Computer as a
Learning Companion. The Proceedings of International Conference of Intelligent
Tutoring Systems: At the Crossroads of Artificial Intelligence and Education,
ITS88, Junio, Montreal.
Chan, T. W. y Baskin, A. B. (1990). Learning companion systems. Ablex
Publishing Corporation.
Chih-Yueh, Ch., Tak-Wai, Ch. & Chi-Jen, L. (2003). Redefining the Learning
Companion: the past, present and future of educational agents. Computers &
Education, 40, 255-269.
Chadwick y Hannah, (1987). Introduccin a la Inteligencia Artficial. Madrid,
Espaa: Ra-Ma.
Davis, F. (1985). La comunicacin no verbal. Alianza Editorial.
Damelincourt, J. (12/01/2005). Prsentation & historique des Systmes multi-
agents. VieArtificielle [en lnea]. desde
http://www.vieartificielle.com/article/index.php?id=47 [16 de Octubre 2005].
Flora, C. (2000). Cuestionarios de Usabilidad. rea de Ingeniera de Proyectos.
Universidad de Zaragoza.
Goleman, D. (1996). La Inteligencia Emocional. Cairos.
Gonzlez, R.A. (2000). Educacin superior virtual y nuevos materiales para la
enseanza. Coleccin Pedaggica Universitaria, 32-33, 183-195.
GRACIA, Grupo de Agentes de Software: Ingeniera y Aplicaciones.(2005)
Estado del Arte [en lnea]. Disponible en:
http://grasia.fdi.ucm.es/ingenias/Spain/estado/index.php [21 de Octubre 2005].
Hayes-Roth (1995). Citado por: Samper, J. (2005). [en lnea] Disponible en:
http://www.wikilearning.com/ntroducci%C3%B3_n_al_concepto_de_agente_i-
wkccp-5095-3.htm. [21 de Octubre 2005].
Jaramillo, A. (2005), Trabajo de Investigacin para la Orientacin Vocacional,
Instituto Tecnolgico de Colima, fue una investigacin de Residencia Profesional.
93
Jonassen, D., Mayes, T. & McAleese, R. (1992) A Manifesto for a Constructivist
Approach to Uses of Technology in Higher Education. Duffy, Lowyck and
Jonassen, 147-231.
Kuder, F. (1998), Kuder, ediciones pedaggicas latinoamericanas. Formatos de
test.
Larios, A. (1995). Tcnicas y estrategias para pruebas del software en el
Instituto Tecnolgico de Colima, Colima, Noviembre. Investigacin para tsis de
titulacin.
Lpez, O. Laguna, M. & Marqus, J. (2004). Normalizacin De Assets De
Requisitos En El Contexto De La Reutilizacin Sistemtica Del Software. Instituto
Tecnolgico de Costa Rica, Universidad de Valladolid. p. 2.
Liphart, A. (1971): "Comparative Politics and the Comparative Method", en
American Political Science Review, vol.65, septiembre.
Maldonado, L., & Bayardo, & L., Macias, D. & Ortega, N. (2004). Ambiente de
aprendizaje basado en un agente de software orientado al juego de roles. Trabajo
presentado en el VII Congreso Iberoamericano de Informtica Educativa, Octubre,
Monterrey.
Merelo, J. J. (1997) Agentes Autnomos Inteligentes. RED Cientfica. Obtenido
el 8 de enero de 2006 desde
http://www.redcientifica.com/doc/doc199903310001.html
Minsky, M. (1984). The Society of Mind. Simon & Schuster., Articulo publicado en
internet.
Navarro, D. (1997). ELIZA y Computer Power and Human Reason. RED
Cientfica. Obtenido el 8 de enero de 2006 desde
http://www.redcientifica.com/doc/doc199903130010.html
Nielsen, (1993), Concepto de usabilidad, extrado el 7 de Marzo del 2009 desde
http://www.sidar.org/recur/desdi/traduc/es/visitable/quees/usab.htm
Nuseibeh, B. & Easterbrook, S. (2000). Requirements Engineering: A Roadmap.
ACM Future of Software Engineering, 35-44.
Nez, M. (2004, Noviembre 7). Weblogs y RSS: tica y Computadoras - Chat
Robot.
94
Piattini, M.G., Calvo-Manzano, J.A., Cervera, J. y Fernndez, L. (1996). Anlisis
y diseo Detallado de Aplicaciones Informticas de Gestin. Madrid, Espaa: Ra-
Ma.
Rivera (2003). Aprendizaje de diferente tipo? Extrado el 4 de enero de 2006
desde http://www.educarchile.cl/ntg/investigador/1560/article-77061.html
Rizzi, M. (2001). Sistema Experto Asistente de Requerimientos. Tsis de
Maestra en Ingeniera de Software, Instituto Tecnolgico de Buenos Aires.
Rizzi, M. y Marcelo, F. (2000). Asistente de Requerimientos. Tsis de maestra
no publicada, Centro de Actualizacin Permanente en Ingeniera de Software,
Instituto Tecnolgico de Buenos Aires.
Robertson, S. & Robertson, J. (1999). Mastering the Requirements Process,
Addison Wesley, New York, NY.
Romn Gallardo, A. (2006). Comunicacin personal. Entrevista realizada por
Armando Renova Flores. Colima, Colima, 3 de Marzo de 2006.
Russell, R. (2002). Language Use, Personality and True Conversational
Interfaces. Artificial Intelligence and Computer Science. University of Edinburgh.
Russell, S. & Norvig, P. (1995). Artificial Intelligence: A Modern Aproach,
Prentice Hall. Opper Saddle River, Upper Saddle River, NJ.
Rzepka, W. E. (1989). A Requirements Engineering Tested: Concept, Status,
and First Results. Presentado en el 22 Anual Hawaii International Conference of
Systems Sciences, IEEE Computer Society, Junio, Hawaii.
Serrano, C. (2003). La contabilidad en la era del conocimiento, [en lnea] 5
campus.org Sistemas Informativos Contables, disponible en
http://www.5campus.org/leccion/introduc [7 de enero de 2006]
Shah, H. (2005). A.L.I.C.E.-an ACE in Digitaland. Ph.D. Thesis. Harrow School
of Computer Science, University of Westminster.
SICEUC (2005). Universidad de Colima [en lnea]: http://siceuc.ucol.mx.
Skinner, B.F. (1950). Are Theories Of Learning Necessary? Psychological
Review, 57.
Sommerville, I. (1996). Software Engineering. Addison Wesley, New York, NY.
Sommerville, I. & Sawyer, P. (1997). Requirements Engineering. Wiley.
95
Teruel, A. (14 de Junio de 2000). Orientando sistemas de Programas a Objetos:
un segundo experimento decente. Departamento de Computacin y TI.
Universidad Simn Bolvar.
Thayer, R.h. y Dorfman, M. (1997). Software Requirements Engineering. Wiley.
Travers, R. M. W. (1979) Introduccin a la investigacin educacional. Buenos
Aires: Paids.
Urretavizcaya, M. (2001). Sistemas Inteligentes en al mbito de la educacin.
Inteligencia Artificial, Revista Iberoamericana de Inteligencia Artificial, 12, 5-12
Valadez Valdivia, R. (2006). Comunicacin personal. Entrevista realizada por
Armando Renova Flores. Colima, Colima, 3 de Marzo de 2006.
Villareal, G. (2004). Agentes Inteligentes en Educacin. Centro Comenius
Universidad de Santiago de Chile.
Vizcano, A. (2004). Un Estudiante Simulado que Detecta y Corrige Situaciones
Negativas en Entornos Colaborativos. Revista Iberoamericana de Inteligencia
Artificial, No. 23, 149-156.
Wallace, R. (2004). A.L.I.C.E. The Artificial Linguistic Internet Computer Entity.
Obtenido el 5 de enero de 2005 desde http://www.alicebot.org/about.html
Wallace, R. (2006). AIML Overview. Extrado el 20 de febrero de 2006 desde
http://www.pandorabots.com/pandora/pics/wallaceaimltutorial.html.
Zave, P. & Jackson, M. (1997). Four Dark Corners of Requirements Engineering.
ACM Transactions on Software Engineering and Methodology, 6(1), 1-30.
Zorrilla, S. (1989). Introduccin a la metodologa de la investigacin: casos
aplicados a la administracin (28 ed.). Mxico: Aguilar Len y Cal Editores
96
Anexo A. Test de Orientacin Vocacional.
97
98
Anexo B. Cuestionario System Usabilidad Scale (SUS)
Cuestionario System Usability Scale (SUS) para evaluar la usabilidad de un sistema.
Traducido al espaol por Adriana Lorena Iiguez Carrillo y Miguel ngel Garca Ruiz
Referencia original:
Brooke, J. (1996). SUS: a "quick and dirty" usability scale. In P. W. Jordan, B. Thomas, B. A.
Weerdmeester & A. L. Mclelland (eds.) Usability Evaluation in Industry. London: Taylor and Francis.
Documento donde se explica cmo calificar el cuestionario:
http://www.usabilitynet.org/trump/documents/Suschapt.doc
Nombre:______________________________________________________________ Fecha:_______
Favor de marca con una X en la columna correspondiente segn sea tu criterio.
En completo Completamente
desacuerdo ........de acuerdo
2. Encontr el sistema
( ) ( ) ( ) ( ) ( )
innecesariamente complejo
99
Anexo C. Conversacin de un usuario con el Robot Virtual
Human: hola
Robot: HOLA. Gracias por conversar conmigo.
Human: orientacin
Robot: Deseas un anlisis vocacional SI o NO?
Human: si
Robot: A cada pregunta contestar REGULAR O SI O NO ESTAS DE ACUERDO?
Human: si
Robot: Te gustara sembrar y plantar en una granja durante las vacaciones?
Human: si
Robot: Te gustara vivir al aire libre, fuera de la Ciudad?
Human: si
Robot: Te gustara pertenecer a un club de exploradores?
Human: si
Robot: Te agrada salir de excursin?
Human: no
Robot: Las carreras que considero te agradaran de acuerdo a tus gustos personales son: Ingeniero Agrnomo, Ingeniero
forestal, Ingeniero de Minas, Gelogo, Oficial del ejercito, oficial de la marina, oficial en aviacin o polica, etctera, ya
que con la conversacin se puede determinar que te agradan en mayor escala las actividades externas a edificios
actividades al aire libre, CONTINUAMOS SI O NO.
Human: si
Robot: Te gustara sembrar y plantar en una granja durante las vacaciones?
Human: si
Robot: Te gusta utilizar herramientas y maquinaria?
Human: si
Robot: Te agrada armar o desarmar objetos mecnicos?
Human: si
Robot: Te agrada RESOLVER ECUACIONES NUMRICAS?
Human: no
Robot: Contestar REGULAR, SI O NO a cada pregunta DE ACUERDO?
100
Human: si
julio3: Te agrada ESTUDIAR LA ESTRUCTURA DE LAS PLANTAS Y DE LOS ANIMALES?
Human: si
julio3: TE GUSTA REALIZAR EXPERIMIENTOS DE BIOLOGA, FSICA O QUMICA?
Human: si
julio3: TE INTERESA ESTUDIAR Y ENTENDER LAS CAUSAS DE LOS MOVIMIENTOS SOCIALES?
Human: si
julio3: TE AGRADA INVESTIGAR LAS COSTUMBRES DE LOS PUEBLOS?
Human: si
julio3: TE AGRADA LEER REVISTA Y LIBROS CIENTFICOS?
Human: si
julio3: TE INTERESA SER INVESTIGADOR EN UN LABORATORIO DE BIOLOGIA, FSICA O QUMICA?
Human: si
julio3: ES NOTORIO TU INTERES CIENTFICO, LAS PROFESIONES ACORDE TUS INTERESES SON: ANTROPLOGOS, ARQUELOGO,
ASTRNOMO, BILOGOS, INGENIERO ELECTRICISTA, INGENIERO QUMICO, ODONTOLOGO, PSICOLOGO, MDICO, TCNICO DE
LABORATORIO?
Human: gracias
julio3: Gracias por tu visita.
101
Anexo D. Fragmento del cdigo fuente del Robot Virtual en Orientacin
Vocacional en AIML.
<?xml version="1.0" encoding="UTF-8"?>
<aiml version="1.0">
<category>
<pattern>hola</pattern>
<template>
<random>
<li> Hola Bienvenido.</li>
<li><suspecting/>HOLA. Gracias por tu visita</li>
<li><offended/>HOLA. Gracias por conversar conmigo</li>
<li><ironic/>Hola: Para un anlisis escribe ORIENTACION</li>
<li><bored/>HOLA PARA UN ANLISIS ESCRIBE ORIENTACION</li>
</random>
</template>
</category>
<category>
<pattern>HOLA *</pattern>
<template>Hola Cual es tu nombre?</template>
</category>
<category>
<pattern>*</pattern>
<that>Hola Cual es tu nombre?</that>
<template><set><star/></set>
Si deseas un anlisis? escribe ORIENTACIN</template>
</category>
<category>
<pattern>hola * eres *</pattern>
<template><srai>quien eres</srai></template>
</category>
<category>
<pattern>* eres *</pattern>
<template><srai>quien eres</srai></template>
</category>
<category>
102
<pattern>* creo*</pattern>
<template><srai>* diseo*</srai></template>
</category>
<category>
<pattern>* diseo*</pattern>
<template> Me disearon en el Instituto Tecnolgico de Colima en el Departamento de Desarrollo Acadmico, Como
Jefa la Licenciada MARIA Elba Guzman CARRILLO y Me diseo la Maestra Ana Claudia Ruiz Tadeo </template>
</category>
<category>
<pattern>*gracias*</pattern>
<template>Gracias por tu visita, Te esperamos en el tecnologico, contamos con otros tipos de analisis vocacional,
repito contamos con otros tipos de analisis vocacional</template>
</category>
<category>
<pattern>* gracias *</pattern>
<template><srai>*gracias*</srai></template>
</category>
<category>
<pattern>como te llamas*</pattern>
<template>Me llamo orientador vocacional soy un Robot Virtual un modelo de la Inteligenicia
Artificial</template>
</category>
103