Transparencias defensa de Tesis Doctoral UPV/EHU 2017

Contexto de la investigacionDesarrollo

Conclusion

Propuesta de un Modelo de Confianza paraComunidades Virtuales de Aprendizaje

Luis Antonio Chamba Eras

Tesis DoctoralUniversidad del Paıs Vasco UPV/EHU

Departamento de Lenguajes y Sistemas InformaticosGrupo de investigacion GaLan

SupervisoresDra. Ana Arruarte y Dr. Jon Ander Elorriaga

Donostia-San Sebastian

04 de julio de 2017Luis Chamba-Eras Tesis Doctoral 04 de julio de 2017 1 / 91


Conclusion

Agenda1 Contexto de la investigacion

Motivacion personalInteres de la investigacionObjetivo de la investigacion

2 DesarrolloEstado del arteModeloImplementacionExperimentacionDiscusion

3 ConclusionAportacionesTrabajos y lıneas futuras

Luis Chamba-Eras Tesis Doctoral 04 de julio de 2017 2 / 91


Conclusion








Conclusion








Conclusion




Conclusion








Conclusion


Intereses y contexto de la investigacionGrupo Ga-Lan y Universidades de la Republica de Ecuador

E-learningComunidades virtuales de aprendizaje (CVA)Confianza



Conclusion


Intereses y contexto de la investigacionGrupo Ga-Lan y Universidades de la Republica de EcuadorE-learning

Comunidades virtuales de aprendizaje (CVA)Confianza



Conclusion


Intereses y contexto de la investigacionGrupo Ga-Lan y Universidades de la Republica de EcuadorE-learningComunidades virtuales de aprendizaje (CVA)

Confianza



Conclusion


Intereses y contexto de la investigacionGrupo Ga-Lan y Universidades de la Republica de EcuadorE-learningComunidades virtuales de aprendizaje (CVA)Confianza



Conclusion


ConfianzaLa confianza es la probabilidad subjetiva con la que un individuoevalua a otro u otros grupos de individuos que realizan unaaccion en particular (Liu, 2013).



Conclusion


Contexto de la investigacionGrupo Ga-Lan y Universidades de la Republica de EcuadorE-learningComunidades Virtuales de Aprendizaje (CVA)ConfianzaModelo de confianza para la toma de decisiones educativas

Beneficios al profesorado y alumnado



Conclusion


Contexto de la investigacionGrupo Ga-Lan y Universidades de la Republica de EcuadorE-learningComunidades Virtuales de Aprendizaje (CVA)ConfianzaModelo de confianza para la toma de decisiones educativasBeneficios al profesorado y alumnado



Conclusion








Conclusion


Objetivo generalDefinir un modelo de confianza generico para las CVA



Conclusion


Objetivos especıficos1 Analizar el estado del arte de los modelos de confianza en

comunidades virtuales

2 Disenar un modelo de confianza para CVA3 Implementar el modelo de confianza en una infraestructura

informatica4 Evaluar el modelo de confianza en contextos educativos reales



Conclusion



comunidades virtuales2 Disenar un modelo de confianza para CVA

3 Implementar el modelo de confianza en una infraestructurainformatica

4 Evaluar el modelo de confianza en contextos educativos reales



Conclusion



comunidades virtuales2 Disenar un modelo de confianza para CVA3 Implementar el modelo de confianza en una infraestructura

informatica

4 Evaluar el modelo de confianza en contextos educativos reales



Conclusion



comunidades virtuales2 Disenar un modelo de confianza para CVA3 Implementar el modelo de confianza en una infraestructura

informatica4 Evaluar el modelo de confianza en contextos educativos reales



Conclusion

Estado del arteModeloImplementacionExperimentacionDiscusion







Conclusion








Conclusion


Identificacion del estado del arte de los modelos deconfianza en comunidades virtuales

1 Busqueda bibliografica de trabajos relacionados en loscontextos:

Organizaciones y comunidades virtualesCVA

2 Factores de confianza:Experiencia DirectaReputacionRolConocimientoCalidadSeguridadConfianza InstitucionalCercanıa

3 Analisis de Correspondencias Multiples (ACM)



Conclusion






3 Analisis de Correspondencias Multiples (ACM)



Conclusion






3 Analisis de Correspondencias Multiples (ACM)Luis Chamba-Eras Tesis Doctoral 04 de julio de 2017 15 / 91


Conclusion


Identificacion de los factores de confianza: ACM enorganizaciones y comunidades virtuales



Conclusion


Identificacion de los factores de confianza: ACM en CVA



Conclusion








Conclusion


Diseno de T-VLC 1.0



Conclusion


Diseno de T-VLC 1.0



Conclusion


Diseno de T-VLC 1.0



Conclusion


Diseno de T-VLC 1.0



Conclusion


Diseno de T-VLC 1.0

Notacion DescripcionFI Fuentes de informacion (profesorado o alumnado),

participantes de una CVA que producen o consumen RA,AA y OA en la CVA

RA Recursos de aprendizaje, recursos didacticos en cualquierformato que permiten generar o reforzar conocimiento

AA Actividades de aprendizaje, actividades que permiteninvolucrar a las FI en el proceso de obtencion y/o evaluacionde conocimiento. Pueden ser de diferentes tipos: foros,cuestionarios, tareas, glosarios

OA Objetos de aprendizaje, RA con metadatosFR Fuentes de reputacion (profesorado o alumnado),

participantes de una CVA designados para detectaracciones de refuerzo deshonestas



Conclusion


Diseno de T-VLC 1.0

Experiencia Directa (F1):Experiencia basada en la interaccion directa con uno o variosparticipantes (Soto Barrera, 2010)Refuerzo positivo (“I like”) o negativo (“I don’t like”)Algoritmo de agregacion (actividades y recursos de aprendizaje)Validar acciones de refuerzo (fuente de reputacion)Penalizacion acciones deshonestas



Conclusion


Diseno de T-VLC 1.0



Conclusion


Diseno de T-VLC 1.0

Formula de penalizacion:

refPos = nro.refP − (nro.refPV ∗ Pe)

Donde:refPos: valor final de refuerzo positivo despues de aplicar lapenalizacionnro.refP: numero total de refuerzos positivosnro.refPV : numero de refuerzos positivos deshonestosPe: valor de la penalizacion de acuerdo al rol de los participantesen la CVA



Conclusion


Diseno de T-VLC 1.0

Formula de penalizacion:

refNeg = nro.refN − (nro.refNV ∗ Pe)

Donde:refNeg : valor final de refuerzo negativo despues de aplicar lapenalizacionnro.refN: numero total de refuerzos negativosnro.refNV : numero de refuerzos negativos deshonestosPe: valor de la penalizacion de acuerdo al rol de los participantesen la CVA



Conclusion


Diseno de T-VLC 1.0

Algoritmo de agregacion:

F 1 = refPosrefPos + refNeg

Donde:F 1: valor del factor Experiencia Directa de una FIrefPos: valor final de refuerzo positivorefNeg : valor final de refuerzo negativo



Conclusion


Diseno de T-VLC 1.0

Reputacion (F2):Opinion o estima que se tiene a alguien o algo basada enexperiencias indirectas (Fan et al, 2011)Es la opinion que otros participantes tienen sobre un participanteen particularCuando no existe o hay poca experiencia previa entre losparticipantesRegistro de los refuerzo positivo (“I like”) o negativo (“I don’tlike”)Red Bayesiana, para predecir el valor mas probable del factorReputacion



Conclusion


Diseno de T-VLC 1.0



Conclusion


Diseno de T-VLC 1.0

Rol (F3):El rol que una persona ejerce en un conglomerado permiteconstruir confianza en ambientes de aprendizaje donde elprofesorado y alumnado interactuan (Shih, 2013)Profesorado y alumnado



Conclusion


Diseno de T-VLC 1.0

Conocimiento (F4):Nivel de competencia que un participante tiene sobre los temasa tratarEs muy probable que las personas tiendan a confiar en otrasque tienen mas conocimiento que en aquellas que tienen menosconocimiento (Wang et al, 2007)Novel, competente y expertoCuestionario inicial



Conclusion


Diseno de T-VLC 1.0

Seguridad (F5):Relacionado con las cuestiones tecnicas de seguridad informaticaLas personas confıan mas, cuando las plataformas Web cuentancon aceptables niveles de seguridad y privacidad (Gal-Oz et al,2010)Parametros

DNSSEC (Domain Name System Security Extensions)IPSEC (Internet Protocol Security)SSL (Secure Sockets Layer)HTTPS (Hypertext Transfer Protocol Secure)

Agregar nuevos parametrosGeneralParticular



Conclusion


Diseno de T-VLC 1.0

Calidad (F6):Calidad de los OALa calidad de los recursos digitales es un factor influyente que laspersonas consideran para confiar en otras cuando se comparten,usan y valoran recursos de aprendizaje (Liu et al, 2011)Valor medio de los OA creados por los participantesUsa HEODAR (Herramienta para la Evaluacion de ObjetosDidacticos de Aprendizaje Reutilizables)(Morales Morgado et al,2008)

PedagogicoTecnico

Profesorado o alumnado con nivel de conocimiento alto



Conclusion


Diseno de T-VLC 1.0

Confianza Institucional (F7):Confianza que la institucion tiene sobre un participante(profesorado) mediante el uso de protocolos de evaluacion (Coleet al, 2016)Son los valores medios de las evaluaciones

Cuestionario del estudianteCuestionario del profesorCuestionario del directivoCuestionario de pares

Sistemas de obtencionPlantillas (manual)Servicio Web (sistema informatico de evaluacion institucional)



Conclusion


Diseno de T-VLC 1.0

Cercanıa (F8):La confianza de un participante puede estar influida por laconfianza de otros participantes con los que ha tenido relaciondirecta, considerando el numero de interacciones entre ellos(Boroujeni, 2013)Considera el valor del factor Experiencia Directa de losparticipantes con los que ha habido interaccion, ponderada porla intensidad de esa relacion, es decir, el numero de interaccionesproducidas entre ellos



Conclusion


Diseno de T-VLC 1.0

Formula para calcular la Cercanıa:

F 8 =∑s

i=1 F 1(FIi ) ∗ I(FIi )∑I(FIi )

Donde:F 8: valor del factor Cercanıa de una FIF 1(FIi ): valor del factor F1 de la FIiI(FIi ): numero de interacciones de la FIi con la FI a evaluars: numero de FIi que han interactuado con la FI a evaluar



Conclusion


Diseno de T-VLC 1.0



Conclusion


Diseno de T-VLC 1.0



Conclusion


Diseno de T-VLC 1.0



Conclusion


Diseno de T-VLC 1.0

Rol Factores de T-VLC 1.0F1 F2 F3 F4 F5 F6 F7 F8

Profesorado X X X X X X X XAlumnado X X X X X – – X



Conclusion


Diseno de T-VLC 1.0

Formalizacion matematica de T-VLC 1.0:

T =∑

Fi ∗Wi∑Wi

Donde:T : representa el nivel de confianza que un participante acumulaen la CVAFi : representa cada factor del modelo T-VLC 1.0Wi : representa el peso para cada factor del modelo T-VLC 1.0T , Fi y Wi ∈ [0,1]



Conclusion


Diseno de T-VLC 1.0

Pesos del modelo:Asignar prioridades a los factoresAdaptables a CVA concretasAproximacion matematica para estimar el valor asociado a cadapeso, considerando las respuestas obtenidas en el cuestionario,realizado en (Chamba-Eras et al, 2011)

Universidad Nacional de Loja, profesorado y alumnado de laCarrera de Ingenierıa en Sistemas53 estudiantes, 42 preguntasHerramientas: Eqaula y Limesurvey



Conclusion


Diseno de T-VLC 1.0

Factores Fi Pesos WiF1: Experiencia Directa W1 = 0.79

F2: Reputacion W2 = 0.69F3: Rol W3 = 0.76

F4: Conocimiento W4 = 0.73F5: Seguridad W5 = 0.73F6: Calidad W6 = 0.83

F7: Confianza Institucional W7 = 0.50F8: Cercanıa W8 = 0.50



Conclusion


Diseno de T-VLC 1.0

Factores Fi Pesos WiF1: Experiencia Directa W1 = 0.79

F2: Reputacion W2 = 0.69F3: Rol W3 = 0.76

F4: Conocimiento W4 = 0.73F5: Seguridad W5 = 0.73F6: Calidad W6 = 0.83

F7: Confianza Institucional W7 = 0.50F8: Cercanıa W8 = 0.50



Conclusion


Diseno de T-VLC 1.0

Confianza externa:Nivel de confianza de los participantes alcanzados enplataformas externasValor medio de la confianza en todas las CVAExportar el nivel de confianza a otras CVAMovilidad de los participantes con su confianza alcanzada



Conclusion








Conclusion


Implementacion de T-VLC 1.0 en Moodle

1 Seleccion del LMS (ATutor, Moodle, Elgg)ArquitecturaAccesibilidadHerramientasFuncionalidadDesarrollo y documentacionUsabilidad

2 Implementacion de T-VLC 1.0 en Moodle (TMoodle v1.0)



Conclusion



1 Seleccion del LMS (ATutor, Moodle, Elgg)ArquitecturaAccesibilidadHerramientasFuncionalidadDesarrollo y documentacionUsabilidad

2 Implementacion de T-VLC 1.0 en Moodle (TMoodle v1.0)



Conclusion





Conclusion



TrustModel:Nucleo central de la implementacion

Configurar y gestionar la confianzaInterfaces para cada rol de los participantesImplementa cada uno de los 8 factores

Ejemplo: Experiencia Directa



Conclusion



TrustModel:Nucleo central de la implementacionConfigurar y gestionar la confianza

Interfaces para cada rol de los participantesImplementa cada uno de los 8 factores




Conclusion



TrustModel:Nucleo central de la implementacionConfigurar y gestionar la confianzaInterfaces para cada rol de los participantes

Implementa cada uno de los 8 factoresEjemplo: Experiencia Directa



Conclusion



TrustModel:Nucleo central de la implementacionConfigurar y gestionar la confianzaInterfaces para cada rol de los participantesImplementa cada uno de los 8 factores




Conclusion





Conclusion





Conclusion





Conclusion





Conclusion



VisualTrust:Herramienta grafica que permite visualizar informacion de laconfianza

Informacion resumida y detalladaRepresentacion grafica de las interaccionesGrafo de interacciones para la toma de decisiones pedagogicasLibrerıas: bootstrap y VIS



Conclusion



VisualTrust:Herramienta grafica que permite visualizar informacion de laconfianzaInformacion resumida y detallada

Representacion grafica de las interaccionesGrafo de interacciones para la toma de decisiones pedagogicasLibrerıas: bootstrap y VIS



Conclusion



VisualTrust:Herramienta grafica que permite visualizar informacion de laconfianzaInformacion resumida y detalladaRepresentacion grafica de las interacciones

Grafo de interacciones para la toma de decisiones pedagogicasLibrerıas: bootstrap y VIS



Conclusion



VisualTrust:Herramienta grafica que permite visualizar informacion de laconfianzaInformacion resumida y detalladaRepresentacion grafica de las interaccionesGrafo de interacciones para la toma de decisiones pedagogicas

Librerıas: bootstrap y VIS



Conclusion



VisualTrust:Herramienta grafica que permite visualizar informacion de laconfianzaInformacion resumida y detalladaRepresentacion grafica de las interaccionesGrafo de interacciones para la toma de decisiones pedagogicasLibrerıas: bootstrap y VIS



Conclusion





Conclusion





Conclusion





Conclusion



WS-Trust:Servicio Web que permite la gestion de la confianza de losparticipantes en diferentes CVA (confianza externa)

Movilidad de los participantes conservando su nivel de confianzaadquiridoProcesos de sincronizacion



Conclusion



WS-Trust:Servicio Web que permite la gestion de la confianza de losparticipantes en diferentes CVA (confianza externa)Movilidad de los participantes conservando su nivel de confianzaadquirido

Procesos de sincronizacion



Conclusion



WS-Trust:Servicio Web que permite la gestion de la confianza de losparticipantes en diferentes CVA (confianza externa)Movilidad de los participantes conservando su nivel de confianzaadquiridoProcesos de sincronizacion



Conclusion





Conclusion








Conclusion


Evaluar TMoodle v1.0 en contextos educativos reales

Experimentacion en escenarios reales educativosContexto de la experimentacion

Analisis de la confianza de los participantesAnalisis de la correlacion entre nivel de confianza y nota final delos participantesAnalisis de redes sociales (ARS)



Conclusion



Experimentacion en escenarios reales educativosContexto de la experimentacionAnalisis de la confianza de los participantes

Analisis de la correlacion entre nivel de confianza y nota final delos participantesAnalisis de redes sociales (ARS)



Conclusion



Experimentacion en escenarios reales educativosContexto de la experimentacionAnalisis de la confianza de los participantesAnalisis de la correlacion entre nivel de confianza y nota final delos participantes

Analisis de redes sociales (ARS)



Conclusion



Experimentacion en escenarios reales educativosContexto de la experimentacionAnalisis de la confianza de los participantesAnalisis de la correlacion entre nivel de confianza y nota final delos participantesAnalisis de redes sociales (ARS)



Conclusion


Contexto de la experimentacion



Conclusion


Contexto

Limitaciones:Experiencia Directa, Reputacion, Rol, Seguridad en las cuatroCVA

Conocimiento en la CVA-4El ARS se realizo para el profesor en las cuatro CVA



Conclusion


Contexto

Limitaciones:Experiencia Directa, Reputacion, Rol, Seguridad en las cuatroCVAConocimiento en la CVA-4

El ARS se realizo para el profesor en las cuatro CVA



Conclusion


Contexto

Limitaciones:Experiencia Directa, Reputacion, Rol, Seguridad en las cuatroCVAConocimiento en la CVA-4El ARS se realizo para el profesor en las cuatro CVA



Conclusion


Analisis de la confianza, profesor

Factores CVA-1 CVA-2 CVA-3 CVA-4 PesoExperiencia Directa 0.94 0.75 1 1 0.79

Reputacion 0.73 0.63 0.75 0.75 0.69Rol 1.00 1.00 1.00 1.00 0.76

Conocimiento – – – 1.00 0.73Seguridad 0.5 0.5 0.25 0.25 0.73

Nivel de confianza total 0.80 0.72 0.76 0.81 –



Conclusion


Analisis de la confianza, alumnado

Parametro CVA-1 CVA-2 CVA-3 CVA-4Nivel de confianza media - estudiantes 0.71 0.80 0.67 0.55



Conclusion



CVA-1 CVA-2

CVA-3 CVA-4



Conclusion



CVA-1 CVA-2

CVA-3 CVA-4



Conclusion


Analisis de la correlacion, nivel de confianza y nota finaldel alumnado

Comunidad Coeficiente dePearson (r)

Tipo decorrelacion

N ρ

CVA-1 0.707768 Correlacionpositiva alta

23 0.00016


7 0.058602


16 0.000242


22 0.000002



Conclusion


Analisis de la significacion estadıstica

El valor de significacion de correlacion de Pearson essigniticativo (ρ < 0.01) para la CVA-1, CVA-3 y CVA-4

El valor de significacion de correlacion de Pearson (ρ) para laCVA-2 es ligeramente superior a 0.05



Conclusion


Analisis de la significacion estadıstica

El valor de significacion de correlacion de Pearson essigniticativo (ρ < 0.01) para la CVA-1, CVA-3 y CVA-4El valor de significacion de correlacion de Pearson (ρ) para laCVA-2 es ligeramente superior a 0.05



Conclusion


Analisis de la correlacion, nivel de confianza y nota finaldel alumnado

CVA-1 CVA-2

CVA-3 CVA-4



Conclusion


Analisis de redes socialesEs el estudio de las relaciones entre los actores (individuos,organizaciones, etc.). Permite identificar las estructuras sociales queresultan de las relaciones que los actores establecen (Sanz Menendez,2003).



Conclusion


Analisis de redes sociales

¿Que se deberıa hacer por parte de un tutor-profesordespues de un ARS?



Conclusion


Analisis de redes sociales, CVA-1



Conclusion



¿Que se deberıa hacer por parte de un tutor-profesor despuesde un ARS?¿Que otra informacion puede extraerse de un ARSdiferente a las medidas clasicas de centralidad,interaccion, entre otras?



Conclusion





Conclusion



¿Que se deberıa hacer por parte de un tutor-profesor despuesde un ARS?¿Que otra informacion puede extraerse de un ARS diferente alas medidas clasicas de centralidad, interaccion, entre otras?¿Permitira una implementacion del ARS en tiempo realalertar al tutor-profesor sobre el desempeno de losestudiantes?



Conclusion





Conclusion



¿Que se deberıa hacer por parte de un tutor-profesor despuesde un ARS?¿Que otra informacion puede extraerse de un ARS diferente alas medidas clasicas de centralidad, interaccion, entre otras?¿Permitira una implementacion del ARS en tiempo real alertaral tutor-profesor sobre el desempeno de los estudiantes?¿Habrıa alguna forma de comprobar si las interaccionesde un nodo en la red son poco productivas?



Conclusion





Conclusion








Conclusion


Discusion

Analisis de la confianzaPara estudiar el comportamiento de un participante en una CVAIdentificar factores que prevalecen en los participantes

Analisis de la correlacionValidar la correlacion existente entre el nivel de confianza y lanota final u otras hipotesis

Analisis de redes socialesTomar decisiones pedagogicas en tiempo realIdentificar participantes influyentes o aislados (estructurassociales)



Conclusion


Discusion






Conclusion


Discusion






ConclusionAportacionesTrabajos y lıneas futuras















Aportaciones principales

Identificacion de los factores relevantes asociados a la confianza

Diseno de un modelo generico y adaptable para estimar ygestionar la confianza de los participantes en una CVAHerramienta de visualizacion de la confianza y las interaccionesentre los participantes de una CVA como soporte para la tomade decisiones pedagogicasGestion de la confianza externa en casos de movilidad departicipantes entre CVAImplementacion de TMoodle v1.0, version de Moodle quegestiona la confianza de sus participantesExperimentacion en escenarios reales





Identificacion de los factores relevantes asociados a la confianzaDiseno de un modelo generico y adaptable para estimar ygestionar la confianza de los participantes en una CVA

Herramienta de visualizacion de la confianza y las interaccionesentre los participantes de una CVA como soporte para la tomade decisiones pedagogicasGestion de la confianza externa en casos de movilidad departicipantes entre CVAImplementacion de TMoodle v1.0, version de Moodle quegestiona la confianza de sus participantesExperimentacion en escenarios reales





Identificacion de los factores relevantes asociados a la confianzaDiseno de un modelo generico y adaptable para estimar ygestionar la confianza de los participantes en una CVAHerramienta de visualizacion de la confianza y las interaccionesentre los participantes de una CVA como soporte para la tomade decisiones pedagogicas

Gestion de la confianza externa en casos de movilidad departicipantes entre CVAImplementacion de TMoodle v1.0, version de Moodle quegestiona la confianza de sus participantesExperimentacion en escenarios reales





Identificacion de los factores relevantes asociados a la confianzaDiseno de un modelo generico y adaptable para estimar ygestionar la confianza de los participantes en una CVAHerramienta de visualizacion de la confianza y las interaccionesentre los participantes de una CVA como soporte para la tomade decisiones pedagogicasGestion de la confianza externa en casos de movilidad departicipantes entre CVA

Implementacion de TMoodle v1.0, version de Moodle quegestiona la confianza de sus participantesExperimentacion en escenarios reales





Identificacion de los factores relevantes asociados a la confianzaDiseno de un modelo generico y adaptable para estimar ygestionar la confianza de los participantes en una CVAHerramienta de visualizacion de la confianza y las interaccionesentre los participantes de una CVA como soporte para la tomade decisiones pedagogicasGestion de la confianza externa en casos de movilidad departicipantes entre CVAImplementacion de TMoodle v1.0, version de Moodle quegestiona la confianza de sus participantes

Experimentacion en escenarios reales





Identificacion de los factores relevantes asociados a la confianzaDiseno de un modelo generico y adaptable para estimar ygestionar la confianza de los participantes en una CVAHerramienta de visualizacion de la confianza y las interaccionesentre los participantes de una CVA como soporte para la tomade decisiones pedagogicasGestion de la confianza externa en casos de movilidad departicipantes entre CVAImplementacion de TMoodle v1.0, version de Moodle quegestiona la confianza de sus participantesExperimentacion en escenarios reales




Publicaciones

J. Aguilar, M. Sanchez, J. Cordero, P. Valdiviezo-Dıaz, L. Barba-Guaman and L. Chamba-Eras, “Learning

Analytics Tasks as Services in Smart Classrooms”, Universal Access in the Information Society, vol. 16, no.

1, pp. 1-16, 2017

L. Chamba-Eras, A. Arruarte and J. A. Elorriaga, “Predominant Components of the Trust Models in

E-learning Environments”, IEEE Latin America Transactions, vol. 14, no. 12, pp. 4798-4809, 2016

L. Chamba-Eras, A. Arruarte and J. A. Elorriaga, “Bayesian Networks to Predict Reputation in Virtual

Learning Communities”, IEEE 3rd. Latin America Conference on Computational Intelligence (LA-CCI2016),

vol. 3. Colombia, pp. 1-6, 2016

Y. Collaguazo, A. Padilla and L. Chamba-Eras, “Propuesta de un Modelo Generico para el Diseno y

Valoracion de Objetos de Aprendizaje basado en Estandares E-Learning”, X Conferencia Latino-Americana

de Objetos e Tecnologias de Aprendizagem (LACLO 2015), Brazil, pp. 227-236, 2015

L. Chamba-Eras, A. Arruarte and J. A. Elorriaga, “Modelo de Confianza para Comunidades Virtuales de

Aprendizaje”, IV Investiga UTPL, Universidad Tecnica Particular de Loja, Ecuador, pp. 107, 2015




Publicaciones

G. Espinoza-Ami, L. Chamba-Eras, A. Arruarte and J. A. Elorriaga, “Cadenas de confianza por medio

de extensiones de seguridad del sistema de nombres de dominio aplicadas a comunidades virtuales de

aprendizaje”, Noveno Congreso de Ciencia y Tecnologıa, vol. 9. Universidad de las Fuerzas Armadas, Ecuador,

pp. 200-209, 2014

L. Chamba-Eras, A. Arruarte and J. A. Elorriaga, “Impacto de un factor de seguridad de la informacion

sobre Objetos de Aprendizaje en LMS”, Cuarto Congreso Internacional sobre Aplicacion de Tecnologıas de

la Informacion y Comunicaciones Avanzadas, no. 4. Universidad Tecnica Particular de Loja, Ecuador, pp.

350-359, 2012

L. Chamba-Eras, A. Arruarte and J. A. Elorriaga, “Modelo de Confianza para Objetos de Aprendizaje”, 1st

ed. Madrid - Espana: Editorial Academica Espanola, pp. 1-160, ISBN: 978-3659011283, 2012

L. Chamba-Eras, A. Arruarte and J. A. Elorriaga, “Modelo de Confianza para Comunidades Virtuales de

Aprendizaje”, XVI Congreso Internacional de Informatica Educativa (TISE 2011), vol. 7. Universidad de

Chile, Chile, pp. 80-87, 2011











Lıneas futuras

Implementacion del modelo T-VLC 1.0 como Servicio Web

Implementacion de una nueva version de VisualTrust comoherramienta grafica en lıneaDefinicion de un mecanismo para obtener, a traves de tecnicasde Aprendizaje Automatico, los valores de los pesos de losfactores del modelo T-VLC 1.0




Lıneas futuras

Implementacion del modelo T-VLC 1.0 como Servicio WebImplementacion de una nueva version de VisualTrust comoherramienta grafica en lınea

Definicion de un mecanismo para obtener, a traves de tecnicasde Aprendizaje Automatico, los valores de los pesos de losfactores del modelo T-VLC 1.0




Lıneas futuras

Implementacion del modelo T-VLC 1.0 como Servicio WebImplementacion de una nueva version de VisualTrust comoherramienta grafica en lıneaDefinicion de un mecanismo para obtener, a traves de tecnicasde Aprendizaje Automatico, los valores de los pesos de losfactores del modelo T-VLC 1.0




Lıneas futuras

Ampliacion del modelo de confianza T-VLC 1.0 para gestionarla confianza a distintos niveles

Generalizacion del modelo para poder utilizar nuevas medidasde valoracion de los refuerzos positivos o negativosEvaluacion de nuevos algoritmos para implementar nuevosfactores del modelo T-VLC 1.0Implementacion del modelo T-VLC 1.0 en otros sistemas




Lıneas futuras

Ampliacion del modelo de confianza T-VLC 1.0 para gestionarla confianza a distintos nivelesGeneralizacion del modelo para poder utilizar nuevas medidasde valoracion de los refuerzos positivos o negativos

Evaluacion de nuevos algoritmos para implementar nuevosfactores del modelo T-VLC 1.0Implementacion del modelo T-VLC 1.0 en otros sistemas




Lıneas futuras

Ampliacion del modelo de confianza T-VLC 1.0 para gestionarla confianza a distintos nivelesGeneralizacion del modelo para poder utilizar nuevas medidasde valoracion de los refuerzos positivos o negativosEvaluacion de nuevos algoritmos para implementar nuevosfactores del modelo T-VLC 1.0

Implementacion del modelo T-VLC 1.0 en otros sistemas




Lıneas futuras

Ampliacion del modelo de confianza T-VLC 1.0 para gestionarla confianza a distintos nivelesGeneralizacion del modelo para poder utilizar nuevas medidasde valoracion de los refuerzos positivos o negativosEvaluacion de nuevos algoritmos para implementar nuevosfactores del modelo T-VLC 1.0Implementacion del modelo T-VLC 1.0 en otros sistemas




Eskerrik asko...


Education

Transparencias defensa de Tesis Doctoral UPV/EHU 2017