En este curso se pretende dar una visión amplia de los conceptos y de las aplicaciones ligadas al nombre de “inteligencia artificial”. Así, una vez planteado un problema encontramos que necesitamos hablar de búsqueda para hallar la solución y necesitamos una representación del conocimiento para este problema. Se explican los sistemas basados en inteligencia artificial, los sistemas basados en el conocimiento, la planificación y el aprendizaje artificial.
La Inteligencia Artificial es una combinación de la ciencia del computador, fisiología y filosofía, tan general y amplio como eso, es que reúne varios campos (robótica, sistemas expertos), todos los cuales tienen en común la creación de máquinas que pueden "pensar".
La Inteligencia Artificial surge como una reacción ante la Cibernética. Los pioneros del nuevo enfoque investigativo, se proponen la creación de una ciencia en si misma, sustentada sobre sus propias leyes, y se plantearon como objetivo principal el desarrollo de programas por computadoras capaces de exhibir una conducta inteligente.
1.- ANTECEDENTES GENERALES
Esta asignatura comprende los fundamentos necesarios para la formación de aquellos alumnos que hayan decidido orientar sus estudios hacia el conocimiento teórico y práctico de los temas relacionados con la Inteligencia Artificial.
1.1 OBJETIVOS ASIGNATURA
La asignatura de Inteligencia Artificial tiene por Objetivo que los estudiantes adquieran los conocimientos y desarrollen sus habilidades, estrategias, técnicas con expectativas futuras.
1.1.1 Objetivos Específicos
Asimismo los objetivos se alcanzan –mayoritariamente– realizando los trabajos y/o prácticas que se requieren en el transcurso de la asignatura.
a. Adquirir los conocimientos generales básicos sobre el área de estudio: la Inteligencia artificial.
b. Capacidad de aplicar los conocimientos a la práctica. Abrir un camino hacia a un perfil profesional.
c. Habilidades de investigación. Abrir un camino hacia a un posible doctorado.
d. Trabajo en equipo.
e. Habilidad para trabajar de forma autónoma.
f. Capacidad de crítica y de autocrítica.
g. Capacidad de aprender.
h. Capacidad para generar nuevas ideas (creatividad).
i. Capacidad de análisis y de síntesis.
j. Capacidad de organizar y de planificar.
k. Comunicación oral y escrita en la propia lengua.
l. Habilidades de gestión de la información (habilidad para buscar y analizar información procedente de fuentes diversas).
m. Resolución de problemas.
n. Toma de decisiones.
1.2 METODOLOGÍA
Se utilizan diferentes metodologías que se detallan a continuación. Esta asignatura se imparte tanto en formato presencial como en formato semipresencial. En el primer caso, la teoría se imparte principalmente a través de clases magistrales (combinadas con algunas diapositivas). Mientras que en el formato semipresencial, se sigue una guía de estudio a través de sesiones online.
Durante las clases magistrales se resuelven ejercicios de cada tema. El temario de la asignatura se apoya en las clases teóricas y/o guía de estudio, y también en las clases prácticas (laboratorio), así el desarrollo de las prácticas (trabajo en equipo, trabajo de campo, diseño, implementación, evaluación de los resultados, discusión y realización de la memoria) y los trabajos personales (individuales y de carácter optativo) orientados a la búsqueda y estructuración de la información, permiten trabajar y aplicar los conceptos teóricos impartidos.
Las prácticas y los trabajos se presentan oralmente. Algunos de ellos en forma de debate (diferentes maneras de solucionar un problema) en clase. Concretamente, durante el curso se realizan las prácticas siguientes:
a) Ejercicios
b) Práctica 1 – Búsqueda
c) Ficha de un lenguaje de representación del conocimiento
d) Práctica 2 – Representación del conocimiento / Razonamiento
e) Práctica 3 – Aprendizaje artificial
f) Trabajo personal (optativo)
1.1 OBJETIVOS ASIGNATURA
La asignatura de Inteligencia Artificial tiene por Objetivo que los estudiantes adquieran los conocimientos y desarrollen sus habilidades, estrategias, técnicas con expectativas futuras.
1.1.1 Objetivos Específicos
Asimismo los objetivos se alcanzan –mayoritariamente– realizando los trabajos y/o prácticas que se requieren en el transcurso de la asignatura.
a. Adquirir los conocimientos generales básicos sobre el área de estudio: la Inteligencia artificial.
b. Capacidad de aplicar los conocimientos a la práctica. Abrir un camino hacia a un perfil profesional.
c. Habilidades de investigación. Abrir un camino hacia a un posible doctorado.
d. Trabajo en equipo.
e. Habilidad para trabajar de forma autónoma.
f. Capacidad de crítica y de autocrítica.
g. Capacidad de aprender.
h. Capacidad para generar nuevas ideas (creatividad).
i. Capacidad de análisis y de síntesis.
j. Capacidad de organizar y de planificar.
k. Comunicación oral y escrita en la propia lengua.
l. Habilidades de gestión de la información (habilidad para buscar y analizar información procedente de fuentes diversas).
m. Resolución de problemas.
n. Toma de decisiones.
1.2 METODOLOGÍA
Se utilizan diferentes metodologías que se detallan a continuación. Esta asignatura se imparte tanto en formato presencial como en formato semipresencial. En el primer caso, la teoría se imparte principalmente a través de clases magistrales (combinadas con algunas diapositivas). Mientras que en el formato semipresencial, se sigue una guía de estudio a través de sesiones online.
Durante las clases magistrales se resuelven ejercicios de cada tema. El temario de la asignatura se apoya en las clases teóricas y/o guía de estudio, y también en las clases prácticas (laboratorio), así el desarrollo de las prácticas (trabajo en equipo, trabajo de campo, diseño, implementación, evaluación de los resultados, discusión y realización de la memoria) y los trabajos personales (individuales y de carácter optativo) orientados a la búsqueda y estructuración de la información, permiten trabajar y aplicar los conceptos teóricos impartidos.
Las prácticas y los trabajos se presentan oralmente. Algunos de ellos en forma de debate (diferentes maneras de solucionar un problema) en clase. Concretamente, durante el curso se realizan las prácticas siguientes:
a) Ejercicios
b) Práctica 1 – Búsqueda
c) Ficha de un lenguaje de representación del conocimiento
d) Práctica 2 – Representación del conocimiento / Razonamiento
e) Práctica 3 – Aprendizaje artificial
f) Trabajo personal (optativo)
2.- CONTENIDO DE LA ASIGNATURA INTELIGENCIA ARTIFICIAL
Teniendo en cuenta los condicionantes mencionados en el anterior capitulo, el programa de la asignatura Inteligencia Artificial (IA) incluye las siguientes unidades temáticas representadas por módulo:
2.1 CONTENIDO TEMÁTICO PRINCIPAL
2.1.1 Módulo 1. Conceptos Básicos sobre Inteligencia Artificial (IA) [8 horas]Objetivo: El alumno comprenderá los orígenes, tendencias de uso y el futuro de la IA; para establecer las bases formales sobre las cuales apoyar el resto de los conceptos de esta disciplina.
1.1. Definiciones [2 horas]
1.2. Fundamentos [2 horas]
1.3. Resumen Histórico [1 hora]
1.4. Sistemas Basados en Conocimiento [1 hora]
1.5. Futuro de la IA [2 horas]
Recomendaciones: Considerar el uso de dinámicas de clase que permitan la apertura mental hacia el tipo de conceptos que se utilizan en la IA. Tarea: Investigar sobre la historia de la IA.
2.1.2 Módulo 2. Redes Semánticas y la Representación del Conocimiento [8 horas] Objetivo: El alumno comprenderá que uno de los principales desafíos de la IA, es la representación óptima del conocimiento: mismo que frecuentemente se representa por medio de redes semánticas.
2.1. Definiciones de Conocimiento [2 horas]
2.2. Redes Semánticas [3 horas]
2.3. Métodos de Descripción y Pareamiento (MDP) [1 hora]
2.4. Otras técnicas de Representación del Conocimiento [2 horas]
Recomendaciones: Es importante revivir el concepto de Tipo de Datos Abstracto (TDA), las Estructuras de Datos y el Desarrollo de Algoritmos. Principalmente los TDA: grafo y árbol. Tarea: Ejercitar con algunas representaciones simples.
2.1.3 Módulo 3. Técnicas para Enfrentar los Problemas [9 horas]Objetivo: Aplicar diferentes estrategias para enfrentar problemas concretos.
3.1. Definiciones [1 hora]
3.2. Tipos de problemas [2 horas]
3.3. Métodos de resolución [5 horas]
3.4. Verificación de restricciones [1 hora]
Recomendaciones: Revivir situaciones cotidianas que podrían ayudar comprender mejor los principios para enfrentar problemas. Tareas: resolución de problemas clásicos y cotidianos. Al final del módulo 3, se recomienda aplicar un examen parcial.
2.1.4 Módulo 4. Técnicas de Búsqueda [9 horas] Objetivo: El alumno comprenderá que todo algoritmo inteligente se basa en una búsqueda dentro de un espacio de estados que describen a un problema determinado. Asimismo, se aplicarán algunas de las técnicas de búsqueda más conocidas.
4.1. Definiciones [2 horas]
4.2. Búsquedas Exhaustivas [4 horas]
4.3. Búsquedas Heurísticas [3 horas]
Recomendaciones: Revivir situaciones cotidianas podría ayudar comprender mejor los principios para realizar búsquedas. La implementación de algunos algoritmos de búsqueda reforzará el aprendizaje en esta sección. Tarea: Implementación de algún algoritmo de búsqueda no implementado en clase.
2.1.5 Módulo 5. Planificación [7 horas] Objetivo: El alumno comprenderá la importancia y los principios de planificación, así como la aplicación de algunas técnicas para lograr una planificación efectiva.
5.1. Definición [2 hora]
5.2. Principios y Técnicas para la Planificación [3 horas]
5.3. Ejemplos de Planificación [2 horas]
Recomendaciones: Planificar sobre actividades cotidianas para mejorar la comprensión. Tarea: hacer la planificación de algunas actividades cotidianas.
Al final del módulo 5, se recomienda el segundo examen parcial.
2.1.6 Módulo 6. Técnicas Softcomputing [8 horas] Objetivo: El alumno comprenderá los diferentes paradigmas de la IA que pueden utilizarse en la resolución de problemas no-convencionales que normalmente debe enfrentar esta disciplina.
6.1. Sistemas Expertos [2 horas]
6.2. Redes Neuronales Artificiales [2 horas]
6.3. Lógica Difusa [2 horas]
6.4. Algoritmos Genéticos [2 horas]
Recomendaciones: Hacer una revisión de los diferentes paradigmas de la IA, así como algunos ejemplos funcionales. Tarea: Investigar y Exponer sobre el estado del arte de algunas técnicas de Softcomputing.
2.1.7 Módulo 7. Vertientes de la IA [10 horas] Objetivo: El alumno comprenderá las diferentes vertientes de la IA, con el objeto de establecer los principios y bases de creatividad que exige la IA.
7.1. Agentes [2 horas]
7.2. Robótica [2 horas]
7.3. En la educación [2 horas]
7.4. Procesamiento de Lenguaje Natural [2 horas]
7.5. Percepción-Acción (Sistemas Reactivos) [2 horas]
Recomendaciones: Hacer una revisión de los diferentes vertientes de la IA, así como algunos ejemplos funcionales. Tarea: Investigación sobre el estado del arte de algunas vertientes de la IA, y finalmente se realizara una autoevaluación del alumno.
2.2 METODOLOGÍA DEL CURSO
- Sesiones teóricas
- Prácticas de laboratorio
2.3 EVALUACIÓN
20% Exámenes Parciales
10% Tareas de Investigación y Exposiciones
70% Proyectos de Laboratorio
Duración del curso
60 horas
2.1 CONTENIDO TEMÁTICO PRINCIPAL
2.1.1 Módulo 1. Conceptos Básicos sobre Inteligencia Artificial (IA) [8 horas]Objetivo: El alumno comprenderá los orígenes, tendencias de uso y el futuro de la IA; para establecer las bases formales sobre las cuales apoyar el resto de los conceptos de esta disciplina.
1.1. Definiciones [2 horas]
1.2. Fundamentos [2 horas]
1.3. Resumen Histórico [1 hora]
1.4. Sistemas Basados en Conocimiento [1 hora]
1.5. Futuro de la IA [2 horas]
Recomendaciones: Considerar el uso de dinámicas de clase que permitan la apertura mental hacia el tipo de conceptos que se utilizan en la IA. Tarea: Investigar sobre la historia de la IA.
2.1.2 Módulo 2. Redes Semánticas y la Representación del Conocimiento [8 horas] Objetivo: El alumno comprenderá que uno de los principales desafíos de la IA, es la representación óptima del conocimiento: mismo que frecuentemente se representa por medio de redes semánticas.
2.1. Definiciones de Conocimiento [2 horas]
2.2. Redes Semánticas [3 horas]
2.3. Métodos de Descripción y Pareamiento (MDP) [1 hora]
2.4. Otras técnicas de Representación del Conocimiento [2 horas]
Recomendaciones: Es importante revivir el concepto de Tipo de Datos Abstracto (TDA), las Estructuras de Datos y el Desarrollo de Algoritmos. Principalmente los TDA: grafo y árbol. Tarea: Ejercitar con algunas representaciones simples.
2.1.3 Módulo 3. Técnicas para Enfrentar los Problemas [9 horas]Objetivo: Aplicar diferentes estrategias para enfrentar problemas concretos.
3.1. Definiciones [1 hora]
3.2. Tipos de problemas [2 horas]
3.3. Métodos de resolución [5 horas]
3.4. Verificación de restricciones [1 hora]
Recomendaciones: Revivir situaciones cotidianas que podrían ayudar comprender mejor los principios para enfrentar problemas. Tareas: resolución de problemas clásicos y cotidianos. Al final del módulo 3, se recomienda aplicar un examen parcial.
2.1.4 Módulo 4. Técnicas de Búsqueda [9 horas] Objetivo: El alumno comprenderá que todo algoritmo inteligente se basa en una búsqueda dentro de un espacio de estados que describen a un problema determinado. Asimismo, se aplicarán algunas de las técnicas de búsqueda más conocidas.
4.1. Definiciones [2 horas]
4.2. Búsquedas Exhaustivas [4 horas]
4.3. Búsquedas Heurísticas [3 horas]
Recomendaciones: Revivir situaciones cotidianas podría ayudar comprender mejor los principios para realizar búsquedas. La implementación de algunos algoritmos de búsqueda reforzará el aprendizaje en esta sección. Tarea: Implementación de algún algoritmo de búsqueda no implementado en clase.
2.1.5 Módulo 5. Planificación [7 horas] Objetivo: El alumno comprenderá la importancia y los principios de planificación, así como la aplicación de algunas técnicas para lograr una planificación efectiva.
5.1. Definición [2 hora]
5.2. Principios y Técnicas para la Planificación [3 horas]
5.3. Ejemplos de Planificación [2 horas]
Recomendaciones: Planificar sobre actividades cotidianas para mejorar la comprensión. Tarea: hacer la planificación de algunas actividades cotidianas.
Al final del módulo 5, se recomienda el segundo examen parcial.
2.1.6 Módulo 6. Técnicas Softcomputing [8 horas] Objetivo: El alumno comprenderá los diferentes paradigmas de la IA que pueden utilizarse en la resolución de problemas no-convencionales que normalmente debe enfrentar esta disciplina.
6.1. Sistemas Expertos [2 horas]
6.2. Redes Neuronales Artificiales [2 horas]
6.3. Lógica Difusa [2 horas]
6.4. Algoritmos Genéticos [2 horas]
Recomendaciones: Hacer una revisión de los diferentes paradigmas de la IA, así como algunos ejemplos funcionales. Tarea: Investigar y Exponer sobre el estado del arte de algunas técnicas de Softcomputing.
2.1.7 Módulo 7. Vertientes de la IA [10 horas] Objetivo: El alumno comprenderá las diferentes vertientes de la IA, con el objeto de establecer los principios y bases de creatividad que exige la IA.
7.1. Agentes [2 horas]
7.2. Robótica [2 horas]
7.3. En la educación [2 horas]
7.4. Procesamiento de Lenguaje Natural [2 horas]
7.5. Percepción-Acción (Sistemas Reactivos) [2 horas]
Recomendaciones: Hacer una revisión de los diferentes vertientes de la IA, así como algunos ejemplos funcionales. Tarea: Investigación sobre el estado del arte de algunas vertientes de la IA, y finalmente se realizara una autoevaluación del alumno.
2.2 METODOLOGÍA DEL CURSO
- Sesiones teóricas
- Prácticas de laboratorio
2.3 EVALUACIÓN
20% Exámenes Parciales
10% Tareas de Investigación y Exposiciones
70% Proyectos de Laboratorio
Duración del curso
60 horas
TIPOS DE EVALUACIONES
EVALUACION ORAL
EVALUACION AFICHES
EVALUACION DE TRABAJO DE INVESTIGACION
EVALUACICION A GRUPOS DE TRABAJO
INSTRUMENTOS DE AUTOEVALUACION
EVALUACION AFICHES
EVALUACION DE TRABAJO DE INVESTIGACION
EVALUACICION A GRUPOS DE TRABAJO
INSTRUMENTOS DE AUTOEVALUACION
SIMULACIÓN DE CLASE
Se realiza con el fin de verificar las competencias del postulante en el desarrollo de una clase, así como sus conocimientos y experiencias en un tema de la asignatura seleccionada.
En Santa Cruz de la Sierra, a Hrs.:......... de fecha ..............del año...... en la sala Auditorio de la Universidad, en cumplimiento del sistema de Evaluación definido para el Modulo Didáctica en la Educación Superior procedió a evaluar la Simulación de Clase de:.............................. Acto que fue presidida por el Lic. ..................................... Finalizada el acto de Simulación de Clase, se procedió a otorgar la siguiente calificación:
a) Conocimiento teórico y practico del tema asignado:
- Dominio del contenido del tema (hasta 10 puntos)..../10
- Preparación de la clase (hasta 10 puntos)..../10
- Claridad en la explicación del tema (hasta 10 puntos)..../10
- Uso de ejemplos actuales que facilitan la comprensión del tema
(hasta 10 puntos)..../10
- Seguridad en la exposición del tema y las respuestas a los
cuestionamientos del tribunal examinador (hasta 10 puntos)..../10
- Voz, Gestos y Vocabulario (hasta 10 puntos)..../10
b) Metodología de enseñanza a aplicar en el tema seleccionado:
- Aprovechamiento optimo del tiempo de exposición
(hasta 10 puntos)..../10
- Didáctica aplicada en el tema presentado
(hasta 20 puntos)..../20
- Uso de medios de apoyo según el tema presentado
(hasta 10 puntos)..../10
Según esta calificación, correspondería al Tribunal Examinador AUTORIZAR / SUSPENDER el ingreso del postulante a la Docencia Universitaria. Considerando la siguiente Observación:
................................................................................................................................................................................................................................................................................................................................................................................................................
El acto concluyo a Hrs.: ....... y para constancia firman al pie del presente documento:
................................. ...............................................
Firma del Presidente Firma del Docente Examinador
En Santa Cruz de la Sierra, a Hrs.:......... de fecha ..............del año...... en la sala Auditorio de la Universidad, en cumplimiento del sistema de Evaluación definido para el Modulo Didáctica en la Educación Superior procedió a evaluar la Simulación de Clase de:.............................. Acto que fue presidida por el Lic. ..................................... Finalizada el acto de Simulación de Clase, se procedió a otorgar la siguiente calificación:
a) Conocimiento teórico y practico del tema asignado:
- Dominio del contenido del tema (hasta 10 puntos)..../10
- Preparación de la clase (hasta 10 puntos)..../10
- Claridad en la explicación del tema (hasta 10 puntos)..../10
- Uso de ejemplos actuales que facilitan la comprensión del tema
(hasta 10 puntos)..../10
- Seguridad en la exposición del tema y las respuestas a los
cuestionamientos del tribunal examinador (hasta 10 puntos)..../10
- Voz, Gestos y Vocabulario (hasta 10 puntos)..../10
b) Metodología de enseñanza a aplicar en el tema seleccionado:
- Aprovechamiento optimo del tiempo de exposición
(hasta 10 puntos)..../10
- Didáctica aplicada en el tema presentado
(hasta 20 puntos)..../20
- Uso de medios de apoyo según el tema presentado
(hasta 10 puntos)..../10
Según esta calificación, correspondería al Tribunal Examinador AUTORIZAR / SUSPENDER el ingreso del postulante a la Docencia Universitaria. Considerando la siguiente Observación:
................................................................................................................................................................................................................................................................................................................................................................................................................
El acto concluyo a Hrs.: ....... y para constancia firman al pie del presente documento:
................................. ...............................................
Firma del Presidente Firma del Docente Examinador
PRESENTACIÓN DE CRITERIOS SEGÚN DOMINIOS
Este apartado presenta los 20 criterios del ejercicio profesional. Los cuadros siguiente muestran como se agrupan los criterios en los cuatros dominios y como se ordenan lo criterios y sus correspondientes descriptores.
CRITERIOS POR DOMINIO
A)Preparación de la Enseñanza:
1. Domina los contenidos de las disciplinas que enseña y el marco curricular
Nacional.
2. Conoce las características, conocimientos y experiencias de sus estudiantes.
3. Domina la didáctica de la disciplina que enseña.
4. Organiza los objetivos y contenidos de manera coherente con el marco curricular y
las particularidades de sus alumnos.
5. Las estrategias de evaluación son coherentes con los objetivos de aprendizaje, la
disciplina que enseña, el marco curricular Nacional y permite a todos los
alumnos demostrar lo aprendido.
B)Creación de una Ambiente propicio para el Aprendizaje:
6. Establece un clima de relaciones de aceptación, equidad, confianza, solidaridad y
respeto.
7. Manifiesta altas expectativas sobre las posibilidades de aprendizaje y desarrollo
de todos sus alumnos.
8. Establece y mantiene normas consistentes de convivencia en el aula.
9. Establece un ambiente organizado de trabajo y dispone los espacios y recursos en
función de los aprendizajes.
C) Enseñanza para el Aprendizaje de todos los Estudiantes:
10. Comunica en forma clara y precisa los objetivos de aprendizaje.
11. Las estrategias de enseñanza son desafiantes, coherentes y significativas para
los estudiantes.
12. El contenido de la clase es tratado con rigurosidad conceptual y es
comprensible para los estudiantes.
13. Optimiza el tiempo disponible para la enseñanza
14. Promueve el desarrollo del pensamiento
15. Evalúa y monitorea el proceso de compresión y apropiacción de los contenidos por
parte de los estudiantes.
D)Responsabilidades Profesionales:
16. El profesor reflexiona sistemáticamente sobre la práctica.
17. Construye relaciones profesionales y de equipo con sus colegas.
18. Asume responsabilidad en la orientación de sus alumnos
19. Propicia relaciones de colaboración y respeto con los padres y apoderados.
20. Maneja información actualizada sobre su profesión, el sistema educativo y las
políticas vigentes.
CRITERIOS POR DOMINIO
A)Preparación de la Enseñanza:
1. Domina los contenidos de las disciplinas que enseña y el marco curricular
Nacional.
2. Conoce las características, conocimientos y experiencias de sus estudiantes.
3. Domina la didáctica de la disciplina que enseña.
4. Organiza los objetivos y contenidos de manera coherente con el marco curricular y
las particularidades de sus alumnos.
5. Las estrategias de evaluación son coherentes con los objetivos de aprendizaje, la
disciplina que enseña, el marco curricular Nacional y permite a todos los
alumnos demostrar lo aprendido.
B)Creación de una Ambiente propicio para el Aprendizaje:
6. Establece un clima de relaciones de aceptación, equidad, confianza, solidaridad y
respeto.
7. Manifiesta altas expectativas sobre las posibilidades de aprendizaje y desarrollo
de todos sus alumnos.
8. Establece y mantiene normas consistentes de convivencia en el aula.
9. Establece un ambiente organizado de trabajo y dispone los espacios y recursos en
función de los aprendizajes.
C) Enseñanza para el Aprendizaje de todos los Estudiantes:
10. Comunica en forma clara y precisa los objetivos de aprendizaje.
11. Las estrategias de enseñanza son desafiantes, coherentes y significativas para
los estudiantes.
12. El contenido de la clase es tratado con rigurosidad conceptual y es
comprensible para los estudiantes.
13. Optimiza el tiempo disponible para la enseñanza
14. Promueve el desarrollo del pensamiento
15. Evalúa y monitorea el proceso de compresión y apropiacción de los contenidos por
parte de los estudiantes.
D)Responsabilidades Profesionales:
16. El profesor reflexiona sistemáticamente sobre la práctica.
17. Construye relaciones profesionales y de equipo con sus colegas.
18. Asume responsabilidad en la orientación de sus alumnos
19. Propicia relaciones de colaboración y respeto con los padres y apoderados.
20. Maneja información actualizada sobre su profesión, el sistema educativo y las
políticas vigentes.
Suscribirse a:
Entradas (Atom)
