Home » CatedraTD_UA

Category Archives: CatedraTD_UA

diciembre 2024
M T W T F S S
 1
2345678
9101112131415
16171819202122
23242526272829
3031  

Ludo-narrativa en el diseño de videojuegos

Ludo-narrativa en el diseño de videojuegos.
Cómo transmitir ideas de forma exclusiva a este medio

Andrés Fernández Espliguero
Tutor: Faraón Llorens Largo
Trabajo Fin de Grado en Ingeniería Multimedia
Escuela Politécnica Superior
Universidad de Alicante
Septiembre de 2023

Documento completo en RUA: en pdf

Resumen
La industria de los videojuegos ha avanzado durante las décadas hasta establecerse como un medio que ya no solo se centra únicamente en el entretenimiento, sino que también abarca otros propósitos más allá de este. Este trabajo de investigación tiene como finalidad analizar y explicar los aspectos lúdicos y narrativos del medio y como estos se entrelazan para formar el aspecto ludonarrativo único de los videojuegos. Con estas bases, se han analizado los distintos aspectos de los videojuegos, los elementos que los componen, y su relación entre sí y el jugador como medio de aumentar la inmersión de este. Con todo ello, se ha elaborado un análisis de diferentes juegos, haciendo énfasis en sus aspectos ludo-narrativos como herramientas para transmitir mensajes directamente a los jugadores. Durante el análisis de los títulos (NieR: Automata, Lisa: The Painful, Bastion, y ULTRAKILL), se ha aportado una calificación para los diferentes elementos que componen sus aspectos, estableciendo una relación entre su calidad e implementación, valorando así la inmersión del jugador. La rúbrica de calificación usada es una de las aportaciones de este trabajo, siendo esta el resultado del estudio previo de ambos aspectos de la ludo-narrativa. En ella se desglosan cada aspecto en cinco elementos, definiéndolos y premiándolos con una calificación superior en función de su flexibilidad de diseño, capacidad de inmersión, y conexión entre ellos. Con el análisis de los títulos y elementos se ha destacado la cohesión ludonarrativa presente en los mismos, así como las posibles instancias donde esta se fractura. Todo ello con el fin de complementar el objetivo de proporcionar unas pautas de implementación de estos aspectos en futuros proyectos, mejorando así su conexión con los jugadores y aumentando la calidad del título.

Nuestro cuerpo

Nuestro cuerpo.
Siete millones de años de evolución

Juan Luis Arsuaga
Ediciones Destino
Colección Imago Mundi, volumnen 350

https://www.planetadelibros.com/libro-nuestro-cuerpo/374223

Frases entresacadas e ideas interesantes que puedo utilizar:

(Página 10)
“Pero no debemos confiar en la ciencia porque conduzca a un saber definitivo, sino, muy por el contrario, porque es un saber que está en permanente renovación y perfeccionamiento. Cada generación de científicos sabe más que la anterior y la próxima nos superará sin la menor duda a nosotros.”

Presentaciones de impacto

Presentaciones de impacto
Cómo hacer fácil lo difícil. Comunicación visual, infografía y narrativa
Mario Tascón & Prodigioso Volcán
Larousse Editorial y Prodigioso Volcán

https://www.larousse.es/libro/libros-ilustrados-practicos/presentaciones-de-impacto-mario-tascon-ruiz-9788418473807

https://www.prodigiosovolcan.com/pv/presentaciones-impacto/?20211006

Frases entresacadas e ideas interesantes que puedo utilizar:

(Página )
“ ”

La primavera de la inteligencia artificial

La primavera de la inteligencia artificial
Imaginación, creatividad y lenguaje en una nueva era tecnológica
Carmen Torrijos y José Carlos Sánchez
Catarata y Prodigioso Volcán

https://www.catarata.org/libro/la-primavera-de-la-inteligencia-artificial_147651

https://tienda.prodigiosovolcan.com/products/la-primavera-de-la-inteligencia-artificial

Frases entresacadas e ideas interesantes que puedo utilizar:

(Página 183)
“Hacer pasar una predicción por una decisión se ha vuelto, en realidad, algo muy habitual.”

(Página 259)
“El carácter líquido del propio concepto IA es un problema añadido al afán por vender modernidad. Según Pamela McCorduck, en su libro Máquinas que piensan (1991), el efecto IA explica que lo que es IA y lo que no lo es va cambiando con el tiempo. Una de las razones es la normalización de los avances: a medida que la IA resuelve un problema y se puede explicar y comprender cómo lo hace, ese sistema deja de parecernos inteligente y su uso se integra discretamente junto con otras soluciones conocidas.”

Decoding Student Error in Programming: An Iterative Approach to Understanding Mental Models

Decoding Student Error in Programming: An Iterative Approach to Understanding Mental Models
Francisco J. Gallego-Durán, Patricia Compañ-Rosique, Carlos J. Villagrá-Arnedo, Gala M. García-Sánchez, Rosana Satorre-Cuerda, Rafael Molina-Carmona, Faraón Llorens-Largo, Sergio J. Viudes-Carbonell, Alberto Real-Fernández & Jorge Valor-Lucena
25th International Conference on Human-Computer Interaction (HCII 2023)
Copenhagen, Denmark
23-28 July 2023
10th International Conference on Learning and Collaboration Technologies (LCT 2023).

Lecture Notes in Computer Science book series (LNCS,volume 14040) (https://link.springer.com/book/10.1007/978-3-031-34411-4)

https://link.springer.com/chapter/10.1007/978-3-031-34411-4_18

https://doi.org/10.1007/978-3-031-34411-4_18

Abstract
In computer programming education, despite yearly changes in teaching methodologies, students still struggle to grasp the concepts. When they advance to more complex projects, gaps in their basic knowledge become evident. It seems that the knowledge they learn in the first course is forgotten or not well understood. This proposal aims to explore students’ mental models of computer programming concepts to better understand and identify any misconceptions. An iterative methodology is proposed to identify, test, analyse and evidence students’ erroneous mental models in programming. Characterising these mental models is a first step to deepen our understanding and designing strategies to help students improve them. The proposed methodology is exemplified in detail through an undergoing use case at the University of Alicante, and some early results are discussed.

Keywords
Programming, Learning, Mental Models

Cite this paper as:
Gallego-Durán, F.J. et al. (2023). Decoding Student Error in Programming: An Iterative Approach to Understanding Mental Models. In: Zaphiris, P., Ioannou, A. (eds) Learning and Collaboration Technologies. HCII 2023. Lecture Notes in Computer Science, vol 14040. Springer, Cham. https://doi.org/10.1007/978-3-031-34411-4_18

Two-Phases AI Model for a Smart Learning System

Two-Phases AI Model for a Smart Learning System
Javier García-Sigüenza, Alberto Real-Fernández, Rafael Molina-Carmona & Faraón Llorens-Largo
25th International Conference on Human-Computer Interaction (HCII 2023)
Copenhagen, Denmark
23-28 July 2023
10th International Conference on Learning and Collaboration Technologies (LCT 2023).

Lecture Notes in Computer Science book series (LNCS,volume 14040) (https://link.springer.com/book/10.1007/978-3-031-34411-4)

https://link.springer.com/chapter/10.1007/978-3-031-34411-4_4

https://doi.org/10.1007/978-3-031-34411-4_4

Abstract
Current Information Technologies are mature enough to favor the creation of adaptive learning systems that also encourages active, autonomous and persistent learning. A solution could be the creation of artificial intelligence algorithms capable of detecting the individual learning needs and features of the learners, what skills they are acquiring and how they do it, or how they behave, in order to offer them an adapted and personalized learning experience. This is what is defined a smart learning system.

Therefore, in this research we aim to propose an Artificial Intelligence (AI) model for a learning system to achieve this purpose. It is based on a learning model called CALM (Customized Adaptive Learning Model), that offers personalized learning through different learning paths and adapts to each learner by offering a specific activity at any time. The selection of this activity relies on an AI engine that detects the needs and characteristics of the learner and selects the most appropriate activity.

To implement an AI model for this purpose, applying CALM principles, we propose the use of both the information provided by activities and the learner’s characteristics and progression. Combining these datasets with the use of deep learning techniques, we propose a two phases process. First, the model makes predictions that are personalized for each student, and then it applies a concrete instructional strategy to make the final decision, allowing the teacher to adapt and guide the student’s learning.

Keywords
Smart Learning, Artificial Intelligence, Deep Learning

Cite this paper as:
García-Sigüenza, J., Real-Fernández, A., Molina-Carmona, R., Llorens-Largo, F. (2023). Two-Phases AI Model for a Smart Learning System. In: Zaphiris, P., Ioannou, A. (eds) Learning and Collaboration Technologies. HCII 2023. Lecture Notes in Computer Science, vol 14040. Springer, Cham. https://doi.org/10.1007/978-3-031-34411-4_4

Preguntar para aprender

Preguntar para aprender
UniverSÍdad (www.universidadsi.es)
Faraón Llorens
20/07/2023

El mes pasado la Universidad de Málaga organizó la Jornada Inteligencia artificial generativa y docencia. ¿Qué vas a hacer? en la que impartí la charla El Rey va desnudo. Replanteando los trabajos académicos en la universidad. En ella argumentaba que al igual que el niño de la fábula, ahora la IA generativa estaba señalando las deficiencias del sistema educativo, en general y de la evaluación en particular. Pero estas deficiencias no son nuevas ni causadas por esta nueva tecnología.

/…/

Como dice el título del post, debemos explorar el valor de las preguntas en el aprendizaje. Suelo empezar mis charlas diciendo a los asistentes que, si han venido en busca de respuestas, no soy el orador adecuado. Mi objetivo es que, si han acudido con dos o tres preguntas sobre el tema, salgan con más de diez. Y es en ese momento cuando se está en condiciones de aprender: espoleado por la curiosidad y guiado por la satisfacción de saber.

Querida lectora, querido lector, espero que en estos momentos tengas más preguntas que al iniciar la lectura de este post. Tienes por delante el mes de agosto para reflexionar. ¡Felices vacaciones!

Leer la entrada completa:
www.universidadsi.es/preguntar-para-aprender

Educando centauros digitales

Educando centauros digitales
Faraón Llorens
Revista Hipótesis
https://www.ull.es/portal/cienciaull/revistahipotesis/
Nº 15. Más allá del ChatGPT. Reflexiones sobre el presente y futuro de la IA
https://www.ull.es/portal/cienciaull/tabletplanet/?w=4806
Universidad de La Laguna

¿Estamos enseñando a nuestros jóvenes lo que saben hacer las máquinas? Esto sería un error imperdonable, ya que las máquinas lo harán no solo mejor, sino más barato y sin cansarse ni pedir vacaciones. Hemos de aprender a colaborar con las máquinas, no a luchar contra ellas, ya que el resultado de esta colaboración será superior al que se consigue de forma separada.
/…/
Soy optimista, lo sé, pero va en el ADN de ser profesor. Tenemos un sistema educativo diseñado para un mundo con escasez de información, en el que había que ir a buscarla y guardarla para cuando la necesitásemos. Eso justificaba la etapa de nuestras vidas en la que nos formábamos y acudíamos a la universidad. Pero ahora vivimos en una sociedad con sobreinformación (verdades, medias verdades y falsedades), con acceso inmediato y a demanda a la misma. Las universidades, cumpliendo nuestro compromiso con la sociedad de creación, transmisión y preservación del conocimiento, ¿sabremos dar respuesta a este reto?

La nueva realidad de la educación ante los avances de la inteligencia artificial generativa

La nueva realidad de la educación ante los avances de la inteligencia artificial generativa
Francisco José García Peñalvo (Universidad de Salamanca), Faraón Llorens-Largo (Universidad de Alicante) y Javier Vidal (Universidad de León)
Revista Iberoamericana de Educación a Distancia (RIED)
Vol. 27 Núm. 1 (2024): Tendencias en la Educación Digital
https://revistas.uned.es/index.php/ried/issue/view/1749

https://revistas.uned.es/index.php/ried/article/view/37716

DOI: https://doi.org/10.5944/ried.27.1.37716

Palabras clave: inteligencia artificial, inteligencia artificial generativa, ChatGPT, educación

Resumen
Cada vez es más común interactuar con productos que parecen “inteligentes”, aunque quizás la etiqueta “inteligencia artificial” haya sido sustituida por otros eufemismos. Desde noviembre de 2022, con la aparición de la herramienta ChatGPT, ha habido un aumento exponencial en el uso de la inteligencia artificial en todos los ámbitos. Aunque ChatGPT es solo una de las muchas tecnologías generativas de inteligencia artificial, su impacto en los procesos de enseñanza y aprendizaje ha sido notable. Este artículo reflexiona sobre las ventajas, inconvenientes, potencialidades, límites y retos de las tecnologías generativas de inteligencia artificial en educación, con el objetivo de evitar los sesgos propios de las posiciones extremistas. Para ello, se ha llevado a cabo una revisión sistemática tanto de las herramientas como de la producción científica que ha surgido en los seis primeros meses desde la aparición de ChatGPT. La inteligencia artificial generativa es extremadamente potente y mejora a un ritmo acelerado, pero se basa en lenguajes de modelo de gran tamaño con una base probabilística, lo que significa que no tienen capacidad de razonamiento ni de comprensión y, por tanto, son susceptibles de contener fallos que necesitan ser contrastados. Por otro lado, muchos de los problemas asociados con estas tecnologías en contextos educativos ya existían antes de su aparición, pero ahora, debido a su potencia, no podemos ignorarlos solo queda asumir cuál será nuestra velocidad de respuesta para analizar e incorporar estas herramientas a nuestra práctica docente.

Usos y desusos del modelo GPT-3 entre estudiantes de grados de ingeniería

Usos y desusos del modelo GPT-3 entre estudiantes de grados de ingeniería
Daniel Amo-Filva, David Fonseca, David Vernet, Eduard De Torres, Pol Muñoz Pastor, Víctor Caballero, Eduard Fernandez, Marc Alier Forment, Francisco José García-Peñalvo, Alicia García-Holgado, Faraón Llorens-Largo, Rafael Molina-Carmona, Miguel Á. Conde, Ángel Hernández-García
XXIX Jornadas sobre Enseñanza Universitaria de la Informática (JENUI 2023)
Granada, 5, 6 y 7 de julio de 2023

Resumen
La herramienta ChatGPT, basada en el modelo GPT-3 desarrollado por OpenAI, ya se utiliza por estudiantes de grados de ingeniería como herramienta de apoyo en su proceso de aprendizaje. En este contexto, las implicaciones negativas que presenta el uso de esta herramienta son diversas: dependencia tecnológica, obstaculización del saber y conocer práctico, error en las respuestas, problemas éticos o incluso problemas legales. El uso de esta herramienta sin que los estudiantes hayan recibido formación se considera como problema a investigar. El objetivo es entender en profundidad el contexto tecnológico de la herramienta, cómo se utiliza actualmente entre los estudiantes de ingeniería de un conjunto de universidades privadas y públicas, y su impacto en la educación universitaria. Este artículo es un trabajo en desarrollo donde se presenta el contexto del estudio, la metodología de investigación y unos primeros resultados. Se conduce una encuesta cualitativa-exploratoria con una muestra de más de 360 estudiantes de grados de ingeniería matriculados en diferentes cursos. Se utiliza una estratificación aleatoria para asegurar que la muestra sea representativa de la población. Los resultados sugieren que el modelo GPT-3 puede ser utilizado como una herramienta beneficiosa para los estudiantes de grados de ingeniería.

Palabras clave
ChatGPT, GPT-3, OpenAI, TIC, universidad, ingeniería, riesgos tecnológicos, proceso de aprendizaje, ética, legalidad, encuesta cualitativa-exploratoria, estratificación aleatoria.

Artículo completo (pdf)

Vol 8 (2023) – Actas de las XXIX Jornadas sobre Enseñanza Universitaria de la Informática (Granada, 5, 6 y 7 de julio de 2023) (pdf)