Alexander Sánchez Díaz, M. Pilar Escobar Esteban, Manuel Marco Such, Alejandro Maté Morga, María Dolores Sáez Fernández, Juan Trujillo Mondéjar, José-Luis Vicedo González
Este paper describe la metodología de un marco de trabajo, para el diseño e implementación práctica de chatbots, que responden automáticamente preguntas generadas por estudiantes que interactúan mediante tutorías virtuales. La metodología es validada mediante consultas a expertos que integran un grupo de profesores de Teoría y Prácticas de la asignatura Sistemas y Tecnologías de Información, en la carrera de Informática en la Universidad de Alicante (UA). La propuesta parte de la necesidad principal de responder en un período breve de tiempo numerosas tutorías que generan grupos con amplia matrícula de estudiantes. De ello surge la pregunta de cómo asistir al docente y a los estudiantes con herramientas automáticas que sean capaces de interpretar el lenguaje natural y generar respuestas de alta calidad, con la capacidad de superar el Test de Turing, y cumpliendo con los objetivos educativos e instructivos planteados en un programa curricular. Se describe la implementación de tutores virtuales basados en tecnología RASA, a partir de experiencias prácticas en la impartición de la asignatura e-Learning en el grado en Ingeniería Multimedia, en la UA. La solución tecnológica parte de un Corpus de datos de entrenamiento de conversaciones creadas por estudiantes que desarrollan diferentes proyectos en la modalidad Aprendizaje Basado en Proyectos (ABP). La solución permite el desarrollo de un chatbot generativo, capaz de combinar un dominio de conversacional amplio con temáticas específicas basadas en reglas. La propuesta se basa en modelos de redes neuronales para la Interpretación del Lenguaje Natural, a través de voz o texto, y la Gestión de Diálogos mediante inferencia. El flujo de trabajo es posible personalizarlo con diferentes herramientas para el Word Embedding, Name Entities Recognition, Regular Expressiones and Tokenizer. Se describe cómo reutilizar los diálogos generados por los estudiantes a través de técnicas de Transfer Learning. La solución es capaz de identificar el contexto conversacional a partir del flujo natural de la conversación con el asistente así como la detección de aspectos claves para la elaboración de las respuestas mediante la identificación de la intención del usuario. Los modelos se basan en redes de tipo Transformer, capaces de incorporar mecanismos de atención avanzados. Mediante el manejo de conversaciones de tipo “chit-chat” es posible dar un aspecto natural a la conversación, con el propósito de mantener conectado al estudiante durante toda la tutoría y evitar abandonos tempranos. La perspectiva multicanalidad y su carácter ubicuo, se ofrece con la integración de la propuesta en varios canales de comunicación como Slack, Instagram o una página web cualquiera. Planteamos como caso de estudio su utilización en la asignatura Sistemas de Tecnologías de la Información en la carrera de Informática para la enseñanza de conceptos relacionados con la creación y gestión de empresas. Por último, las conclusiones abordan el resultado de triangular técnicas de Análisis y Visualización de Datos usadas durante la conformación del Corpus de Entrenamiento, con otras de Generación de Contenidos y Procesamiento del Lenguaje Natural.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados