EXPLICACIONES EN SISTEMAS TUTORES

Explicaciones en Sistemas Tutores
de Entrenamiento: Representación del Dominio y Estrategias de Explicación
J. A. Vadillo Zorita, A. Díaz de Ilarraza, I. Fernández, J. Gutiérrez e J. A. Elorriaga
Departamento de Lenguajes y Sistemas Informaticos
Universidad del País Vasco
España

Resumen

En este artículo se aborda el problema de la generación de explicaciones bien estructuradas y adaptadas a los tipos de usuarios en Sistemas Tutores de Entrenamiento (ITTs: Intelligent Tutoring systems for Training).

En la primera parte del artículo se propondrá cómo organizar y representar un dominio multi-modelo que integre varios tipos de conocimiento para generar diferentes explicaciones. Nuestra propuesta consiste en integrar conocimiento conceptual, estructural y de comportamiento en la representación del dominio.

La segunda parte del artículo se centrará en la generación de explicaciones a partir de la representación del dominio. Se presentará el conjunto de estrategias de explicación definidas para cada uno de los tipos de interacción entre el sistema y el alumno. En este sentido se distinguen tres tipos de explicaciones: explicaciones generadas por iniciativa del Sistema Tutor, explicaciones generadas para responder a preguntas del alumno y explicaciones generadas como respuesta a operaciones ejecutadas por el alumno sobre el Sistema (recuperación de errores).

Por último, se describirá cómo se integra nuestro método de generación de explicaciones en una arquitectura clásica de Sistemas Tutores. A lo largo del artículo se mostrarán algunos ejemplos de su aplicación en un prototipo real: SANTURCEDEM, un sistema de entrenamiento para la central térmica de Santurce (Vizcaya).

Palabras Clave

Sistemas Tutores de Entrenamiento, representación del conocimiento, generación de explicaciones y estrategias de explicación.

1. Introducción

Recientemente, dentro del área de los Sistemas Tutores Inteligentes (ITSs: Intelligent Tutoring Systems), se ha abordado el problema de la generación de explicaciones, sin duda alguna, debido a que la adecuación de las explicaciones que genera el sistema da una medida de su efectividad y aceptación para su uso real.

En la década de los 70, la generación de explicaciones se basaba en la descripción de las reglas de inferencia utilizadas para resolver el problema (explicaciones basadas en el sistema [Valley, 92] ). Algunos ejemplos que ilustran este tipo de explicaciones son MYCIN y NEOMYCIN donde las explicaciones son trazas compiladas dentro de las reglas de inferencia. Si los sistemas tratan de enseñar dominios complejos, por ejemplo sistemas físicos, la utilización de reglas para representar el sistema es ineficiente y se necesita una representación explícita además de los mecanismos de inferencia o simulación del mismo.

Hablamos entonces de explicaciones basadas en el dominio, STEAMER [Holland et al., 84] y RBT [Woolf et al., 86] son dos sistemas de estas características. STEAMER asiste en la instrucción de ingeniería de propulsión, dando facilidades gráficas para explicar cambios en las variables del sistema y RBT es un sistema capaz de dar explicaciones acerca del funcionamiento de una caldera. Sin embargo, estos sistemas abordan el problema desde una perspectiva limitada, las explicaciones generadas dependen fuertemente del dominio y no tienen una estructura clara.

La aparición de paradigmas cualitativos y modelos causales para representación y simulación, sin duda alguna, ha sido una contribución fundamental para la investigación en este área [Forbus, 84] y [DeKleer et al., 84].

En particular, nuestro trabajo se centra en incrementar la funcionalidad de los Sistemas Tutores de Entrenamiento (ITTs: Intelligent Tutoring Systems for Training) incluyendo la generación de explicaciones adaptadas a cada alumno en particular. En este artículo realizaremos una propuesta para la generación de explicaciones estructuradas a partir de una representación multimodelo del dominio y técnicas de simulación cualitativa.

Además, describiremos nuestro modelo de generación de explicaciones en el cual se consideran de forma separada la estructura o formato de la explicación y el contenido o enfoque de la misma. La estructura y el contenido son decididos dinámicamente en función de varios aspectos como el tipo de alumno, el estado en curso de la sesión y la historia de la misma y en base a un conjunto general de estrategias operativas (cuyo objetivo es guiar al alumno) y didácticas (cuyo objetivo es facilitar su aprendizaje). Etas estrategias deberán refinarse, para llegar a la obtención de la explicación. En este sentido, se distinguen tres tipos de explicaciones: explicaciones generadas por iniciativa del Sistema Tutor, explicaciones generadas para responder a preguntas del alumno y explicaciones generadas como respuesta a operaciones ejecutadas por el alumno sobre el Sistema (recuperación de errores).

Por último, este artículo describirá la integración de nuestro método de generación de explicaciones en una arquitectura genérica de ITTs desarrollada por [Gutiérrez, 94] y los resultados obtenidos en un prototipo real SANTURCEDEM, un sistema de entrenamiento para la central térmica de Santurce (Vizcaya).

2. Representación del conocimiento

Las interacciones de tutorización en un sistema de entrenamiento que simula procesos físicos complejos deben incluir explicaciones que describan el comportamiento de los componentes y los proceso físicos del sistema. En este sentido, [White & Frederiksen, 1986] comparten esta opinión: " En primer lugar, los estudiantes necesitan definiciones de los conceptos del sistema, mas adelante necesitan una explicación causal del comportamiento del sistema." Las explicaciones de comportamiento requieren la representación de modelos complejos o profundos en cooperación con los modelos conceptuales clásicos. Siguiendo esta idea, proponemos una representación del conocimiento del sistema formada por la coexistencia de múltiples modelos capaces de proporcionar diferentes puntos de vista del mismo con el objetivo de generar distintos tipos de explicaciones. Hemos identificado tres vistas diferentes del dominio:

n Vista conceptual: Agrupa todas las descripciones de los conceptos del sistema (componentes, procesos, procedimientos,...), y las relaciones entre ellos.

n Vista estructural: Indica cómo está organizado el sistema mediante la descripción de los componentes que lo constituyen y las conexiones físicas entre ellos.

n Vista de comportamiento: Agrupa las descripciones de comportamiento de las diferentes partes del sistema. Muestra cómo trabajan lo componentes en función de sus procesos asociados.

Según hemos comentado anteriormente, nuestro trabajo se centra en Sistemas Tutores de Entrenamiento (ITTs). Estos sistemas, tratan dominios que implican la modelización de procesos físicos y conocimiento procedural en el cual, aspectos de comportamiento, resultan cruciales. La representación del conocimiento por tanto resulta compleja necesitándose un modelo de las operaciones de entrenamiento integrado en un modelo del sistema físico. Además, es importante considerar desde un punto de vista pedagógico la forma en la cual todo este conocimiento debe estar organizado.

Fig. 1 — Representación del conocimiento y vistas de explicaciones en ITTs

La representación de ambos, el conocimiento del sistema y el conocimiento de operación además del conocimiento pedagógico serán presentados a continuación. Un ejemplo, el sistema de turbina de una central térmica servirá para ilustrar nuestra propuesta.

2.1. Conocimiento del dominio

2.1.1. Conocimiento del Sistema

En esta sección, describiremos los conceptos relevantes y los atributos identificados con el objetivo de representar el Conocimiento del Sistema. La integración de las vistas descritas previamente también será considerada en este punto. El término "Conocimiento del Sistema" se refiere a la estructura, comportamiento e información general de los conceptos teóricos que deben ser considerados en un sistema físico. La clase, Concepto Teórico (fig. 2a) define la información general que debe ser considerada. Los conceptos teóricos se clasifican en constituyentes estructurales (fig. 2b) y procesos físicos (fig. 2e). Los constituyente estructurales, a su vez, pueden ser objetos pertenecientes a las clases: Sistema, Subsistema (fig. 2c) y Componente (fig. 2d).

{Concepto-Teórico

Vista Estructural:

Superclase: <Concepto>

Subclase: < Constituyente Estructural> /
<Proceso Físico>
Entrada: < Lista de parámetros de entrada>
Salida: < Lista de parámetros de salida> Vista Conceptual:

Nombre: < Símbolo >

Inf. Básica::< Lista de referencias >
Funcionalidad: <Texto>
Ejemplo: <Texto>
Propiedades: <Texto>}

(2a)

{Constituyente-Estructural
Vista Estructural:

Superclase: <Concepto Teórico>

Subclase: <Sistema/Subsistema>/
<Componente> VIsta Comportamiento:
Procesos-Físicos <Lista de instancias de

procesos físicos relacionados con el
constituyente estructural>}

(2b)

{Sistema-Subsistema
Vista Estructural:

Superclase:<Constituyente Estructural>

Instancias: <Instancias de Sistema- Subsistema>
Compuesto-por:
<Lista de nombres de conceptos >}

(2c)

{Componente
Vista Estructural

Superclase: <Constituyente Estructural>

Instancias:<Instancias de Componentes> Vista Conceptual:
Parámetros-Locales:

<Parámetros internos del componente> Vista Comportamiento
Modelo-Causal:

<Restricciones de causalidad que
representan su comportamiento>}

(2d)

{Proceso-Físico
Vista Estructural :

Superclase: <Concepto Teórico>

Instancias:<Instancias de Proceso-Físico> Vista Conceptual:
Atención-a <Lista Parámetros>
Vista Comportamiento:
Evento-Simulación :<Mensaje>

Modelo-Causal:
<Relaciones entre los parámetros que intervienen en el proceso>
Variables-Relacionadas:
<Lista de(variable,componente, valores- límite)>}

(2e)

Fig. 2 — Representación del conocimiento del sistema

La modelización del comportamiento del sistema se realiza siguiendo los paradigmas basados en componentes [DeKleer et al., 84] y en procesos [Forbus, 84]. Para cada componente se define un modelo causal relativo a su comportamiento. El método seguido para obtener el modelo causal se describirá en la sección 3.

Cada constituyente estructural está implicado en diferentes procesos, la modelización de los procesos físicos y sus relaciones con los componentes estructurales ha sido también considerada en nuestra representación con el principal objetivo de dar soporte a cuestiones relacionadas con diagnóstico y predicción. La conexión del modelo causal con el módulo de simulación se realiza a través del atributo Evento-Simulación, consistente en un mensaje indicando las acciones realizadas sobre el sistema para que se propaguen por el simulador al resto del sistema. Otra información relevante la constituyen los parámetros del sistema relacionados con el proceso y sus valores límite. Esta información sirve de base para generar explicaciones relativas a aspectos de seguridad del sistema.

En las figuras que representan las diferentes clases puede verse cómo las diferentes vistas del sistema (conceptual, estructural y comportamiento) se han caracterizado por los correspondientes atributos.

2.1.2. Conocimiento de operación

El conocimiento de operación se refiere a la estructura, comportamiento e información conceptual acerca de los objetos de entrenamiento de un sistema físico (fig. 3a). En nuestra representación los objetos de entrenamiento son procedimientos. Un procedimiento (fig. 3b) se define como una secuencia de pasos que deben ser ejecutados por el operador en la sala de control del sistema. Un paso (fig. 3c) es una acción concreta a ser ejecutada sobre constituyentes del sistema. Se han definido dos tipos de pasos: continuos y discretos. Los pasos discretos son ejecutados secuencialmente, uno detrás de otro, mientras que los continuos deben ser repetidos periódicamente para mantener una evolución constante de algunas variables relevantes del sistema. La clase Paso almacena información específica relativa a la naturaleza del paso y conecta el conocimiento de operación con los conceptos del sistema involucrados en el mismo (por ejemplo, componentes y procesos físicos).

{Concepto-Entrenamiento

Vista Estructural

Superclase: <Concepto>

Subclase: <Procedimiento / Paso> Vista Conceptual

Nombre: <Símbolo>

Nivel-Abstracción: <1..5>
Propósito: <Texto>
Atención-a: <Lista de parámetros> }

(3a)

{Procedimiento

Vista Estructural:

Superclase: Concepto-Entrenamiento

Instancias:
<Instancias de Procedimiento>
Modelo Procedural:
<Secuencia de pasos discretos>
<Conjunto de pasos continuos> }

(3b)

{Paso

Vista estructural:

Superclase: Concepto-Entrenamiento

Intancias: <Instancias de Pasos> Vista Conceptual:

Crítico?:<Si / No>

Tipo: <Discreto/Continuo>
Precondiciones:
<Condiciones antes de su ejecución>
Postcondiciones:
<Condiciones después de su ejecución> Vista Comportamiento

Procesos-Físicos-asociados:

<Lista de Procesos Físicos > }

(3c)

Fig. 3 — Representación del Conocimiento de Operación

2.2. Conocimiento pedagógico

En este tipo de sistemas, los conceptos del dominio, tanto teóricos como de entrenamiento, deben ser representados pero esto no es suficiente, además de estar representados adecuadamente han de organizarse de una manera pedagógica que ayude en el proceso de enseñanza de los mismos. Es necesario tener en cuenta aspectos relativos al orden en que deben ser presentados al alumno y las relaciones de comparación entre ellos. Las relaciones pedagógicas también son importantes de cara a la generación de explicaciones debido a que ayudan en la elaboración de contenidos que expresen similitudes y diferencias entre conceptos, información considerada de gran interés en tareas de aprendizaje [Cawsey, 93]. Veamos a continuación el conjunto de relaciones pedagógicas propuestas para un ITT:

Prerrequisito: Un concepto C1 es un prerrequisito de otro concepto C2 si el estudiante debe conocer C1 antes que C2.
Siguiente: Esta relación especifica el orden en el que los conceptos deben ser enseñados.
Es-un-pre: Relación de especialización de un concepto.
Es-un-post: Relación de generalización entre conceptos.
Abstracción: C1 es una abstracción de C2 si ambos conceptos describen la misma noción pero C1 lo hace a un nivel mas concreto.
Similar: Relaciona un concepto con los conceptos similares a él.
Opuesto: Relaciona un concepto con los conceptos opuestos a él.

En nuestro modelo los procedimientos y el propio sistema han sido descritos mediante diferentes niveles de abstracción que se presentan al alumno de acuerdo con su conocimiento y práctica en la ejecución de los mismos. Las explicaciones serán también adaptadas al nivel de abstracción en el que se está operando. La información pedagógica se describe con mas detalle en [Gutiérrez, 94].

2.3. Un ejemplo: el sistema de turbina de una central térmica

La figura 4 muestra la organización de los conceptos del dominio relacionados con el sistema de turbina de una central térmica. En este gráfico pueden verse los conceptos teóricos y los conceptos de entrenamiento y la relación entre ambos conceptos a través de los procesos físicos. Además, se muestran ejemplos de relaciones pedagógicas que como puede apreciarse se aplican a los dos tipos de conceptos.

El sistema de turbina está compuesto por tres subsistemas: la turbina de alta presión, la turbina de presión media y la turbina de baja presión. En este ejemplo nos centraremos en el primero. La turbina de alta presión está formada a su vez por tres componentes: la válvula de control, caja de vapor y turbina y tiene asociados dos procesos: Incrementar el flujo de vapor y decrementar el flujo de vapor. Cada componente tiene asociados varios procesos, por ejemplo sobre la válvula de control se describen dos procesos: Abrir Válvula y Cerrar Válvula.

Fig. 4 — Conceptos asociados al sistema de turbina y sus relaciones

Con el objetivo de ilustrar los atributos comentados en los apartados anteriores, la figura 5 describe el componente Válvula de Control (fig. 5a) y uno de sus procesos, Abrir válvula (fig. 5b).

{ CV1 {Instancia componente}

Vista estructural:

Superclase: Constituyente Estructural

Entrada :((Presión , Calentador),
(Densidad , Calentador)) ,
Salida: ((Flujo-Vapor, Caja-Vapor) ) ) Vista conceptual:

Nombre : Válvula-Control

Inf.Básica :
([ McDonald et al. 93.], ..........)

Funcionalidad :

"Controlar el flujo de vapor(FV) de la turbina"
Ejemplo: <Fichero-CV1>
Propiedades: (0<= Area-Válvula <= 10)
Parámetros locales: (Area-Válvula) Vista comportamiento:

Modelo-Causal :

(M-(Area-Válvula,Presión),
M+ (Presión,FV),
M+(Densidad, FV) )
Procesos Físicos:
(Abrir VC, Cerrar VC) }

(5a)

{OCV{Instancia Proceso Físico}
Vista estructural:

Superclase: Concepto Teórico

Entrada : ((Area-Válvula, VC))
Salida: ((Presión , VC)) Vista conceptual:
Nombre : Abrir-VC

Funcionalidad :
"Controlar la presión en la turbina."
Ejemplo : <Fichero-OCV>
Propiedades : (0<= Area-Válvula <= 10)
Atención-a: (Presión)
Evento-Simulación:
(Propagar,Area-Válvula,Inc) Vista comportamiento:
Modelo causal :

( M-(Area-Válvula, Presión) )
Variables relacionadas:
( (Presión, VC, [0, 100]),
( Area-Válvula, VC, [0,10]) ) }

(5b)

Fig. 5 — Ejemplos de instancias de conceptos

3. Modelo de Explicaciones en Itts

En esta sección se muestra un modelo para la generación de explicaciones estructuradas por un Sistema Tutor de Entrenamiento. Nuestro modelo está basado en la decisión separada del formato de la explicación y del enfoque que tendrá su contenido. El formato de la explicación consistirá en la definición de su estructura obtenida a partir de un conjunto de estrategias de explicación tras un proceso de planificación. Por tanto, la definición del formato de la explicación vendrá dada por una secuencia ordenada de estrategias de explicación a la que llamaremos plan. Por otra parte, será necesario determinar el enfoque o punto de vista que vamos a potenciar con su contenido, éste dependerá de la situación particular para la cual una explicación es requerida. En este capítulo presentaremos en primer lugar las estrategias generales tomadas como partida en la obtención del formato y del enfoque. A continuación, abordaremos la obtención del plan según los tipos de interacción identificados para un sistema de estas características, mostrando diferentes situaciones y ejemplos.

3.1. Estrategias de tutorización

En un sistema de estas características el núcleo principal es el Tutor. Este, deberá decidir y guiar el proceso de enseñanza y adiestramiento de cada alumno en particular. Este proceso de enseñanza y adiestramiento requiere una contínua interacción entre el Tutor y el alumno en base a conseguir los objetivos marcados. En este sentido las explicaciones dadas por el tutor son de una gran importancia debido a que su adecuación marcará el éxito en la consecución del objetivo primordial, que el alumno aprenda. Nuestra experiencia en el campo de los Tutores Inteligentes nos ha llevado a identificar un conjunto de actividades que debe proporcionar un Sistema Tutor. Estas actividades las llamamos estrategias instruccionales y las dividimos en estrategias operativas (para guiar del alumno) y estrategiasdidácticas (para conseguir los objetivos). Se han identificado cuatro grupos de estrategias operativas:

(1) Contextuar al alumno. Se debe informar al alumno de las actividades que va a realizar así como de las que está realizando, diferentes estrategias para contextuar al alumno son : Presentar una sesión , Informar de una acción, Resumen del estado de la sesión..

(2) Motivar al alumno. Una estimulación del interés del alumno en aprender es eficiente. Esta estimulación se consigue felicitándole o animándole.

(3) Guiar la actuación del alumno. Se utilizan para conducir la actuación del alumno sobre todo en ejercicios prácticos. Diferentes formas para guiar al alumno son dar pistas, aconsejar o incluso prevenir de posibles errores.

(4) Captar la atención del alumno. Se utiliza para mantener la atención del alumno en el proceso de instrucción.

Las estrategias didácticas propuestas son las siguientes:

(1) Presentar conocimiento del dominio. Se debe dar una formación tanto a nivel teórico como practico del dominio de aplicación del sistema. Para ello, se proponen diferentes actividades: Explicar conceptos, Mostrar operación experta y Proponer ejercicios prácticos.

(2) Evaluar el conocimiento adquirido. Esta estrategia se utiliza para comprobar el conocimiento adquirido. Las actividades a realizar son: Evaluar un test y Evaluar un ejercicio práctico.

(3) Tratamiento de errores. El objetivo de estas estrategias es aportar el conocimiento que se considera deficiente y provoca que el alumno cometa errores. Estas estrategias serán comentadas con más detalle en el apartado 3.3.

Dependiendo del contexto de la interacción las estrategias se refinan en diferentes tipos de subestrategias, este refinamiento será comentado en el apartado 3.3.

3.2. Enfoque de una explicación

El enfoque que se quiere dar a una explicación determina el contenido de la misma. La aplicación de las estrategias anteriores requiere extraer información del modelo del dominio relativa al concepto o conceptos involucrados.

En primer lugar se puede hacer una clasificación basándonos en si la explicación contiene únicamente información relativa a un concepto (intra-conceptual) o relativa a varios conceptos (inter-conceptual). Para ilustrar esta clasificación vamos a utilizar el ejemplo anterior: el sistema de turbina. Podemos decidir explicar la funcionalidad de la válvula de control con un enfoque intra-conceptual: "la funcionalidad de la válvula de control es controlar el flujo de vapor que entra a la turbina", o bien con un enfoque inter-conceptual: " la válvula de control como la caja de vapor controlan el flujo de vapor de entrada a la turbina". En este sentido, el conocimiento pedagógico (sección 2.2) proporciona la información necesaria para establecer las relaciones entre los conceptos en el segundo tipo de enfoque.

La tabla 1 recoge las diferentes estrategias para cada uno de los tipos anteriormente mencionados. Las explicaciones intra-conceptuales describen los atributos asociados a un concepto como su funcionalidad o su comportamiento, también se puede mostrar un ejemplo para ilustrar un concepto. Las explicaciones inter-conceptuales pueden comparar dos o más conceptos en función de sus analogías o sus diferencias, se puede establecer un juicio acerca de la adecuación de un concepto para un propósito, clasificar un concepto en términos de un concepto más general, describir los conceptos en los que se descompone o incluso describir un concepto en términos de sus abstracciones.

Tabla 1 — Estrategias para el enfoque de la explicación

3.3. Obtención de la estructura de la explicación

En este apartado se explica el proceso de planificación que se realiza para la obtención del plan de explicación. La elección del plan está en primer lugar condicionada al tipo de explicación que se quiere mostrar al alumno. Basándonos en supuestos de tutorización humana distinguimos tres tipos de explicaciones:

Explicaciones generadas por iniciativa del Tutor. El Tutor como tarea principal de aprendizaje debe dar explicaciones acerca del Dominio, realizar el seguimiento, etc.
Explicaciones solicitadas por el alumno. El alumno directamente puede, para aclarar conceptos, solicitar información de diferente naturaleza.
Explicaciones para la recuperación de errores. El alumno indirectamente provoca la reacción del tutor si comete errores durante la realización de ejercicios.

En segundo lugar el plan se seleccionará de acuerdo con las características particulares del estado de aprendizaje y comportamiento del alumno y el estado en curso de la sesión. Para cada tipo de explicación se establece un conjunto de reglas que en sus precondiciones reflejan los aspectos anteriormente citados. El formato general de estas reglas se muestra en la figura 6.

SI {Estado de la sesión} Estado-es X Y
{Características del alumno} Tipo-alumno es Y Y
{Historia de la sesión} La aptitud del alumno para el estado X es Z
ENTONCES Añadir Estrategia-X al Plan.

Fig. 6 — Regla general para la obtención del plan

Explicaciones por iniciativa del Tutor
Tomando como referencia las estrategias generales y la propuesta realizada en [Breuker, 90], un plan relativo a las explicaciones generadas por iniciativa del Tutor seguirá el siguiente formato:
Plan del Tutor—> Contextuar, Presentar Conocimiento, Evaluar Conocimiento.
Presentar Conocimiento —>
[Introducción], [Explicar concepto / Mostrar Operación], [Conclusión].
Introducción —> Contextuar / Motivar / Captar atención.
Conclusión —> [Guiar], [Proponer ejercicio].
Evaluar Conocimiento —> (Evaluar test / Evaluar Ejercicio), Motivar.
Contextuar —> Presentar Sesión / Informar Acción / Repasar Sesión.

Esta gramática está definida tomando como referencia un método clásico de enseñanza basado principalmente en tres objetivos: Dar información nueva al alumno, Consolidar la información mediante ejercicios y Evaluar el conocimiento adquirido.

Mientras los dos últimos corresponden a patrones más estándares, el primero debe presentar un abanico de posibilidades según los diferentes aspectos considerados en la representación del dominio. Según nuestra propuesta de organización y representación del Dominio es posible proporcionar diferentes tipos de información al estudiante: conceptual (funcionalidad, precondiciones, ...), estructural (componentes de un sistema, pasos de un procedimiento ) y de comportamiento ( como trabaja un sistema, predicción , diagnóstico).

Desde otro punto de vista y atendiendo al proceso de obtención de la información, ésta puede ser clasificada en estática y dinámica. La información estática puede ser obtenida directamente a partir del conocimiento del dominio y el conocimiento pedagógico y cubre los aspectos estructurales y conceptuales mostrados en la sección 2. La información dinámica está relacionada con el comportamiento del sistema, siendo necesario un proceso de inferencia para obtenerla. Esta información se utiliza para generar explicaciones sobre cambios temporales del dominio ocurridos como consecuencia de la realización de acciones. Para describir el comportamiento hemos optado por explicaciones de causalidad, las cuales muestran las relaciones causa-efecto entre los parámetros de un componente o los que intervienen en un proceso.

Hay varios métodos experimentales para obtener explicaciones de comportamiento [Kuipers, 87], podemos utilizar un modelo cualitativo y simularlo, tras una interpretación de los resultados se generan las explicaciones. Una segunda posibilidad, que ha sido considerada en nuestro sistema, consiste en obtener a partir del modelo cualitativo (o cuantitativo, o ambos) una abstracción o modelo causal del mismo definido en términos de relaciones de monotonía crecientes (M+) o decrecientes (M-). La elección se ha tomado considerando que, según nuestro punto de vista, las explicaciones de comportamiento son más naturales si se obtienen a partir de modelos causales. Además, los modelos causales tienen varias ventajas respecto a otros modelos: (1) capturan la información relevante del sistema de una manera más breve y (2) el proceso de obtención puede descubrir aspectos de comportamientos no considerados anteriormente.

Para obtener el modelo causal necesitamos conocer los parámetros relevantes y cómo se relacionan entre sí (modelo cualitativo) y utilizando un método similar al propuesto en [Iwasaki et al., 86] se puede obtener un grafo ordenado que represente las relaciones de causalidad del sistema.

Explicaciones explícitamente solicitadas

Antes de describir el formato o estructura de este tipo de explicaciones es necesario determinar la la funcionalidad de un sistema de estas características. Nos ha parecido conveniente tomar como referencia la clasificación propuesta en [Breuker, 90] y extenderla según nuestra experiencia [Gutiérrez et al., 94]. La clasificación es la siguiente:

Elaboración. Preguntas relacionadas con los atributos del dominio: descripción de un concepto, su funcionalidad o valor de sus parámetros, son algunos ejemplos de este tipo de cuestiones.
Evaluación. El alumno puede preguntar por las causas que han producido un estado del sistema. Por ejemplo, ¿Por qué ha subido la presión?
Exploración. El alumno puede realizar predicciones del estado del sistema considerando algunas hipótesis iniciales. Por ejemplo, ¿Qué ocurre sí abro la válvula de control ?
Provisión. La intención del alumno es conseguir un plan de acción para conseguir una tarea. Por ejemplo, ¿Cómo puedo incrementar el flujo de vapor de la turbina?.
Control de la sesión. El alumno puede dormir, reanudar o finalizar una sesión.
Entrenamiento. Puede solicitar la realización de actividades de entrenamiento como repetir un paso o repetir un ejercicio.

El plan de la explicación obtenida como respuesta a las cuestiones anteriores, basándonos en las estrategias generales (ver 3.1), seguirá el siguiente formato:

Plan de respuesta —> Contextuar, Información requerida, [Confirmar].

Información requerida —> Presentar Conocimiento / Resumen de la sesión .

Contextuar —> Presentar Sesión / Informar Acción / Repasar Sesión .

Igual que en el caso anterior, la información requerida puede ser estática (elaboración) o dinámica (evaluación, exploración y provisión). En ambos casos se trata de presentar conocimiento, bien explicando un concepto o mostrando una operación (ver explicaciones por iniciativa del Tutor). Si se requiere una operación de control, la explicación consistirá en un resumen de la sesión en curso. Los requerimientos de entrenamiento consistirán básicamente en presentar conocimiento operacional, procedimientos y pasos. Previamente es necesario introducir la respuesta y optativamente se puede dar alguna pista o consejo relativo al concepto en cuestión.

La figura 7 muestra un ejemplo de la explicación generada para un requerimiento de exploración o predicción. En este caso el plan seleccionado ha sido el siguiente: {Informar Acción, Presentar Conocimiento: {Explicar Concepto (enfoque: describir comportamiento),Guiar }, Confirmar>.

La petición de información se refiere a una instancia de la clase Paso, concretamente Abrir-Válvula. Esta instancia a través del atributo Procesos-Físicos-Relacionados se liga con el proceso físico que describe las consecuencias del paso. Simulando el modelo a partir del evento de simulación se obtiene la información necesaria para obtener la explicación.

Fig. 7 — Respuesta a un requerimiento de exploración

Explicaciones de recuperación de errores

El plan en este caso es establecido en tres fases: (1) seleccionar una estrategia para describir el error, (2) seleccionar una estrategia de corrección y (3) seleccionar una estrategia de remedio [Vadillo et al., 93]. Para describir un error se utiliza la estrategia Informar Acción, la cual ha sido refinada en las estrategias Avisar Error, Describir Superficialmente o Describir Profundamente. La corrección consiste en darle la información del dominio que se considera necesaria para que pueda deducir por que ha cometido el error y así subsanarlo por sí mismo (Presentar Conocimiento, ver tipos de explicaciones anteriores). La estrategia de remedio puede ser una de las siguientes estrategias: Repetir Ejercicio, Repetir acción(paso), Mostrar Solución, Proponer Ejercicio Similar, siendo conveniente motivarle en estas circunstancias. La gramática general es la siguiente:

Plan Recuperación —> Describir Error, Corregir Error, Recuperar Error.

Describir —> Avisar / Descripción superficial / Descripción profunda.

Corregir —> Presentar Conocimiento.

Recuperar—> ( Repetir Ejercicio / Repetir Paso / Mostrar Solución / Proponer

Ejercicio ) , [Motivar].

Para mostrar un ejemplo de este tipo de explicaciones supongamos que el alumno se encuentra entrenando un procedimiento de subida de carga y en un momento determinado abre la válvula de la turbina. Esta acción atenta contra la seguridad del sistema y por tanto se considera errónea. El planificador decide el siguiente Plan de recuperación: {Descripción Superficial, Presentar Conocimiento : { Mostrar Operación ( enfoque: comportamiento) }, Mostrar Solución }. En este caso se debe generar un diagnóstico de las causas que motivaron el error y explicarlo en términos causales utilizando el modelo del proceso. La explicación resultante se muestra en la figura 8.

Fig. 8 — Ejemplo de explicación de recuperación

4. Arquitectura

En este capítulo se hará una breve descripción de la integración de nuestro método en el sistema INTZA [Gutiérrez, 94] : un Sistema Tutor Inteligente para Entrenamiento en Entornos Industriales, el cual utiliza una arquitectura clásica basada en cuatro componentes:

Tutor. Es el componente que diseña, organiza y controla el proceso de instrucción teórico y practico.

Modelo del Dominio. Incluye y organiza el conocimiento del dominio a ser enseñado. Una propuesta de su contenido y organización ha sido descrita en el capítulo 2.

Modelo del Alumno. Representa los progresos del alumno en el aprendizaje del dominio y las características particulares del alumno. La información almacenada tiene una clara influencia en la elección de las estrategias de explicación y en el contenido de la misma [Díaz de Ilarraza et al., 92].

Interfaz. Determina la vía de comunicación del Sistema con el exterior.

La generación de explicaciones ha servido para aumentar la funcionalidad del Tutor en los aspectos comentados anteriormente: generar explicaciones adaptadas al alumno y la sesión en curso. Los principales módulos considerados han sido el gestor del alumno y el módulo didáctico.

4.1. Gestor del alumno

Es el encargado de analizar y evaluar las interacciones del alumno con el tutor consistentes en la realización de acciones sobre el sistema y las solicitudes de objetivos. El Intérprete de las Acciones del Alumno (IAA) realiza un diagnóstico de los posibles errores cometidos por el alumno. El Identificador de Objetivos del Alumno (IOA) es el encargado de identificar los objetivos propios del alumno a partir de las intervenciones recogidas por el Interfaz. Se ha realizado un estudio de los diferentes tipos de objetivos del alumno en base a resultados experimentales (ver sección 3.3.) y estos se han incluido de forma explícita en el Interfaz por medio de menús.

4.2. Módulo didáctico

El módulo didáctico decide dinámicamente el plan de la sesión (Instructor) y hace que se ejecute (Ejecutor). Posee la capacidad de replanificar una determinada sesión bien para subsanar posibles errores o bien por intervenciones del alumno que requieren la inclusión de nuevas explicaciones o ejercicios prácticos (Supervisor).

El Instructor es el encargado de decidir y guiar el proceso de enseñanza del alumno, marcando los objetivos a cumplirse en cada sesión (plan del Tutor).

El Supervisor tiene la función de replanificar la sesión de entrenamiento si se producen situaciones que lo requieran, esto es, la detección de errores y las peticiones del alumno. En este sentido se incluyen dos módulos de planificación que son los encargados de obtener los planes que adecúan la sesión a las situaciones ocurridas, estos módulos son el TREA (Tratamiento de las Respuestas Evaluables del Alumno), encargado de obtener el plan de recuperación y el TOA (Tratamiento de los Objetivos del Alumno), el cual obtiene el plan de respuesta. El funcionamiento de ambos módulos está basado en reglas que siguen el formato general (fig. 6).

El Ejecutor generara la información que en última instancia se va a mostrar al alumno (textos, gráficos, escenarios de operación ). Los planes de explicación deciden, tal y como se comentó, la estructura y el enfoque de las explicaciones (el esqueleto). Ahora bien, es necesario dar contenido a la explicación siendo el módulo encargado de esta tarea el Generador de Contenido. La implementación de este módulo está actualmente en desarrollo y para ello nos basamos en la implementación de instancias de estrategias de explicación [Vadillo et al., 93] y un conjunto de reglas que selecciona dichas instancias. Estas instancias incluyen un patrón de comunicación que puede ser un esquema de texto, un gráfico o incluso voz. Además incluye un procedimiento para completar el patrón con información del alumno si fuera necesario.

5. Conclusiones

Este trabajo muestra cómo el uso de representaciones multi-modelo del dominio y la utilización de técnicas cualitativas son de gran interés en la generación de explicaciones en ITTs. Se ha realizado una propuesta de representación del conocimiento que integra diferentes aspectos del sistema: conceptual, estructural y aspectos de comportamiento conjuntamente con sus relaciones o información pedagógica.

Por otra parte, dada la importancia de explicar el comportamiento de un sistema, especialmente si éste es un sistema físico, se ha realizado una propuesta de modelización del comportamiento basada en modelos causales de componentes y procesos físicos.

Respecto a la obtención de las explicaciones, basada inicialmente en la determinación de su estructura y su enfoque y posteriormente en la generación del contenido se ha descrito para los tres tipos de situaciones que requieren diferentes tipos de explicaciones: intervención del Tutor, petición del alumno y recuperación de errores.

Por último indicar que nuestro método de generación de explicaciones ha sido integrado en un Sistema Tutor de Entrenamiento genérico: INTZA, para la realización de un prototipo El Sistema Santurcedem : Sistema de entrenamiento para la central térmica de Santurce (Vizcaya).

6. Bibliografía

[1] [Breuker, 90]: Breuker, J. EUROHELP Developing Intelligent Help Systems: EC Copenage, Amsterdam, Manchester, Leeds.

[2] [Cawsey, 93]: Cawsey, A. "User Modelling in Interactive Explanations". In User Modelling and User-Adapted Interaction 3:221-247,1993.

[3] [DeKleer et al., 84]: DeKleer, J.H., Brown, J.S. "Qualitative reasoning about physical systems". Artificial Intelligence, 24(1-3).

[4] [Díaz de Illarraza et al., 92]: Diaz-Illarraza, A., Elorriaga J.A., Fernandez-Castro, I. , Gutierrez, J., Vadillo, J.A. "User Modeling and Architecture in Industrial ITSs". In Frasson, C., Gauthier, G., McCalla, G.I. (Eds)Intelligent Tutoring Systems. (ITS-92). pp 661-669. Springer-Verlag.

[5] [Forbus, 84]: Forbus, K.D. Qualitative process theory. Artificial Intelligence, 24(1-3), 85-168.

[6] [Gutiérrez 94]: Gutierrez, J., " INTZA: un Sistema Tutor Inteligente para Entrenamiento en Entornos Industriales". Tesis Doctoral, Facultad de Informática (UPV/EHU).

[7] [Gutiérrez et al., 94]: Gutierrez, J, Fernandez-Castro, I., Diaz-Illarraza, A.,Vadillo, J.A., Elorriaga J.A. "Analysis, Treatment and Evaluation of Trainee’s Interactions in a Training Tutor". Proceedings of CALISCE’94. Paris (France) 1994

[8] [Holland et al., 84]: Holland,J D, Hutchins, E L, Weitzman, L. "STEAMER: an interactive inspectable simulation-based training systems. The AI magazine..

[9] [Iwasaki et al., 86]: Iwasaki, Y, Simon, H A. "Causality in device behavior". Artificial Intelligence, vol 29 pp. 3-12.1984.

[10] [Kuipers, 86]: Kuipers, B J. "Qualitative Simulation". Artificial Intelligence, vol.29 pp. 298-338,1986.

[11] [McDonald et al., 70]: McDonald J.P., Kwatny H.G., Spare J.H., "A Nonlinear Model for Reheat Boiler-Turbine-Generator Systems". Phidalelphia Electric Co. Research Division Raport Nº 196 (1970).

[12] [Sokolnicki, 91]: Sokolnicki, T. "Towards knowledge-based tutors: a survey and appraisal of Intelligent Tutoring Systems". In The Knowledge Engineering Review, Vol 6:2, 59-95 , 1991.

[13] [Valley, 92] : Valley, K. "Explanation, Exploration, and Learning: The Use of Expert System Shell in Education." Journal of AI in Education, 1992 3(3), 255-273.

[14] [Vadillo et al., 93]: Vadillo J.A., Diaz-Illarraza A., Elorriaga J.A., Fernandez-Castro I,.Gutierrez J. "Explanations for Recovery Errors in ITTs: A general architecture.". Proceedings of PEG´93. Edinburgh (Scotland) (1993).

[15] [White & Frederiksen, 1986]: White B.Y., Frederiksen J.R. "Intelligent tutoring system based on qualitative model evolutions" Proceedings of the Fifth National Conference on Artificial Intelligence, pp. 313-319, Philadelphia, August (1986)

[16] [Woolf et al., 86]: Woolf, B., Blegen, D., Jansen, J., and Verloop, A. "Teaching a complex industrial process". Proocedings of the AAAI-86, Philadelphia.