marzo 2024
M T W T F S S
 123
45678910
11121314151617
18192021222324
25262728293031

¡Que viene la IA! ¿estoy preparada/o?

¡Que viene la IA! ¿estoy preparada/o?
David Fonseca. La Salle. Universidad Ramon Llull.
Francisco José García Peñalvo. Universidad de Salamanca.
Faraón Llorens. Universidad de Alicante.
Rafael Molina. Universidad de Alicante.

Conferencia colaborativa e interactiva sobre Inteligencia Artificial

CINAIC 2023 (Congreso Internacional sobre Aprendizaje, Innovación y Cooperación)
http://cinaic.net

Presentación:
En zenodo: https://zenodo.org/records/10050857
(pdf)

Resumen: pdf

Acceso al video de la conferencia:

Presentación utilizada: pdf

Abundancia

Abundancia.
El futuro es mejor de lo que piensas

Peter H. Diamandis y Steven Kotler
Antoni Bosch Editor
Colección Imago Mundi, volumnen 350

https://antonibosch.com/libro/abundancia

Enlaces de interés:

Frases entresacadas e ideas interesantes que puedo utilizar:

(Página )
“”

Incrementando la madurez digital en sistemas universitarios iberoamericanos

Panel
Incrementando la madurez digital en sistemas universitarios iberoamericanos
Ponentes: Dr. Faraón Llorens, Dr. Antonio Fernández y Dra. Alicia Daverio.
Moderadoras: Dra. Luz María Castañeda de León, Dra. Alejandra Herrera y Dra. Carmen Díaz
9 de octubre de 2023

https://encuentro-tic.anuies.mx/panel-madurez-digital

Encuentro ANUIES-TIC 2023
“La transformación digital de la educación superior para una nueva sociedad”
9, 11, 12 y 13 de octubre de 2023
Universidad Autónoma de San Luis Potosí

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.

Observatorio de Inteligencia Artificial en Educación Superior

Hoy a tenido lugar en Madrid en la UE STEAM School (Escuela de Arquitectura, Ingeniería y Diseño) la primera reunión presencial del Observatorio de Inteligencia Artificial en Educación Superior de la Universidad Europea.

Muchas gracias por contar conmigo. Ha sido una sesión muy interesante y en la que he aprendido mucho.

La Universidad Europea constituye un observatorio de Inteligencia Artificial

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