Plataformas de colaboración en escenarios educativos para el aprendizaje en red mediante inteligencia colectiva con filtros colaborativos



Descargar 56,05 Kb.
Fecha de conversión02.07.2017
Tamaño56,05 Kb.
Plataformas de colaboración en escenarios educativos para el aprendizaje en red mediante inteligencia colectiva con filtros colaborativos



Jhon Haide Cano Beltrán1

1Universidad Cooperativa de Colombia

Cali, Colombia



1e-mail: jhon.canob@campusucc.edu.co
Álvaro Javier Muñoz Daza2

2Universidad Cooperativa de Colombia

Cali, Colombia



2e-mail: alvaro.muñozd@campusucc.edu.co



RESUMEN

La inteligencia colectiva ha permitido resolver más problemas a nivel de grupo que si lo hicieran de manera individual, esta afirmación conlleva a que los estudiantes y profesores dejan de ser actores pasivos para convertirse en actores activos de los cuales se puede obtener información relevante y de interés para grupos especializados, de esta manera las técnicas de filtro colaborativo permiten inferir recomendaciones y estrategias que permitan la generación de conocimiento colectivo.

Este conocimiento colectivo tiene dos premisas importantes, la primera es que el conocimiento colectivo se da entre dos o más personas y segundo que exista interacciones entre ellas, aunado a estas dos premisas la web provee un espacio fascinante que cumplen con las condiciones anteriores y además genera espacios de participación y colaboración, no solo de personas sino también de recursos tales como servicios web, peer to peer, redes sociales entre otros, lo que posibilita la construcción de redes de tipo colaborativo, vínculos internos y vínculos externos, de esta manera se tiene la red como plataforma y el software como un servicio, Toby Segaran en su libro Programming Collective Intelligence aclara que “los precios no se establecen por un individuo sino por el comportamiento comercial de muchos independientes que actúan y crecen por su propio interés”, de allí que se puedan obtener patrones y recomendaciones sobre un tema específico aplicando la inteligencia colectiva.
Palabras Clave

Plataforma Colaborativa, Educación, Aplicación Informática, TICs, Motor de Sugerencias.


ABSTRACT

Collective intelligence has solved more problems at group level if they did individually, this statement entails that students and teachers are no longer passive actors become active players of which can be to obtain relevant and of interest for specialized groups, so collaborative filtering techniques to infer recommendations and strategies for the generation of collective knowledge.

This collective knowledge has two important premises: the first is that the collective knowledge exists between two or more people and second that there is interaction between them, these two premises together with the web provides a fascinating space that meet the above conditions and generates opportunities for participation and collaboration, not only of people but also of resources such as Web services, peer to peer, social networking among others, making it possible to build a collaborative network, internal links and external links, so you have the network as a platform and software as a service, Toby Segaran in his book Programming Collective Intelligence clarifies that "prices are not set by an individual but by the commercial behavior of many independent act and grow in their own interest", hence patterns that can be obtained and recommendations on a specific topic using collective intelligence.

Keywords

Collaborative Platform, Education, Computer Application, TICs, Suggestions Engine.



INTRODUCCIÓN

¿Qué algoritmos basados en Inteligencia Colectiva permiten crear un modelo de motor de sugerencias, por medio del cual se pueda extraer información de las diferentes interacciones y contribuciones que hacen los estudiantes y profesores de las instituciones educativas en una plataforma colaborativa?

Las entidades educativas en Colombia, enfrentan un reto frente a la sociedad en red (Castells, 2001) y en especial con las TIC’s (Tecnologías de la Información y la Comunicación), crear y organizar mediante inteligencia colectiva grupos con actividades de aprendizaje similar, propende para que la información y el conocimiento se conviertan en elementos generadores de aprendizaje, de esta manera proveer una plataforma colaborativa en el que los estudiantes y profesores puedan obtener sugerencias dependiendo de su área de interés y que de esas sugerencias puedan tomar decisiones se convertiría en una plataforma de colaboración útil en los escenarios educativos.

El Centro para la Inteligencia Colectiva (CIC) en cabeza de su director Tom Malone del MIT (Instituto Tecnológico de Massachusetts) define lo colectivo como un grupo de actores individuales, incluyendo por ejemplo personas, agentes computacionales y organizaciones; y por inteligencia al comportamiento colectivo del grupo que presenta características tales como la percepción, el aprendizaje, el juicio o la resolución de problemas. Actualmente el CIC adelanta investigaciones orientadas a las organizaciones entre ellas la colaboración distribuida, teniendo como variables las culturas, estructuras y procesos organizacionales.

Las instituciones educativas actualmente se han convertido en escenarios de carácter colaborativo, es decir, las individualidades son propensas a crear limitantes o barreras mentales, por esta razón han dejado de ser relevantes para los entornos educativos y poco a poco esas individualidades se han estado convirtiendo en grupos de trabajo colaborativo, estos modelos colaborativos aplican entre muchos otros a entornos educativos, permitiéndole crear espacios visibles en donde los estudiantes y docentes trabajen conjuntamente y de manera colaborativa.

El advenimiento de la Web 2.0 privilegia las plataformas colaborativas como un nuevo enfoque de participación colectiva en la que los usuarios y la información en sus diferentes formatos, se presentan como una nueva forma de conocimiento dirigido y centrado en los temas que atañen a cada comunidad en particular, privilegiando las ontologías que son la conceptualización formal de un dominio en particular que sea de interés para un grupo de trabajo.

La Inteligencia Colectiva permite que la colaboración entre individuos se destaque muy por encima de la individualidad, las organizaciones intelectuales como los grupos de investigación y centros de investigación de desarrollo tecnológico necesitan plataformas de colaboración que le permita procesar información de diferentes fuentes y de esa forma trabajar en temáticas afines con su objeto de estudio.

Ahora bien, la inteligencia colectiva posibilita la construcción de redes de tipo colaborativo haciendo que la Web se comporte como una plataforma y el software como un servicio, esto le permitirá a los estudiantes y docentes o a las organizaciones intelectuales crear relaciones de trabajo e investigación propiciando que esos grupos humanos puedan constituirse en colectivos inteligentes y así mantenerse altamente competitivos en su quehacer académico y empresarial, aunado a este trabajo colaborativo la minería de datos se convierte en un agente catalizador en la búsqueda y conceptualización de la información referente a un tema de estudio por parte de los estudiantes y profesores.

"Las personas han utilizado la frase Inteligencia colectiva por décadas, y se ha convertido cada vez más popular y más importante con el advenimiento de las nuevas tecnologías de la comunicación." (Segaran, 2007. p. 2). La inteligencia colectiva existía mucho antes que la aparición del internet, pero ahora la habilidad de recolectar información de miles de millones de personas en la Web ha abierto nuevas posibilidades en este campo.

Wikipedia es una enciclopedia en línea creada única y exclusivamente por las contribuciones que hacen los usuarios, cualquier página puede ser creada o editada por cualquier persona, es decir, cada artículo o página publicada es mantenida por un grupo de usuarios que da como resultado una de las enciclopedias más grandes del mundo.

Google es el motor de búsqueda más popular y fue el primer buscador en relacionar páginas web para aumentar la velocidad de las búsquedas, y se basa en la elección de un usuario en una página de interés, entre más enlaces tenga la página más popular se vuelve.

"El ideal de la inteligencia colectiva implica la valoración técnica, económica, jurídica y humana de una inteligencia repartida en todas partes con el fin de desencadenar una dinámica positiva del reconocimiento y de la movilización de las competencias." (Levy, 2004. p.20).

“Una nueva generación de tecnologías tiene como objetivo incursionar en las organizaciones” (Grasso y Convertino, 2012. p.1), de allí que el internet juega un papel muy importante en la consecución de las metas propuestas, pero no solo el internet como red de redes, es importante hacer mención de la web 2.0 en la que se soporta la inteligencia colectiva, las instituciones de educación hacen evidente que las relaciones académicas en un ámbito descentralizado ayuda al intercambio de conocimiento y hacen colectivas las decisiones, es decir, se está empezando a crear espacios en el que la misma organización se vuelve un consumidor de su información.

Pero qué hacer con toda esa información relevante e importante para una institución, es allí en donde la inteligencia colectiva juega un papel muy importante, entre sus múltiples aplicaciones se encuentran las recomendaciones, grupos de aprendizaje, búsqueda y posicionamiento, optimización, filtros, modelamiento y decisiones. Los modelos estadísticos casi siempre están en el campo de las predicciones y es más acertado, que personas expertas en un campo de acción determinado, pero si las personas tienen la habilidad de obtener los datos y organizarlos, de allí la pregunta ¿Cómo se pueden hacer predicciones en acciones o comportamientos en sistemas sociales complejos? (Nagar y Malone, 2011. p.2), expuesta la pregunta es importante decir que la inteligencia colectiva en sus aplicaciones aborda este tipo de problemáticas, las sociedades al igual que las organizaciones son estructuras complejas, que necesitan modelos computacionales y personas que interactúen con esos modelos, ahora bien, los sistemas de recomendación tienen dos aspectos a tratar el primer aspecto tiene que ver con la generación de posibles soluciones y el segundo aspecto la evaluación de esas posibles soluciones, lo que hace supremamente complejo la toma de decisiones, actualmente los sistemas autogestionados toman mayor campo de acción en las industrias, ya que estos sistemas pueden resolver situaciones en un menor tiempo que si lo hiciera un humano experto.

Para la toma de decisiones se puede hablar de tres enfoques: Los Alcances, Valor Agregado y Auto-organización (Bonabeau, 2009. p.3), los sistemas de información en su más simple estructura siempre están apuntando a la evaluación de alternativas, obtener la más adecuada y de una u otra manera auto-organizarse, en otras palabras esto no es más que el ciclo básico de un sistema (Entrada – Proceso - Salida).

Las TIC’s permiten representar conocimiento de tal manera que los estudiantes y profesores puedan colaborar con otros actores, consultar expertos, compartir experiencias de aprendizaje y resolver problemas complejos, estos elementos cambian los modos de aprendizaje y la manera en que las personas procesan la información.

Existen tres tipos de inteligencia en la web (Alag, 2009. p.14), la inteligencia explicita, en la que un amigo o una persona hace una recomendación u opiniones y ésta puede llegar a tener un alto impacto en el mismo grupo o en otros grupos, inteligencia implícita, la información que se obtiene de los usuarios proviene de fuentes diversas, muchas veces la información no se encuentra estructurada (foros, mensajes, blogs), el ultimo tipo de inteligencia en la web es la inteligencia derivada, las aplicaciones que implementan este tipo de inteligencia, por lo general utilizan minería de datos, motores de recomendación, búsquedas inteligentes y análisis predictivo para obtener información, por lo general son algoritmos complejos.

El Instituto Tecnológico de Massachusetts (MIT) cuenta con un centro para la inteligencia colectiva1, este centro tiene varios proyectos de investigación entre los que se encuentra el estudio de la inteligencia colectiva en las organizaciones hoy en día, y se trabaja en temas como la colaboración distribuida, organizaciones sensibles, redes colaborativas de innovación y tendencias a través de análisis online social media.



Marco Teórico

En este aparte se tratan las nociones generales de algunos conceptos fundamentales que establezcan una base conceptual bien definida para comprender el propósito del tema de investigación.


PHOAKS (People Helping One Another Know Stuff) era un sistema experimental para compartir recomendaciones, trabajaba reconociendo, relacionando e intercambiando recomendaciones de recursos web extraídos de mensajes de news groups.
FAB era un sistema hibrido, basado en contenido y filtrado colaborativo, se basa en determinar similitudes entre usuarios y haciendo un cruce de los perfiles realiza una recomendación colaborativa.
ReferralWeb proponía un sistema de recomendación interactivo para la construcción, visualización y búsqueda de redes sociales, se centraba en la concurrencia de nombres en páginas web utilizando un buscador web. No se intentaba crear nuevas comunidades sino hacer un uso más eficiente de las redes existentes.
Web Semántica

Las computadoras actualmente tienden cada vez más a dejar de ser dispositivos aislados y se están convirtiendo en puntos de red para intercambio de información y transacciones comerciales, lo que permite una interacción entre los datos, la información y el conocimiento que son claves en la consecución de información para un dominio establecido.


Las tecnologías semánticas desacoplan las aplicaciones de datos mediante un modelo simple y abstracto para la representación del conocimiento, lo que permite centrarse en el comportamiento de las aplicaciones en lugar del procesamiento de datos, lo que conlleva a comunicar con suficiente significado el resultado de una acción. La esencia de los modelos de datos semánticos son esquemas flexibles en donde las relaciones son descritas por los propios datos, de allí que los metadatos representan el conocimiento de cómo los datos pueden ser utilizados.
Las ontologías precisamente permiten tener una comprensión compartida y un dominio en común entre las personas y los sistemas de aplicación, basándose en estándares actuales de la web, por esta razón las ontologías permiten apoyar procesos de intercambio de información en diferentes áreas del conocimiento, hoy en día se tienen a las ontologías como tema de investigación en ingeniería del conocimiento, procesamiento de lenguaje natural, inteligencia artificial y representación del conocimiento.
RDF (Resource Description Framework) define un modelo formal de datos basado en tripletas, objetos, propiedades y valor, fue desarrollado por el World Wide Web Consortium (W3C)2, y su creación se debe a la gran cantidad de información que se puede encontrar en internet, es por ésta razón que los motores de búsqueda deban apuntar de manera perentoria la forma en que se recuperan la estructura y la semántica de ese conjunto de elementos (Información), adicionalmente la W3C ha propuesto nuevas tecnologías que facilitan la incorporación de semántica a las páginas Web con el fin de imponer la necesidad de una restricción estructural para proporcionar métodos inequívocos de expresión semántica, las grandes empresas de software buscan desarrollar e implementar ésta infraestructura de descripción de recursos, dado que hoy en día la red está catalogada como la plataforma de los sistemas de información.
Redes Sociales

Relacionado con el tema anterior las redes sociales abren aún más el espectro del verdadero significado de la representación del conocimiento en la web semántica, el análisis de las redes tiene una visión global sobre las estructuras sociales en la creencia de que los tipos y patrones de relaciones surgen de la conectividad individual, en este sentido el estudio de la red se centra en la interdependencia de la comunidad, de allí que se desprenda el descubrimiento de patrones, tendencias y regularidades para poder determinar ciertas características en las variables asociadas y comprender mejor los datos de las estructuras sociales.

La minería de datos en la web permite el descubrimiento de recursos y extracción de la información en los que se encuentran todo tipo de documentos en la web y consulta a bases de datos, para luego descubrir y validar patrones que permitan un acercamiento al objeto de estudio, en los que se puede encontrar hábitos, preferencias de los usuarios o contenidos a partir de las sesiones que crean los usuarios.

Esto presenta un enfoque diferente a los fenómenos sociales, lo que exige un nuevo conjunto de conceptos y nuevos métodos para la recolección y análisis de datos, proporcionando modelos formales en la captura de las propiedades comunes para las redes sociales.


Inteligencia Colectiva

La inteligencia colectiva ha permitido resolver más problemas a nivel de grupo que si lo hicieran de manera individual, esta afirmación conlleva a que los usuarios dejan de ser actores pasivos para convertirse en actores activos de los cuales se puede obtener información relevante y de interés para grupos especializados, de esta manera las técnicas de filtro colaborativo permiten inferir recomendaciones y estrategias que permitan la generación de conocimiento colectivo.

Este conocimiento colectivo tiene dos premisas importantes, la primera es que el conocimiento colectivo se da entre dos o más personas y segundo que exista interacciones entre ellas, aunado a estas dos premisas la web provee un espacio fascinante que cumplen con las condiciones anteriores y además genera espacios de participación y colaboración, no solo de personas sino también de recursos tales como servicios web, peer to peer, redes sociales entre otros, lo que posibilita la construcción de redes de tipo colaborativo, vínculos internos y vínculos externos, de esta manera se tiene la red como plataforma y el software como un servicio, Toby Segaran en su libro Programming Collective Intelligence aclara que “los precios no se establecen por un individuo sino por el comportamiento comercial de muchos independientes que actúan y crecen por su propio interés”, de allí que se puedan obtener patrones y recomendaciones sobre un tema específico aplicando la inteligencia colectiva.
Las tecnologías semánticas desacoplan las aplicaciones de datos mediante un modelo simple y abstracto para la representación del conocimiento, lo que permite centrarse en el comportamiento de las aplicaciones en lugar del procesamiento de datos, lo que conlleva a comunicar con suficiente significado el resultado de una acción. La esencia de los modelos de datos semánticos son esquemas flexibles en donde las relaciones son descritas por los propios datos, de allí que los metadatos representan el conocimiento de cómo los datos pueden ser utilizados. Las ontologías precisamente permiten tener una comprensión compartida y un dominio en común entre las personas y los sistemas de aplicación, basándose en estándares actuales de la web, por esta razón las ontologías permiten apoyar procesos de intercambio de información en diferentes áreas del conocimiento, hoy en día se tienen a las ontologías como tema de investigación en ingeniería del conocimiento, procesamiento de lenguaje natural, inteligencia artificial y representación del conocimiento. RDF (Resource Description Framework) define un modelo formal de datos basado en tripletas, objetos, propiedades y valor, fue desarrollado por el World Wide Web Consortium (W3C) y su creación se debe a la gran cantidad de información que se puede encontrar en internet, es por ésta razón que los motores de búsqueda deban apuntar de manera perentoria la forma en que se recuperan la estructura y la semántica de ese conjunto de elementos (Información), adicionalmente la W3C ha propuesto nuevas tecnologías que facilitan la incorporación de semántica a las páginas Web con el fin de imponer la necesidad de una restricción estructural para proporcionar métodos inequívocos de expresión semántica, las grandes empresas de software buscan desarrollar e implementar ésta infraestructura de descripción de recursos, dado que hoy en día la red está catalogada como la plataforma de los sistemas de información.

Relacionado con el tema anterior las redes sociales abren aún más el espectro del verdadero significado de la representación del conocimiento en la web semántica, el análisis de las redes tiene una visión global sobre las estructuras sociales en la creencia de que los tipos y patrones de relaciones surgen de la conectividad individual, en este sentido el estudio de la red se centra en la interdependencia de la comunidad, de allí que se desprenda el descubrimiento de patrones, tendencias y regularidades para poder determinar ciertas características en las variables asociadas y comprender mejor los datos de las estructuras sociales. La minería de datos en la web permite el descubrimiento de recursos y extracción de la información en los que se encuentran todo tipo de documentos en la web y consulta a bases de datos, para luego descubrir y validar patrones que permitan un acercamiento al objeto de estudio, en los que se puede encontrar hábitos, preferencias de los usuarios o contenidos a partir de las sesiones que crean los usuarios.

La creación del motor de sugerencias planteado como objetivo en este proyecto, lograra que las recomendaciones o sugerencias tengan en realidad un significado, es decir, las instituciones educativas se convierten en generadoras de conocimiento en red y la información que se obtiene pasa de ser la agrupación de datos a unas consultas semánticas con la habilidad de sugerir o recomendar actividades o estrategias en los campos de acción de cada estudiante o profesor.

METODOLOGÍA

El desarrollo del modelo de sugerencias está basado en la indagación de las arquitecturas en las que se soporta, con el fin de generar patrones maduros en la construcción del modelo. Relacionados de manera directa con las arquitecturas y los patrones, está el desarrollo del sistema de información el cual estará soportado en una programación orientada a objetos, con una metodología de desarrollo RUP (Proceso Unificado Racional) unida al lenguaje de modelado unificado (UML), se presenta como un apoyo en la obtención de requerimientos, construcción y documentación de la plataforma colaborativa.

Para las etapas de la metodología RUP se tienen en cuenta las siguientes fases.

Etapa de Ingeniería

Esta etapa agrupa las fases de concepción y de elaboración, lo que básicamente le da por objetivos la conceptualización del sistema y el diseño inicial de la solución del problema.

Se inicia el proceso de administración de los requerimientos de la plataforma colaborativa con la identificación y especificación de casos de usos, así como el proceso de aseguramiento de la calidad a través de los casos de prueba.

Se identifican los riesgos y se establece su plan de manejo, se ajusta ese plan según la tabla de priorización de riesgos y la de casos de usos vs riesgos, para determinar en qué orden y en qué iteraciones se desarrollarán los artefactos de software que son la solución a los casos de uso.

Se identifican los recursos necesarios para el desarrollo e implementación, tanto económicos como humanos, acordes con las necesidades del proyecto. Se da comienzo al proceso de estimación y planificación inicial a un nivel macro para todo el proyecto y posteriormente se realiza una estimación detallada de tiempos y recursos de las fases de concepción y elaboración.

Fase de concepción

Esta fase tiene como propósito definir y acordar el alcance del proyecto, identificar los riesgos asociados al proyecto, proponer una visión muy general de la arquitectura de software y producir el plan de las fases y el de iteraciones para el desarrollo del modelo.

Planeación de las fases y de las iteraciones

A partir del modelo de casos de uso y de la lista de riesgos, se puede determinar qué casos de uso deben implementarse primero para atacar los riesgos de mayor exposición. Con base en la información previa se realiza el proceso de planificación general y un plan de trabajo detallado para la siguiente fase, así como el plan para la siguiente iteración.

Se debe establecer una relación clara y directa entre los casos de uso y los casos de prueba para facilitar que el proceso de aseguramiento de la calidad del software se ejecute adecuadamente.

El plan de pruebas debe planearse en esta fase, ejecutarse desde la primera iteración de la fase de elaboración y refinarse sucesivamente durante el ciclo de vida del proyecto.

Fase de elaboración

Los casos de uso seleccionados para desarrollarse en esta fase permiten definir la arquitectura del sistema, se realiza la especificación de los casos de uso seleccionados y el primer análisis del dominio del problema, se diseña la solución preliminar del problema y comienza la ejecución del plan de manejo de riesgos, según las prioridades definidas en él.

Al final de la fase se determina la viabilidad de continuar el proyecto y si se decide proseguir, dado que la mayor parte de los riesgos han sido mitigados, se escriben los planes de trabajo de las etapas de construcción y transición y se detalla el plan de trabajo de la primera iteración de la fase de construcción.

Etapa de producción

En esta etapa se realiza un proceso de refinamiento de las estimaciones de tiempos y recursos para las fases de construcción y transición, se define un plan de mantenimiento para los productos entregados en la etapa de ingeniería, se implementan los casos de uso pendientes y se entrega el producto al cliente, garantizando la capacitación y el soporte adecuados.

Fase de construcción

El propósito de esta fase es completar la funcionalidad del sistema, para ello se deben clarificar los requerimientos pendientes, administrar el cambio de los artefactos construidos, ejecutar el plan de administración de recursos y mejoras en el proceso de desarrollo para el proyecto.

Fase de transición

El propósito de esta fase es asegurar que el software esté disponible para los usuarios finales, ajustar los errores y defectos encontrados, capacitar a los usuarios y proveer el soporte técnico necesario. Se debe verificar que el producto cumpla con las especificaciones entregadas por las personas involucradas en el proyecto al inicio del mismo.

CONCLUSIONES

La inteligencia colectiva ha permeado en gran medida organizaciones que buscan mejorar significativamente procesos realmente complejos a la luz de la tecnología, las instituciones educativas no son ajenas a este tipo problemáticas, constantemente los profesores buscan estrategias para compartir el conocimiento y lograr que los estudiantes lo asimilen como propio. Es por eso que uno de los objetivos principales de ésta investigación es la creación del motor de sugerencias utilizando filtros colaborativos en el que un grupo de usuarios en este caso estudiantes y profesores participen de manera colaborativa.

Ahora bien, ésta plataforma colaborativa la cual usa tecnología asíncrona, le permite a los usuarios estar recibiendo y enviando información en todo momento, haciendo que el uso de la aplicación sea más natural, y propicie eso espacios de colaboración de los cuales se ha venido discutiendo.

Las actividades colaborativas representan en gran medida una tendencia positiva en la apropiación del conocimiento por parte del estudiante, en donde el docente organiza sus herramientas para que el sistema de información mediante los algoritmos de filtrado colaborativo, haga las recomendaciones con respecto al tema de interés.

El acelerado impulso que están ofreciendo las comunicaciones en donde la red es la plataforma y el software se presenta como un servicio, se ha evidenciado que la red y las tecnologías de la información son elementos claves en el futuro de la educación, en donde las redes colaborativas en su aprendizaje autónomo permitan crear tópicos especializados para grupos de interés académico.

BIBLIOGRAFÍA

Segaran, T. (2007) Programming Collective Intelligence, Building Smart Web 2.0 Applications. USA: O’Reilly Media. ISBN-13: 978-0-596-52932-1.

Levy, P. (2004) Inteligencia Colectiva, por una Antropología del Ciberespacio. Biblioteca Virtual Em Saúde.

Grasso, A. y Convertino, G. (2012) Collective Intelligence in Organizations: Tools and Studies. Springer.

Nagar, Y. y Malone, T. (2011) Combining Human and Machine Intelligence for Making Predictions. Center for Collective Intelligence, Massachusetts Institute of Technology Cambridge, MA 02142.

Bonabeau, E. (2011) Decisions 2.0: The Power of Collective Intelligence. MITSloan Management Review. Vol.50 No.2

Alag, S. (2009) Collective Intelligence in Action. Manning. ISBN 1933988312

Castells, M. (2001) Internet y la Sociedad en Red.

Watson, M. (2009) Scripting Intelligence: Web 3.0 Information Gathering and Processing. USA: Apress. ISBN 978-1-4302-2352-8.
Segaran, T & Evans, C & Taylor, J. (2009) Programming the Semantic Web. USA: O’Reilly Media. ISBN: 978-0-596-15381-6.
Segaran, T. (2007) Programming Collective Intelligence, Building Smart Web 2.0 Applications. USA: O’Reilly Media. ISBN-13: 978-0-596-52932-1.
Linden, G., Smith, B., and York, J. 2003. “Amazon.com Recommendations: Item-to-Item Collaborative Filtering.” IEEE Internet Computing 7, 1 (Jan. 2003), 76-80. DOI= http://dx.doi.org/10.1109/MIC.2003.1167344.
Mika, P. (2007) Social Networks and the Semantic Web. Spain: Springer. ISBN-13: 978-0-387-71000-6.
Grossman, Frieder. Information Retrieval: Algorithms and Heuristics. 2006. Springer. Hoffman, Kevin. “In Search of a Perfect Tag Cloud.”

http://files.blog-city.com/files/J05/88284/b/insearchofperfecttagcloud.pdf


Das, A. S., Datar, M., Garg, A., and Rajaram, S. 2007. Google news personalization: scalable online collaborative filtering. In Proceedings of the 16th international Conference on World Wide Web (Banff, Alberta, Canada, May 08 - 12, 2007). WWW ‘07. ACM, New York, NY, 271-280. DOI= http://doi.acm.org/10.1145/1242572.1242610.
Salakhutdinov, Ruslan, Andriy Mnih, and Geoffrey Hinton. “Restricted Boltzmann machines for collaborative filtering.” In Proceedings of the 24th International Conference on Machine Learning (Corvalis, Oregon, June 20 - 24, 2007). Z. Ghahramani, Ed. ICML ’07, vol. 227. ACM, New York, NY, 791-798.

DOI=http://doi.acm.org/10.1145/1273496.1273596





1 Disponible en: http://cci.mit.edu/


La base de datos está protegida por derechos de autor ©absta.info 2016
enviar mensaje

    Página principal