B-learning - LITE

Uso de Agentes Conversacionales
Pedagógicos en Sistemas de
Aprendizaje Híbrido (B-learning)
Diana Pérez Marín
Seminario de Investigación en Tecnologías de la
Información Aplicadas a la Educación (SITIAE, Abril 2010)

Índice
• Introducción
• Agente Conversacional Pedagógico (ACP)
• Tipos de agentes
– Agente como profesor
– Agente como estudiante
– Agente como acompañante
• Caso de estudio: agente como profesor
• Conclusiones y trabajo futuro
2

Introducción (I)
• Un sistema Blended Learning o de Aprendizaje Híbrido se
puede definir como la combinación de instrucción cara a
cara con los sistemas mediados por ordenador [1].
• El objetivo es combinar las ventajas de los sistemas e-
learning y la enseñanza tradicional.
3

Introducción (II)
• Ventajas de los sistemas e-learning:
– Flexibilidad temporal.
– Flexibilidad espacial.
– Especialización y adaptación.
• Ventajas de la enseñanza tradicional:
– Conservar el contacto directo con el profesor.
– Evitar la posible sensación de aislamiento
consecuencia de la educación a distancia [2].
4

Introducción (III)
• Un agente conversacional pedagógico (ACP) se puede
definir como una personificación o representación en un
ordenador de la figura del profesor o del estudiante.
• En esta presentación se revisará cómo se están usando
los ACPs en entornos educativos:
– Revisando las características de los ACP existentes.
– Proponiendo una taxonomía general.
• Finalmente, se pincelará un caso de estudio en el que se
está investigando los beneficios del uso de un ACP tutor
en entornos e-learning respecto a entornos b-learning.
5

Agente conversacional pedagógico (ACP)
6

Agente conversacional pedagógico
• Una de las primeras definiciones del año 2000 fue:
“Lifelike autonomous character that cohabite
the learning environment creating a rich interface
face-to-face with student” [3].
• En este contexto, la palabra agente debe entenderse
como un personaje simulado por ordenador que:
– Puede presentar características humanas.
– Mostrarlas en forma de texto, voz y/o gráficos [4].
– Interacciona en lenguaje natural con el estudiante.
– Su objetivo es apoyar el proceso educativo [5].
7

Nomenclatura
• Agente Conversacional Pedagógico (ACP)
• Agente Pedagógico Virtual Inteligente
• Agente Personalizado Virtual inteligente
• Agente Conversacional Personificado (ACP)
• Agente Pedagógico Animado (APA)
• Embodied Pedagogic Conversational Agent (ECA)
• Teachable Agent (TA)
• Pedagogic Agent as Learner Companion (PAL)
8

Qué características puede tener un ACP [6]
• Adaptabilidad: el agente puede ajustar los
contenidos al modelo del estudiante.
• Circuitos de retroalimentación: el agente puede
proporcionar retroalimentación también adaptada
a cada estudiante.
• Soporte afectivo: el agente puede intentar
animar al estudiante y mantener su atención.
• Capacidad de evolución: el agente puede ir
aprendiendo del estudiante o de otras fuentes
para enriquecer la conversación.
9

Qué no es un ACP
• Un chatbot: el ACP debe poder mantener una
conversación “inteligente” sobre un domino [7].
• Sistema para reemplazar al profesor o al
estudiante: el ACP está diseñado generalmente
como complemento [5].
• Sistema de diálogo tutorial: el ACP debe estar
representado con un personaje virtual animado o
no. Así, por ejemplo ITSPOKE no es un ACP [8].
10

Efectos del uso de ACPs
• Efecto persona [9]: la presencia de un agente en un
entorno interactivo, aunque no sea animado, puede
tener un efecto positivo en la percepción de la
experiencia educativa por parte del estudiante.
• Efecto Proteo [10]: los estudiantes pueden aprender
motivados por conseguir las características de sus
avatares y parecerse a ellos/as.
• Efecto Protégé [11]: los estudiantes pueden llegar a
hacer un esfuerzo mayor por aprender para enseñar
a su avatar que para aprender ellos mismos.
11

Taxonomía propuesta de ACPs (I)
1. Rol y actitud
a) Profesor de contenidos/competencias
• Autoritario
• Tutor experto/Facilitador/Mentor/Coacher (“constructivista”)
b) Estudiante (Teachable Agents) de contenidos/competencias
• Individual (“Learning by Teaching”)
• Con otro tutor
c) Acompañante (Pedagogic Agent as Learner Companion – PALs)
• Compañero igual
• Asistente emocional
• Troublemaker, crítico o colaborativo
12

Taxonomía propuesta de ACPs (II)
2. Capacidad de interacción
a) El agente inicia la conversación
b) El estudiante inicia la conversación
c) El agente o el estudiante pueden iniciar la conversación
3. Tipo de animación (multimodalidad)
a) Inexistente
b) Sólo gráfica
c) Gráfica + sonidos
d) Gráfica 3D + sonidos
e) Inmersión en un entorno de realidad virtual
4. Posibilidades afectivas
a) Sin posibilidades
b) Soporte emocional
c) Empatía
13

Taxonomía propuesta de ACPs (III)
5. Personaje virtual
a) Con forma humana sin animación
b) Con forma humana con animación
• Respiración
• Contacto visual
• Sólo cara
• Cara + cuerpo (Embodied Pedagogic Conversational Agent)
c) Sin forma humana
6. Posibilidades de adaptación-evolución
a) Sin posibilidades
b) Posibilidades de adaptación
c) Posibilidades de evolución
7. Ubicuidad
a) Sólo ordenador en clase (b-learning)
b) Sólo ordenador fuera de clase (e-b/learning)
c) Versiones para ordenador / PDA / smartphone (e-b/learning)
14

Tipos de agentes conversacionales pedagógicos
Agente como
profesor
Agente como
estudiante
Agente como acompañante
15

Agente como profesor
16

Agente como profesor
• La investigación en agentes pedagógicos como
profesores/tutores/mentores se remonta a 1970.
• Los primeros agentes eran muy limitados, sólo
mostraban información, sin permitir interacción.
• En las siguientes décadas, se mejoró la animación,
interacción y el contenido de la conversación con
técnicas como LSA, redes semánticas o árboles.
• Algunos ejemplos son: Herman the Bug [9], Anne y
Pierre [12], Steve [13], Guilly [14], Sam [15], CAPA
[12], Autotutor [16], Baldi [17] y Willow [18].
17

Herman the Bug [9]
• Lester et al. desarrollaron en 1997 uno de los
primeros agentes para niños en edad escolar.
• De hecho, diseñaron varias modalidades del agente
combinando o eliminando gestos y consejos verbales.
• Descubriendo de esta forma el Efecto Persona según
el cual la introducción del agente incluso cuando no
da consejos verbales reporta mejores indicadores:
– Los estudiantes decían que el agente les había
ayudado a hacer sus deberes (b-learning).
– Los estudiantes se mostraban más contentos con el
sistema cuando tenía el agente aunque no hablase.
18

Herman the Bug [9]
19

Anne y Pierre [12]
20

Steve [13]
• Agente en un entorno 3D que complementa al profesor
para entrenamiento naval actuando como:
– Tutor para un miembro de un equipo.
– Sustituyendo a un miembro faltante del equipo.
• También puede asumir el rol guía en el ambiente virtual
de la nave señalando equipos y salas en el mundo 3D:
– Apuntándolos directamente.
– Mirándolos e indicando su importancia.
– Realizando turnos en la conversación (muy limitada).
• El soporte emocional está limitado a asentir o negar con la
cabeza (sin empatía).
21

Steve [13]
22

Guilly [14]
• Guilly fue desarrollado para enseñar a niños de entre
8 y 10 años a separar la basura.
• La retroalimentación se ofrece en forma de pistas en
mensajes de texto, gestos corporales o faciales.
23

Sam [15]
• Sam fue diseñado para desarrollar la capacidad
narrativa de niños en edad escolar.
• Sam se proyectaba sobre una pared detrás de un
castillo y pedía a los niños que le ayudaran a contar
un cuento con personajes sobre el castillo.
24

Autotutor [16]
• Autotutor es uno de los ACPs más estudiados. Está
basado en teorías constructivistas, tiene iniciativa
mixta de diálogo y animación 3D.
• Lleva investigándose desde finales de los año 90 por
un equipo de más de 30 personas y utiliza técnicas
como LSA, Dialogue Advance Network y speech acts.
• Según sus creadores es capaz de aumentar hasta 0.8
puntos en el resultado final de los exámenes [13].
• Actualmente se está ampliando su capacidad de
detectar emociones y responder empáticamente al
estudiante.
25

Autotutor (1999-…)
26

Baldi [17]
• Baldi ejerce como tutor para entrenamiento del
lenguaje inglés en niños con déficit auditivo o para
adultos en su aprendizaje como una segunda lengua.
• En su origen, Baldi es una cabeza animada para ir
aprendiendo la pronunciación de palabras.
27

Baldi [17]
En la actualidad, Baldi se está adaptando a otros
dispositivos móviles como Smartphones o PDAs:
28

Agente como estudiante
30

Agente como estudiante
• El enfoque de estos agentes se basa en el paradigma
“Learning by Teaching”, esto es que el estudiante
aprenda al enseñar al agente conceptos o técnicas.
• En la universidad de Vanderbilt, el Dr. Biswas y su
grupo han desarrollado varios TAs como Betty.
• Descubriendo el Efecto Protégé.
• También se ha investigado el uso de 2 agentes, uno
es al que el estudiante debe enseñar y otro es el
mentor que guía y enseña al estudiante.
31

Betty [18]
• Betty se utiliza como apoyo durante las clases de
ciencias de nivel primaria.
• El estudiante enseña a Betty mediante la creación de
enlaces y nodos en mapas de conceptos.
32

Betty + Mr. Davis
33

Agente como acompañante
35

Agente como acompañante
• En este caso, el rol del agente no es autoritario, sino
fundamentalmente de apoyo emocional/social.
• Los orígenes de este tipo de agentes también se
pueden encontrar en los años 90 [4].
• Al principio, investigaron en las personalidades de los
agentes (conflictivos, introvertidos, extrovertidos…)
• En la actualidad, la investigación se centra más en su
inmersión en entornos 3D de juegos educativos.
• Algunos PALs son: troublemaker [19], SBEL [20],
Crystal Island [21], Jake & Jane [22], MyPet [23] y
BILAT [24].
36

Troublemaker [19]
• El agente representaba un estudiante conflictivo que
en ocasiones proporcionaba respuestas incorrectas.
• El objetivo era provocar disonancias cognitivas, esto
es, contrastes entre lo que el estudiante cree saber y
lo que el agente le está contando.
• La hipótesis que tenían era que esto provocaría que
los estudiantes quisieran demostrar que el agente
estaba equivocado y entonces buscarían información.
• Esta línea de investigación sigue abierta sin
resultados concluyentes en la literatura.
37

Los agentes de SBEL [20]
• En el entorno Scenario-based language e-learning
(SBeL) se utilizan los PALs para acompañar a los
estudiantes en el aprendizaje de portugués brasileño.
38

Los agentes en Crystal Island [21]
• El objetivo es mantener el estado emotivo del
estudiante mezclando agentes tutores con un PALs.
• También preguntan al estudiante que le ha parecido su
respuesta para mejorarla en la próxima interacción.
39

Jake & Jane [22]
• Jake y Jane son dos PALs “empáticos” exactamente
iguales excepto en su género (voces y presencia).
• Los agentes intentan empatizar con el estudiante
imitando sus emociones y usando frases completas.
• Los agentes fueron integrados en Wayang Outpost
un software que enseña matemáticas.
• Este software pregunta a los estudiantes cómo se
encuentran cada 5 minutos, según la clasificación de
las emociones realizada por Ekman [23].
• Los resultados de un experimento con 30 estudiantes
demostraron que el postest era mejor para la chicas
que habían estudiado con Jake.
40

Jake & Jane [22]
41

MyPet [24]
• El objetivo del PAL es acompañar en el aprendizaje
de chino motivando al estudiante.
• La hipótesis es que si los estudiantes atribuyen su
fracaso a falta de esfuerzo reemprendarán la tarea.
• El agente es un animal de compañía que tendrá más
energía en su barra vital cuántas más tareas
completen en el sistema (más esfuerzo).
• De esta forma, los estudiantes podrán visualizar si
están dedicándole suficiente esfuerzo. Del agente hay
versiones tanto para PC como para PDA.
42

MyPet y MyMiniPet
43

Los agentes en BILAT [25]
• En este caso los agentes son los personajes del juego
y realmente el estudiante no teclea sino que
selecciona una opción del menú.
• El sistema se llama ELECT BiLAT (Enhanced Learning
Environments with Creative Technologies for Bilateral
negotiations) y su objetivo es preparar al estudiante
para negociar con éxito.
• Las acciones de los estudiantes se evalúan como
correctas, regulares o incorrectas.
• En los experimentos realizados se ha comprobado
que la capacidad de negociación mejora de forma
significativa cuando los estudiantes usan el sistema.
44

Los agentes en BILAT [25]
45

Caso de estudio: agente como profesor
46

Caso de estudio: agente como profesor
• Desde el año 2003, hemos estado desarrollando un
sistema B-learning para repaso conceptual llamado
Will Tools [26]. En el año 2007 se introdujo la
metáfora del diálogo con un ACP profesor:
47

Caso de estudio: agente como profesor
• En la actualidad estamos realizando un estudio con
182 estudiantes on-line para comparar la diferencia
en el uso de Willow como agente e-learning respecto
al uso de Willow como agente b-learning.
• La hipótesis de partida es que Willow es más útil
como agente b-learning que en un entorno e-learning
sin apoyo del profesor.
• También se está explorando los beneficios de utilizar
Willow como agente acompañante que recomienda y
orienta, además de enseñar.
48

Caso de estudio: agente recomendador
49

Conclusiones y trabajo futuro
50

Conclusiones y trabajo futuro (I)
• La investigación en ACPs ha atraído la atención de
numerosos investigadores.
• En la actualidad, es necesario un marco sistemático
que clasifique la investigación realizada.
• Esto podría permitir inferir en qué casos los agentes
proporcionan beneficios y de qué tipo, puesto que se
han encontrado resultados contradictorios:
– Estudiantes que afirman que el ACP les ha resultado de
gran utilidad pero no reallizan post-test mejores.
– Agentes que parece que ayudan por su capacidad de
diálogo, pero si se quita la parte gráfica se elimina el
efecto persona y obtienen peores resultados.
51

Conclusiones y trabajo futuro (II)
• En este trabajo, se propone por primera vez una
taxonomía de ACPs con la hipótesis de que un
estudio sistemático del uso de los ACPs en educación
podría conseguir identificar las condiciones para
conseguir los resultados óptimos.
• También se está realizando un caso de estudio para
investigar hasta qué punto afecta el entorno e-
b/learning en el que se integra el ACP.
• Se espera la publicación de un libro en Agentes
Conversacionales en 09/2010 que reúna la técnicas
que han dado mejores resultados, y la realización de
un workshop en 06/2010 específico a ACPs.
52

Referencias
[1] Graham, C. R. (2005), Blended Learning Systems: Definition, Current
Trends, and Future Directions, in 'Handbook of Blended Learning:
Global Perspectives, local designs', Pfeiffer Publishing, pp. 3-21.
[2] Preece, J. (1994). Human-Computer Interaction. Pearson Education
Limited: Essex, England.
[3] Johnson, W.; Rickel, J. & Lester, J. (2000), 'Animated Pedagogical
Agents: Face-to-Face Interaction in Interactive Learning Environments',
Journal of Artificial Intelligence in Education 11, 47-78.
[4] Chou, C.; Chanb, T. & Linc, C. (2003), 'Redefining the learning
companion: the past, present, and future of educational agents',
Computers & Education 40, 255-269.
[5] Veletsianos, G. & Miller, C. (2008), 'Conversing with
pedagogical agents: a phenomenological exploration of
interacting with digital entities', British Journal of Educational
Technology 39(6), 969-986.
55

Referencias
[6] Slater, D. (2000), 'Interactive animated pedagogical agents', PhD
thesis, Stanford University.
[7] Lieberman, H. (1997), 'Autonomous interface agents', 67-74.
[8] Litman, D. & Silliman, S. (2004) ,ITSPOKE: An intelligent tutoring
spoken dialogue system, in 'Demonstration Papers at HLT-NAACL
2004', pp. 5-8.
[9] Lester, J.; Converse, S.; Kahler, S.; Barlow, S.; Stone, B. & Bhogal, R.
(1997),The persona effect: affective impact of animated pedagogical
agents, in 'Proceedings of the SIGCHI conference on Human factors in
computing systems', pp. 366.
[10] Yee, N. & Bailenson, J. (2007), 'The Proteus effect: The effect of
transformed self-representation on behavior', Human Communication
Research 33(3), 271.
[11] Chase, C.; Chin, D.; Oppezzo, M. & Schwartz, D. (2009), 'Teachable
agents and the protégé effect: Increasing the effort towards learning',
Journal of Science Education and Technology 18, 334-352.
56

Referencias
[12] Sabot, Z.; Zolkifly, I. & Lew, T. (2005), 'Computer Virus Educational
System Using Animated Pedagogical Agent Technology', Unitar E-
Journal 1, 52-58.
[13] Rickel, J. & Johnson, W. (1999), 'Virtual humans for team training in
virtual reality‘, Proceedings of the Ninth International Conference on
Artificial Intelligence in Education', Citeseer, 578-585.
[14] Nunes, M.; Dihl, L.; Fraga, L.; Woszezenki, C.; Oliveira, L.; Francisco,
D.; Machado, G.; Nogueira, C. & Notargiacomo, M. (2002), 'Animated
pedagogical agent in the intelligent virtual teaching environment',
Interactive Educational Multimedia 4, 53-60.
[15] Ryokai, K.; Vaucelle, C. & Cassell, J. (2003), 'Virtual peers as partners
in storytelling and literacy learning', Journal of computer assisted
learning 19(2), 195-208.
[16] Graesser, A.; D Mello, S.; Craig, S.; Witherspoon, A.; Sullins,
J.; McDaniel, B. & Gholson, B. (2008), 'The relationship between
affective states and dialog patterns during interactions with auto
tutor', Journal of Interactive Learning Research 19(2), 293.
57

Referencias
[17] Massaro, D.; Ouni, S.; Cohen, M. & Clark, R. (2005), 'A multilingual
embodied conversational agent‘, System Sciences, 2005.
[18] Biswas, G.; Roscoe, R.; Jeong H. & Sulcer, B. (2009), Promoting Self-
Regulated Learning Skills in Agent-based Learning Environments, in
'Proceedings of the 17th International Conference on Computers in
Education'.
[19] Aimeur, E. & Frasson (1996), 'Analyzing a new learning strategy
according to different knowledge levels', Computers & Education
27(2), 115-127.
[20] Reategui, E.; Polonia, E. & Roland, L. (2007), The role of animated
pedagogical agents in scenario-based language e-learning: a casestudy,
in 'Conference ICL'.
[21] Robison, J.; Mcquiggan, S. & Lester, J. (2009), Modeling Task-Based
vs. Affect-based Feedback Behavior in Pedagogical Agents: An
Inductive Approach, in 'Artificial Intelligence in Education', IOS Press,,
pp. 25-32.
58

Referencias
[22] Arroyo, I.; Woolf, B.; Royer, J. M. & Tai, M. (2009),Affective
Gendered Learning Companions, in 'Artificial Intelligence in Education'.
[23] Ekman, P. (1999), Facial Expressions, New York: John Wiley & Sons
Ltd.
[24] Chen, Z.; Liao, C.; Chien, T. & Chan, T. (2009),Animal Companion
Approach to Fostering Students' Effort-Making Behaviors, in 'Artificial
Intelligence in Education'.
[25] Hays, M.; Lane, C.; Auerbach, D.; Core, M.; Gomboc, D. &
Rosenberg, M. (2009),Feedback Specificity and the Learnig of
Intercultural Communication Skills, in 'Artificial Intelligence in
Education'.
[26] Perez-Marin, D. (2007), 'Adaptive Computer Assisted Assessment of
free-text students' answers: an approach to automatically generate
students' conceptual models', PhD thesis, Escuela Politecnica Superior,
Universidad Autonoma de Madrid. Published by VSM Verlag in 2009.
59

¡Muchas gracias por vuestra atención!
?
60