Revista Academia y Virtualidad 8(1): 12-20, 2015

Redes neuronales artificiales en la produccin de tecnologa

educativa para la enseanza de la diagonalizacin1
LENNIET COELLO BLANCO2 , LAURA CASAS3 , OLGA LIDIA PREZ GONZLEZ4 ,
YAIL CABALLERO MOTA5

UNIVERSIDAD DE CAMAGEY, CUBA

Recibido, febrero 04 de 2015 Referencia: Coello Blanco, L.; Casas, L.; Prez
Concepto evaluacin, marzo 06 de 2015 Gonzlez, O.L.; Caballero Mota, Y. (2015). Redes
Aceptado, abril 06 de 2015 neuronales artificiales en la produccin de tecnologa
educativa para la enseanza de la diagonalizacin.
Revista Academia y Virtualidad, 8, (1), 12-20

Resumen
La presente investigacin surgi para resolver el dficit de promocin en la asignatura de lgebra lineal de los estudiantes
de las carreras de ciencias tcnicas de la Educacin Superior. La solucin se bas en incorporar redes neuronales
artificiales como tecnologa educativa para apoyar al estudiante durante su estudio independiente, acumulando
conocimiento y simulando el rol de un profesor. Este artculo ofrece una gua que comprende tres etapas para aquellas
personas que deseen desarrollar sistemas inteligentes basados en redes neuronales artificiales para dicha asignatura.

Palabras clave: lgebra lineal, diagonalizacin, redes neuronales artificiales, tecnologa educativa.

Artificial neural networks to generate educational

technology for teaching diagonalization

Abstract
This research has been generated to solve a deficit of linear algebra for higher education students of technical sciences.
The solution was based on artificial neural networks and incorporated as an educational technology to support students
during their autonomous tasks, accumulating knowledge and simulating the teacher role. This paper provides a guide
involving three stages for those who wish to develop intelligent systems based on artificial neural networks for such
a subject.

1. Artculo de Investigacin Cientfica y Tecnolgica.

2. Mster en Enseanza de la Matemtica, Profesora del Departamento de Computacin. Universidad de Camagey, Cuba.
Contacto: lenniet.coello@reduc.edu.cu
3. Mster en Enseanza de la Matemtica, Profesora del Departamento de Matemtica. Universidad de Camagey, Cuba.
Contacto: laura.casas@reduc.edu.cu
4. Doctora en Ciencias, Profesora del departamento de Matemtica, Universidad de Camagey, Cuba.
Contacto: olga.perez@reduc.edu.cu
5. Doctora en Ciencias, Profesora del departamento de Computacin, Universidad de Camagey, Cuba.
Contacto: yaile.caballero@reduc.edu.cu

Volumen 8:: N1:: ISSN:: 2011 0731 12

Revista Academia y Virtualidad 8(1): 12-20, 2015

Redes neuronales artificiales en la produccin de tecnologa educativa para la enseanza de la diagonalizacin

Keywords: linear algebra, diagonalization, artificial neural networks, educational technology.

Redes neuronais artificiais na produo de tecnologia

educativa para o ensino da diagonalizao

Resumo

A presente pesquisa apareceu para resolver o dficit de promoo na matria de lgebra lineal dos estudantes das
carreiras de cincias tcnicas da Educao Superior. A soluo baseou-se na incorporao de redes neuronais
artificiais como tecnologia educativa para o apoio do estudante durante o seu estudo independente, onde de um lado
acumula conhecimento e de outro simula o role de um professor. Este artigo oferece uma guia que compreende trs
etapas para aquelas pessoas que desejarem controlar sistemas inteligentes baseados em redes neuronais artificiais
para a dita matria.

Palavras-chave: lgebra lineal, diagonalizao, redes neuronais artificiais, tecnologia educativa.

Introduccin desarrollo de habilidades y otras que incluyen actividades

Nos encontramos en una nueva era, la era digital, la
cual ha desencadenado profundos procesos de cambio
en casi todos los sectores de la sociedad. En el mbito
de la formacin universitaria, la aparicin de las nuevas
tecnologas digitales est imponiendo a los docentes
cambios pedaggicos y metodolgicos muy radicales
(Coello, Prez y Caballero, 2011, pp. 2). Por su parte,
Docampo, Casas, Prez y Caballero (2010) concluyen que
la diversidad de software que anualmente se genera en la
esfera de la Enseanza Asistida por Computadora (EAC)
es muy amplia. No obstante, resulta difcil encontrar
software educativo que se ajuste a los requerimientos de
un proceso activo de aprendizaje. De hecho, el software
permite que las computadoras desempeen ciertas
tareas de forma ms eficiente que el propio ser humano;
sin embargo, no se puede afirmar lo mismo cuando se
pretende replicar la actuacin de un buen maestro.
Los programas de software educativo que ms se producen
en la actualidad estn principalmente encaminados a hacer
ms cmodo el acceso a la informacin y ms rpida su
bsqueda, a facilitar el proceso de clculo, a contribuir al
evaluables de forma interactiva. Todas estas tareas se
pueden categorizar como procesadoras de informacin,
pero no estn orientadas a la bsqueda del conocimiento;
por lo tanto, se hace necesaria la sustitucin del producto
informacin por el producto conocimiento y de
sistemas que permiten procesar informacin por
sistemas que generan o entregan conocimientos, es
decir que aseguren el uso productivo de la informacin,
que guen una toma de decisin ptima (Bueno, 2001),
que sean capaces de tomar decisiones inteligentes en
una asignatura, con la capacidad de adquirir nuevos
conocimientos y perfeccionar el que posee, que permitan
al estudiante justificar sus conclusiones y explicar por
qu hacen una pregunta. La informacin no es ms
que datos a nuestro alcance que podemos comprender.
La informacin se olvida, y caduca pronto. Por otra
parte, el conocimiento es lo que nos permite tomar
decisiones y actuar, crear habilidades, actitudes, valores,
conocimientos tcnicos, entre otros. Su materia prima es
la informacin, pero sta no permite actuar hasta que se
convierte en conocimiento. La informacin es el camino
al conocimiento

Volumen 8:: N1:: ISSN:: 2011 0731 13

Revista Academia y Virtualidad 8(1): 12-20, 2015
Lenniet Coello Blanco , Laura Casas , Olga Lidia Prez Gonzlez , Yail Caballero Mota
Para dar solucin, desde la perspectiva de las herramientas
informticas, a este problema y todas las dificultades que
esto engloba, como son las dificultades de los estudiantes
en el trabajo independiente, es de vital importancia
desarrollar investigaciones dirigidas a su resolucin,
apoyados en el actual desarrollo de las nuevas tecnologas
de informacin y los resultados de las investigaciones
pedaggicas.
Para el desarrollo de herramientas educativas, las
tcnicas de inteligencia artificial (IA) resultan de mucho
inters, debido a todos los mtodos desarrollados para la
adquisicin del conocimiento y el aprendizaje automtico,
lo que sugiere un estudio terico-prctico de las relaciones
que se puedan establecer entre la IA y la autoevaluacin del
estudiante; de forma que con el empleo de las tcnicas de
aprendizaje se puedan desarrollar herramientas de apoyo
a la actividad independiente que realizan los estudiantes
y al sistema de ayudas pedaggicas que respondan a las
especificidades de cada asignatura (Caballero, Prez,
Docampo, Casas, Yordi, Coello, 2011).Por tanto, la IA
permite fundamentar una nueva lnea de trabajo, orientada
a disear productos tiles y rentables, fundamentados
didcticamente, para la autoevaluacin del estudiante.
La aplicacin total de los software educativos es
progresiva, se priorizan las materias que requieren
consultar grandes volmenes de informacin y aquellas
que presentan complejidades y altos niveles de dificultad
entre los estudiantes.
En esta ltima se encuentra la matemtica, y entre las
diferentes reas matemticas se encuentran la aritmtica,
el lgebra y la geometra, donde
[] uno de los problemas ms frecuentes al que
se ve enfrentado el estudiante de ingeniera en su
nivel bsico son los problemas del lgebra ()
dado fundamentalmente por el grado de abstraccin
que tiene este contenido y los sistemas de tareas que
en l se desarrollan, donde los alumnos tienden a
memorizar los procedimientos estudiados (Yordi,
2004).
Volumen 8:: N1:: ISSN:: 2011 0731
En este punto se hace evidente la necesidad de una
tecnologa educativa que se especialice en el lgebra
lineal permitiendo a los estudiantes buscar soluciones a
sus dificultades en la materia.
La influencia y dependencia que tiene en varias reas
dentro y fuera del lgebra lineal constituye una de las
principales razones para crear un sistema que respalde
la enseanza-aprendizaje de la diagonalizacin. Los
temas de diagonalizacin son una va de simplificar las
extensas soluciones algebraicas a travs de sus conceptos
y mtodos. Los valores y vectores propios son esenciales
para plantear y resolver problemas de fsica e ingeniera
relacionados con sistemas dinmicos, oscilatorios, teora
general de la estabilidad y mecnica cuntica entre otros
(Yordi, 2004).
La diagonalizacin es un proceso que involucra todos los
temas anteriores en el plan de estudio de la asignatura:
sistemas de ecuaciones lineales, matrices y determinantes,
espacios vectoriales, sub-espacios, transformaciones
lineales, ncleo, imagen, entre otros. Diremos que una
matriz A es diagonalizable si todos sus valores propios
distintos. Adems cuando se da esta situacin diremos
que A y su matriz diagonal son semejantes (Yordi, 2004).
Por lo tanto, el objetivo de esta investigacin es publicar
una tecnologa educativa respaldada por tcnicas de
Inteligencia Artificial, que posibilite a los estudiantes
que cursan la materia de lgebra lineal mostrar la va
de solucin a problemas de diagonalizacin, y que esta
sirva como gua para la implementacin de otros sistemas
inteligentes que apoyen el proceso de enseanza del
lgebra lineal. Para desarrollar este sistema inteligente
se realiz un estudio experimental sobre la eficiencia de
las redes neuronales artificiales (RNA), especficamente
la red Multilayer Perceptron (MLP), para clasificar las
diferentes vas de solucin que pueden tener los problemas
de diagonalizacin planteados por los estudiantes.
Metodologa
Para mejorar el proceso de enseanza de la diagonalizacin,
desde la perspectiva de las herramientas informticas, se
desarroll en la facultad de Informtica de la Universidad
14
Revista Academia y Virtualidad 8(1): 12-20, 2015

Redes neuronales artificiales en la produccin de tecnologa educativa para la enseanza de la diagonalizacin

de Camagey un software que posee como principal enseanza lo que produjo un deterioro del dominio del
funcionalidad posibilitar al estudiante obtener la va lgebra que implic un cada del desarrollo cognitivo
de solucin a un problema que el mismo conforme, de los estudiantes quienes no aprendan los conceptos
seleccionando los datos y los problemas que le resulten y seguan sin dominar las rutinas bsicas del clculo. El
complejos del tema de diagonalizacin. problema siempre ha sido lograr que los alumnos manejen
con destreza la materia a travs de un alto nivel cognitivo.
Para este propsito se decidi usar el clasificador MLP de Entrando en el marco que ocupa esta investigacin, el
la RNA por su alta precisin en problemas de prediccin. lgebra lineal en las carreras de ingenieras consta de
El uso de las RNAs facilita el diseo de productos tiles pocas horas por lo que solo quedan retenidas habilidades
y rentables para los procesos de aprendizaje y brinda la muy bsicas en el estudiantado.
posibilidad de tomar decisiones inteligentes lo cual resulta
motivador para el estudiante. Se desarroll una gua Desde el punto vista didctico (Casas, Prez, Docampo,
compuesta por tres etapas para desarrollar otros sistemas Caballero, Coello, Yordi y Martn, 2013), se ha trabajado
inteligentes basados en RNA para el lgebra lineal, siendo con la estructuracin sistmica de la asignatura, para
este el principal aporte del trabajo. favorecer la enseanza aprendizaje de esta asignatura.
En este sentido se han determinado cinco problemas
Generalidades del lgebra tipos que relacionan el contenido entre los temas y el
lineal y su cognicin contenido dentro del tema y que sern asumidos en esta
investigacin. Los cinco problemas tipos son: directo,
El lgebra, dado lo abstracto de su contenido, necesita de indirecto, homogneo, consistencia y mixto. Esos
una herramienta que permita la total absorcin del cono- problemas favorecen la estructuracin sistmica de la
cimiento y la creacin de habilidades. El lgebra enlaza asignatura y permiten orientar al estudiante en la ejecucin
los contextos grficos, geomtricos y tabulares, haciendo de las tareas, en su actividad de estudio semipresencial
del lpiz y papel una actividad esttica y no como se hara (Coello, 2012).
con el uso de las TIC que lo hace ms dinmico.
A pesar de los buenos presagios de los modelos
El lgebra constituye una herramienta fundamental en de enseanza para el lgebra siguen existiendo
el quehacer cientfico de la actualidad. Es un rea activa imperfecciones en su cognicin (Sierpinska, 1996). Con
que tiene conexiones con muchas reas dentro y fuera el auge de las nuevas tecnologas de la informacin, la
de las matemticas como anlisis funcional, ecuaciones era digital demanda su participacin en la educacin, la
diferenciales, investigacin de operaciones, grficas instruccin y posterior autoevaluacin de los estudiantes.
por computadora, ingeniera, entre otros. Dentro de las Las plataformas informticas han demostrado que
matemticas, el lgebra se ha desarrollado en la teora de podran ser la solucin a siglos de incertidumbre sobre
mdulos donde remplaza al cuerpo en los escalares por un cmo lograr un entendimiento y una inteligencia humana
anillo; en el lgebra multilineal, uno lidia con mltiples superior.
variables en un problema de mapeo lineal, en el que cada
nmero de las diferentes variables se dirige al concepto Redes neuronales artificiales (RNA)
de tensor; en la teora del espectro de los operadores de
control de matrices de dimensin infinita; entre otros. Una red neuronal artificial es un conjunto de modelos
matemticos-computacionales reales e ideales de una
La enseanza del lgebra ha transcurrido por varias red neuronal y se emplea en estadstica psicolgica
etapas, todas encaminadas a minimizar los altos niveles e inteligencia artificial. Las RNA no son ms que un
de abstraccin y hacerla descifrable para su aplicacin. modelo artificial y simplificado del cerebro humano, es
En la dcada de los 60 y 70 se procur simplificar su un nuevo sistema para el tratamiento de la informacin

Volumen 8:: N1:: ISSN:: 2011 0731 15

Revista Academia y Virtualidad 8(1): 12-20, 2015

Lenniet Coello Blanco , Laura Casas , Olga Lidia Prez Gonzlez , Yail Caballero Mota

cuya unidad bsica de procesamiento est inspirada en Como en la red Perceptron, la capa de entrada no
la clula fundamental del sistema nervioso humano: la realiza procesamiento alguno sino solamente se encarga
neurona. de asignar los pesos a las entradas. A partir de all la
informacin pasa a las capas ocultas las cuales transmiten
Este tipo de red neuronal consiste en un conjunto de sus salidas a las neuronas de las capas posteriores. Por
elementos computacionales simples unidos por arcos ltimo la informacin llega a la capa de salida que es la
dirigidos. Cada arco tiene asociado un peso numrico encargada de producir la respuesta de la red.
wij donde (i) ( representa la entrada y (j) la salida,
este peso indica la significacin de la informacin que El hecho de que este tipo de red se aplique para resolver
llega por este arco. Dentro del campo de las redes con xito multitud de problemas se debe a la utilizacin
neuronales artificiales, existen varios modelos de redes del algoritmo de aprendizaje que actualmente est ms
y variadas arquitecturas, entre ellas se tienen: el modelo extendido, el algoritmo o regla BackPropagation, el
neuronal de McCulloch y Pitts. Los modelos ADALINE cual es una generalizacin de la regla LMS (Least Mean
y MADALINE, que constituyen un tipo de red neuronal Square); por lo tanto, tambin se basa en la correccin del
artificial desarrollada por BernieWidrow y MarcianHoff, error. Bsicamente el proceso BackPropagation consiste
en la Universidad de Stanford en 1959 (Wismark, 2008). en dos pasadas a travs de las diferentes capas de la red,
El MLP es reconocido por sus resultados en comparacin una pasada hacia adelante y una pasada hacia atrs. En la
con otros modelos como la mejor red neuronal para pasada hacia adelante, se aplica en la capa de entrada un
solucionar un problema de clasificacin a partir de patrn o vector de entrada, ste propaga su efecto a travs
ejemplos. de las diferentes capas y como consecuencia produce un
vector de salida. Durante este proceso, los pesos sinpticos
Asimismo, se encuentra el Perceptron Multicapa o MLP de la red son fijos y no se modifican (Wismark, 2008).
(Multi-Layer Perceptron por sus siglas en ingls), es una
red neuronal formada por mltiples capas que tienen Metodologa para el diseo de tecnologas
como base un Perceptron, su propsito fundamental es educativas basadas en redes neuronales artifi-
resolver la limitacin del Perceptron de poder resolver
ciales para la enseanza de la diagonalizacin
solamente problemas linealmente separables. Para ello la
topologa de este tipo de red incorpora una nueva capa,
La metodologa para desarrollar el trabajo se define para
llamada capa oculta, de esta manera la red puede tener
generalizar a travs de tres etapas los pasos que han de
tantas capas ocultas como se quiera.
seguirse para la produccin de tecnologa educativa
utilizando RNA para el lgebra lineal. En la primera etapa
se confeccion una base de conocimientos (BC) para el
X1 W1 h1 tema de diagonalizacin. Una base de conocimiento es
en la cual mediante una forma de representacin se
X2 W2 h2 S2 almacena el conocimiento especializado extrado del
experto en el dominio.

Xn Wn hn El conocimiento necesario para el desarrollo de una base

de casos se puede obtener desde fuentes variadas tales
Entradas Capa de entrada Capa oculta Capa de salida como libros, reportes, bases de datos, estudio de casos,
datos empricos y experiencia personal. Las fuentes
usadas fueron: experiencia personal de profesores
Figura 1. Topologa de un MLP.
experimentados en la materia, libros y casos de estudios.
Para la extraccin del conocimiento los ingenieros del

Volumen 8:: N1:: ISSN:: 2011 0731 16

Revista Academia y Virtualidad 8(1): 12-20, 2015

Redes neuronales artificiales en la produccin de tecnologa educativa para la enseanza de la diagonalizacin

conocimiento no se centraron en la programacin en considerar en una base de casos todas las selecciones
s sino en el hecho de descubrir dentro del universo que puede realizar un estudiante, algunas, en un nmero
intelectual de los expertos humanos todas las reglas no elevado de casos, carentes de coherencia y sentido lgico
escritas que han lo-grado establecer a travs de muchos y totalmente alejadas de los conceptos de lgebra lineal.
aos de trabajo, de experiencias vividas y de fracasos. Es por este motivo que se decidi incluir una sexta clase
Para obtener el conocimiento de los expertos el mtodo que agrupa estos ltimos casos. Luego se comenzaron a
que se emple fue la interaccin directa de los ingenieros adicionar casos a la base para lo cual fue necesario realizar
del conocimiento con los expertos (Docampo et al., 2010), varias consultas a expertos (Casas et al. 2010).
en este orden: Experto -- Ingeniero del Conocimiento --
Bases de Conocimientos. Los profesores que aportaron su Un caso estar compuesto por un vector de datos y una
experiencia fueron: Dra. Isabel Cristina Yordi Gonzlez y clasificacin. Los elementos que forman el vector van
Dra. Olga Lidia Prez Gonzlez. a ser los datos seleccionados por el estudiante como la
informacin que tiene del problema y las incgnitas. La
Para la extraccin del conocimiento, adems de la consulta clasificacin va a ser uno de los cinco problemas tipos
a expertos, se analizaron los ejercicios propuestos y definidos por los especialistas o la clase de los problemas
resueltos de estos temas, publicados en bibliografas absurdos. El dominio de los rasgos ser numrico, solo
consultadas por los alumnos. Esto se hizo con el fin admisible 0 1. Mientras que los valores de las clases
de abarcar la mayor cantidad posible de dudas que se sern discretos 1, 2, 3, 4, 5 y 6.
les pudieran presentar a los estudiantes tratando de dar
solucin a algunos de estos problemas. La bibliografa De esta manera, se obtiene la base de casos para el tema de
utilizada fue: diagonalizacin con 18 atributos predictores, 1 rasgo de
atributo objetivo con un dominio de 1-6 y 115 instancias
Libro lgebra Lineal, 1986, el cual se les entrega a o problemas. A continuacin se muestran los 18 rasgos;
los estudiantes durante el estudio de la asignatura. del 1-9 que representan, los posibles datos de un ejercicio
Manual de estudio para cursos por encuentro. clsico de diagonalizacin, planteado por el alumno; y del
Conferencias de clases de la Universidad 10-18, las posibles incgnitas del ejercicio:
de Camagey y la Universidad de Ciencias
Informticas. 1. Endomorfismo
2. Base cannica
Desde el punto vista didctico, se ha trabajado con la 3. Imgenes de los vectores
estructuracin sistmica de la asignatura, para favorecer la 4. Matriz asociada a f
enseanza aprendizaje de esta asignatura en este sentido se 5. Ecuacin caracterstica
han determinado cinco problemas tipos que relacionan el 6. Polinomio caracterstico
7. Valores propios
contenido entre los temas y el contenido dentro del tema y
8. Subespacio propio
que sern asumidos en esta investigacin. Esos problemas
9. Base propia
favorecen la estructuracin sistmica de la asignatura 10. Imgenes de los vectores
y permiten orientar al estudiante en la ejecucin de las 11. Matriz asociada a f
tareas. Mediante estos cinco problemas tipos se soluciona 12. Valores propios
cualquier problema de cualquier tema. 13. Subespacio propio
14. Base propia
Estos problemas son: directo, indirecto, homogneo, 15. Matriz diagonal
consistencia y mixto. Las clases de la base de caso 16. Matriz asociada a la base
estn determinadas por los cinco problemas tipos del 17. Linealmente independiente
lgebra lineal mencionados anteriormente. Es muy difcil 18. Diagonalizabilidad

Volumen 8:: N1:: ISSN:: 2011 0731 17

Revista Academia y Virtualidad 8(1): 12-20, 2015

Lenniet Coello Blanco , Laura Casas , Olga Lidia Prez Gonzlez , Yail Caballero Mota

Una vez construida la BC, en la segunda etapa, se pasa de ellos. A continuacin se muestran las corridas donde
el proceso de experimentacin o validacin. Cuando se se encontr el valor ms alto de instancias clasificadas
utilizan algn modelo de clasificacin, se hace necesario correctamente, se puede apreciar tambin en la tabla la
evaluar su desempeo, al igual que se realiza la evaluacin configuracin con que se obtuvieron los resultados. La
en cualquier problema de aprendizaje supervisado. La seleccin de la mejor configuracin est dada primero
seleccin del tipo adecuado de arquitectura de la red por el por ciento de instancias clasificadas correctamente,
neuronal (nmero de neuronas en cada capa y el nmero de luego por el error absoluto y si persiste el empate por la
capas) para cada caso concreto, es un problema emprico estadstica Kappa.
(prueba y error). Las RNA, y ms concretamente el MLP, Parmetros Error
son presentadas como una estructura con capacidad de L M N V E H Correctamente (1)
Estadstica Kappa(3)
absoluto(2)

aproximacin universal (Haykin, 1994). 0.3 0.3 8500 0 420 6 89.2019 0.5833 0.1156

0.3 0.6 8500 60 20 16 89.2019 0.5623 0.155

El estudio experimental realizado consiste en buscar las 0.6 0.9 500 0 620 16 89.2019 0.6432 0.1382

configuraciones de una red neuronal MLP que mejor 0.9 0.9 6500 0 20 6 89.2019 0.6357 0.121
clasifiquen a la base de conocimiento confeccionada. 0.6 0.9 500 0 820 11 89.2019 0.6622 0.1054
Para obtener la mejor configuracin de la red MLP, fue 0.6 0.9 2500 30 620 1 89.2019 0.6689 0.1307
necesario conocer los parmetros que tiene en cuenta el
WEKA para crear una red neuronal, estos parmetros que Tabla 2. Mejores resultados para la BC de diagonalizacin.
se muestran a continuacin fueron los escogidos por el Fuente: los autores.
criterio de expertos para ser modificados en busca de la
mejor configuracin. Analizando estos resultados se llega a la conclusin de
que la configuracin que debe tener el mecanismo de
Parmetro Descripcin Dominio Valor por defecto inferencia basado en una red neuronal de tipo MLP, para
L Tasa de entrenamiento 0-1 0.35
clasificar casos de esta base de conocimiento, es aquella
M Tasa de progreso 0-1 0.2
donde la tasa de entrenamiento sea igual a 0.6, la tasa
N Cantidad de iteraciones Entero 500
de progreso a 0.9, la cantidad de iteraciones sea 500, el
V % del conjunto de validacin 0-100 0

E Cantidad de Iteraciones despus del ltimo error Entero 20

H Capas ocultas
Tabla 1. Descripcin de los parmetros utilizados para obtener la configuracin de
la red neuronal MLP.
Fuente: los autores.
Los otros parmetros que conforman la configuracin
de una Red Neuronal MLP en el WEKA, tiene una
baja influencia en el resultado de la clasificacin por lo
que se decidi no utilizarlos. Experimento: Buscar la
configuracin inicial de la Red Neuronal MLP del WEKA
que mejor clasifique a la BC diagonalizacin.
Se ejecutaron 30 entrenamientos para la red neuronal MLP
del WEKA, cambiando los parmetros anteriormente
descritos, estas variaciones se llevaron a cabo teniendo
en cuenta la sugerencia de expertos y en algunos casos
usando valores aleatorios dentro del dominio de cada uno
porciento del conjunto de validacin sea 0 %, donde se
a,I,o,t a
realicen 620 iteraciones despus del ltimo error y tenga
una sola neurona en la capa oculta.
En una tercera y ltima etapa fase se procede a inferir
a partir de la base de conocimiento, clasificando con el
MLP todos los casos nuevos mediante una funcin que
asigna una etiqueta clase a una instancia descrita por
el conjunto de atributos. Para la implementacin del
mtodo de clasificacin como ya se ha dicho se utiliz
una red neuronal MLP. Las redes MLP entrenadas por el
algoritmo BackPropagation, son consideradas quizs las
ms generales de las RNA. Son usadas en problemas de
prediccin, clasificacin, reconocimiento de patrones,
estimacin de parmetros y resolucin de seales. Este
algoritmo de entrenamiento de las RNA, tiene la ventaja
de no necesitar un conocimiento previo de la forma de
la seal analtica tratada, o sea, puede ser usado para

Volumen 8:: N1:: ISSN:: 2011 0731 18

Revista Academia y Virtualidad 8(1): 12-20, 2015

Redes neuronales artificiales en la produccin de tecnologa educativa para la enseanza de la diagonalizacin

modelar el sistema, que es de gran utilidad en los casos Resultados y discusin de la propuesta
en que el modelo matemtico que describe el sistema es
desconocido (Corrales y Ramrez, 2013). El sistema est fundamentalmente concebido para
estudiantes y profesores de la Universidad de Camagey
La red primero debe ser entrenada con un conjunto de Ignacio Agramante y Loynaz, sin embargo puede ser usado
entrenamiento, el cual incluye ejemplos de datos. Al tambin en otras universidades del pas y de Amrica
finalizar el entrenamiento, la red deber estar lista para Latina, en aras de mejorar el proceso de enseanza
reconocer los ejemplos aprendidos, y clasificar otros aprendizaje de la asignatura lgebra lineal. A travs de
nuevos basndose en las generalizaciones hechas a partir su implementacin y puesta en funcionamiento se estudi
del aprendizaje. Para usarla se emplea como una funcin, si realmente el sistema es utilizado por los estudiantes
la cual se evala y da un resultado.En la evaluacin, la red como apoyo durante su estudio independiente y si ellos
recibe un vector de entrada de componentes reales que consideraban que el sistema les ayudaba a obtener la va
identifica a un patrn determinado, y luego de analizar este de solucin a los problemas que ellos deseaban resolver.
vector, devuelve la clase o patrn al cual debe pertenecer. En todos los cursos se aplic una encuesta dirigida a
conocer las opiniones de los estudiantes y los resultados
El entrenamiento es el proceso durante el cual la red MLP fueron favorables. Una vez que se adquiere el sistema
aprende los ejemplos que se le enseen y durante el mismo puede ser duplicado lo cual reduce sus costos.
clasifica a cada ejemplo del conjunto de entrenamiento
y, en dependencia del error que comenta, se rectificar Con la implantacin de este tipo de sistemas se
ella misma, para cuando vuelva a evaluar a ese ejemplo, personaliza el ambiente de aprendizaje al ser adaptable a
intentar hacerlo mejor. Luego de clasificar a todos los las necesidades individuales de cada estudiante. Adems
ejemplos, se considera que la red ha efectuado un paso se pueden hacer ms flexibles los horarios de estudio para
del algoritmo de entrenamiento. Este proceso se ejecutar los estudiantes, permitiendo que los alumnos que trabajan
hasta que se cumpla una condicin de parada (Corrales y o viven alejados de las instituciones educativas tengan la
Ramrez, 2013). posibilidad de interactuar con el sistema segn su propio
ritmo de estudio. No es objetivo del sistema reemplazar a
Explicacin de los pasos para obtener la va de solucin: un profesor humano, sino que su implementacin pueda
ser til en circunstancias donde se requiere de refuerzos
1- Seleccionar los problemas: En este paso se le muestra en la enseanza. De esta forma se puede manejar
al estudiante los 20 atributos predictores. Esto tiene con mayor eficiencia los escasos recursos humanos
como objetivo que el estudiante selecciones que pro- disponibles, permitiendo al profesor hacerse cargo de
blemas presenta, lo mismo en datos que le proporcio- manera personalizada solo de un cierto nmero de tareas
ne el ejercicio como en la respuesta que este tenga que el sistema no puede realizar, o es muy complejo de
que dar. Luego de que el estudiante escoja estos casos implementar.
el sistema clasifica con la Red Neuronal Artificial la
respuesta para este tema. Conclusiones
2- Mostrar va de solucin: Por ltimo se le muestra al
estudiante cual es la va de solucin de su problema, En este trabajo se ha analizado la fuerte relacin que
como puede resolver este problema. pueden tener las tcnicas de Inteligencia artificial,
especialmente las RNA, debido a la posibilidad que ofrecen
Sin lugar a dudas, la topologa de red neuronal mejor para la elaboracin de paquetes de software ventajosos y
conocida y ms utilizada en la actualidad para la solu- eficaces, orientados a la bsqueda del conocimiento por
cin de problemas de clasificacin es el MLP. parte del estudiante, que asegure el uso productivo de

Volumen 8:: N1:: ISSN:: 2011 0731 19

Revista Academia y Virtualidad 8(1): 12-20, 2015

Lenniet Coello Blanco , Laura Casas , Olga Lidia Prez Gonzlez , Yail Caballero Mota

la informacin, que gue una toma de decisin ptima, Coello, L., Casas, L., Docampo, L., Prez, O., Caballero,
brindando la posibilidad de tomar decisiones inteligentes Y. (2012). Sistema Experto con Redes Bayesianas para el
en el lgebra lineal. lgebra lineal. Ponencia presentada en UCIENCIA 2012,
la Habana, Cuba.
El mecanismo de clasificacin MLP, basado en RNA puede
ser utilizado para clasificar los nuevos casos de la bases de Coello, L., Prez, O., Caballero, Y. (2011).Sistema
conocimiento de diagonalizacin. Con las configuraciones Experto para el lgebra lineal v2.0. Trabajo de grado,
Ingeniera Informtica, Universidad de Camagey,
recomendadas en la investigacin se logra un porciento de
Camagey, Cuba.
instancias bien clasificadas superior al 85%, el cual que
permiten realizar un correcta clasificacin de las vas de
Corrales, L y Ramrez, A. (2013). Clasificacin de fallas
solucin de ejercicios de diagonalizacin. De esta forma
con redes neuronales para grupos electrgenos. Ingenie-
se concluye que las RNA nos brindan la posibilidad de
ra Energtica versin. Energtica Vol. 34, No.2, ISSN
tomar decisiones inteligentes en cuanto a la enseanza-
1815-5901. La Habana.
aprendizaje del lgebra lineal.
Docampo, L., Casas, L., Prez, O., Caballero, Y. (2010).
Con su implementacin se pronostica un uso de los Sistema Experto para el lgebra lineal. Trabajo de grado,
recursos materiales y humanos con ms eficiencia, adems Ingeniera Informtica, Universidad de Camagey,
de la bsqueda de mtodos y soluciones para una mayor Camagey, Cuba.
comprensin de la asignatura.
Haykin, S. (1994). Neural networks. A comprehensive
Esta investigacin tambin aporta una gua para foundation. IEEE Press.
desarrollar tecnologas educativas basadas RNA para
apoyar el proceso de enseanza-aprendizaje del lgebra Sierpinska A. (1996). Problems related to the design of the
lineal. teaching and learning process in linear algebra. Research
Conference in Collegiate Mathematics Education, Central
Referencias Michigan University.

Bueno, E. (2001). Estado del arte y tendencias en creacin Wismark, R. (2008). MatLab & Redes Neuronales. Re-
y gestin del conocimiento. Ponencia presentada en el vista de Informacin, Tecnologa y Sociedad No.1.ISSN
Congreso Iberoamericano de Gestin del Conocimiento 1997-4044. La Paz
y la Tecnologa IBERGECYT 2001, La Habana, Cuba.
Yordi, I. (2004). Metodologa para formar en los
Caballero, Y., Prez, O., Docampo, L., Casas, L., Yordi, I.,
estudiantes de Ingeniera Elctrica la habilidad de calcular
Coello, L. (2011).Sistema experto para el lgebra lineal.
en lgebra lineal con sentido amplio. Disertacin doctoral
Ponencia presentada XII Congreso de la Sociedad Cubana
de Matemtica y Computacin COMPUMAT2011, Villa no publicada, Universidad de Camagey, Cuba.
Clara, Cuba.

Casas, L., Prez, O., Docampo, L., Caballero, Y., Coello,

L., Yordi, I., Martn, A. (2013). Sistema inteligente para
el lgebra lineal. Acta Latinoamericana de Matemtica
Educativa Vol. 26, ISBN: 978-607-95306-6-2, Mxico

Volumen 8:: N1:: ISSN:: 2011 0731 20