Desarrollo de modelos evaluación de la complejidad, aprendizaje y desempeño en el entorno de simuladores NAVANTIS

Navantia lleva varios años trabajando en el desarrollo de una nueva familia de productos llamada NAVANTIS cuyo objetivo es servir de elemento vertebrador de su nuevo modelo de Adiestramiento 4.0.

Como parte de la hoja de ruta de dicho desarrollo, se incluye la exploración, desarrollo y empleo de algoritmos de IA y la aplicación de Big Data y Analitics para apoyar al profesor en el análisis del desempeño de los alumnos cuando realizan ejercicios de adiestramiento sobre un simulador.

En este contexto ITCL ha desarrollado un modelo que define matemáticamente los conceptos asociados con el desempeño del alumno y otros aspectos conectados con la evaluación de su aprendizaje.

Presentación en DESEI+D

Los resultados de esta investigación son públicos y se han presentado en el congreso en DESEI+D 2022.

Esta investigación empezó con la realización de un estado del arte en el cual se determinó que no existían modelos de evaluación del aprendizaje basados en detección de patrones con IA y fórmulas pesadas. Tras el estudio del estado del arte se formuló el modelo basado en varias definiciones:

el concepto de complejidad de una simulación ejecutada en el entorno de los simuladores NAVANtia Training Integrated System (NAVANTIS), productos y servicios de apoyo al adiestramiento en la Operación y/o Mantenimiento de los Sistemas de Navantia durante la fase de explotación de los mismos.
el concepto del desempeño del alumno con respecto a dicha simulación
el concepto del aprendizaje del alumno tras diferentes simulaciones.

Aprendizaje del alumno

Por consiguiente, el artículo presenta un modelo con tres definiciones que han sido desarrolladas a partir de los estudios de complejidad, desempeño del alumno y aprendizaje del alumno.

Primeramente, la complejidad se ha caracterizado mediante categorías que, en cada una de ellas, de modo que puedan clasificarse por clases distintas simulaciones con curvas de dificultad por índices similares; seguidamente, el desempeño del alumno se ha calculado con respecto a estas curvas de dificultad pues el alumno, con sus acciones, puede modificar el estado de la simulación.

Finalmente, el aprendizaje del alumno se ha determinado mediante la variación del desempeño a medida que el alumno realiza diferentes simulaciones de la misma o distinta complejidad. Para la resolución de los modelos se han propuesto técnicas de IA para la detección de patrones, fórmulas pesadas y espacios vectoriales.