Uso de Agentes Conversacionales

Pedaggicos en Sistemas de
Aprendizaje Hbrido (B-learning)

Diana Prez Marn

Seminario de Investigacin en Tecnologas de la

Informacin Aplicadas a la Educacin (SITIAE, Abril 2010)
ndice

Introduccin

Agente Conversacional Pedaggico (ACP)

Tipos de agentes
Agente como profesor
Agente como estudiante
Agente como acompaante

Caso de estudio: agente como profesor

Conclusiones y trabajo futuro
2
Introduccin (I)

Un sistema Blended Learning o de Aprendizaje Hbrido se

puede definir como la combinacin de instruccin cara a
cara con los sistemas mediados por ordenador [1].

El objetivo es combinar las ventajas de los sistemas e-

learning y la enseanza tradicional.
3
Introduccin (II)

Ventajas de los sistemas e-learning:

Flexibilidad temporal.
Flexibilidad espacial.
Especializacin y adaptacin.

Ventajas de la enseanza tradicional:

Conservar el contacto directo con el profesor.
Evitar la posible sensacin de aislamiento
consecuencia de la educacin a distancia [2].

4
Introduccin (III)

Un agente conversacional pedaggico (ACP) se puede

definir como una personificacin o representacin en un
ordenador de la figura del profesor o del estudiante.

En esta presentacin se revisar cmo se estn usando

los ACPs en entornos educativos:
Revisando las caractersticas de los ACP existentes.
Proponiendo una taxonoma general.

Finalmente, se pincelar un caso de estudio en el que se

est investigando los beneficios del uso de un ACP tutor
en entornos e-learning respecto a entornos b-learning.

5
Agente conversacional pedaggico (ACP)

6
Agente conversacional pedaggico
Una de las primeras definiciones del ao 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 caractersticas humanas.
Mostrarlas en forma de texto, voz y/o grficos [4].
Interacciona en lenguaje natural con el estudiante.
Su objetivo es apoyar el proceso educativo [5].
7
Nomenclatura

Agente Conversacional Pedaggico (ACP)

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

8
Qu caractersticas puede tener un ACP [6]

Adaptabilidad: el agente puede ajustar los

contenidos al modelo del estudiante.
Circuitos de retroalimentacin: el agente puede
proporcionar retroalimentacin tambin adaptada
a cada estudiante.
Soporte afectivo: el agente puede intentar
animar al estudiante y mantener su atencin.
Capacidad de evolucin: el agente puede ir
aprendiendo del estudiante o de otras fuentes
para enriquecer la conversacin.
9
Qu no es un ACP

Un chatbot: el ACP debe poder mantener una

conversacin inteligente sobre un domino [7].

Sistema para reemplazar al profesor o al

estudiante: el ACP est diseado generalmente
como complemento [5].

Sistema de dilogo tutorial: el ACP debe estar

representado con un personaje virtual animado o
no. As, 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 percepcin de la
experiencia educativa por parte del estudiante.

Efecto Proteo [10]: los estudiantes pueden aprender

motivados por conseguir las caractersticas de sus
avatares y parecerse a ellos/as.

Efecto Protg [11]: los estudiantes pueden llegar a

hacer un esfuerzo mayor por aprender para ensear
a su avatar que para aprender ellos mismos.

11
Taxonoma 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) Acompaante (Pedagogic Agent as Learner Companion PALs)

Compaero igual
Asistente emocional
Troublemaker, crtico o colaborativo
12
Taxonoma propuesta de ACPs (II)
2. Capacidad de interaccin
a) El agente inicia la conversacin
b) El estudiante inicia la conversacin
c) El agente o el estudiante pueden iniciar la conversacin

3. Tipo de animacin (multimodalidad)

a) Inexistente
b) Slo grfica
c) Grfica + sonidos
d) Grfica 3D + sonidos
e) Inmersin en un entorno de realidad virtual

4. Posibilidades afectivas
a) Sin posibilidades
b) Soporte emocional
c) Empata
13
Taxonoma propuesta de ACPs (III)
5. Personaje virtual
a) Con forma humana sin animacin
b) Con forma humana con animacin
Respiracin
Contacto visual
Slo cara
Cara + cuerpo (Embodied Pedagogic Conversational Agent)
c) Sin forma humana

6. Posibilidades de adaptacin-evolucin
a) Sin posibilidades
b) Posibilidades de adaptacin
c) Posibilidades de evolucin

7. Ubicuidad
a) Slo ordenador en clase (b-learning)
b) Slo ordenador fuera de clase (e-b/learning)
c) Versiones para ordenador / PDA / smartphone (e-b/learning)
14
Tipos de agentes conversacionales pedaggicos

Agente como Agente como

profesor estudiante

Agente como acompaante

15
Agente como profesor

16
Agente como profesor
La investigacin en agentes pedaggicos como
profesores/tutores/mentores se remonta a 1970.

Los primeros agentes eran muy limitados, slo

mostraban informacin, sin permitir interaccin.

En las siguientes dcadas, se mejor la animacin,

interaccin y el contenido de la conversacin con
tcnicas como LSA, redes semnticas o rboles.

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 nios en edad escolar.

De hecho, disearon varias modalidades del agente

combinando o eliminando gestos y consejos verbales.

Descubriendo de esta forma el Efecto Persona segn

el cual la introduccin del agente incluso cuando no
da consejos verbales reporta mejores indicadores:
Los estudiantes decan que el agente les haba
ayudado a hacer sus deberes (b-learning).
Los estudiantes se mostraban ms contentos con el
sistema cuando tena 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.

Tambin puede asumir el rol gua en el ambiente virtual

de la nave sealando equipos y salas en el mundo 3D:
Apuntndolos directamente.
Mirndolos e indicando su importancia.
Realizando turnos en la conversacin (muy limitada).

El soporte emocional est limitado a asentir o negar con la

cabeza (sin empata).

21
Steve [13]

22
Guilly [14]
Guilly fue desarrollado para ensear a nios de entre
8 y 10 aos a separar la basura.

La retroalimentacin se ofrece en forma de pistas en

mensajes de texto, gestos corporales o faciales.

23
Sam [15]
Sam fue diseado para desarrollar la capacidad
narrativa de nios en edad escolar.
Sam se proyectaba sobre una pared detrs de un
castillo y peda a los nios que le ayudaran a contar
un cuento con personajes sobre el castillo.

24
Autotutor [16]

Autotutor es uno de los ACPs ms estudiados. Est

basado en teoras constructivistas, tiene iniciativa
mixta de dilogo y animacin 3D.
Lleva investigndose desde finales de los ao 90 por
un equipo de ms de 30 personas y utiliza tcnicas
como LSA, Dialogue Advance Network y speech acts.
Segn sus creadores es capaz de aumentar hasta 0.8
puntos en el resultado final de los exmenes [13].
Actualmente se est ampliando su capacidad de
detectar emociones y responder empticamente al
estudiante.

25
Autotutor (1999-)

26
Baldi [17]
Baldi ejerce como tutor para entrenamiento del
lenguaje ingls en nios con dficit auditivo o para
adultos en su aprendizaje como una segunda lengua.

En su origen, Baldi es una cabeza animada para ir

aprendiendo la pronunciacin de palabras.

27
Baldi [17]

En la actualidad, Baldi se est adaptando a otros

dispositivos mviles 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 ensear al agente conceptos o tcnicas.

En la universidad de Vanderbilt, el Dr. Biswas y su

grupo han desarrollado varios TAs como Betty.

Descubriendo el Efecto Protg.

Tambin se ha investigado el uso de 2 agentes, uno

es al que el estudiante debe ensear y otro es el
mentor que gua y ensea al estudiante.

31
Betty [18]
Betty se utiliza como apoyo durante las clases de
ciencias de nivel primaria.
El estudiante ensea a Betty mediante la creacin de
enlaces y nodos en mapas de conceptos.

32
Betty + Mr. Davis

33
Agente como acompaante

35
Agente como acompaante

En este caso, el rol del agente no es autoritario, sino

fundamentalmente de apoyo emocional/social.
Los orgenes de este tipo de agentes tambin se
pueden encontrar en los aos 90 [4].
Al principio, investigaron en las personalidades de los
agentes (conflictivos, introvertidos, extrovertidos)
En la actualidad, la investigacin se centra ms en su
inmersin 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 est contando.

La hiptesis que tenan era que esto provocara que

los estudiantes quisieran demostrar que el agente
estaba equivocado y entonces buscaran informacin.

Esta lnea de investigacin 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 acompaar a los
estudiantes en el aprendizaje de portugus brasileo.

38
Los agentes en Crystal Island [21]
El objetivo es mantener el estado emotivo del
estudiante mezclando agentes tutores con un PALs.
Tambin preguntan al estudiante que le ha parecido su
respuesta para mejorarla en la prxima interaccin.

39
Jake & Jane [22]
Jake y Jane son dos PALs empticos exactamente
iguales excepto en su gnero (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 ensea matemticas.
Este software pregunta a los estudiantes cmo se
encuentran cada 5 minutos, segn la clasificacin 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 haban estudiado con Jake.
40
Jake & Jane [22]

41
MyPet [24]
El objetivo del PAL es acompaar en el aprendizaje
de chino motivando al estudiante.

La hiptesis es que si los estudiantes atribuyen su

fracaso a falta de esfuerzo reemprendarn la tarea.

El agente es un animal de compaa que tendr ms

energa en su barra vital cuntas ms tareas
completen en el sistema (ms esfuerzo).

De esta forma, los estudiantes podrn visualizar si

estn dedicndole 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 opcin del men.
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 xito.
Las acciones de los estudiantes se evalan como
correctas, regulares o incorrectas.
En los experimentos realizados se ha comprobado
que la capacidad de negociacin 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 ao 2003, hemos estado desarrollando un
sistema B-learning para repaso conceptual llamado
Will Tools [26]. En el ao 2007 se introdujo la
metfora del dilogo 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 hiptesis de partida es que Willow es ms til

como agente b-learning que en un entorno e-learning
sin apoyo del profesor.

Tambin se est explorando los beneficios de utilizar

Willow como agente acompaante que recomienda y
orienta, adems de ensear.

48
Caso de estudio: agente recomendador

49
Conclusiones y trabajo futuro

50
Conclusiones y trabajo futuro (I)
La investigacin en ACPs ha atrado la atencin de
numerosos investigadores.
En la actualidad, es necesario un marco sistemtico
que clasifique la investigacin realizada.
Esto podra permitir inferir en qu casos los agentes
proporcionan beneficios y de qu 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
dilogo, pero si se quita la parte grfica se elimina el
efecto persona y obtienen peores resultados.

51
Conclusiones y trabajo futuro (II)
En este trabajo, se propone por primera vez una
taxonoma de ACPs con la hiptesis de que un
estudio sistemtico del uso de los ACPs en educacin
podra conseguir identificar las condiciones para
conseguir los resultados ptimos.
Tambin se est realizando un caso de estudio para
investigar hasta qu punto afecta el entorno e-
b/learning en el que se integra el ACP.
Se espera la publicacin de un libro en Agentes
Conversacionales en 09/2010 que rena la tcnicas
que han dado mejores resultados, y la realizacin de
un workshop en 06/2010 especfico 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 protg 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 case-
study, 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 atencin!

?
60