PUSAHQ, a smart robot for teaching children in preschoo=
l
=
Lissette Estefanía Salinas Salinas. =
Recibido:
01-07-2019 / Revisado: 15-07-2019 /Aceptado: 11-08-2019/ Publicado: 10-09-2=
019 The objective =
of
this research work was to implement an intelligent robot for the cognitive
interaction of preschool children, creating favorable environments for the
perception of colors and geometric figures. The robot offers the user a
graphical interface with several options that include stories, songs, games,
image gallery and face recognition (Face ID) to activate the teaching progr=
am.
The facial recognition system is based on the use of cascade classifiers and
the AdaBoost algorithm to train a neural network, implemented as an adaptat=
ion
of the model proposed by Paul Viola and Michael Jones Artificial Vision
techniques were used to determine the contour and color of 2D objects in
controlled spaces and a real-time tone filter to find the values =
203;of
the spectral bands in RGB format. All this information was processed in a
Raspberry Pi microprocessor. A differential locomotion system was also
implemented that allows the robot to move on flat surfaces next to sensors =
that
emit signals to an Arduino processor to coordinate movements and plan
trajectories. The results obtained from the interaction with children were
satisfactory, from a sample of 192 children, 98.44% liked it. On the other
hand, specialists in psychology and education described the robot as an
innovative didactic resource that contributes to special education helping
children with intellectual disabilities. With the implementation of the
intelligent robot, it is recommended to deepen the research that allows
contributing to the lifting of the cognitive bases. Keywords: Smart Toy, Artificial Intelligence, Preschool Education, Playful In=
teraction. Resumen. El
objetivo de este trabajo de investigación fue implementar un robot intelige=
nte
para la interacción cognitiva de nińos en edad preescolar, creando entornos
favorables para la percepción de colores y figuras geométricas. El robot of=
rece
al usuario una interfaz gráfica con varias opciones que incluyen historias,
canciones, juegos, galería de imágenes y reconocimiento facial (Face ID) para activar el programa de enseńanza. El si=
stema
de reconocimiento facial se basa en el uso de clasificadores en cascada y el
algoritmo AdaBoost para entrenar una red neuron=
al,
implementado como una adaptación del modelo propuesto por Paul Viola y tamb=
ién
se utilizaron técnicas de visión artificial de Michael Jones para determina=
r el
contorno y el color de los objetos 2D en espacios controlados y un filtro de
tonos en tiempo real para encontrar los valores de las bandas espectrales en
formato RGB. Toda esta información se procesó en un microprocesador Raspber=
ry
Pi. También se implementó un sistema de locomoción diferencial que permite =
al
robot moverse sobre superficies planas junto a sensores que emiten seńales =
a un
procesador Arduino para coordinar movimientos y planificar trayectorias. Los
resultados obtenidos de la interacción con nińos fueron satisfactorios, de =
una
muestra de 192 nińos, al 98,44% le gustó. Por otro lado, los especialistas =
en
psicología y educación describieron el robot como un recurso didáctico
innovador que contribuye a la educación especial que ayuda a los nińos con
discapacidad intelectual. Con la implementación del robot inteligente, se
recomienda profundizar la investigación que permite contribuir al levantami=
ento
de las bases cognitivas. Palabras
claves: Juguete Inteligente, Inteligencia Artificial,
Educación Prescolar, Interacción Lúdica. Introducción. Uno de los
avances tecnológicos de mayor impacto, es la imitación del ser humano tanto=
en
su funcionamiento motriz como intelectual, para lo cual se ha combinado
inteligencia artificial con robótica. Hoy en día, la industria e investigac=
ión
asignan a los robots diversos usos: robots en procesos industriales, proces=
os
médicos, trabajos de precisión entre otros y el caso particular de autómatas
asistenciales que realizan tareas domésticas y sirven como medio de
entretenimiento. =
La Educación en gran parte de sus componentes, es =
un
área que también se ha visto beneficiada por la robótica. Un caso particula=
r de
este hecho, queda establecido en el trabajo de Olga Ballesteros (2011),
manifiesta que en los sistemas robóticos aplicados a la educación inicial
contribuyen al aprendizaje inductivo, desarrollo sensorial y psicomotriz,
además de generar entornos para la adquisición de habilidades, competencias=
y
destrezas =
En este trabajo, se implementó un juguete intelige=
nte
para enseńar colores y figuras a nińos de 2 a 7 ańos, mediante la interacci=
ón
lúdica. Este juguete puede enseńar, jugar, almacenar fotos, narrar cuentos y
reproducir canciones para que los nińos se diviertan, generando conocimient=
os a
la vez que servirá como robot psicopedagógico. Esto se logró gracias a la
aplicación y uso de conceptos de electrónica, robótica, informática,
softcomputing, ingeniería del producto, sistemas embebidos, inteligencia y =
visión
artificial. Estado del Arte. Actualmen=
te
vivimos en la era de la tecnología, inmersa en un mundo de equipos intelige=
ntes
que apuestan hacer la vida más placentera. Introducir tecnología en nińos a
temprana edad es factible e importante para su formación. Es fundamental el
desarrollo de dispositivos o aplicaciones que ayuden a la enseńanza de los
infantes tanto en hogares como en centros educativos =
El término juguetrónica
hace referencia a un mecanismo psicopedagógico, donde un robot a más de ser=
un
juguete se transforma en un recurso educativo =
Existen sistemas sofisticados que combinan softwar=
e y
hardware para la escolarización infantil, uno de estos es Robi un juguete de
Fisher Price que reproduce más de 40 canciones, aprendizajes y bailes,
activándose desde su estómago o pie =
En el mercado encontramos varios robots educativos
comerciales que varían en funcionalidad y costos. Algunos ejemplos que se
pueden citar: Dash&Dot, Lego Mindstorms, Zowi, Bee-Bot, Albert, Moway
Scratch, etc. Además, hoy en día los robots humanoides son programados para
dictar clases en las escuelas de Japón, esto se evidencia en el artículo
Exploring the Possibility of using Humanoid Robots as Instructional Tools f=
or
Teaching a Second Language in Primary School =
Considerando lo expuesto, en este trabajo de
investigación, se construyó un juguete inteligente basado en técnicas de
softcomputing que, mediante la interacción lúdica y cognitiva, permite a ni=
ńos
entre 2 y 7 ańos desarrollar adecuadamente el aprendizaje de formas y color=
es. Metodología. A
continuación, detallaremos los principales métodos y técnicas que fueron
utilizados para la implementación del robot inteligente propuesto en este
trabajo de investigación. Es una derivación de la Inteligencia Artificial que
apareció por primera vez en 1994 y es delimitada por Zadeh (2017), en los
siguientes términos: Soft computin=
g es
una mezcla de distintos métodos que de una u otra forma cooperan desde sus
fundamentos. El principal objetivo es aprovechar la tolerancia que conlleva=
a
la imprecisión e incertidumbre, para conseguir manejabilidad, robustez y
soluciones a bajo costo. Los principales ingredientes de la softcomputing s=
on
la Lógica Difusa, la Neuro-computación y el Razonamiento probabilístico,
incluyendo en este último a los algoritmos genéticos, las redes de creencia,
los sistemas caóticos y algunas partes de la teoría de aprendizaje. En esa =
asociación
la lógica difusa se ocupa principalmente de la imprecisión y el razonamiento
aproximado; la neurocomputación del aprendizaje, y el razonamiento
probabilístico de la incertidumbre y la propagación de creencias El sistema de procesamiento de imágenes se ejecutó=
en
un minicomputador Raspberry Pi 3. Para el desarrollo de software del juguete
inteligente se usó el Lenguaje de programación Python y librerías de OpenCv=
. El
procesamiento de imágenes consta de dos partes el reconocimiento facial e
identificación de colores y formas de objetos 2D. La primera fase comprende=
de
una red neuronal entrenada con un algoritmo iterativo, mientras que la segu=
nda
emplea técnicas de visión artificial, en consideración a las característica=
s de
hardware empleado En el artículo Robust real-time face detection V=
iola
(2014) propone un método efectivo para la detección facial, basados en el
aprendizaje automático a partir de clasificadores sencillos que entrenan va=
rias
imágenes positivas y negativas En la tercera fase se extraen los rasgos de la cara
con filtros Haar y el algoritmo eigenfaces. Finalmente se entrenan los
clasificadores cascada con el algoritmo adaboost para identificar individuo=
s.
Figura 1. Diagrama para el reconocimiento fa=
cial Fuente: Pontificia Universidad Católica de
Valparaíso, Trabajo de Titulación, Reconocimiento facial. La Figura 2 muestra un clasificador tipo cascada
utilizado en el robot; la imagen ingresada se evalúa en cada etapa, si en C1
falla se rechaza y no se consideran las características restantes, caso
contrario se analiza la etapa C2 de características y continúa el proceso. =
La
ventana que supere todas las etapas es aquella que contiene una cara. Figura 2. <=
/b>Clasificador
cascada tipo Haar Fuente: Artículo ResearchGate, Detección de ro=
stros
en imágenes digitales usando clasificadores en cascada Se evaluó la efectividad de la red neuronal para el
reconocimiento facial implementado. Durante las pruebas intervinieron 3 niń=
os,
dos de ellos estaban registrados en la base de datos de imágenes considerad=
as
como positivas. Una imagen positiva, es aquella que se corresponde con un n=
ińo
que se encuentra validado como apto para interactuar con el robot inteligen=
te. Los valores obtenidos de la prueba se
evidencian en la Tabla 1. Tabla
1. Prueba de
efectividad de la red neuronal. VARIABLES
DE PRUEBA INDUVIDUOS Nińo 1 Nińo 2 Nińo 3 Falsos 15 15 15 15 12 13 8 0 0 1 1 0 12 12 7 0 10 ms 11 ms 11 ms 10 ms 3 2 7 15 99 92,67 91 100 95,7 Fuente: Autores El reconocimiento de color=
es y
figuras geométricas se aplica en ambientes controlados, después de haber
identificado el rostro del nińo. La cámara incluida en el microcontrolador
Rasperry Pi graba video y pre procesa la imagen, aplicando filtros gaussian=
os para
eliminar el ruido y conservar únicamente el contorno de mayor área con los
colores definidos, seguidamente se extrae la información para clasificar y
finalmente imprimir el color y figura del cuerpo en estudio. La Figura 3
ilustra este proceso. Figura 3. <=
/b>Diagrama
para el reconocimiento facial Fuente: <=
/span>Trabajo de Titulación, Dispositivo Tecnológico,
Escuela Superior Politécnica de Chimborazo El procedimiento empleado para reconocer los colores se describe a
continuación: ˇ
Captura la imagen ˇ
Convierte la imagen a formato RGB ˇ
Busca los objetos de los colores deseados ˇ
Elimina el ruido ˇ
Muestra en pantalla la imagen. Los colores que se reconocerán son los primarios y
secundarios, un filtro en tiempo real permite hallar los valores de las ban=
das
espectrales en ambientes controlados Figura 4. Diagrama de reconocimiento facial Fuente:=
Carpeta =
de
trabajos prácticos, Procesamiento digital de imágenes El
diseńo del robot inteligente es totalmente inédito, el modelamiento de las
piezas se realizó en SolidWorks Figura 5. Diseńo del Robot Inteligente. Fuente: Trabajo de Titulación, Modelamiento y Simulación de un algoritmo pa=
ra
el control del brazo robótico, Escuela Superior Politécnica de Chimborazo El material us=
ado
en la impresión 3D de robot es PLA (Plástico de Ácido Poliláctico), un prod=
ucto
natural e inocuo para la salud, hecho a base de maíz que no emite ningún ti=
po
de gases tóxicos. Concluida la
impresión se procedió al ensamblaje, para lo cual se unió con pegamento y
masilla. Fijas las piezas se pintaron con aerosol biodegradable, compuesto a
base de pigmentos minerales libres de plomo y cadmio. El juguete
inteligente tiene un sistema de locomoción diferencial, compuesto de cuatro
ruedas no directrices, como se observa en la Figura 6. Las llantas posterio=
res
se ajustan a los motores que reposan en la base del chasis, mientras las
llantas del frente están unidas por un eje metálico. Figura 6. Sistema de Locomoción Diferencial. Fuente:<=
span
lang=3DES-EC style=3D'font-size:12.0pt;font-family:"Times New Roman",serif;
color:windowtext;mso-ansi-language:ES-EC;font-weight:normal;font-style:norm=
al'>
Proyecto de fin de Carrera, Sistema Locomotor y de localización de un Microrobot, Universidad Carlos III Madrid Escuela Pol=
itécnica
Superior.Abstract. =
DOI: https://doi.org/10.33262/cienciadigital.v=
3i3.4..842
Softcomputing
Procesamiento Inteligente de Imágenes
Reconocimiento Facial
Identificación de Colores y Figuras
Diseńo e Implementación del Robot
Con el fin de mejorar la operatividad del Robot, se
implementó un sistema sensorial compuesto de seis sensores ultrasónicos
distribuidos en el contorno del robot para evitar colisiones. Los sensores =
1 y
2 anversos son los de mayor prioridad. Los sensores 3 y 4 están en los
costados, los sensores 5 y 6 se localizan en las esquinas delanteras. La Fi=
gura
7 muestra la distribución electrónica de los sensores
Figura 7. Sistema Sensorial
Fuente: Tecnologías de la Información y de la Computación,
Capítulo 6: Programación y Control de Procesos
El juguete inteligente denominado por sus autores =
como
PUSAHQ (vocablo quechua que significa líder dirigente, que lleva por buen
camino) mostrado en de la Figura 8, tiene dos switches colocados debajo de =
su
pantalla, el uno enciende la placa Raspberry Pi y sus componentes, mientras=
el
otro activa el sistema de locomoción.
Figura 8. Juguete Inteligente Implementado.
Fuente:<=
span
lang=3DES-EC style=3D'font-size:12.0pt;font-family:"Times New Roman",serif;
color:windowtext;mso-ansi-language:ES-EC;font-weight:normal;font-style:norm=
al'>
Trabajo de Titulación, Implementación de un juguete inteligente para la
enseńanza de nińos de 2 a 7 ańos, Escuela Superior Politécnica de Chimboraz=
o
PUSAHQ, cuenta=
con
una interfaz tal como se muestra en la Figura 10, donde el nińo puede
seleccionar una de las opciones disponibles. Los íconos representativos
permiten acceder a cuentos y canciones que serán reproducidos acorde a la
acción.
Figura 9. Interfaz Gráf=
ica
de Usuario.
Fuente: Dirección
General de Educación Inicial, Orientaciones Metodológicas para el Uso de
Material Didáctico en el Nivel Inicial
Al presionar s=
obre
la opción Aprendiendo se ejecut=
a el
sistema de reconocimiento facial, si al tercer intento no identifica el ros=
tro
volverá al menú principal, caso contrario se activa el programa para la
identificación de colores y figuras. El robot inteligente, enseńará la form=
a y
color de los objetos que el nińo tenga en sus manos. En Galería se puede visualizar fotograf=
ías
almacenadas y el minicomputador se apagará con la opción Salir.
Resultados
Para eval= uar el desempeńo del juguete inteligente se realizaron pruebas con nińos de una Escuela de Educación Media de cuidad de Ambato - Ecuador. La institución cuenta con 192 alumnos en jornada matutina, de primer a sexto a grado. El 98.44% del total de nińos mostraron agrado al utilizar el robot, las respuestas más comunes de la raz= ón por la cual les agradaba eran porque caminaba, cantaba, contaba cuentos y l= es enseńaba. Para determinar el grado de interés de los nińos, se analizó el comportamiento de cada uno de ellos cuando interactuaban con el robot, considerando su edad. Estos resultados se pueden evidenciar en la Tabla 2.<= o:p>
Tabla
2. Análisis de
interés por edades, datos porcentuales.
|
INTERÉS EDAD |
ALTO |
MEDIO |
BAJO |
|
[2, 3] ańos |
33.33 % |
66.67 % |
0.00 % |
|
[3, 4] ańos |
75.00 % |
25.00 % |
0.00 % |
|
[4, 5] ańos |
82.76 % |
10.34 % |
6.90 % |
|
[5, 6] ańos |
72.73 % |
15.15 % |
12.12 % |
|
[6, 7] ańos |
53.13 % |
28.13 % |
18.75 % |
|
63.39
% |
29.06
% |
7.55
% |
Fuente: Autores
La Figura 10 esquematiza l=
os
resultados arrojados de la interacción con nińos, es notorio observar como =
el
grado de interés aumenta y disminuye acorde a la edad.
Figura 10. Nivel de Interés por edades de PUSHQ.=
=
En los primeros dos ańos de vida, los nińos aprend=
en
por medio de imágenes y símbolos, dado que se interesan más por la realizac=
ión
de actividades lúdicas basadas en juegos. A medida que crecen, se vuelven m=
ás
curioso y su interés aumenta, alcanzando su máximo nivel a los 4 y 5 ańos <=
w:Sdt
Citation=3D"t" ID=3D"1630673343">(Piag=
et,
1967).
A partir del sexto ańo los infantes desean descubrir nuevas cosas por lo qu=
e el
interés por el robot empieza a descender. La Figura 11, muestra los porcent=
ajes
generales del nivel de interés de los nińos. Apenas el 7.55% no empatizó co=
n el
robot, el 29.06% presentaron una conducta normal y el 63.39% se impresionar=
on y
esperaban con impaciencia su turno para interactuar con el juguete intelige=
nte.
De forma global, el nivel de interés alto predominada en toda la etapa pre
operacional.
Figura 11. Nivel de inte=
rés
de PUSAHQ.
Fuente: Trabajo de
Titulación, Dispositivo Tecnológico, Escuela Superior Politécnica de Chimbo=
razo
Docentes y
personal de la Institución Educativa, dieron su juicio valorativo. El robot
inteligente les pareció una herramienta muy útil en las actividades como
recurso didáctico dentro del proceso de aprendizaje y estimulación de
estudiantes. Uno de los resultados más satisfactorios fue el aporte dentro =
de
la educación especial, desempeńando el papel de robot psicopedagógico. Esto=
se
constató al estimular el lenguaje de nińos con problemas de trastorno de
lenguaje.
=
Conclusiones
ˇ
El presente trabajo de investigac=
ión,
implementó un robot inteligente que, mediante la aplicación de métodos y
técnicas de la Inteligencia Artificial y la electrónica, permitieron que el
autómata hable y se mueva lo que es motivo suficiente para que nińos de 2 a=
7
ańos interactúen de forma lúdica y cognitiva con él. En el pecho del robot aparece una inter=
faz
gráfica con varias opciones disponibles como: cuentos, canciones, fotos y
juegos, para una adecuada percepción de colores y figuras geométricas.
ˇ
El softcomputing es la hibridació=
n de
dos o más técnicas de inteligencia artificial, cada una aporta de diferente
manera para dar solución a problemas complejos carentes de modelos matemáti=
cos.
Las redes neuronales junto con los sistemas evolutivos son los encargados d=
el
aprendizaje usados a menudo para el reconocimiento de patrones e identifica=
ción
y reconocimiento de imágenes.
ˇ
El sistema de reconocimiento faci=
al
(Face ID) implementado en este robot, es una adaptación del modelo propuesto
por Viola-Jones, haciendo uso de la
imagen integral, clasificadores cascada y un algoritmo Adaboost para
entrenar una red neuronal. Sin duda es uno de los modelos biométricos más
eficientes para la identificación de rostros alcanzando el 95,7% de
efectividad.
ˇ
Debido a la forma y operatividad =
del
robot, a un 98,44% de un grupo de 192 nińos mostraron agrado al interactuar=
con
él. Esto se debe al diseńo amigable del autómata en base al uso de material=
es y
colores llamativos.
ˇ
El invaluable aporte de la
electrónica dentro de la robótica permite integrar el software al hardware,=
tal
es el caso de los sensores encargados de esquivar obstáculos, planificar la
trayectoria del juguete y posicionarlo a 50 cm del nińo, distancia óptima p=
ara
la captura y procesamiento inteligente de imágenes.
ˇ
El juguete inteligente implementa=
do
es innovador y bueno para la estimulación y desarrollo de habilidades,
destrezas y competencias de nińos en etapa pre - operacional. Tiene un vali=
oso
aporte dentro de la educación especial, como robot psicopedagógico.
=
=
Ballesteros, O. (2011). La lúdica como estrat=
egia
didáctica. Obtenido de La lúdica como estrategia didáctica:
http://www.bdigital.unal.edu.co/6560/1/olgapatriaballesteros.2011.pdf
Cayambe Yambay, D. I. (14 de Abril de 2017). =
Inteligencia
Artificial aplicada a robot asistencial para la interacción con nińos en =
edad
temprana. Obtenido de Inteligencia Artificial aplicada a robot
asistencial para la interacción con nińos en edad temprana: http://dspace=
.espoch.edu.ec/handle/123456789/6036
Chih-Wei Chang, J.-H. L.-Y.-Y.-D. (27 de Abril de
2010). Exploring the
Possibility of Using Humanoid Robots as Instructional Tools for Teaching a
Second Language in Primary School. Obtenido
de https://www.jstor.org/stable/jeductechsoci.13.2.13?seq=3D1#page_scan_t=
ab_contents
Comercio, E. (2 de abril de 2016). Presentan =
un
robot educativo hecho en el Ecuador. Obtenido de El Comercio:
https://www.elcomercio.com/tendencias/teebot-robot-tecnologia-educacion-e=
cuador.html
Flor Bravo, A. F. (2012). La Robótica como un
recurso para facilitar el aprendizaje y desarrollo de competencias genera=
les.
Obtenido de http://revistas.usal.es/index.php/eks/article/view/9002
Gómez, S. (2008). El gran Libro Solid Works.<=
/i>
Obtenido de https://www.academia.edu/33338601/El_gran_libro_de_solidworks=
-ligero
Gómez, S. (2014). EL GRAN LIBRO DE SOLIDWORKS=
2Ş.
Obtenido de Marcombo, Técnica, Ciencia y Formación.:
https://www.marcombo.com/el-gran-libro-de-solidworks-2a-9788426721730/
Nilsson, N. J. (2019). INTELIGENCIA ARTIFICIA=
L:
UNA NUEVA SINTESIS. Obtenido de La Casa del Libro:
https://www.casadellibro.com/libro-inteligencia-artificial-una-nueva-sint=
esis/9788448128241/726670
Paúl VIiola, M. J. (mayo de 2004).
Pérez, Á. (19 de Julio de 2012). Educarse en =
la
era digital. Obtenido de Educarse en la era digital:
https://www.edmorata.es/libros/educarse-en-la-era-digital
Piaget, J. J. (17 de mayo de 1967).
Price, F. (15 de marzo de 2017). Obtenido de Rob=
ot
Robi: https://www.fisher-price.com/es_ES/products/Robot-Robi
Verdegay, J. (12 de abril de 2017). De los
conjuntos borrosos a la "Soft Computing". Obtenido de los
conjuntos fuzzy:
https://www.researchgate.net/profile/Jose_Verdegay/publication/44036102_D=
e_los_conjuntos_borrosos_a_la_Soft_Computing/links/0deec525ad36b734c9000000=
.pdf
Vidal, J. (2013). La búsqueda de la realidad o d=
e la
verdad: una aproximación a partir de la teoría sociológica.
Viola, P., Jones, M., & Snow, D. (Agosto de
2013). Detecting Pedestrians Using Patterns of. Obtenido de
http://www.merl.com/publications/docs/TR2003-90.pdf
Zadeh, L. (11 de Abril de 2017). Soft Computing and Fuzzy Logic. Obtenido
de https://www.worldscientific.com/doi/abs/10.1142/9789814261302_0042
PARA
CITAR EL ARTÍCULO INDEXADO.
Salinas Salinas, L., Chamorro Carrera, E., Lozada Yánez, P., = & Jiménez Granizo, C. (2019). PUSAHQ, un robot inteligente para la enseńanza a nińos de etapa inicial. Ciencia Digital, 3(3.4.), 135-151. https://doi.org= /10.33262/cienciadigital.v3i3.4.842
El artículo que se publica es de
exclusiva responsabilidad de los autores y no necesariamente reflejan el
pensamiento de la Revista Ciencia
Digital.
El artículo qu=
eda
en propiedad de la revista y, por tanto, su publicación parcial y/o total en
otro medio tiene que ser autorizado por el director de la Revista Ciencia Digital.
[1] Escue=
la
Superior Politécnica de Chimborazo, Escuela: Ingeniería Electrónica en Cont=
rol
y Redes Industriales. Riobamba, Ecuador. lsalinas@espoch.edu.ec
[2] Escuela Superior Politécnica de Chimborazo, Escuela:
Ingeniería Electrónica en Control y Redes Industriales. Riobamba, Ecuador. =
mchamorro@espoch=
.edu.ec
[3] Escuela Superior Politécnica de Chimborazo, Escuela:
Ingeniería Electrónica en Control y Redes Industriales. Riobamba, Ecuador.<=
/span>plozada@espoch.e=
du.ec
[4] Universidad Nacional de Chimborazo, Carrer=
a: Pedagogía
de la Informática. Riobamba, Ecuador. cjimenez@unach.edu.ec,