ISBN(13): 9788496094734 Título: APRENDIZAJE AUTOMÁTICO (1ª) Autor/es: González Boticario, Jesús ; Isasi Viñuela, Pedro ; Borrajo Millán, Daniel ; Editorial: SANZ Y TORRES
Bibliografía Complementaria
Al exponer con detalle el programa de la asignatura, señalamos cuál es la bibliografía complementaria para cada tema o unidad didáctica, de modo que el estudiante que lo desee pueda profundizar en aquellos puntos que más le hayan interesado. En este apartado se van a describir los que merecen una reseña especial por la calidad de las aportaciones o por la importancia de los temas tratados.
Nota importante: La bibliografía que se detalla a continuación es la que se utilizará como punto de partida en cada bloque temático para concretar aspectos de interés. Dado que es un máster de investigación, esta bibliografía se corresponde con los fundamentos de cada tema y no necesariamente con el estado-del-arte actual. A través de las distintas actividades y documentación ofrecida en su caso, se trabajarán las fuentes recientes de los temas señalados:
Nota 1: El estudio de cada uno de los temas de la asignatura se realizará a través del desarrollo de las tareas del mismo.
Nota 2: Se proporcionarán enlaces básicos a las referencias bibliográficas existentes pero se espera, dada la naturaleza de la asignatura, que el estudiante complete dichas referencias.
Nota 3: Las direcciones web de los textos recomendados y las referencias proporcionadas podrían variar y se mantendrán actualizadas en el espacio virtual de la asignatura. En dicho caso, se comunicarán los cambios en dicho espacio.
Como textos complementarios, además de los señalados en cada tema, se recomiendan los siguientes (estos textos están en castellano y se han estado utilizando en diversas asignaturas de los estudios de Informática en la UNED):
Borrajo, D., Boticario, J.G., Isasi, P. Aprendizaje Automático. Ed. Sanz y Torres 2006.
En este libro en castellano se hace un repaso extenso de las principales técnicas de aprendizaje automático existentes que facilitan el desarrollo dinámico de los modelos de usuario de los SIEA adaptativos. En el mismo se incluye una revisión que comprende técnicas de aprendizaje: simbólico (p.ej., Aq, EBL, FOIL), mixtas (p.ej., C4.5, Bayesianos, Genéticos) y puramente no simbólico (p.ej., Redes neuronales). Tiene el valor adicional de utilizar un mismo marco de descripción para todos los algoritmos en los que se sintetiza su planteamiento desde el punto de vista de los problemas de búsqueda y las bias asociadas.
Cristobal Romero, Sebastian Ventura, Mykola Pechenizkiy, Ryan S.J.d. Baker. Handbook of Education Data Mining. Ed. CRC Press, Taylor & Francis Group, 2010.
Este libro proporciona una perspectiva de los trabajos en el campo hasta la fecha señalada cubriendo los métodos utilizados, aspectos psico-educativos relacionados y casos prácticos de uso de estos sistemas. La primera parte incluye estudios y tutoriales sobre las técnicas de DM usadas en educación y la segunda parte incluye 25 casos de estudio, ofreciendo así una perspectiva de interés de la variedad de temas implicados.
Se aconseja completar su lectura con las siguientes fuentes:
Peña-Ayala, Alejandro. "Educational data mining: A survey and a data mining-based analysis of recent works." Expert systems with applications 41.4 (2014): 1432-1462.
Romero, Cristóbal, and Sebastián Ventura. "Educational data science in massive open online courses." Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery 7.1 (2017).
Además de estos textos complementarios se pueden mencionar una serie de fuentes adicionales para los distintos bloques temáticos:
A) Fundamentos, Perspectiva Histórica y Áreas de Desarrollo
Simon, H. What we know about learning. Speech at the 1997 Frontiers in Education Conference.
McArthur, D., Lewis, M., Bishay, M. The Roles of Artificial Intelligence in Education: Current Progress and Future Prospects. RAND Corporation, DRU-472-NSF, 1993.
Artículos de Peter Brusilovsky sobre revisiones del campo y evolución de los SAE (accesibles desde: http://www2.sis.pitt.edu/~peterb/)
B) Hipermedia Adaptativa y Sistemas de Educación Adaptativos en la Web
Chrysafiadi, Konstantina, and Maria Virvou. "Student modeling approaches: A literature review for the last decade." Expert Systems with Applications 40.11 (2013): 4715-4729.
Carmagnola, Francesca, Federica Cena, and Cristina Gena. "User model interoperability: a survey." User Modeling and User-Adapted Interaction 21.3 (2011): 285-331.
Cocea, Mihaela, and George D. Magoulas. "Participatory Learner Modelling Design: A methodology for iterative learner models development." Information Sciences 321 (2015): 48-70.
Dennen, V., 2013. Designing collaborative learning through computer support. In: The International Handbook of Collaborative Learning. Routledge.
Isotani, S., Inaba, A., Ikeda, M., Mizoguchi, R., 2009. An ontology engineering approach to the realiza- tion of theory-driven group formation. International Journal of Computer-Supported Collaborative Learning 4 (4), 445–478.
Jeoung, H., Hmelo-Silver, C. E., 2010. Technology use in cscl: A content meta-analysis. In: Proceedings of the 43rd Hawaii International Conference on System Sciences.
Magnisalis, I., Demetriadis, S., Karakostas, A., 2011. Adaptive and intelligent systems for collaborative learning support: A review of the field. IEEE Transactions on Learning Technologies 4 (1), 5–22.
Artículos del grupo aDeNu sobre sistemas colaborativos. Algunos ejemplos:
Anaya, A. R., González-Boticario, J., Letón, E., & Hernández-del-Olmo, F. (2015). An Approach of Collaboration Analytics in MOOCs Using Social Network Analysis and Influence Diagram. In EDM (pp. 492-495).
Anaya, A. R., & Boticario, J. G. (2013). A domain-independent, transferable and timely analysis approach to assess student collaboration. International Journal on Artificial Intelligence Tools, 22(04), p. 1350020.
Anaya, A. R., & Boticario, J. G. (2011). Content-free collaborative learning modeling using data mining. User Modeling and User-Adapted Interaction, 21(1-2), 181-216.
Lobo, J. L., Santos, O. C., Boticario, J. G., & Del Ser, J. (2016). Identifying recommendation opportunities for computer¿supported collaborative environments. Expert Systems, 33(5), 463-479.
Santos, O. C., & Boticario, J. G. (2014). Involving users to improve the collaborative logical framework. The Scientific World Journal, 2014.
F) Analítica y Minería de Datos
Siemens, George, and Ryan SJ d Baker., (2012). "Learning analytics and educational data mining: towards communication and collaboration." Proceedings of the 2nd international conference on learning analytics and knowledge. ACM.
Teasley, Stephanie D. "Student Facing Dashboards: One Size Fits All?." Technology, Knowledge and Learning 22.3 (2017): 377-384.
Sobre EDM ver los antedichos trabajos de Romero y Ventura al respecto
Algún ejemplo de trabajos del grupo aDeNu:
S. Salmeron-Majadas, R. S. Baker, O. C. Santos and J. G. Boticario, "A Machine Learning Approach to Leverage Individual Keyboard and Mouse Interaction Behavior From Multiple Users in Real-World Learning Scenarios," in IEEE Access, vol. 6, pp. 39154-39179, 2018.
Salmeron-Majadas, S., Santos, O. C., & Boticario, J. G. (2015, June). Towards Multimodal Affective Detection in Educational Systems Through Mining Emotional Data Sources. In International Conference on Artificial Intelligence in Education(pp. 860-863). LNCS/LNAI 9112, Springer.
Gaudioso, E., & Boticario, J. G. (2003, July). Towards web-based adaptive learning communities. Ulrike Hoppe, Felisa Verdejo, Judy Kay (Eds.) In Proceedings of the 11th International Conference on Artificial Intelligence in Education (AIED’2003). Sidney, Australia.
Gaudioso, E., & Boticario, J. G. (2004). An ensemble of classifiers approach to user modeling on adaptive learning communities. International Journal on Artificial Intelligence Tools, 13(02), 383-409.
Sampson, D. G., & Zervas, P. (2011). Supporting accessible technology-enhanced training: the eaccess2learn framework. IEEE Transactions on Learning Technologies, 4(4), 353-364
Batanero, C., Fernández¿Sanz, L., Piironen, A. K., Holvikivi, J., Hilera, J. R., Otón, S., & Alonso, J. (2017). Accessible platforms for e¿learning: A case study. Computer Applications in Engineering Education, 25(6), 1018-1037.
Organero, M. M., Kloos, C. D., & Merino, P. M. (2010). Personalized service-oriented e-learning environments. IEEE Internet Computing, 14(2), 62-67.
Artículos del grupo aDeNu sobre el uso de estándares en los SAE actuales y sobre el tratamiento requerido para realizar un modelado inclusivo que considere la diversidad de las características de interacción existentes (disponibles desde https://adenu.ia.uned.es)
Algunos ejemplos:
Boticario, J. G., Rodriguez-Ascaso, A., Santos, O. C., Raffenne, E., Montandon, L., Roldán Martínez, D., & Buendía García, F. (2012). Accessible lifelong learning at higher education: outcomes and lessons Learned at two different PilotSites in the EU4ALL Project. In Journal of Universal Computer Science (Vol. 18, No. 1, pp. 62-85). Graz University of Technology, Institut f r Informationssysteme und Computer Medien (IICM).
Baldiris, S., Santos, O. C., Moreno, G., Huerva, D., Fabregat, R., & Boticario, J. G. (2008, July). Management of learning styles, competences and access device preferences to alleviate the authoring of standard-based adaptive learning designs. In A3H: Sixth International Workshop on Authoring of Adaptive and Adaptable Hypermedia (p. 81).
Martin, L., y Restrepo, E. G., Barrera, C., Ascaso, A. R., Santos, O. C., & Boticario, J. G. (2007, December). Usability and accessibility evaluations along the eLearning cycle. In International Conference on Web Information Systems Engineering (pp. 453-458). Springer, Berlin, Heidelberg.
Rodriguez¿Ascaso, A., Boticario, J. G., Finat, C., & Petrie, (2107). "Setting accessibility preferences about learning objects within adaptive elearning systems: User experience and organizational aspects." Expert Systems 34.4.
Rodríguez-Ascaso, Alejandro, and Jesús G. Boticario, (2015). "Accesibilidad y MOOC: Hacia una perspectiva integral." RIED. Revista Iberoamericana de Educación a Distancia 18.2 (2015).
Rodriguez-Ascaso, A., Boticario, J. G., Finat, C., del Campo, E., Saneiro, M., Alcocer, E., ... & Mazzone, E. (2011, July). Inclusive scenarios to evaluate an open and standards-based framework that supports accessibility and personalisation at higher education. In International Conference on Universal Access in Human-Computer Interaction (pp. 612-621). Springer, Berlin, Heidelberg.
Santos, O. C., Boticario, J. G., Raffenne, E., Granado, J., Rodríguez-Ascaso, A., & Gutierrez y Restrepo, E. (2010). A Standards-Based Framework to Support Personalisation, Adaptation and Interoperability in Inclusive Learning Scenarios(pp. 126-169). IGI Publisher: Hershey, PA, USA.
Santos, O., & Boticario, J. (2011). A General Framework for Inclusive Lifelong Learning in Higher Education Institutions with Adaptive Web-Based Services that Support Standards. In E-Infrastructures and Technologies for Lifelong Learning: Next Generation Environments (pp. 29-58). IGI Global.
H) Sistemas Recomendadores Educativos
Siemens, George, and Ryan SJ d Baker., 2012. "Learning analytics and educational data mining: towards communication and collaboration." Proceedings of the 2nd international conference on learning analytics and knowledge. ACM.
Artículos del grupo aDeNu sobre el uso de sistemas recomendadores en los SAE actuales (disponibles desde https://adenu.ia.uned.es). Algunos ejemplos:
Santos, O. C., & Boticario, J. G. (2015). Practical guidelines for designing and evaluating educationally oriented recommendations. Computers & Education, 81, 354-374.
Santos, O. C., Boticario, J. G., & Pérez-Marín, D. (2014). Extending web-based educational systems with personalised support through User Centred Designed recommendations along the e-learning life cycle. Science of Computer Programming, 88, 92-109.
Santos, O. C., Boticario, J. G., & Manjarrés-Riesco, Á. (2014). An approach for an affective educational recommendation model. In Recommender Systems for Technology Enhanced Learning (pp. 123-143). Springer, New York, NY.
Santos, O. C., Uria-Rivas, R., Rodriguez-Sanchez, M. C., & Boticario, J. G. (2016). An open sensing and acting platform for context-aware affective support in ambient intelligent educational settings. IEEE Sensors Journal, 16(10), 3865-3874.
Hernandez-del-Olmo, F., Gaudioso, E., & Boticario, J. G. (2005, July). Evaluating the intrusion cost of recommending in recommender systems. In International Conference on User Modeling (pp. 342-346). Springer, Berlin, Heidelberg.
I) Computación Afectiva y Aprendizaje ("engagement" y otros)
D’Mello, S., Dieterle, E., & Duckworth, A. (2017). Advanced, analytic, automated (AAA) measurement of engagement during learning. Educational Psychologist, 52(2), 104–123.
Monkaresi, H., Bosch, N., Calvo, R. A., & D’Mello, S. K. (2017). Automated {Detection} of Engagement Using Video-Based Estimation of Facial Expressions and Heart Rate. IEEE Transactions on Affective Computing, 8(1), 15–28. https://doi.org/10.1109/TAFFC.2016.2515084
Grawemeyer, B., Mavrikis, M., Holmes, W., Gutiérrez-Santos, S., Wiedmann, M., & Rummel, N. (2017). Affective learning: improving engagement and enhancing learning with affect-aware feedback. User Modeling and User-Adapted Interaction, 27(1), 119–158. https://doi.org/10.1007/s11257-017-9188-z
Mega, C., Ronconi, L., & De Beni, R. (2014). What makes a good student? How emotions, self-regulated learning, and motivation contribute to academic achievement. Journal of Educational Psychology, 106(1), 121–131. https://doi.org/10.1037/a0033546
Henrie, C. R., Halverson, L. R., & Graham, C. R. (2015). Measuring student engagement in technology-mediated learning: A review. Computers & Education, 90, 36–53. https://doi.org/http://dx.doi.org/10.1016/j.compedu.2015.09.005
Artículos del grupo aDeNu sobre computación afectiva y aprendizaje (disponibles desde https://adenu.ia.uned.es). Algunos ejemplos:
Uria-Rivas, Rodriguez-Sanchez, Santos, Vaquero, & Boticario. (2019). Impact of Physiological Signals Acquisition in the Emotional Support Provided in Learning Scenarios. Sensors, 19(20)
Cabestrero, R., Quirós, P., Santos, O. C., Salmeron-Majadas, S., Uria-Rivas, R., Boticario, J. G., … Ferri, F. J. (2018). Some insights into the impact of affective information when delivering feedback to students. Behaviour & Information Technology, 0(0), 1–12. https://doi.org/10.1080/0144929X.2018.1499803
Mar Saneiro, Olga C. Santos, Sergio Salmeron-Majadas, and Jesus G. Boticario. 2014. Towards emotion detection in educational scenarios from facial expressions and body movements through multimodal approaches. Scientific World Journal 2014. DOI: 10.1155/2014/484873 https://doi.org/10.1155/2014/484873
Manjarrés-Riesco, Á., Santos, O. C., Boticario, J. G., & Saneiro, M. (2013). Open issues in educational affective recommendations for distance learning scenarios. In CEUR Workshop Proceedings (Vol. 997, pp. 26–33).
Nota: A estas fuentes básicas habrá que sumar otras que se proporcionarán sobre cada tema a través de la plataforma de aprendizaje.
* Online: todas las direcciones proporcionadas pueden haber sufrido modificaciones de última hora por lo que pueden tener que ser actualizadas y para ello se recomienda utilizar los buscadores disponibles.
