Examinando por Autor "Rodríguez Anaya, Antonio"
Mostrando 1 - 10 de 10
Resultados por página
Opciones de ordenación
Publicación Análisis de entornos colaborativos con tecnologías de análisis de redes y Learning Analytics(Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática, 2023-09) Adame Toledano, Félix; Rodríguez Anaya, AntonioEl presente Trabajo Fin de Máster consiste en la realización y prueba de una aplicación que permita el análisis de sentimientos y emociones, así como el análisis de la red social subyacente de los foros de los cursos virtuales de los diferentes estudios que se pueden cursar en la UNED y por extensión se puede utilizar para analizar otros foros o cualesquiera colecciones de mensajes o textos. Sobre la base teórica y práctica de trabajos previos se ha construido una aplicación que pretende ser más amigable y fácil de usar y con un potencial uso práctico y de investigación. Este trabajo se apoya en dos trabajos previos dentro del ámbito de la UNED, como son otro trabajo de fin de máster de la alumna Andrea Rey Presas y la aplicación web appForum , presentada en las XI Jornadas de Investigación en Innovación Docente de la UNED, si bien es importante reseñar que esta es una aplicación totalmente distinta a cualesquiera otras, tanto en lo que se refiere a la filosofía como a la funcionalidad, presentación, etc. Lo que aquí nos encontramos es una aplicación de escritorio con una interfaz gráfica basada en Tkinter (Python). Se organiza en diferentes módulos funcionales, destacando el módulo de modelos e informes, el cual permite obtener un resumen de los análisis realizados y generar un informe automático en formato PDF. De los mencionados trabajos se han aprovechado algunas estructuras algorítmicas de los mismos, se ha extendido la funcionalidad, se ha creado una interfaz lo más amigable posible y se ha dotado de flexibilidad para poder trabajar con diferentes tipos de archivos, así como configuraciones de los mismos. Se propone un método alternativo para el descubrimiento de sentimientos de los mensajes. Dicho método consiste en la combinación lineal de varios métodos, cuya fórmula es configurable. Respecto del análisis de emociones se realizan dos análisis diferentes que pueden compararse. Un primer análisis basado en regiones de Russell a partir de un corpus de términos etiquetados con valores de valencia y excitación. El segundo método consiste también en la utilización de un corpus de términos, pero en este caso se les han asignado puntuaciones para cada una de varias emociones consideradas primarias. Este segundo método se ha probado con el corpus de 2.226 palabras puntuadas para cinco emociones primarias creado por (Ferré et al.) en el trabajo Moved by words: Affective ratings for a set of 2,266 Spanish words in five discrete emotion categories. La aplicación se ha probado con datos reales de foros de la UNED anonimizados y se ha utilizado como herramienta para analizar sentimientos en otro trabajo fin de máster: Estudio sobre la búsqueda de mentor utilizando aprendizaje automático realizado por D. Juan García Ruiz y dirigido también por el Dr. Antonio Rodríguez Anaya.Publicación Análisis de redes sociales dinámicas de aprendizaje colaborativo(Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial, 2023-06) Alarcón Rubio, David; Rodríguez Anaya, AntonioEl aprendizaje en redes sociales ha revolucionado la forma en que adquirimos conocimientos y nos relacionamos con los demás. A través de estas plataformas, podemos interactuar, colaborar y compartir ideas con personas de todo el mundo. El análisis de redes sociales aplicado a entornos educativos nos permite comprender las interacciones y la estructura social en la comunidad educativa en línea. Estas herramientas nos ayudan a evaluar el progreso de los estudiantes, identificar líderes y fomentar la colaboración efectiva. En este trabajo, se explora el impacto de los factores de diseño temporal en las redes sociales, centrándose en el análisis de los mensajes de los foros de las asignaturas. Utilizando técnicas de análisis de redes sociales y procesamiento del lenguaje natural, se extraen medidas de las interacciones de los estudiantes en los foros, así como del sentimiento y las emociones expresadas en los mensajes. Estas medidas se utilizan en procedimientos de aprendizaje automático supervisado para predecir la posibilidad de que un estudiante abandone la asignatura. Para capturar las dinámicas temporales de la red y mejorar la utilidad de la predicción, se experimenta con diferentes medidas temporales, como el rango de tiempo analizado del foro, la subdivisión en bloques y su tamaño, así como el uso de sistemas de bloques secuenciales o encadenados en la obtención de las métricas de centralidad. Además, se sigue la teoría social del aprendizaje y se analiza cómo afectan a la predicción parámetros como la obtención de medidas ponderadas de la red social, el uso de medidas personales o globales, y la inclusión de medidas del sentimiento y la emoción. En conclusión, el análisis de redes sociales dinámicas con rangos de tiempo variable ha demostrado ser útil en la predicción del abandono de los estudiantes. Sin embargo, es necesario considerar varios factores, como el porcentaje de cobertura temporal, la subdivisión en bloques y la cantidad de información analizada, para obtener resultados más precisos y significativos en la predicción. Las decisiones metodológicas relacionadas con la configuración temporal de las redes sociales dinámicas son fundamentales para evaluar la eficacia de la predicción del abandono de los estudiantes en una asignatura específica. El uso de rangos temporales dinámicos y la subdivisión de bloques secuenciales o encadenados tienen una gran importancia en la captura de la evolución temporal de las interacciones en las redes sociales y in impacto en la predicción del abandono de los estudiantes. En conjunto, este trabajo destaca la importancia del análisis de redes sociales dinámicas en el contexto educativo. Proporciona ideas valiosas sobre cómo aprovechar la información de las interacciones en las redes sociales y cómo aplicar técnicas de aprendizaje automático para mejorar la predicción del abandono de los estudiantes. Las conclusiones obtenidas contribuyen al avance de la investigación en este campo y brindan recomendaciones para futuros estudios y aplicaciones prácticas en el ámbito educativo.Publicación Análisis estadístico y ML aplicado: factores influyentes en el abandono de estudios a distancia en la Universidad de Buenos Aires(2024) Bernáldez Escalada, Daniel; Rodríguez Anaya, AntonioEl objetivo de este trabajo es predecir el abandono temprano de los estudiantes de la Universidad de Buenos Aires UBA antes de que ocurra. No buscamos clasificar a los alumnos de manera estigmatizante, ya que consideramos que señalar perfiles específicos basados en género, renta o tipo de estudios solo genera prejuicios y no aporta valor positivo. Es crucial detectar el proceso de abandono mientras los estudiantes aún están cursando sus estudios, de manera que la detección sea aplicable a lo largo de su evolución durante el curso. Necesitamos identificar parámetros que nos ayuden a entender cómo los alumnos interactúan y se comprometen con las clases, tutores y compañeros. No se trata solamente de saber quién está en riesgo de abandono, se trata de saber qué características nos llevan a esa conclusión, de aquí la preponderancia en el trabajo de los árboles de decisión como algoritmos a considerar. El propósito de este trabajo no es incluir una gran cantidad de algoritmos de aprendizaje automático para demostrar capacidad técnica, ya que en etapas anteriores del máster de la UNED ya se ha acreditado dicha competencia. Lo que buscamos es interpretabilidad, continuidad en el tiempo, adaptación y un uso óptimo de los datos disponibles. No estamos en posición de imponer requisitos de datos a nuestro cliente; en cambio, nos adaptamos a los datos disponibles para obtener resultados positivos. Finalmente, se harán recomendaciones a la Universidad de Buenos Aires sobre la captación de información y la infraestructura necesaria para futuras investigaciones, con el fin de mejorar la detección temprana del abandono estudiantil. Pensemos que, aunque el trabajo está enfocado a ayudar a la Universidad de Buenos Aires UBA, pretendemos que otras instituciones puedan sacar alguna utilidad de él.Publicación Análisis y estudio de actividad e interacción de usuarios en la plataforma Ágora de la UNED e implementación de un sistema que realice y plasme visualmente dicho análisis(2024-06) García Mateos, Rubén; Rodrigo Yuste, Álvaro; Rodríguez Anaya, AntonioEn el siguiente trabajo se realizará el análisis y estudio de las interacciones de los usuarios en el foro de las asignaturas “Minería de datos en educación y modelado del estudiante” y “Sistemas interactivos de enseñanza/aprendizaje”, que están presentes en la plataforma Ágora de la UNED. Por otro lado, se realizará la implementación de una herramienta que permita plasmar, visualizar y analizar dicho estudio previo por parte del equipo docente. Para ello, se utilizarán técnicas de aprendizaje automático, análisis de redes sociales y minería de textos. Para la implementación de la herramienta se hará bajo el lenguaje de programación Python y sus respectivas librerías más comunes de Machine learning como son Scikit learn, Pandas, Numpy, Matplotlib…etc. En el análisis realizado a las diferentes asignaturas, se ha podido comprobar que en ellas siempre hay un representante o nodo influyente por el que circula gran parte de la información relevante, además de coincidencias en grupos similares como son alumnos muy activos, semiactivos e inactivos cuando se aplican las técnicas de agrupamiento. Los alumnos semiactivos son aquellos que se centran en la lectura de los foros y la navegación por la plataforma, pero no en la interacción directa con el resto. En los grafos visualizados, la mayoría de los nodos están bien conectados y presentan una buena actividad en la red. Como conclusión general podemos indicar que gran parte de los usuarios de la plataforma interactúan de forma activa al principio del curso y se presenta una atención especial a los mensajes relacionados con la evaluación y prácticas de las asignaturas. Gran parte de los usuarios responde a las presentaciones, y a medida que avanza el curso virtual, se van alejando las interacciones y mensajes enviados a la plataforma.Publicación Aplicación de análisis de las interacciones y modelado del estudiante(Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática, 2024-02) Sánchez Villarejo, Juan Manuel; Luque Gallego, Manuel; Rodríguez Anaya, Antonio; Luque Gallego, ManuelLas plataformas de aprendizaje online son a día de hoy, herramientas imprescindibles en cualquier actividad educativa. Estas plataformas ofrecen, entre otros servicios, el de foros, que son utilizados para que los estudiantes se comuniquen con el equipo docente o entre sí. El objetivo del proyecto es continuar con el desarrollo de una aplicación que permita incorporar los datos de los foros asociados a los cursos virtuales de la UNED, gestionar y manipular dichos datos desde la propia aplicación y generar información de salida que facilite al responsable de la asignatura el proceso de análisis de la interacciones y modelado del estudiante, y así poder establecer procesos de mejora. El proyecto amplía la funcionalidad y profundiza en los métodos de minería de datos orientados al entorno educativo y en la integración de la información generada por la aplicación con las herramientas más avanzadas actualmente en materia de gestión, así como representación de gráficos. Se realiza un proceso de modelado del estudiante, sobre todo de su componente social, con la finalidad de ofrecer información útil para la gestión de actividades de aprendizaje colaborativo. Las tecnologías empleadas para llevar a cabo el proyecto han sido entre otras Spring Tool Suite, el cual ha permitido crear toda la aplicación a través del lenguaje de programación Java, y utilizándose tecnologías y lenguajes como HTML, PhpMyAdmin, Spring JPA y Thymeleaf para la creación de la aplicación y para la gestión de bases de datos. Por ´ultimo, se ha usado una base de datos MariaDB y tecnología de contenedores Docker para encapsular toda la aplicación y facilitar el despliegue y ejecución de la misma.Publicación Creación de una herramienta para identificar y agrupar afinidades mediante la inteligencia artificial en los Mass Media(Universidad Nacional de Educación a Distancia (UNED). E.T.S. de Ingeniería Informática. Departamento de Inteligencia Artificial, 2025) Cuevas Márquez, Francisco Manuel; Rodríguez Anaya, Antonio; Cabrera Lara, Francisco ElíasEn la era de la información, entender la orientación política de los medios de comunicación se ha vuelto crucial para los consumidores de noticias. La polarización mediática y la proliferación de fuentes de información presenta un panorama complejo en el que resulta desafiante discernir los sesgos en la cobertura de las noticias. Existen herramientas comerciales que proveen información sobre el alineamiento político de los medios de comunicación masivos, y que permiten comparar cómo se tratan las noticias en las distintas posiciones del espectro de alineación política. Sin embargo, el posicionamiento de cada medio de comunicación dentro del espectro sigue siendo una tarea manual, lo que aumenta el riesgo de incluir sesgos en la valoración. Por otra parte, la actualidad de las noticias y el discurso de los mass media evoluciona con el tiempo, lo que aumenta la complejidad de identificar objetivamente la alineación política de cada medio. Además, el tratar el alineamiento político como un simple eje izquierda-derecha no tiene en cuenta las múltiples facetas de los medios. Varios medios pueden estar de acuerdo en algunas dimensiones políticas, pero discrepar en la visión general, de manera que para ser precisos debemos analizar los intereses de los medios desde un punto de vista multidimensional. En este trabajo se propone una nueva herramienta de análisis de medios de comunicación, que permite realizar un agrupamiento de noticias publicadas por distintos medios mediante técnicas que combinan inteligencia artificial y PLN (Procesamiento del Lenguaje Natural). La herramienta propuesta permite agrupar conjuntos de noticias similares utilizando métodos de aprendizaje no supervisado (clustering) en combinación con modelos de lenguaje natural para facilitar la comprensión de dichas agrupaciones. La herramienta propuesta ha sido aplicada sobre un grupo seleccionado de medios de comunicación masivos de ámbito nacional en España.Publicación Estudio sobre la búsqueda de mentor utilizando aprendizaje automático(Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática, 2023-09) García Ruiz, Juan; Rodríguez Anaya, AntonioLa mentoría es una relación de desarrollo personal en la cual una persona más experimentada o con mayor conocimiento ayuda a otra menos experimentada o con menor conocimiento. La persona que recibe la mentoría ha sido llamada tradicionalmente como protegido, discípulo o aprendiz. El proceso de búsqueda de candidatos a ser tutores o mentores se entiende como la combinación deliberada de personas para formar un todo previsto. Uno de los desafíos más críticos es decidir quién sería un buen mentor de otro alumno. Es necesario una supervisión que debe completar un proceso de varios pasos, incluida la búsqueda, identificación y elección de candidatos. El propósito de este Trabajo de Fin de Máster es el de, como su propio nombre indica, generar una propuesta de solución que recomiende mentores teniendo en cuenta factores como la información sobre las interacciones sociales de los individuos con la comunidad como un todo y con cada individuo por separado, o los criterios de agrupamiento debido a expertos. Con este fin, se utilizará análisis de redes sociales, análisis de sentimientos y técnicas de aprendizaje automático. Como resultados de este trabajo, se proporciona una propuesta de algoritmo de generación de duplas en la que, haciendo uso de clustering, modularidad y análisis de sentimientos, se obtienen los miembros de esta, de manera que sean lo más compatible posibles. Además de esto, se presentará una propuesta de proyecto para el desarrollo de una aplicación funcional basado en este algoritmo. Finalmente, se añaden conclusiones sobre otros posibles acercamientos o consideraciones que podrían tenerse en cuenta para la mejora del modelo (como el uso de datos estáticos o estudiar más en detalle la utilidad del análisis de sentimientos). Así, se describirá en los dos primeros capítulos (‘Introducción’ y ‘Estado de la cuestión’) las circunstancias actuales que han motivado la realización de este trabajo, así como en las diferentes hipótesis que se ha apoyado. Para comprobar la exactitud de estas cuestiones, se realizará una serie de análisis que recorrerá todo el proceso de minería de datos (extracción de datos, preprocesamiento, procesamiento y validación de los resultados) que se recogerán en el capítulo ‘Estudio’ y que se usará de base para la propuesta de solución que se presentará en la ‘Propuesta de proyecto’. Finalmente, en ‘Conclusiones y trabajos futuros’ se comentarán los resultados obtenidos en la realización de este trabajoPublicación Predicción de puntuaciones de jugadores de baloncesto en Sorare a través de análisis de aprendizaje automático y series temporales(Universidad Nacional de Educación a Distancia (UNED). E.T.S. de Ingeniería Informática. Departamento de Inteligencia Artificial, 2025-02) Silguero Santos, Raúl; Rodríguez Anaya, AntonioSorare es una plataforma de deportes fantasy que permite a los usuarios gestionar equipos virtuales con tarjetas digitales de jugadores, representadas como Tokens No Fungibles (NFTs). Estas tarjetas pueden comprarse, venderse, intercambiarse y usarse en competiciones, donde las puntuaciones se basan en estadísticas reales de los jugadores. En el baloncesto, Sorare ofrece ligas fantasy de la NBA, donde los jugadores disputan un calendario de 82 partidos en la fase regular, seguido de playoffs. La distribución de los encuentros y los viajes constantes afectan el rendimiento de los jugadores, haciendo que el análisis predictivo sea una herramienta clave para optimizar estrategias dentro del juego. El incipiente interés en la aplicación de análisis predictivo en el rendimiento deportivo ha impulsado la exploración e investigación de métodos avanzados de aprendizaje profundo, los cuales pueden ser muy útiles para analizar y predecir datos de series temporales en los deportes. La precisión obtenida en estas predicciones puede permitir a los usuarios tomar decisiones que optimicen aún más sus opciones de conseguir recompensas y mejorar las diferentes estrategias escogidas dentro del juego, contribuyendo esto al crecimiento de la experiencia de juego, tanto en plataformas basadas en blockchain como Sorare o en deportes fantasy más tradicionales. Así, en este trabajo se diseña y desarrolla una serie de herramientas que sientan las bases para realizar un procesamiento y análisis de datos relacionados con el rendimiento de los jugadores de la NBA en Sorare, a través de la estructuración y limpieza de los mismos y explorando patrones relevantes en el rendimiento de dichos jugadores a través de diferentes métricas clave. Este apartado del trabajo viene acompañado por gráficos detallados que permiten el análisis de la distribución de dichas estadísticas, permitiendo identificar valores atípicos y explorar correlaciones entre diferentes variables. Todos estos datos se dividen en diferentes conjuntos, a través del enfoque propuesto de clasificar a los jugadores de baloncesto mediante su rol en sus equipos: titulares, jugadores de rotación y jugadores de banquillo Palmer et al. (2021), lo cual se determina a través de su promedio de minutos jugados por partido y el porcentaje de partidos disputados a lo largo de la temporada, permitiendo obtener un entendimiento aún mayor de cómo el rol de cada jugador afecta a su rendimiento y a su predicción futura de puntuación en Sorare. Sobre estos conjuntos de datos se implementan y evalúan diferentes algoritmos de aprendizaje automático para intentar predecir de la manera más precisa los Fantasy Points de los jugadores en Sorare, incluyendo el uso de métricas de evaluación para asegurar la fiabilidad de los modelos empleados. Las herramientas y modelos desarrollados ofrecen un soporte para que los usuarios de Sorare puedan tomar decisiones informadas al seleccionar alineaciones, basándose en predicciones precisas y análisis detallados de los jugadores. Este enfoque proporciona un marco replicable para optimizar estrategias en juegos fantasy basados en tecnologías blockchain.Publicación Pronóstico de Consumo Eléctrico y Detección de Anomalías mediante Machine Learning(Universidad Nacional de Educación a Distancia (UNED), 2025-06-08) Sánchez López, José Manuel; Rodríguez Anaya, AntonioEl objetivo principal de esta Tesis de Máster es desarrollar un modelo para predecir el consumo energético y detectar anomalías en una red extensa y heterogénea de supermercados. En concreto, utilizaremos como caso de estudio la red de tiendas de Grupo Dia en España. Esta red se compone de aproximadamente 2300 supermercados distribuidos por todo el territorio nacional peninsular, caracterizados por una notable heterogeneidad en términos de tamaño, horarios de apertura, ubicaciones (locales comerciales de edificios, centros comerciales o naves independientes) y antigüedad de las edificaciones, así como una marcada estacionalidad del consumo energético mensual y semanal, influenciado además por efectos de calendario, como días festivos. Para lograr el objetivo de predicción, se evaluarán tres técnicas de pronóstico a corto plazo (14 días) que proyectarán consumos energéticos para cada tienda a nivel diario y por franjas horarias. Los modelos que se implementarán son: Random Forest (Ensemble), Redes Neuronales LSTM (Deep Learning) y Prophet (Modelo Estadístico y ML). Simultáneamente, para el análisis de ineficiencias y la detección de anomalías, se empleará un enfoque de aprendizaje no supervisado basado en clustering para crear grupos de tiendas, con posterior detección de anomalías dentro de cada grupo. Se utilizarán los algoritmos K- Means, Agglomerative, DB-SCAN y GMM para Clustering y el Rango Intercuartílico para la detección de anomalías. Todos los algoritmos serán entrenados con datos reales históricos de consumo de energía a nivel horario, un extenso conjunto de características de cada tienda y variables de entorno, como la temperatura, que combinadas, permitirán mejorar la precisión de los modelos. Descubriremos cómo un modelo que no está pensado para pronosticar series temporales, como Random Forest, es capaz de conseguir los mejores resultados para una predicción a corto plazo sobre una secuencia de datos, gracias a la fortaleza de los modelos Ensemble y a su capacidad de detectar patrones no lineales y, por otro lado, cómo un meticuloso análisis de datos nos puede ayudar a dar un perfil de tienda ineficiente y a visualizar anomalías de consumo. El trabajo incluye un análisis exhaustivo del estado del arte en modelos predictivos de consumo energético y detección de anomalías, con énfasis en su aplicación en el sector minorista o similar. Además, se explorarán posibles mejoras a los modelos propuestos que podrían implementarse en el futuro para optimizar aún más la gestión energética de la compañía.Publicación Prospección de la colaboración utilizando herramientas de minería de datos en ambiente abiertos de aprendizaje colaborativo con el objetivo de mejorar la gestión del proceso de colaboración(Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial, 2009-12-17) Rodríguez Anaya, Antonio; González Boticario, JesúsLa motivación de esta tesis ha sido la mejora del aprendizaje en un entorno de educación a distancia. Debido a sus condicionamientos se aconseja el uso de la colaboración como estrategia educativa y la nuevas técnicas de información y comunicación hacen posible su uso en entornos de e-learning. Sin embargo, que haya servicios para poder colaborar no significa que suceda el aprendizaje colaborativo. El modelo de la experiencia de aprendizaje colaborativo debe cumplir una serie de condiciones como la de analizar la colaboración que se produce de manera regular y frecuente. Debido a la diversidad de los estudiantes en la educación a distancia y a las recomendaciones de centrarse en el estudiante, el control sobre los procesos que intervienen en el aprendizaje es responsabilidad de los propios estudiantes. Un ejemplo de estudiantes de la educación a distancia son los alumnos de la UNED (Universidad Nacional de Educación a Distancia), los cuales controlan su aprendizaje por lo que también deben controlar sus procesos de colaboración en un entorno colaborativo. Los condicionamientos de la educación a distancia, las condiciones que un entorno colaborativo debe cumplir y el control de los estudiantes sobre los procesos de colaboración, aconsejan realizar un análisis de lo que sucede en el entorno colaborativo para obtener valoraciones sobre la colaboración de forma regular y frecuente para asegurarse y mejorar el aprendizaje colaborativo con la menos intervención directa de los participantes en la experiencia. Éste ha sido el trabajo descrito en esta tesis. Se ha propuesto una experiencia de aprendizaje colaborativo durante los cursos 2006/2007, 2007/2008 y 2008/2009. Durante esos cursos se ha analizado mediante las interacciones en los foros del entorno la colaboración realizada y se han propuesto dos métodos de inferencia basados en tecnologías de aprendizaje automático. Durante el curso 2008/2009 se ha modelado los estudiantes según la colaboración utilizando uno de los dos métodos de inferencia propuesto. Con el modelo creado se han construido cuatro herramientas, las cuales mostraban distintas partes del modelo para entender cual de ellas era más útil y de dos estrategias de visualización distintas, una de ella mostraba la información, y la otra permitía la gestión de la misma desde un punto de vista escrutable. Las aportaciones de esta tesis al campo del modelado del estudiante en entornos colaborativos han sido evaluadas. Se ha propuesto un método de comparación de los dos métodos de inferencia utilizando los datos de los tres cursos. La información almacenada en el modelo de colaboración del estudiante y la forma de mostrar dicha información han sido evaluados utilizando distintas fuentes centradas en el estudiante. Se concluye que un método de análisis de la colaboración de forma regular y frecuente con la menor intervención directa de docentes o estudiantes es posible y que dicha información ayuda a mejorar el control del proceso de colaboración por lo que se alcanza mayor aprendizaje colaborativo. La generalidad del modelo educativo y sus componentes hace posible que se pueda utilizar en otros entornos colaborativos. Hay puntos abiertos que no cierra esta tesis como son la mejora de la exactitud de las inferencias de los métodos propuestos y su comparación con otros, así como la mejora del uso de las herramientas que utilizan la información inferida sobre la colaboración para la mejora del control de la colaboración, sobre todo aquellas que utilizan la estrategia de escrutabilidad.