Resumen— La Televisión Digital Interactiva (TVDI) abre

nuevas oportunidades de aprendizaje a aquellos grupos sociales que, de otro modo, tendrían dificultades para acceder a formas tradicionales de educación. Sin embargo, dado que los telespectadores no son habitualmente usuarios activos, la educación a través de TVDI debe ofrecerse de un modo atractivo para que se vean implicados en la experiencia educativa, para lo que es necesaria la inroducción de la personalización en el campo de t-learning. Para conseguir esta meta, este artículo presenta una propuesta de objetos educativos auto-adaptativos para t-learning, cuya característica principal consiste en ofrecer distintos comportamientos en función de las características de los usuarios. Estos objetos están de acuerdo con la norma ADL SCORM (Sharable Content Object Reference Model) para la que proponemos una extensión que permita esta clase de elementos educativos adaptativos. Además, se presenta una herramienta de autoría para estos objetos que permita el desarrollo de los mismos por parte de creadores de contenido que no están interesados en conocer los detalles técnicos subyacentes.

Palabras clave— Sistemas adaptativos (Adaptive systems), Tecnología de la educación (Educational Technology), TV Educativa (Educational TV), Sistemas de Tutorización Inteligente (Intelligent Tutoring Systems), TV Interactiva (Interactive TV), Sistemas de aprendizaje (Learning systems).

I. INTRODUCCIÓN L éxito creciente de la Televisión Digital Interactiva (TVDI) permite el acceso a nuevos servicios que

tradicionalmente no han sido vinculados a ese medio, como el comercio o el aprendizaje. Para denotar este último se ha adoptado el término t-learning en referencia al aprendizaje interactivo a través de televisión [1]. A priori, podría asociarse esta forma de educación a distancia con la educación a distancia a través de Internet, comúnmente conocida como e-learning, sin embargo, t-learning tiene sus propias características diferenciadoras que hacen que las técnicas aplicadas en Internet no resulten apropiadas en el ámbito de la televisión. Estas restricciones están principalmente relacionadas con las limitaciones impuestas por el televisor o el decodificador: la distancia entre el estudiante y la pantalla, que dificulta la lectura de texto, o el hecho de utilizar un mando a distancia, que reduce las posibilidades de interacción

Este trabajo ha sido parcialmente subvencionado por el Ministerio de

Educación y Ciencia, proyecto de investigación TSI 2004-03677. Los autores pertenecen al Departamento de Ingeniería Telemática de la

Universidad de Vigo. Campus Lagoas-Marcosende s/n, 36310 Vigo (España). (correos e.: {mrey,rebeca,avilas,jose,mlnores}@det.uvigo.es).

con el estudiante. Además, las aplicaciones han de ejecutarse en un decodificador cuyas prestaciones son considerablemente más reducidas que las de un ordenador, lo que obliga a disminuir en gran medida la complejidad de las mismas. Estas restricciones hacen necesaria una nueva concepción de los objetos de aprendizaje que, al contrario que aquellos de e-learning han de consistir principalmente en audio y vídeo (formatos tradicionales de televisión) tratando de reducir al máximo la aparición de texto, ya que resulta difícil su lectura.

En el desarrollo de los citados objetos han de tenerse también en cuenta características sociales. La más importante es la predisposición que presentan los telespectadores hacia la educación. Al contrario que los alumnos de e-learning, que acceden a los contenidos educativos por iniciativa propia, los televidentes, acostumbrados a los más de cincuenta años de historia de la televisión, se han convertido en espectadores pasivos que conciben la televisión como un medio orientado al entretenimiento. Por esta razón, la personalización es esencial en TVDI, ya que hará que los objetos educativos resulten más atractivos y efectivos al alumno, puesto que tendrán en cuenta sus preferencias y conocimientos previos.

En este artículo se propone una solución para conseguir la personalización en t-learning: los objetos educativos auto-adaptativos, cuya principal característica es la capacidad de modificar su comportamiento según las propiedades concretas del estudiante, para lo que utilizan un fichero de adaptación que contiene las reglas que indican qué apariencia han de mostrar al alumno de acuerdo con un conjunto de parámetros de adaptación preestablecidos, que consisten en las características más relevantes de un usuario para un determinado dominio de aplicación.

Esta propuesta tiene lugar dentro de un proyecto más ambicioso cuyo objetivo consiste en desarrollar un entorno para el aprendizaje personalizado a través de TVDI, llamado T-MAESTRO (T-learning Multimedia Adaptive Educational SysTem based on Reassembling TV Objects) [2], cuyas principales novedades con respecto a los sistemas análogos para e-learning consisten en el tipo de usuario para el que trabaja (el alumno en televisión es a la vez telespectador) y el tipo de experiencias educativas que genera (basadas en audio y vídeo). T-MAESTRO está diseñado para trabajar sobre una plataforma MHP (Multimedia Home Platform) [3] con material educativo acorde a la norma ADL SCORM (Sharable Content Object Reference Model) [4]. Esta norma denomina SCO (Sharable Content Object) a los objetos educativos ya mencionados, que en SCORM representan un único objeto

M. Rey-López, R. P. Díaz-Redondo, A. Fernández-Vilas, J. J. Pazos-Arias y M. López-Nores

Objetos adaptativos de aprendizaje para t-learning

E

IEEE LATIN AMERICA TRANSACTIONS, VOL. 5, NO. 6, OCTOBER 2007 401

educativo ejecutable que es capaz de comunicarse con el Sistema de Gestión de Aprendizaje1 (LMS), razón por la cual, a partir de ahora se hará referencia a los objetos educativos auto-adaptativos como SCO auto-adaptativos.

En este artículo se presenta una solución para ofrecer personalización en el campo de t-learning: los SCO auto-adaptativos. El escenario en que esos SCO van a funcionar se expone en el Apartado II. A continuación, se explica la importancia de los parámetros de adaptación (Apdo. III) y se expone la estructura y funcionamiento de los SCO (Apdo. IV). Para facilitar su creación a docentes no familiarizados con la programación y las normas de e-learning, se ha desarrollado una aplicación denominada SCOCreator (Apdo. V). Por último, se compara la propuesta objeto del presente artículo con el trabajo relacionado (Apdo. VI), en tanto que las conclusiones y líneas futuras del proyecto se muestran en el Apdo. VII.

II. ESCENARIO DE LA PROPUESTA Como se ha mencionado, los objetos auto-adaptativos que

se presentan en este artículo son conformes a la norma SCORM y por ello se denominan SCO auto-adaptativos. Esta norma consiste en un conjunto de especificaciones y guías de uso basadas en el trabajo de distintos organismos de normalización en el campo de e-learning, que son adaptadas e integradas para formar un modelo completo y fácilmente implementable. Se divide en libros técnicos agrupados bajo

1 En la terminología utilizada en e-learning, un Sistema de Gestión de Aprendizaje (Learning Management System) se utiliza en referencia al sistema utilizado como plataforma de formación, diseñado para entregar, monitorizar, presentar informes y gestionar los contenidos de aprendizaje, así como el progreso y las interacciones del estudiante.

tres temas principales: Modelo de Agregación de Contenido (CAM), que cubre el ensamblado, etiquetado y empaquetado del contenido educativo; Secuenciado y Navegación (SN), que describe cómo dicho contenido ha de ser secuenciado a través de un conjunto de eventos de navegación; y Entorno de Ejecución (RTE), cuyo objetivo es proporcionar un medio para la interoperabilidad entre los objetos educativos y los Sistemas de Gestión de Aprendizaje (LMS).

En lo que respecta a los SCO auto-adaptativos, los autores de este artículo están especialmente interesados en SCORM RTE, ya que explica cómo los SCO intercambian información con el LMS, lo que les permite modificar su comportamiento. Esta parte de la norma define el proceso de lanzamiento del contenido educativo, una API para la comunicación entre los SCO y el LMS y los elementos normalizados pertenecientes al modelo de datos, utilizados para el intercambio de información entre ambos, referentes a aspectos relacionados con la experiencia educativa del alumno.

La comunicación entre el SCO y el LMS se inicia siempre por parte del SCO, quien, para solicitar cualquier información contenida en el modelo de datos, ha de utilizar el método GetValue(). Éste sería entonces el modo adecuado para que el SCO pidiese al LMS datos referentes a las características del alumno, para así adaptar su comportamiento a dichas características. Sin embargo, el modelo de datos de SCORM almacena principalmente información relativa al estado de los objetivos del curso que el alumno está estudiando y únicamente almacena unos pocos campos con los datos del estudiante, como su nombre, y sus preferencias en cuanto al idioma, volumen del sonido, subtitulado de contenidos y velocidad de reproducción. Por ese motivo, se propone la ampliación del modelo de datos de SCORM con un

Fig. 1. Arquitectura del sistema

402 IEEE LATIN AMERICA TRANSACTIONS, VOL. 5, NO. 6, OCTOBER 2007

conjunto de características del usuario que son referidas como parámetros de adaptación (Apdo. III).

La figura 1 expone el escenario en el que serán lanzados los SCO auto-adaptativos. En ella se muestra cómo el modelo de datos de SCORM ha sido ampliado con el vocabulario de parámetros de adaptación. Esta figura muestra además los tres agentes que toman parte en este proceso: el creador de vocabulario, el creador de contenido y el usuario; así como los dos sistemas que son necesarios para que los SCO puedan conocer las características del usuario: el gestor del perfil de usuario y el LMS.

En primer lugar, el creador de vocabulario amplía el modelo de datos de SCORM con nuevos vocabularios de parámetros de adaptación y además es el encargado de indicar al gestor del perfil de usuario cuáles son las reglas de inferencia que le permiten “traducir” las características del usuario que contiene su modelo de usuario en parámetros de adaptación. Este agente hace posible que la propuesta funcione de forma independiente a cómo se almacene el perfil del alumno.

A continuación, el creador de contenido crea los SCO auto-adaptativos de acuerdo a la norma SCORM (utilizando, por ejemplo, la aplicación que se presenta en el Apartado V) con sus distintos comportamientos, así como las reglas de adaptación necesarias para que el SCO decida cuál de ellos ha de adoptar en función de las características del estudiante.

T-MAESTRO es el encargado de mantener el perfil de usuario, que almacena sus preferencias, conocimientos e historial. A partir de este perfil, y utilizando las reglas de inferencia provistas por el creador de vocabulario, éste ha de mantener actualizados los valores de la extensión del modelo de datos que contiene el vocabulario de parámetros de adaptación.

Por último, el LMS es responsable de mostrar los SCO al usuario, así como de almacenar los valores reales de los parámetros de adaptación y comunicarlos al SCO cuando éste lo solicite (a través del método GetValue()).

III. PARÁMETROS DE ADAPTACIÓN Cada una de las características almacenadas en el perfil de

usuario podría considerarse un parámetro de adaptación, sin embargo, además de constituir una cantidad inmanejable de información para un creador de cursos humano, estas características varían en cada tutor inteligente, con lo que se perdería la interoperabilidad entre sistemas. Teniendo esto en cuenta, se ha definido el vocabulario de parámetros de adaptación, de modo que cada gestor del perfil de usuario ha de inferir los valores de estos parámetros a partir de la información del estudiante almacenada en su perfil ayudándose de las reglas de inferencia. Éstas, facilitadas por el creador de vocabulario, ayudan al tutor a establecer una correspondencia entre el perfil de usuario y los parámetros de adaptación. Por ejemplo, si uno de los parámetros de adaptación fuese el nivel de matemáticas del usuario, el tutor podría tener almacenado este valor en el perfil o deducirlo a partir de otra información, por ejemplo, si el alumno es un

ingeniero tendrá un alto nivel en esta materia. Para esta propuesta, estos autores han definido un conjunto

de parámetros de adaptación que consideran relevantes en el ámbito de la TVDI, que muestra la Tabla I.

TABLA I

PARÁMETROS DE ADAPTACIÓN

Criterios de adaptación (elemento y tipo de datos (TD))

t-maestro.preferredResourceType TD: enumerado (image, video. . . )

t-maestro.preferredSport TD: enumerado (basketball, f1, football. . . )

t-maestro.preferredTVProgramType TD: enumerado (documentaries, magazines. . . )

t-maestro.preferredMoviesGenre TD: enumerado (adventure, comedy. . . )

t-maestro.preferredMusicGenre TD: enumerado (orchestral, pop, rap. . . )

t-maestro.age TD: Entero no negativo

t-maestro.preferredSubject TD: enumerado (environment, arts, archaeology. . . )

t-maestro.motherTongue TD: código de idioma

t-maestro.educationalLevel TD: enumerado (primarySchool, highSchool. . . )

t-maestro.typeOfDisability TD: enumerado (none, visualImpaired. . . )

t-maestro.languages (nivel de idiomas)

t-maestro.languages.n.language TD: código de idioma

t-maestro.languages.n.listeningLevel TD: Entero no negativo

t-maestro.languages.n.speakingLevel TD: Entero no negativo

t-maestro.languages.n.readingLevel TD: Entero no negativo

t-maestro.languages.n.writingLevel TD: Entero no negativo

t-maestro.subjects (nivel en materias)

t-maestro.subjects.n.subject TD: enumerado (history, maths. . . )

t-maestro.subjects.n.level

TD: Entero no negativo

REY LÓPEZ et al.: ADAPTIVE LEARNING OBJECTS 403

IV. SCO AUTO-ADAPTATIVOS Como se ha mencionado en apartados anteriores, la norma

SCORM permite a los SCO obtener información del LMS perteneciente al modelo de datos a través de la API de comunicación. Para la creación de los SCO auto-adaptativos, se ha utilizado este intercambio de información, así como de la extensión al modelo de datos propuesta, que incluye lo que se ha denominado parámetros de adaptación.

A. Estructura La norma SCORM no restringe el funcionamiento interno

de los SCO siempre y cuando éstos utilicen la API del entorno de ejecución para la comunicación con el LMS. Teniendo en cuenta este hecho, se propone la estructura de la figura 2, en la que se muestran los tres componentes principales de estos objetos educativos: una plantilla Java, varios ficheros de configuración y un fichero de adaptación.

La plantilla Java contiene la funcionalidad del SCO, por ejemplo, una clase Java con algún espacio para el texto, un vídeo, una imagen y algunos botones de control. Los objetos que ocuparán estos espacios se cargan en tiempo de ejecución. Para que esta clase Java funcione sobre un entorno MHP, ha de ser conforme con el modelo DVB-J definido en la norma. Las aplicaciones DVB-J (denominadas Xlets) han de seguir un ciclo de vida que permita a una entidad externa su inicialización, pausa, reanudación y destrucción a través de una interfaz establecida, como se puede ver en la figura 2.

Cada fichero de configuración es un fichero XML que especifica el comportamiento del SCO para una opción concreta, indicando qué objetos ocupan los espacios en la plantilla así como las propiedades de dichos objetos: color, posición, etc. Estos ficheros no tienen una sintaxis predefinida, sino propietaria, siendo su único requisito que sean entendidos por la plantilla Java del SCO (lo que

sucederá, puesto que tanto esta última como el fichero de configuración serán creados por la misma persona, bien de forma manual o bien a través de la herramienta que se propone en el Apdo. V). Por último, el fichero de adaptación es un fichero XML que contiene las reglas de adaptación que indican al SCO cuál es el comportamiento que ha de adoptar. Dichas reglas pueden resolverse a partir de los valores de los parámetros de adaptación para saber cuál es el fichero de configuración que se ha de utilizar para una ejecución concreta. La sintaxis de estos ficheros, si bien ha sido definida, está fuera del alcance de este artículo.

B. Ejemplo La figura 3 muestra un ejemplo de un SCO auto-adaptativo

acerca de la formación de la Unión Europea, desarrollado por los autores de este artículo con ayuda de la herramienta expuesta en el Apartado V. Si bien el vídeo explicativo es el mismo para todos los posibles comportamientos, al igual que el texto que se muestra debajo, este SCO se adapta al usuario de acuerdo a sus gustos, preferencias musicales y edad, modificando la música de fondo y la figura del comentarista del vídeo, así como el fondo sobre el que aparece y, por supuesto, su voz. Además, tiene en cuenta los problemas de visión de los usuarios mostrando el texto en mayor tamaño en caso de que sea necesario.

C. Funcionamiento La figura 4 muestra el funcionamiento de un SCO auto-

adaptativo tras ser lanzado por el LMS. En primer lugar, lee el fichero de adaptación con el propósito de averiguar qué parámetros de adaptación ha de conocer para poder resolver sus reglas (paso ). A continuación, solicita al LMS los valores de dichos parámetros para el usuario concreto al que está siendo mostrado, mediante llamadas consecutivas al método GetValue() de la API SCORM RTE (paso ).

Fig. 2. Estructura de un SCO auto-adaptativo

404 IEEE LATIN AMERICA TRANSACTIONS, VOL. 5, NO. 6, OCTOBER 2007

Con estos valores, resuelve las reglas de adaptación con el objetivo de determinar qué fichero de configuración ha de ser utilizado (paso ). El fichero de configuración contiene los valores de las propiedades de los objetos presentes en la plantilla Java del SCO, para que pueda adoptar el

comportamiento adecuado para el usuario que lo está cursando (paso ). Por último, una vez adoptado este comportamiento, el SCO interacciona con el usuario para llevar a cabo su misión educativa (paso ).

La Figura 4 muestra detalladamente el funcionamiento del

Fig. 3. Ejemplo de un SCO auto-adaptativo

Fig. 4. Funcionamiento de un SCO auto-adaptativo

REY LÓPEZ et al.: ADAPTIVE LEARNING OBJECTS 405

SCO expuesto en la sección anterior cuando es el usuario Pedro el que va a interaccionar con él. Para este SCO, las reglas de adaptación en pseudo-código serían las siguientes: if ((preferredSubject == arts)

and (preferredMusicGenre == classical) and (typeOfDisability == none)) { file = op1.xml } if ((preferredSubject == archaeology) and (preferredMusicGenre == rock) and (typeOfDisability == visualImpaired)) { file = op2.xml } if ((preferredSubject == science) and (preferredMusicGenre == pop-rock) and (typeOfDisability == none)) { file = op3.xml }

V. LA HERRAMIENTA DE CREACIÓN DE SCO: SCOCREATOR En este apartado se presenta la herramienta desarrollada en

el contexto de este proyecto para la creación de SCO auto-adaptativos a partir de plantillas Java. Ésta acerca la

composición de dichos objetos a los creadores de contenido, permitiéndoles concentrarse en los aspectos pedagógicos sin preocuparse de la programación en Java, de las particularidades de la norma o de la sintaxis de los ficheros de adaptación y configuración.

El primer paso en la creación de un SCO auto-adaptativo es la elección de la plantilla apropiada a partir de aquellas disponibles (Fig. 5(a)). Una vez que ésta es cargada, se pueden distinguir tres áreas diferentes en la pantalla (Fig. 5(b)). El área en la que se muestra la plantilla se encuentra a la izquierda, donde todos los elementos pueden ser seleccionados con el ratón, para moverlos, cambiar su tamaño o modificar sus propiedades. Encima de ésta hay una barra que permite cambiar el tamaño y posición de los componentes de la plantilla sin usar el ratón, así como modificar su profundidad con respecto a otros componentes. A la derecha de la pantalla figuran dos ventanas: la superior permite cambiar el valor de las propiedades del componente seleccionado para cada una de las opciones del SCO (se ofrece

(a) Elección de la plantilla (b) Apariencia básica

(c) Modificación del tamaño de letra (d) Creación de reglas de adaptación Fig. 3. La herramienta SCOCreator

406 IEEE LATIN AMERICA TRANSACTIONS, VOL. 5, NO. 6, OCTOBER 2007

una pestaña para cada una de ellas), mientras que la inferior muestra una jerarquía de los componentes, con el objeto de facilitar la selección de los mismos cuando éstos son difícilmente seleccionables de forma gráfica.

Para producir SCO auto-adaptativos, el creador de contenido ha de crear las diferentes opciones del SCO y cambiar las propiedades de cada componente de forma que obtenga el comportamiento deseado para cada una de ellas. Por ejemplo, si el SCO consta de un área para texto y se quiere proveer una opción para personas con problemas de visión, se ha de cambiar el tamaño de letra para la opción correspondiente (Fig. 5(c)). Todas las propiedades de los componentes cambiadas para una opción se almacenan en el fichero de configuración correspondiente a esa opción.

Tras el diseño de las opciones, el creador de contenido ha de definir las reglas de adaptación para indicar para qué valores de los parámetros de adaptación ha de mostrarse. Para que esta tarea resulte sencilla, se ha creado un editor de reglas de adaptación (Fig. 5(d)), parte de la herramienta global, en el que se pueden indicar, mediante expresiones lógicas, las características del usuario para el cual cada una de las opciones resulta adecuada. En el ejemplo del Apartado IV, la opción 1 ha de ofrecerse a usuarios que tengan problemas de visión, mientras que las otras dos opciones son apropiadas para aquellos que no los tengan. Cuando el creador pulsa el botón “Validar”, el programa crea el fichero de adaptación, convirtiendo las expresiones lógicas en código XML, evitándose de este modo que el creador tenga la necesidad de conocer la sintaxis de los ficheros de adaptación.

La herramienta ofrece además un formulario que permite la creación de metadatos IEEE LOM (Learning Object Metadata) [5] para dicho SCO, puesto que estos son los que utiliza SCORM para la descripción de sus elementos educativos. Por último ha de crearse el SCO auto-adaptativo, momento en el que la herramienta genera los ficheros de configuración para cada una de las opciones, el fichero de adaptación y reúne las clases Java y otros archivos como imágenes y vídeos necesarios para que el SCO funcione adecuadamente.

VI. TRABAJO RELACIONADO Una de las áreas más prometedoras en el ámbito de la

personalización para e-learning es Hipermedia Adaptativo (AH), que busca la adaptación de documentos hipermedia, es decir, aquellos en los que se utilizan diferentes medios y en los que existen diferentes modos de navegación entre los objetos de información. Según Peter Brusilovsky en [6], AH trata de superar el problema de tener usuarios con diferentes metas y conocimientos utilizando información existente en el modelo de usuario para adaptar los contenidos y enlaces que se le presentan. Los sistemas AH pueden ser útiles en cualquier área de aplicación en la que el sistema vaya a ser usado por gente con distintas metas y conocimientos y en el que el hiperespacio es razonablemente grande.

Las técnicas AH pueden extenderse a medios basados en audio y vídeo, concretamente al de la televisión digital

interactiva [7], por ejemplo, atenuando un elemento cuando no es interesante para el usuario u ofreciendo información adicional al usuario cuando sus conocimientos acerca del tema expuesto son reducidos. Estas ideas deben ser tomadas en cuenta a la hora de diseñar apropiadamente las diferentes opciones para los SCO auto-adaptativos.

Una idea similar a la expuesta en este artículo se describe en [8], en el que se estudian los requisitos que ha de tener una norma de e-learning para que soporte adaptatividad. Además, estudia la norma SCORM en referencia a los citados requisitos, sugiriendo posibles mejoras hacia la adaptatividad, por ejemplo mejorar los SCO con distintas composiciones de assets. Sin embargo, este artículo no define un marco general en el que los SCO han de funcionar y la selección de la composición más apropiada ha de llevarla a cabo un tutor inteligente, a diferencia de la propuesta de este artículo, en la que los SCO se auto-adaptan.

VII. CONCLUSIONES Y LÍNEAS FUTURAS En este artículo se presenta una solución para ofrecer

objetos educativos personalizables en el ámbito de t-learning a través de lo que estos autores han denominado SCO auto-adaptativos. Esta solución consiste en la extensión del modelo de datos SCORM con un vocabulario de parámetros de adaptación, consistente en un conjunto de características del usuario que son relevantes en el contexto en que tenga lugar la experiencia educativa. De este modo, los SCO pueden acceder a información sobre el usuario fuera del ámbito del curso al que pertenecen, como sus preferencias y experiencia formativa, para configurar su comportamiento de acuerdo con dicha información. Los SCO auto-adaptativos pueden mostrar distintas opciones de apariencia y comportamiento a través de un conjunto de valores para las propiedades de los objetos educativos almacenadas en el fichero de configuración correspondiente a cada opción. Para que el SCO sea capaz de decidir qué fichero de configuración ha de utilizar en cada ejecución, se le ofrece un fichero de adaptación consistente en un conjunto de reglas que serán resueltas una vez que el SCO conozca los valores de los parámetros de adaptación para el usuario al que va a ser mostrado.

Los citados SCO pueden ser creados manualmente programando la plantilla Java que define su comportamiento y escribiendo los ficheros XML de configuración y adaptación. Sin embargo, el creador de contenido será normalmente un docente especialista en la materia a enseñar que no tiene por qué tener conocimientos de programación. Para ello, se ha desarrollado SCOCreator que permite la creación de SCO auto-adaptativos a partir de plantillas Java predefinidas.

Una de las características principales de esta nueva propuesta es su modularidad, tanto para los agentes como para los sistemas participantes en la creación de los objetos educativos. Cada agente implicado en el proceso tiene su propia función: el creador de contenido no necesita conocer cómo se almacena el modelo de usuario en el sistema receptor, mientras que el creador de vocabulario ha de ser un experto en dicho modelo de usuario, para poder crear reglas de inferencia

REY LÓPEZ et al.: ADAPTIVE LEARNING OBJECTS 407

que permitan traducir los valores existentes en éste en los valores de los parámetros de adaptación, pero no tiene que entender cómo son creados los objetos educativos. Esto hace que la solución expuesta funcione para cualquier gestor del modelo de usuario en recepción siempre que el creador de vocabulario lo haya provisto con reglas de inferencia adecuadas. Esta independencia entre los papeles que juegan los distintos agentes también puede apreciarse en la herramienta SCOCreator, ya que las plantillas Java son creadas por expertos programadores que no tienen por qué tener conocimientos sobre pedagogía, mientras que los SCO son creados por docentes expertos en la materia que no tienen por qué tener conocimientos de programación.

En este momento, los autores están finalizando la creación de un prototipo de aprendizaje personalizado a través de televisión (siguiendo la norma MHP) en el que funcionarán los objetos educativos propuestos en este artículo.

Este prototipo proporciona servicios de selección de los contenidos educativos apropiados para un usuario, de adaptación de dichos contenidos a su perfil (tanto a nivel SCO como a un nivel superior adaptando la estructura de los cursos [9]), de comunicación con el usuario y de lanzamiento de los elementos educativos para que puedan ser cursados por el estudiante.

Nuestro grupo de investigación ha participado además en un proyecto más ambicioso de desarrollo de servicios para plataformas residenciales, por lo que, además de para receptores de TV acordes con la norma MHP, este prototipo ha sido modificado para que trabaje sobre una plataforma conforme a la especificación OSGi (Open Services Gateway initiative) [10], una arquitectura orientada a servicios para entornos residenciales. Como una línea futura de este trabajo es importante comentar la intención de crear nuevos servicios que permitan relacionar contenidos educativos con contenidos audiovisuales (es decir, programas de televisión o segmentos de los mismos) para usar estos últimos como un “gancho” para atraer a los telespectadores hacia la educación o para hacer los contenidos educativos más entretenidos.

VIII. REFERENCIAS [1] P. J. Bates, "A Study into TV-based Interactive Learning to the Home,"

http://www.pjb.co.uk/t-learning, 2003. [2] M. Rey-López, R. P. Díaz-Redondo, A. Fernández-Vilas, and J. J.

Pazos-Arias, "Entercation Experiences: Engaging Viewers in Education through TV Programs," in 4th European Conference on Interactive Tel-evision (EuroITV 2006), Athens, Greece, 2006, pp. 310-319.

[3] DVB Consortium, "Multimedia Home Platform Specification 1.1.1," in European Standard ETSI TS 102 812 V1.2.2, 2006.

[4] Advanced Distributed Learning (ADL), Sharable Content Object Refer-ence Model (SCORM®) 2004 3rd Edition, 2006.

[5] IEEE Learning Technology Standards Committee (LTSC), "Learning Object Metadata," in IEEE Standard 1484.12.1, 2002.

[6] P. Brusilovsky, "Methods and techniques of adaptive hypermedia," User Modeling and User-Adapted Interaction, vol. 6, pp. 87-129, 1996.

[7] J. Masthoff and L. Pemberton, "Adaptive hypermedia for personalised TV," in Adaptable and adaptive hypermedia systems, S. Y. Chen and G. D. Magoulas, Eds.: IDEA group publishing, 2005, pp. 246-263.

[8] F. Mödritscher and V. M. G. Barros, "Enhancement of SCORM to support adaptive E-Learning within the Scope of the Research Project AdeLE," in ELEARN 2004 Conference, Washington, USA, 2004.

[9] M. Rey-López, A. Fernández-Vilas, R. P. Díaz-Redondo, J. J. Pazos-Arias, and J. Bermejo-Muñoz, "Extending SCORM to Create Adaptive Courses," in First European Conference on Technology Enhanced Learning (EC-TEL 2006), Crete, Greece, 2006, pp. 679-684.

[10] The OSGi Alliance, "OSGi Service Platform, Core Specification, Re-lease 4," 2005.

IX. BIOGRAFÍAS Marta Rey-López nació en Vigo, España, en 1981. Obtuvo su título de Ingeniera de Telecomunicación en la Universidad de Vigo en 2004. Trabaja como profesora asociada en el Departamento de Ingeniería Telemática de la Universidad de Vigo desde 2004 y pertenece al Laboratorio de Televisión Digital Interactiva. Sus intereses de investigación se centran en la educación personalizada a distancia a través de televisión, así como la posible aplicación de las tecnologías de la Web 2.0 a este ámbito.

Rebeca P. Díaz-Redondo nació en Sarria, España, en 1974. Se doctoró en 2002 en la Universidad de Vigo con su tesis titulada “Reutilización de Requisitos Funcionales de Sistemas Distribuidos utilizando Técnicas de Descripción Formal”. Trabaja como profesora titular de universidad en el Departamento de Ingeniería Telemática de la Universidad de Vigo y pertenece al Laboratorio de Televisión Digital Interactiva. Sus principales intereses de investigación son las aplicaciones interactivas para televisión y su interacción con el

entorno inteligente del hogar.

Ana Fernández-Vilas nació en Vigo, España en 1971. Se doctoró en 2002 en la Universidad de Vigo con la tesis “Tratamiento Formal de Sistemas con Requisitos de Tiempo Real Críticos”. Trabaja como profesora titular de universidad en el Departamento de Ingeniería Telemática de la Universidad de Vigo y pertenece al Laboratorio de Televisión Digital Interactiva. Sus líneas de investigación se centran principalmente en las tecnologías de servicios web y entornos de

computación ubicua. José J. Pazos-Arias nació en Bayona, España, en 1964. Se doctoró en 1995 en la Universidad Politécnica de Madrid con la tesis “Transformación y Verificación con LOTOS”. Trabaja como profesor titular de universidad en el Departamento de Ingeniería Telemática de la Universidad de Vigo y es director del Laboratorio de Televisión Digital Interactiva en el que está implicado principalmente en proyectos de middleware y aplicaciones para este medio.

Martín López-Nores nació en Marín, España, en 1982. Se doctoró en 2006 en la Universidad de Vigo con la tesis titulada “Soporte metodológico para la evolución de especificaciones formales. Aplicación a sistemas telemáticos”. Ha trabajado como profesor en el Departamento de Ingeniería Telemática de la Universidad de Vigo desde 2003, en el que actualmente ocupa la plaza de ayudante y pertenece al Laboratorio de Televisión Digital Interactiva. Sus principales intereses investigadores son la educación a distancia y la

introducción de nuevas metodologías de ingeniería del software en el desarrollo de servicios interactivos.

408 IEEE LATIN AMERICA TRANSACTIONS, VOL. 5, NO. 6, OCTOBER 2007