Instituto Tecnolgico de Costa Rica 1

Computacin Cognitiva y su Impacto en la

Ingeniera de Requerimientos.
Bruce Chung Ulloa Diana Zuiga DAvanzo
Estudiante de ATI Estudiante de ATI
Instituto Tecnolgico de Costa Rica Instituto Tecnolgico de Costa Rica
Cartago, Costa Rica Cartago, Costa Rica
brucechungulloa@outlook.com diana031096@yahoo.es

Oscar Vargas Segura Nelson Ramrez Campos

Estudiante de ATI Estudiante de ATI
Instituto Tecnolgico de Costa Rica Instituto Tecnolgico de Costa Rica
Cartago, Costa Rica Cartago, Costa Rica
osdavargas@gmail.com nfrc1995@gmail.com

y almacenamiento de datos, a partir de estas

Resumen La nueva era de computacin, la era
herramientas se poda instruir a la maquina sobre el
cognitiva, implica una serie de cambios en los
siguiente paso a seguir, estos sistemas fueron en su
procesos de desarrollo de software, entre ellos la
mayora calculadoras que realizaban operaciones
Ingeniera de Requerimientos, una funcin
complejas.
interdisciplinaria que media entre los dominios
del adquiridor y el proveedor con el fin de
En cuanto a la interaccin entre sistema y usuario se
establecer y mantener los requerimientos a ser
utilizaba un sistema binario de bajo nivel, esto
satisfechos por un sistema, este trabajo de
significaba que una instruccin en lenguaje natural
investigacin reflejar mediante una enfoque
implicara diversas instrucciones en lenguaje
cualitativo el impacto de la era de la computacin
mquina.
cognitiva en la Ingeniera en Requerimientos.

La segunda era de la computacin data de 1950 hasta

Palabras clave computacin cognitiva;
la actualidad, esta poca se caracteriza por el cambio
ingeniera en requerimientos; era cognitiva
de sistemas mecnicos, primeramente, por sistemas

I. INTRODUCCIN Y MOTIVACIN electrnicos con propsitos militares impulsados por

la segunda guerra mundial; Posteriormente, gracias a
Las ciencias de la computacin nacen en el siglo IX
la guerra fra, se dio un gran avance tecnolgico con
con la era de la tabulacin, la cual se caracteriz por
la invencin del transistor y el microprocesador, esta
utilizar sistemas mecnicos de propsito especfico
tecnologa a permiti aumentar la capacidad de
que realizaban clculos matemticos, dichos
procesamiento lo que signific una mejora en la
sistemas empelaban tarjetas perforadas como entrada
 Instituto Tecnolgico de Costa Rica
utilizacin de lenguajes de programacin que se
acercan cada vez ms al lenguaje natural.
Sin embargo, pese al gran avance que se ha tenido en
esta era, la computacin sigue siendo determinstica,
es decir, se basa en reglas programados y los
resultados estn en funcin a la programacin previa.
La era cognitiva nace en el ao 2011, con la incursin
de IBM Watson, el primer sistema cognitivo, Watson
fue presentado a la sociedad en el concurso de
televisin estadounidense Jeopardy!, donde gan a
los dos mejores concursantes de la historia del
programa. Desde ese da, Watson se ha convertido en
una tecnologa comercial accesible a travs de la
nube y que cuenta con clientes en 17 sectores de la
industria distintos y 30 pases del mundo.
Watson es un sistema cognitivo que se caracteriza
por procesar informacin similar al cerebro humano,
desarrollando de esta manera entendimiento,
razonamiento y aprendizaje contextualizado. La
meta de los sistemas cognitivos es iluminar aspectos
del mundo que han sido invisibles previamente,
reconociendo patrones en los datos no estructurados
y posibilitar la toma de decisiones basada en la
inferencia de nuevos conocimientos. [1]
Este nuevo paradigma irrumpe en la programacin
generando una nueva era, un nuevo mercado y una
nueva manera ver la computacin.
II. MARCO TEORICO
Computacin Cognitiva
La computacin cognitiva es un enfoque tecnolgico
que permite a los seres humanos colaborar con las
mquinas. Se observa la computacin cognitiva
como un anlogo al cerebro humano, debe analizar
2
en contexto todos los tipos de datos, desde datos
estructurados en bases de datos hasta datos no
estructurados en texto, imgenes, voz, sensores y
vdeo. Son mquinas que operan a un nivel diferente
al de los sistemas informticos tradicionales porque
analizan y aprenden de estos datos. Segn el Dr.
Adrian Bowles (2015), un sistema cognitivo tiene
tres principios fundamentales como se describe a
continuacin:
1. Aprender. Aprender un sistema
cognitivo. El sistema aprovecha los datos
para hacer inferencias sobre un dominio,
un tema, una persona o un problema
basado en el entrenamiento y
observaciones de todas las variedades,
volmenes y velocidad de los datos.
2. Modelo. Para aprender, el sistema
necesita crear un modelo o representacin
de un dominio (que incluye datos internos
y potencialmente externos) y
suposiciones que determinan qu
algoritmos de aprendizaje se utilizan. La
comprensin del contexto de cmo los
datos encajan en el modelo es clave para
un sistema cognitivo.
3. Generar hiptesis. Un sistema cognitivo
supone que no hay una sola respuesta
correcta. La respuesta ms adecuada se
basa en los propios datos. Por lo tanto, un
sistema cognitivo es probabilstico. Una
hiptesis es una explicacin candidata
para algunos de los datos ya entendidos.
Un sistema cognitivo utiliza los datos
 Instituto Tecnolgico de Costa Rica 3

para entrenar, probar o marcar una

hiptesis. (p. 1).
Tres conceptos importantes ayudan a hacer un
sistema cognitivo: la visin contextual del modelo, la
generacin de hiptesis (una explicacin propuesta
de un fenmeno) y el aprendizaje continuo a partir de
datos a travs del tiempo.

Sistema de computacin cognitiva.

Marcia A. Kaufman (2015) indica que:
La computacin cognitiva consiste en
herramientas y tcnicas, incluyendo Big Data
y anlisis, machine learning, Internet de las Figura 1: Elementos de un sistema.
Cosas (IoT), procesamiento de lenguaje
natural (PNL), induccin causal, Modelo Cognitivo

razonamiento probabilstico y visualizacin

de datos. Los sistemas cognitivos tienen la Segn Kaufman (2015), modelo se refiere al cuerpo

capacidad de aprender, recordar, provocar, y el conjunto de suposiciones y algoritmos que

analizar y resolver de una manera que sea generan y puntan hiptesis para responder

contextualmente relevante para la preguntas, resolver problemas o descubrir nuevas

organizacin o para el usuario individual. (p. ideas. La manera en que modelas el mundo

4). determina qu tipo de predicciones puedes hacer, los

patrones y las anomalas que puedes detectar, y las
acciones que puedes tomar. El modelo inicial es
Elementos de un sistema cognitivo
desarrollado por los diseadores del sistema, pero el
Un sistema cognitivo consta de muchos elementos
sistema cognitivo actualizar el modelo y usar el
diferentes, que van desde el hardware y los modelos
modelo para responder preguntas o proporcionar
de implementacin hasta el aprendizaje de mquinas
ideas.
y aplicaciones. Aunque existen muchos enfoques
diferentes para crear un sistema cognitivo, hay
De acuerdo con Bowles (2015) El cuerpo es el
algunos elementos comunes que deben incluirse. La
conocimiento que los algoritmos de aprendizaje de
Figura 1 muestra una visin general de la
mquina usan para actualizar continuamente ese
arquitectura de un sistema cognitivo. (Hurwitz, J.,
modelo basado en su experiencia, que puede incluir
2015, p. 17).
retroalimentacin del usuario.
 Instituto Tecnolgico de Costa Rica
Requisitos para disear un sistema cognitivo.
Requiere una comprensin de los datos disponibles,
los tipos de preguntas que deben hacerse y la
creacin de un corpus lo suficientemente amplio
como para apoyar la generacin de hiptesis sobre el
dominio basado en hechos observados. Por lo tanto,
un sistema cognitivo est diseado para crear
hiptesis a partir de datos, analizar hiptesis
alternativas, y determinar la disponibilidad de
pruebas de apoyo para resolver problemas. Al
aprovechar algoritmos de aprendizaje automtico,
anlisis de preguntas y anlisis avanzados de datos
relevantes, que pueden estar estructurados o no
estructurados, un sistema cognitivo puede
proporcionar a los usuarios finales un poderoso
enfoque del aprendizaje y la toma de decisiones
(Hurwitz, 2015, p. 21).
De acuerdo con Hurwitz, Kaufman y Bowles (2015)
en una aplicacin de computacin cognitiva antes de
que se inicie el sistema, debe crearse un cuerpo base
y los datos ingeridos. El contenido de este cuerpo de
base limita los tipos de problemas que pueden ser
resueltos, y la organizacin de los datos dentro del
cuerpo tiene un impacto significativo en la eficiencia
del sistema. Por lo tanto, necesita una buena
comprensin del rea de dominio para su sistema
cognitivo antes de determinar las fuentes de datos
requeridas. Al desarrollar un sistema cognitivo, es
una buena idea errar por el lado de recopilar ms
datos o conocimiento porque nunca se sabe cundo
el descubrimiento de una asociacin inesperada
conducir a nuevos conocimientos importantes.
4
Dada la importancia que se concede a tener la
combinacin adecuada de fuentes de datos, hay que
abordar una serie de preguntas al principio de la fase
de diseo de un sistema informtico cognitivo:
Qu fuentes de datos internas y externas se
necesitan para las reas de dominio especficas y los
problemas a resolver? Se ingerirn fuentes de datos
externas en su totalidad o en parte? Cmo puede
optimizar la organizacin de los datos para una
bsqueda y un anlisis eficaces? Cmo puede
asegurarse de que el corpus se ample para llenar los
vacos de conocimiento en su corpus base? Cmo se
puede determinar qu fuentes de datos necesitan
actualizarse y con qu frecuencia? (p. 24).
Servicios Analticos
De acuerdo con Kaufman (2015) Analtica se refiere
a una coleccin de tcnicas utilizadas para encontrar
e informar sobre caractersticas esenciales o
relaciones dentro de un conjunto de datos. En
general, el uso de una tcnica analtica proporciona
informacin sobre los datos para guiar alguna accin
o decisin. (p. 28).
Aprendizaje Automtico
El aprendizaje continuo sin reprogramacin est en
el centro de todas las soluciones informticas
cognitivas. Aunque las tcnicas utilizadas para
adquirir, administrar y aprender de los datos varan
mucho, en su ncleo la mayora de los sistemas
aplican algoritmos desarrollados por investigadores
en el campo del aprendizaje automtico. Los
sistemas de computacin cognitiva usan algoritmos
de aprendizaje de mquina basados en estadsticas
 Instituto Tecnolgico de Costa Rica
inferenciales para detectar o descubrir patrones que
guan su comportamiento. El aprendizaje automtico
es una disciplina que se basa en la informtica, las
estadsticas y la psicologa. (Hurwitz et al. 2015).
Bowles ha demostrado que existen dos enfoques
complementarios a la mquina de aprendizaje que
utilizan los patrones de diferentes maneras: el
aprendizaje supervisado y sin supervisin. Decidir
cundo usar uno o ambos de estos enfoques para un
sistema especfico depende de los atributos de los
datos disponibles y los objetivos del sistema.
Encontrar el algoritmo o algoritmo de aprendizaje
automtico adecuado para una aplicacin de
computacin cognitiva comienza con algunas
preguntas:
Existe una fuente de datos existente y asociaciones
entre los elementos de datos para resolver mi
problema? S qu tipo de patrones contienen mis (p. 33).
datos? Puedo dar ejemplos de cmo identificar y
explotar estos patrones manualmente? Cuando todas
estas preguntas se pueden responder
afirmativamente, usted tiene un buen candidato para
un sistema de aprendizaje supervisado.
Aprendizaje no Supervisado
El aprendizaje no supervisado se refiere a un enfoque
de aprendizaje automtico que utiliza algoritmos
inferenciales de modelado estadstico para descubrir
en lugar de detectar patrones o similitudes en los
datos. Un sistema de aprendizaje sin supervisin
puede identificar nuevos patrones, en lugar de
intentar igualar un conjunto de patrones que encontr
durante el entrenamiento. El aprendizaje sin
supervisin es el mejor enfoque para un sistema de
5
computacin cognitiva cuando un experto o usuario
no puede dar ejemplos de relaciones tpicas o pares
de preguntas y respuestas como guas para entrenar
el sistema, es tambin apropiado cuando los nuevos
patrones emergen ms rpidamente que los seres
humanos pueden reconocerlos de modo que el
entrenamiento regular sea imposible. (Hurwitz et al.
2015).
Generacin y puntuacin de hiptesis
Segn Hurwitz (2015), una hiptesis en la ciencia es
una afirmacin comprobable basada en evidencia
que explica algn fenmeno observado o relacin
entre elementos dentro de un dominio. El concepto
clave aqu es que una hiptesis tiene alguna
evidencia de apoyo o conocimiento que hace que sea
una explicacin plausible para una relacin causal.
Infraestructura
De acuerdo con Bowles (2015), las dos principales
consideraciones de diseo para las decisiones de
infraestructura de computacin cognitiva son:
1. Gestin de datos distribuidos: para todas
las aplicaciones, excepto las ms pequeas,
los sistemas de computacin cognitiva
pueden beneficiarse de herramientas para
aprovechar los recursos de datos externos
distribuidos y distribuir sus cargas de trabajo
operativas. El manejo de la ingesta continua
de datos de una variedad de fuentes externas
requiere una infraestructura robusta que
pueda importar de manera eficiente grandes
 Instituto Tecnolgico de Costa Rica
cantidades de datos. Basado en el dominio,
puede tratarse de una combinacin de datos
estructurados y no estructurados disponibles
para la ingesta por lotes o secuencias. Hoy en
da, se recomienda un enfoque de gestin de
datos basado en la nube para proporcionar la
mxima flexibilidad y escalabilidad. (p. 37).
2. Paralelismo: El ciclo de computacin
cognitiva fundamental de generacin de
hiptesis y puntuacin puede beneficiarse
enormemente de una arquitectura de software
que soporta la generacin / puntuacin
paralela de mltiples hiptesis, pero el
rendimiento en ltima instancia depende del
hardware adecuado. La asignacin de cada
hiptesis independiente a un hilo o ncleo de
hardware separado es un requisito en la
mayora de los casos para un desempeo
aceptable a medida que el corpus se
incrementa y el nmero de hiptesis aumenta.
Aunque las mejoras de rendimiento deben ser
vistas dentro del sistema a medida que
aprende, la tasa de expansin de datos en el
corpus generalmente supera esta mejora del
rendimiento. Eso argumenta enrgicamente
para la seleccin de la arquitectura de
hardware que soporta una expansin
relativamente transparente con procesadores
adicionales. (p. 37).
Proceso de diseo de una aplicacin cognitiva.
6
El proceso de diseo de una aplicacin cognitiva
consta de las siguientes 6 etapas:
1. Definicin de objetivo: En esta etapa, se
definen los objetivos que se desean cumplir
con la aplicacin, para lograrlo, primero se
deben de entender los objetivos y el cmo se
van a lograr, seguidamente se deben de
entender los tipos problemas que la
aplicacin atender, as como los tipos de
usuario con los que trabajar, que necesitan
saber estos y en que estn interesados, visto
que a diferencia de las aplicaciones comunes,
los usuarios de las aplicaciones cognitivas
esperan ms que respuestas a sus consultas,
en consecuencia, una aplicacin cognitiva
debe de brindar respuestas a sus usuarios pero
tambin debe realizar un anlisis profundo de
contexto relacionado al porqu y el cmo
algo pas. (Hurwitz, Kaufman y Bowles,
2015)
2. Definicin de dominio: Esta etapa se basa en
la especificacin del rea de estudio de la
aplicacin y sus fuentes, definir el dominio es
necesario para identificar qu fuentes de
informacin son necesarias para nutrir la
aplicacin y que expertos son asequibles para
entrenar el sistema; es importante incluir
sujetos no-tpicos a la hora de entrenar el
sistema, debido a que estos pueden contar
con conocimiento adquirido a travs de la
experiencia del cual algunos expertos del
 Instituto Tecnolgico de Costa Rica
rea carecen. (Hurwitz, Kaufman y Bowles,
2015)
3. Entender los usuarios meta y definir sus
atributos: Es necesario entender a los tipos
de usuarios que utilizarn la aplicacin
cognitiva con la finalidad de definir las
interacciones con el sistema, estas
interacciones determinarn el grado de
precisin de las respuestas, sin embargo no es
necesario anticipar todos los tipos de
preguntas que pueda realizar un usuario,
debido a que una aplicacin cognitiva asume
que la informacin as como las fuentes de
conocimiento y requerimientos del usuario
aumentaran con el paso del tiempo; La
flexibilidad es un factor que garantiza que la
aplicacin cognitiva se adapte a los cambios
en los requerimientos del usuario. Para
asegurar el cumplimiento de este factor se
recomiendan las siguientes practicas:
a. Definir el nivel de entendimiento de
dominio por parte de los usuarios.
b. Planificar variaciones en los tipos de
preguntas y anlisis requeridos.
c. Mantener el ancho necesario del
alcance para satisfacer a diferentes
tipos de usuarios.
(Hurwitz, Kaufman y Bowles, 2015).
4. Definir preguntas y explorar ideas:
Esta etapa consiste en la definicin los tipos
de preguntas a las cuales se expondr la
aplicacin, as como las ideas los usuarios
demandarn.
7
Mediante la definicin de usuarios y
dominios, se deben crear perfiles que sirvan
de gua al sistema para brindar una respuesta
confiable y que el usuario pueda entender;
Para esto se debe tomar en cuenta el tono,
estilo de lenguaje, los trminos tcnicos y los
estilos alternativos de pregunta que los
usuarios puedan realizar.
5. Dependiendo de la aplicacin, es posible que
el usuario no tenga que realizar pregunta
alguna para que el sistema interactu con l,
sino mediante anlisis anticipados, la
aplicacin cognitiva, es capaz de realizar
proyecciones mediante informacin
recolectada y generar pronsticos de inters
para el usuario; En estos casos es vital la una
definicin de perfiles detallados y fuentes de
conocimiento adecuadas para brindar un
pronstico confiable y acertado. (Hurwitz,
Kaufman y Bowles, 2015)
6. Crear y refinar el cuerpo de la aplicacin:
Se le llama cuerpo a las bases de
conocimiento que posee la aplicacin, dichas
bases, se exponen a una constante
reevaluacin con la finalidad de determinar si
es necesario agregar ms fuentes o actualizar
las existentes.
Adems de la reevaluacin a la que se
exponen las bases de conocimiento, para
pertenecer al cuerpo de la aplicacin, cada
fuente utilizada tiene que atravesar un
proceso de preparacin, ingestin, refinacin
 Instituto Tecnolgico de Costa Rica 8

y gobernancia el cual se definir a conocimiento sufre algn cambio,

continuacin esto se logra mediante el proceso de
a. Preparacin: En esta fase se valida refinacin, en el cual se utilizan
que la fuente sea leble, rastreable y algoritmos de expansin, para
comprensible, para lograr las fuentes adecuar las nuevas fuentes a las
deben de ser categorizadas en funcin necesidades del usuario. (Hurwitz,
a las reglas de negocio. (Hurwitz, Kaufman y Bowles, 2015)
Kaufman y Bowles, 2015).
d. Gobernancia: En este proceso se
b. Ingestin: Esta fase se encarga de aplican polticas de privacidad y
almacenar la informacin de las permisos segn el entorno lo
fuentes en la base de conocimiento, demande; Una aplicacin cognitiva
esta fase no solo es empleada en el trabaja con grandes volmenes de
desarrollo del sistema cognitivo, informacin, por este motivo, se debe
puesto que la base de conocimiento garantizar que dicha informacin no
est expuesta a actualizaciones y infrinja con la privacidad de terceros,
modificaciones automatizadas y mediante la aplicacin de
manuales; Por esta razn es mecanismos de seguridad, un sistema
indispensable que la base de cognitivo, debe garantizar que la
conocimiento del sistema cognitivo informacin utilizada posea los
cuente con mecanismos de control, permisos pertinentes. (Hurwitz,
modificacin y actualizacin Kaufman y Bowles, 2015).
adecuados al entorno a que este se
expone. (Hurwitz, Kaufman y 7. Entrenamiento y pruebas: A diferencia de
Bowles, 2015). un sistema tradicional, en un sistema
cognitivo, la fase de pruebas en crucial para
c. Refinacin: La base de conocimiento el xito de la aplicacin, hay que recordar que
de un sistema cognitivo se mantiene un sistema cognitivo aprende del error y
en constante crecimiento y mejora con la retroalimentacin, por esta
actualizacin, esto implica la razn, entre ms entrenada este la aplicacin,
modificacin y adicin de fuentes lo mayor grado de precisin en sus respuestas
que conlleva a redefinir que fuentes tendr. El proceso de entrenamiento de una
se adecuan mejor a las necesidades aplicacin cognitiva se basa en una
del usuario cada vez que la base de interaccin y retro alimentacin constante
 Instituto Tecnolgico de Costa Rica 9

entre sistema y expertos en el dominio. definicin no debe causar confusiones al

(Hurwitz, Kaufman y Bowles, 2015). lector. (p. 3).

Requerimientos Ingeniera de Requerimientos

Un requerimiento es simplemente una declaracin Algunos conceptos de ingeniera de requerimientos

abstracta de alto nivel de un servicio que debe son los siguientes:

proporcionar el sistema o una restriccin de ste. La ingeniera de requerimientos es el proceso de

(Sommerville, 2005, p. 108) desarrollar una especificacin de

software. Las especificaciones pretender comunicar

Caractersticas de un requerimiento las necesidades del sistema del

Michael Arias Chaves (2006) menciona que es cliente a los desarrolladores del sistema.

importante no perder de vista que un requerimiento (Sommerville, 2005, p. 82)

debe ser: Ingeniera de Requerimientos ayuda a los

1. Especificado por escrito: Como todo ingenieros de software a entender mejor el

contrato o acuerdo entre dos partes. problema en cuya solucin trabajarn. Incluye el

2. Posible de probar o verificar: Si un conjunto de tareas que conducen a

requerimiento no se puede comprobar, comprender cul ser el impacto del software sobre

entonces cmo se sabe si se cumpli con l el negocio, qu es lo que el cliente

o no? quiere y cmo interactuarn los usuarios finales con

3. Conciso: Un requerimiento es conciso si es el software. (Pressman, 2006, p. 155)

fcil de leer y entender. Su redaccin debe ser Importancia de la Ingeniera en Requerimientos

simple y clara para aquellos que vayan a Segn la autora Lizka Johany Herrera, en su

consultarlo en un futuro. documento de la ingeniera de requerimientos

4. Completo: Un requerimiento est completo (2003), los principales beneficios que se obtienen de

si no necesita ampliar detalles en su la Ingeniera de Requerimientos son:

redaccin, es decir, si se proporciona la Permite gestionar las necesidades del proyecto en

informacin suficiente para su comprensin. forma estructurada: Cada actividad de la IR consiste

5. Consistente: Un requerimiento es de una serie de pasos organizados y bien definidos.

consistente si no es contradictorio con otro Mejora la capacidad de predecir cronogramas de

requerimiento. proyectos, as como sus resultados: La IR

6. No ambiguo: Un requerimiento no es proporciona un punto de partida para controles

ambiguo cuando tiene una sola subsecuentes y actividades de mantenimiento, tales

interpretacin. El lenguaje usado en su

 Instituto Tecnolgico de Costa Rica
como estimacin de costos, tiempo y recursos
necesarios.
Disminuye los costos y retrasos del proyecto: es
sabido que reparar errores por un mal desarrollo no
descubierto a tiempo, es sumamente caro;
especialmente aquellas decisiones tomadas durante
la IR, ya que es una de las etapas de mayor
importancia en el ciclo de desarrollo de software y de
las primeras en llevarse a cabo.
Mejora la calidad del software: La calidad en el
software tiene que ver con cumplir un conjunto de
requerimientos (funcionalidad, facilidad de uso,
confiabilidad, desempeo, etc.).
Mejora la comunicacin entre equipos: La
especificacin de requerimientos representa una
forma de consenso entre clientes y desarrolladores.
Si este consenso no ocurre, el proyecto no ser
exitoso.
Evita rechazos de usuarios finales: La ingeniera de
requerimientos obliga al cliente a considerar sus
requerimientos cuidadosamente y revisarlos dentro
del marco del problema, por lo que se le involucra
durante todo el desarrollo del proyecto. (p. 4, 5).
Modelo tradicional de ingeniera de requerimientos:
El proceso de anlisis de requerimientos consta de 5
etapas fundamentales:
1. Reconocimiento del problema: En esta
etapa se estudian las especificaciones del
sistema y el plan de proyecto de software.
(Pressman, 2006)
2. Evaluacin y sntesis: Esta etapa se centra
en el flujo y estructura de la in formacin, se
definen las funciones del software, los
10
factores que afectan el desarrollo del sistema
y las caractersticas funcionales y no
funcionales. (Pressman, 2006)
3. Modelizacin: En esta etapa se crean
modelos de sistema con el fin de mejorar el
entendimiento de los requerimientos por
parte del equipo de trabajo. (Pressman, 2006)
4. Especificacin: Esta etapa intente generar
una representacin del software. (Pressman,
2006)
5. Revisin: En esta etapa se especifican los
criterios de validacin que garantizan que el
software creado satisface los requerimientos
descritos. (Pressman, 2006)
Modelo CORE
El mtodo Controlled Requirements Expression
(CORE) es un conjunto de notaciones textuales y
grficas, con guas especificadas para la captura
y validacin de requerimientos del sistema, en las
etapas iniciales del diseo del sistema. CORE ha
sido, por tradicin, pensado como puramente una
tcnica de captura y anlisis de requerimientos
(RCA), aunque soporta algunos aspectos de
diseo tales como estructuras de datos. Este
mtodo est basado en el principio de primero
definir el problema a ser analizado (definicin
del problema), y luego dividirlo en unidades o
puntos de vista a considerar. Consiste en siete
etapas, cada una produce salidas que alimentan a
la etapa subsecuente como entrada o que forman
parte de la especificacin de requerimientos
final:
 Instituto Tecnolgico de Costa Rica
1. Definicin del problema: El propsito
de la definicin del problema es
identificar los lmites del mismo.
Contiene detalles de los objetivos de la
empresa de los usuarios del sistema, la
base para la necesidad de un nuevo
sistema, limitaciones de costo y tiempo, y
quin va a ser el responsable de la
revisin y aceptacin de los resultados
finales (Norris, 1994).
2. Estructuracin del punto de vista: El
propsito de esta etapa es descomponer el
ambiente del sistema en los elementos
para que el sistema propuesto pueda ser
analizado desde los puntos de vista de
todas las entidades que se comunican con
l, la ms importante de las cuales son los
usuarios. Durante esta etapa, todas las
entidades que son fuentes potenciales de
informacin deben ser identificadas
(Norris, 1994).
3. Coleccin tabular: Esta etapa es cuando
la informacin sobre los flujos de datos
entre los puntos de vista y el
procesamiento de stos son reunidos.
Esto ayuda a establecer la totalidad y
consistencia (Norris, 1994).
4. Estructuracin de datos: En la etapa
previa, los elementos de informacin que
pasan entre los puntos de vista son
referidos por sus nombres generales. En
esta etapa, se da una vista ms cercana al
contenido, a la estructura y a la derivacin
11
de datos, al producir diagramas de
estructura de datos (Norris, 1994).
5. Modelacin individual de puntos de
vista: Esta etapa puede dividirse en dos
partes. Lo nico concerniente a la primera
es convertir las TCF'S en una notacin
diferente para producir los diagramas
individuales del modelo de punto de vista.
La segunda parte se refiere a agregar
alguna informacin nueva perteneciente a
flujos de datos internos, control de
acciones y tiempo de acciones (Norris,
1994).
6. Modelacin combinada de punto de
vista: Esta etapa facilita el anlisis de una
secuencia de eventos de ms de un punto
de vista. Cada diagrama de modelo
combinado de punto de vista producido
durante esta etapa es una representacin
del procesamiento de informacin que
ocurre entre puntos de vista (Norris,
1994).
7. Anlisis de restricciones: En esta etapa,
se consideran restricciones adicionales
tales como desempeo y seguridad. stas
pueden afectar los diagramas de puntos
de vista ya producidos. Las restricciones
se documentan en una especificacin
de11 restriccin del sistema (Norris,
1994).
 Instituto Tecnolgico de Costa Rica 12

III. ANALISS caractersticas cognitivas del usuario, dicho modelo

Segn Kushawa y Misra (2006) la Ingeniera en se puede apreciar en la figura 2.
Requerimientos se ha enfocado principalmente
en las siguientes reas.
Requerimientos funcionales abstractos.
Requerimientos no-funcionales.
Propiedades de sistema como desempeo
y disponibilidad.
Requerimientos de sistema y ambiente.
Sin embargo, los siguientes factores, a pesar de
tener un gran impacto en la Ingeniera en
requerimientos, son a menudo ignoradas:
En funcin a las caractersticas cognitivas del
No distinguen entre en cliente y el usuario
usuario, el analista de sistema tiene la
final.
responsabilidad de analizar los requerimientos y
El cliente no es capaz de establecer y
vistas, si la recoleccin de requerimientos es
describir el nivel cognitivo y psicolgico
adecuada, las vistas pueden ser categorizadas segn
del usuario final.
sus usuarios (Alta gerencia, profesional, amateur o
El anlisis de requerimientos no es
novato), de esta manera se garantiza el entendimiento
desarrollado desde el punto de vista del
del dominio, as como los requerimientos explcitos
usuario final.
e implcitos de la aplicacin.
La recoleccin de requerimientos no El modelo de ingeniera de requerimientos
distingue entre detalles de bajo nivel y las cognitivos planteado por Kushawa y Misra se puede
caractersticas cognitivas de estos visualizar en la figura 3, este modelo posee
detalles. diferencias marcadas con los modelos expuestos por
Bajo estas circunstancias, Kushawa y Misra, Pressman y Norris, en este modelo se enfatiza en las
proponen el modelo de ingeniera de requerimientos caractersticas cognitivas del usuario como las
cognitivos, que busca proveer una descripcin caractersticas del negocio y dominio.
holstica de las caractersticas cognitivas bajo
estudio, estas caractersticas capturan informacin
como preferencias del usuario y colaboran en el
entendimiento del fenmeno cognitivo del usuario,
Kushawa y Misra, proponen un modelo que seala
 Instituto Tecnolgico de Costa Rica 13

2. Priorizacin del dominio: Segn el modelo

IV. CONCLUSIONES: de desarrollo de una aplicacin cognitiva
Segn la literatura consultada, se concluye que el expuesto por Hurwitz, Kaufman y Bowles, el
impacto de la computacin cognitiva en el rea de dominio es un factor crtico en el desarrollo
ingeniera en requerimientos se concentra en los de una aplicacin cognitiva, en consecuencia,
siguientes factores: este factor posee su propia etapa en el modelo
1. Priorizacin del usuario final: Segn de desarrollo de una aplicacin cognitiva. El
Hurwitz (2015), la perfilacin de los actores dominio tambin es enfatizado en el modelo
del sistema es una etapa crtica en el de ingeniera en requerimientos cognitivos
desarrollo de una aplicacin cognitiva puesto expuesto por Kushawa y Misra, en este
que el sistema cognitivo tiene como tarea modelo se dedica una fase para definir el
brindar respuestas en funcin al perfil y dominio o las caractersticas operacionales de
necesidades del usuario final. El impacto del la organizacin.
usuario final se ve reflejado en el modelo de
ingeniera de requerimientos propuesto por
Kushawa y Misra, en el cual exponen que, en
los procesos de ingeniera de requerimientos
tradicionales, se suelen ignorar factores de
identificacin y perfilacin de usuarios
finales, por este motivo, en el modelo de
ingeniera de requerimientos cognitivos, se
dedica una fase para realizar la perfilacin de
usuarios finales.
 Instituto Tecnolgico de Costa Rica 14

V. Bibliografa.
Arias, M. (2006). La ingeniera de requerimientos y
su importancia en el desarrollo de proyectos de
software. Recuperado de
http://www.redalyc.org/html/666/66612870011/

Chavarra, L. (2017). Computacin Cognitiva.

Investiga.TEC, (28), 7-9.

Gil, G. (2002). Herramienta para implementar LEL

y escenarios (TILS). Recuperado de
http://sedici.unlp.edu.ar/bitstream/handle/10915/
4057/Documento_completo.pdf?sequence=11

Herrera, L. (2003). Ingeniera de Requerimientos, Commented [BC1]:

Ingeniera de Software. Recuperado de
http://www.monografias.com/trabajos6/resof/res
of.shtml

Hurwitz, J., Kaufman, M., & Bowles, A. (2015).

Cognitive computing and big data analytics.
Recuperado de
https://ebookcentral.proquest.com

IBM. (s. f.). IBM Watson. La tecnologa cognitiva

que abre una nueva era de la computacin.
Recuperado de https://www-
03.ibm.com/press/es/es/attachment/49310.wss?f
ileId=ATTACH_FILE1&fileName=Dossier%2
0IBM%20Watson.pdf.

Kushwaha, D., & Misra, A. (2006). Cognitive

complexity metrics and its impact on software
reliability based on cognitive software
development model. ACM SIGSOFT Software
Engineering Notes, 31(2), 1.

Pressman, R. (2006). Ingeniera del Software: Un

enfoque prctico (6 ed.). Mxico: McGraw Hill.

Sommerville, I. (2005). Ingeniera del Software (7

ed.). Mxico: Pearson.