| Resumen |
Se fundamenta y describe un proyecto de investigación en desarrollo en el área de Sistemas Tutores Inteligentes que busca automatizar la recomendación de acciones pedagógicas óptimas para que un estudiante lleve a cabo de la mejor manera su aprendizaje. Para lograr lo anterior se están empleando procesos markovianos, específicamente los llamados Procesos de Decisión de Markov Parcialmente Observables, debido a que ellos han permitido generar automáticamente políticas óptimas exitosas en gran variedad de dominios del mundo real. Sin embargo, este tipo de procesos markovianos tienen la problemática de ser de alta complejidad computacional, por lo que, antes de poder ser empleados en problemas reales del área de Tutores Inteligentes, se deberá trabajar en reducir tal complejidad. En el presente artículo se presentan una serie de experimentos que buscan evaluar la complejidad de cuatro métodos o algoritmos exactos y tres aproximados disponibles en la Web para la solución de modelos markovianos. De la evaluación así realizada proponemos varias alternativas para reducir la complejidad de estos algoritmos, pero buscando no afectar las ventajas relevantes que ofrecen los Procesos de Decisión de Markov Parcialmente Observables. |
