Sistema multiagente para el diseño, ejecución y seguimiento del proceso de planificación estratégica ágil en las organizaciones inteligentes
SMAPE: Sistema multiagente para el diseño, ejecución y seguimiento del proceso de planificación estratégica ágil en las organizaciones inteligentes
Juan Luis Dalmau Espert
Tesis Doctoral
Directores: Dr. Rafael Molina Carmona y Dr. Faraón Llorens Largo
Universidad de Alicante
Alicante, Enero 2016
Acceso al documento completo en RUA
Resumen:
Desde finales de la década de 1980 e inicio del siglo XXI han acaecido una serie de hechos que, tomados en conjunto, dibujan un nuevo panorama dentro del mundo de las organizaciones. Estos nuevos tiempos están caracterizados por la incertidumbre y la complejidad del entorno en el que éstas tienen que desarrollarse e interactuar. Bajo estas condiciones las organizaciones han visto la necesidad de cambiar su modelo y su estructura, evolucionando hacia otros modelos y estructuras que garanticen una mayor participación de los grupos implicados de la organización, que posibiliten la toma de decisiones de forma distribuida y que, además, proporcionen a la organización un incremento de la flexibilidad y de la agilidad para adaptarse rápidamente a los constantes cambios que sufre el entorno que le rodea.
El conocimiento y el aprendizaje son hoy en día las piezas fundamentales de este nuevo modelo por ser el medio clave a través del cual es posible reducir la complejidad e incertidumbre que caracteriza este entorno organizacional. Este cambio conlleva la necesidad de una revisión del resto de los procesos vinculados a la organización tradicional en aras de adaptarlos al nuevo enfoque. Entre estos procesos destacan, por su relación con el conocimiento y el empleo del mismo para la dirección estratégica, el proceso de Aprendizaje Organizacional y el de Planificación Estratégica.
En este trabajo de tesis se propone una revisión al proceso de planificación estratégica que esté en consonancia con el nuevo modelo de organización y que dé solución a la problemática actual que tienen las organizaciones para llevarlo a cabo de forma eficaz y eficiente. En esta revisión se propone un modelo que permite diseñar el proceso de planificación estratégica, ejecutarlo para obtener el plan estratégico y, posteriormente, poder realizar el seguimiento de dicho plan. Dada la vinculación e importancia que dentro del proceso de planificación estratégica tiene el proceso de aprendizaje organizacional éste es integrado también dentro del modelo. Debido a la necesidad en la actualidad de ajuste del plan estratégico por los cambios constantes en el entorno y la dificultad para hacerlo, el modelo permite el rediseño ágil y flexible del proceso de planificación estratégica para obtener nuevos planes estratégicos en periodos de tiempo más cortos, logrando así que la organización tenga una mejor sincronía con su entorno.
A nivel de diseño el modelo que se propone está basado en la tecnología multiagente y en el uso de una ontología que permite la formalización del proceso de planificación estratégica y de la información que se maneja. La combinación de ambos elementos posibilita que en la ejecución del proceso de planificación estratégica sea posible que los participantes puedan colaborar, interactuar, generar información y conocimiento que sirva para realizar cada uno de los pasos del proceso y para constituir una experiencia aprovechable para la realización de futuros procesos de planificación estratégica. Esta experiencia constituye además el elemento clave que el modelo propone que puede ser empleado para automatizar los pasos del proceso y mejorar la toma de decisiones.
En definitiva, el modelo propuesto es una solución formal, integral, ágil y flexible para llevar a cabo el proceso de planificación estratégica en las organizaciones actuales y bajo las condiciones que rodean a éstas.
Sistema predictivo progresivo de clasificación probabilística como guía para el aprendizaje
Sistema predictivo progresivo de clasificación probabilística como guía para el aprendizaje
Carlos J. Villagrá Arnedo
Tesis Doctoral
Directores: Dr. Rafael Molina Carmona y Dr. Faraón Llorens Largo
Universidad de Alicante
Alicante, Enero 2016
Acceso al documento completo en RUA
Resumen:
El trabajo realizado en esta tesis está basado en el desarrollo de un modelo de predicción progresiva que mejora el proceso de enseñanza-aprendizaje a través del uso de las tecnologías de la información y, en particular, de las técnicas de inteligencia artificial.
Este modelo tiene como base un sistema interactivo gamificado que gestiona las prácticas de la asignatura Matemáticas I, en las que se aprende razonamiento lógico a través de un videojuego llamado PLMan, muy similar al comecocos (PacMan). Los estudiantes acceden durante el curso a este sistema y van progresando y acumulando nota en las prácticas de la asignatura mediante la resolución de mapas del videojuego PLMan.
Los datos procedentes de la interacción de los estudiantes con el sistema gamificado se registran en una base de datos. A partir de estos, se extraen unas características representativas del estado de los estudiantes, consistentes en datos de uso del sistema y resultados de aprendizaje.
El modelo usa la técnica de Machine Learning SVM, y obtiene como resultado la clasificación semanal de los estudiantes en forma de probabilidad de que se encuentren en cada una de tres posibles clases: rendimiento alto, normal y bajo, acumulando los datos recogidos hasta la semana en curso.
Se han realizado experimentos con los datos recogidos durante el curso 2014/15, correspondientes a 336 estudiantes, obteniendo buenos resultados en cuanto a la precisión del algoritmo SVM propuesto. A continuación, se ha realizado un análisis exhaustivo de la correlación de las características empleadas con la nota final, extrayendo las que presentan una mayor relación lineal con esta última. Después, se ha realizado un nuevo experimento empleando sólo estas características seleccionadas, obteniendo unos resultados similares aunque ligeramente inferiores a los de la experiencia inicial, lo que denota que pueden existir relaciones no lineales entre las variables que la técnica SVM puede detectar.
Por último, el modelo planteado presenta los resultados obtenidos de forma que proporcionen información valiosa para profesores y estudiantes. Esta información se muestra en forma de gráficas fáciles de interpretar, constituyendo un mecanismo que permite detectar estudiantes que están en riesgo de fracasar y, en cualquier caso, permite guiarlos para que obtengan el máximo rendimiento.
En definitiva, se trata de un modelo de predicción del rendimiento del estudiante con dos aportaciones principales: clasificación en tres clases con valores de probabilidad y de forma progresiva, y la información visual en forma de gráficas, que representan un mecanismo de guía para la mejora del proceso de enseñanza-aprendizaje.