MULTI-AGENTES CON APRENDIZAJE AUTOMÁTICO EN EL PROCESO DE MORFOSINTAXIS

Resumen

El artículo aborda el desarrollo de un modelo de sistema multiagente con aprendizaje automático para optimizar el proceso de enseñanza de la morfosintaxis en los estudian- tes de Seminario de Grado I en la Carrera de Economía de la Universidad Mayor de San Andrés. Mediante la integración de técnicas de inteligencia artificial y un enfoque colaborativo entre agentes, se busca mejorar significativamente la comprensión y aplicación de las reglas morfosintácticas. El modelo no solo facilita la personalización del aprendizaje, sino que también promueve la eficiencia en la enseñanza de la gramática, contribuyendo al rendimiento académico de los estudiantes. Los agentes inteligentes, como el agente tutor y el agente evaluador, permiten una adaptación individualizada a las necesidades de los estudiantes, ofreciendo una retroalimentación constante y oportuna. El Deep Learning en la misma arquitectura del sistema multi-agente refuerza el proceso de aprendizaje, lo que permite una interacción más efectiva entre los agentes y los estudiantes. El artículo concluye que el modelo propuesto, basado en la metodología MASE y ofrece resultados significativos que pueden ser adaptados a otros contextos educativos. La evaluación del modelo mediante encuestas indica una mejora notable en el proceso de enseñanza-aprendizaje de la morfosintaxis, con una calificación favorable por parte de los estudiantes. Esta investigación destaca el potencial de los sistemas multi-agente con aprendizaje automático como herramientas clave en la educación superior, particularmente en áreas donde la gramática y la estructura del lenguaje son fundamentales.