| Summary: | Objetivos y método de estudio: En este trabajo se presentará un algoritmo constructivo para el problema de planificación educativa (PPE) con el fin de demostrar que al proporcionar soluciones iniciales de buena calidad a un planificador automatizado, en este caso al planificador OPTIC, se puede puede alcanzar esa misma solución o una mejor en menos tiempo. También se agregaron nuevas restricciones al modelo matemático del problema de planificación educativa (PPE) las cuales consideran características subjetivas como el estrés, la capacidad intelectual y la calidad del material, esto con el fin de que el problema sea más apegado a la realidad. También se generaron restricciones que le permiten al modelo generar una secuencia en las actividades. Contribuciones y conclusiones: Desarrollo de un constructivo greedy el cual genera soluciones de forma aleatoria para el PPE, el funcionamiento es similar al algoritmo Monte Carlo. Se evaluó el desempeño del planificador OPTIC utilizando soluciones iniciales como cota para la búsqueda de una solución al PPE. Se agregaron nuevas restricciones al modelo matemático para que considere características como estrés, capacidad intelectual y calidad del material, apegando el problema al mundo real. Al incluir este tipo de características en el PPE nos permite personalizar la ruta de aprendizaje de un usuario en particular, que es una de las principales áreas de investigación en el campo de educación asistida. Una vez construido el modelo matemático también nos permitiría incluir las nuevas restricciones en PDDL para ser resuelto con los planificadores.
|
|---|
