Una aproximación a la Biblioteca Virtual Inmersiva
Módelo de la Biblioteca Pública el Tintal – Manuel Zapata Olivella. Que desarrolle en google sketchup.
El presente texto presentara una visión de la biblioteca virtual como medio de aprendizaje, dentro de los servicios asincrónicos que pueden prestarse a través de la red, permitiendo el acceso a la información, de usuarios que no tenían la misma posibilidad de acceso en algunos casos, a las grandes bibliotecas tradicionales . Cada vez son más las instituciones universitarias que colocan sus programas de forma virtual, incluyendo dentro de sus recursos, la biblioteca digital.
Pero antes de avanzar es necesario explicar que diferencia existe entre la biblioteca virtual y la biblioteca digital. La biblioteca digital “es la biblioteca donde el usuario puede acceder al universo de conocimientos con mayor rapidez, desde su escritorio o terminal de comunicaciones” o como lo dice, Shigeo Sugimoto, “es la expresión genérica que designa a estructuras federadas que permiten al ser humano el acceso, tanto intelectual como material, a la masa enorme y continuamente creciente de información que circula por el mundo entero, en forma codificada, a través de las redes digitales multimedia”.
De igual manera López Guzmán define la biblioteca virtual como “aquella que hace uso de la realidad virtual para mostrar una interfaz y emular un ambiente que sitúe al usuario dentro de una biblioteca tradicional. Hace uso de la más alta tecnología multimedia y puede guiar al usuario a través de diferentes sistemas para encontrar colecciones en diferentes sitios, conectados a través de sistemas de cómputo y telecomunicaciones”
Actualmente se ha desarrollado lenguajes de programación como el VRML Virtual Reality Modeling Language (Lenguaje de Modelado de Realidad Virtual) el cual es un lenguaje de modelado de mundos virtuales en tres dimensiones en el que podemos acceder utilizando nuestro navegador igual que si visitásemos una página web cualquiera, con la salvedad que nuestras visitas no se limitan a ver un simple texto y fotografías, sino que nos permite ver todo tipo de objetos y construcciones en 3D por los que podemos pasear o interactuar, un ejemplo es el módelo que he hecho de la Biblioteca pública en Tintal.
De esta manera ya existen bibliotecas virtuales en línea, que han utilizado tecnologías como la disponible por second life, donde los usuarios al entrar a traves de un avatar, que emula la forma humana y el movimiento, puede transferirse a diferentes espacios, donde obtener información dentro de la biblioteca virtual inmersiva.
Algunos ejemplos prácticos son NSU Law Library (Cibrary City) donde hacen una recopilación de información especializada en derecho, Kansas State Library, Aarhus Business College: Aarhus, Denmark y la Biblioteca de la Universidad Carlos III de Madrid
Por lo anterior la biblioteca virtual, es una oportunidad para que los nuevos bibliotecarios de la información, tengan la experiencia de ofrecer servicios a los nuevos usuarios que se cada vez requieren más acceso a través de Internet, donde la experiencia presencial de estar en una biblioteca, pueda ser emulada, pero de igual manera los servicios de información ofrezcan la calidad necesaria para lograr el fin último de nuestro que hacer, la satisfacción de las necesidades de información de nuestros usuarios.
BIBLIOGRAFIA
Berry, JW. Digital Libraries: new iniciatives with WWW implications. Consultado en: Lucy Tedd. Desarrollos recientes en inform ática. p. 203-16. En: Informe Mundial de la UNESCO. París: UNESCO, 1997. Citado por: García Pérez A, Cruz Durañona M. ¿Biblioteca tradicional, electrónica, digital o virtual? Documento no publicado. Material del curso Tecnologías de Información. Maestría en Bibliotecología y Ciencias de la Información. Universidad de La Habana, diciembre 2001.
[1] García Pérez A, Cruz Durañona M. ¿Biblioteca tradicional, electrónica, digital o virtual? Documento no publicado. Material del curso Tecnologías de Información. Maestría en Bibliotecología y Ciencias de la Información. Universidad de La Habana, diciembre 2001.)
[1] Faba Pérez, Cristina and Nuño Moral, Maria Victoria (2004) La nueva gestión en las bibliotecas virtuales. Boletín de la Asociación Andaluza de Bibliotecarios(74):pp. 19-28.
UNIVERSIDAD CARLOS III DE MADRID. Biblioteca y más. En: <http://www.uc3m.es/portal/page/portal/biblioteca/aprende_usar/calendario/Biblioteca-Campus_virtual_en_Second_Life>. Consultado el 09 de Septiembre de 2008.
e-sanitas mejor portal e-learning en Colombia 2009
Es un orgullo para todo el equipo de trabajo, haber logrado ganar el premio Colombia en Línea, como mejor sitio e-learning 2009, el cual fue otorgado el pasado 14 de Octubre por la Camara Colombiana de Informática y Telecomunicaciones , el año pasado quedamos nominados entre los tres mejores sitios y esta año logramos obtenerlo. Actualmente contamos con más de 20 cursos y 5 Escuelas de producto para diferentes empresas multinacionales. Este logro nos permite seguir innovando en el desarrollo de nuevas estrategias para el desarrollo de ambientes virtuales de aprendizaje, acordes a la nueva sociedad de la información.
e-sanitas nominado mejor sitio e-learning 2009
Colombia en linea
Este año nuevamente hemos sido nominados entre los tres mejores sitios en la categoría e-learning 2009, y es para todo el equipo de trabajo un honor saber de esta nominación. Dentro de los criterios se tiene en cuenta, Contenido, Estructura, Navegación, Diseño Gráfico y Funcionalidad, este año también se impusieron los criterios Web 2.0, desde el punto de vista del usuario: Interactividad, Comunidad y Servicios Recibido. Esperamos el próximo 14 de Octubre a ver que pasa.
Nominados 2009
1. Comercio Electrónico
www.sanpablo.com.co
www.avianca.com
www.tuboleta.com
2. Educación Virtual
www.medellin.edu.co
www.colombiaaprende.edu.co
www.e-sanitas.edu.co
3. Sitio Estatal
www.colombia.travel
www.agronet.gov.co
www.dimar.mil.co
4. Mejor Sitio de Investigación
www.revistavirtualpro.com
www.renata.edu.co
www.universia.net.co
5. Mejor Sitio Ecológico
Esta categoría fue declarada desierta por parte del Jurado Calificador
6. Mejor Sitio de Gran Empresa
www.isagen.com.co
www.jnjcolombia.com.co
www.fotojapon.com
7. Mejor Sitio de Política
www.webmira.com
www.transicioncolombia.com
www.carlosvicentederoux.org
8. Mejor Sitio Mypime
www.rldiseno.com
www.antarescolombia.com
www.asocebu.com
9. Sitios Informativos
www.terra.com
www.elcolombiano.com
www.elespectador.com
10. Mejor Sitio de Entretenimiento
www.reddebibliotecas.org.co
www.plastilinacreativa.com
www.etb.net.co
11. Mejor Alcaldía en Línea
www.guamal-magdalena.gov.co
www.lapalma-cundinamarca.gov.co
www.yumbo.gov.co
www.santamarta-magdalena.gov.co
12. Mejor Desarrollo Celular Comcel
Los nominados a esta categoría se darán a conocer la segunda semana de octubre.
13. Premio especial “Colombia en Línea 10 años”
Este año se dará el premio especial “Colombia en Línea 10 años” en la Categoría Mypime Servicio en Línea a uno de los ganadores de esta categoría, durante los diez años los nominados son:
www.rinestym.com
www.metrocuadrado.com
www.lalibreriadelau.com
Jurado Calificador El Premio Colombia en Línea cuenta con un Jurado de alto nivel, conformado por miembros de asociaciones, universidades, empresas asociadas y personajes de gran reconocimiento y trayectoria:
•ACIEM •ACIS •ALCALDÍA DE SAN VICENTE DE CHUCURÍ •COMCEL •CCIT •EDUARDO ARIAS VILLA •ESCUELA COLOMBIANA DE INGENIERÍA JULIO GARAVITO •UNIVERSIDAD DE LA SABANA •UNIVERSIDAD EXTERNADO DE COLOMBIA •UNIVERSIDAD JAVERIANA
Sobre el Premio Colombia en Línea
La Cámara Colombiana de Informática y Telecomunicaciones – CCIT, la Casa Editorial El Tiempo y el Programa Gobierno en Línea, organizan el Premio Colombia en Línea. Desde 1999, busca premiar la creatividad, el talento nacional y el esfuerzo de las empresas colombianas dedicadas a crear y desarrollar sitios Web.
Fuente: http://www.ccit.org.co/web2008/premio/nominados.php
Biblioteca para discapacitados en Caquetá
Un impórtate desarrollo que ha logrado la gobernación del Caquetá es la implementación de un biblioteca dirigida a la población de sordociegos del departamento, la cual estará ubicada en el edificio Comfaca. El proyecto cuenta con tutores que apoyaran su aprendizaje y que permitan a los sordociegos la posibilidad de navegar por internet, leer textos, fotocopiar e imprimir los mismos mediante el sistema braille, con equipos de alta tecnología traídos de China, Corea, Estados Unidos y la Unión Europea.
Considero que más de estos servicios se deberían implementar en todas la bibliotecas del país, que tengan en cuenta una parte tan alta e importante en Colombia como son las personas con discapacidad.
Sobre la mineria de datos
La implementación de un sistema de inteligencia empresarial (BI, Business Intelligence) se puede ver desde la perspectiva de dos capas. La primera comprende los reportes estándares, reportes especiales, análisis multidimensionales, tablero de mandos, scorecards y alertas. La segunda capa se encuentra más comúnmente en aquellas organizaciones que han construido y madurado la primera capa. El análisis avanzado de datos por medio de modelos predictivos y pronósticos define esta capa; en otras palabras, la minería de datos.
La minería de datos tiene un alcance y aplicaciones muy amplias. Puede ser utilizada en cualquier situación donde se requiere encontrar conocimiento en vastas cantidades de datos.
La razón de ser
La minería de datos se refiere al proceso de extracción de patrones escondidos en grandes cantidades de datos. El término minería es con frecuencia utilizado como analogía como en el caso de la minería de oro o de carbón; sin embargo, el producto final de la minería de datos no son los datos, es el conocimiento. La minería de datos se aplica en una gran variedad de situaciones, pero presentamos aquí los escenarios empresariales más comunes en los cuales se presenta como una solución:
* Explotación de datos: Cuando la cantidad de información crece significativamente, solo los modelos estadísticos especializados, pueden ayudar a desenmascarar patrones importantes; en esta situación, los análisis simples y multidimensionales no serán suficientes.
* Comportamiento predictivo: Estas son situaciones donde las organizaciones necesitan predecir el comportamiento de los clientes. Este tipo de análisis permite identificar a los clientes en riesgo de cambiar hacia la competencia. Dentro de una población de animales se puede llevar a cabo modelado de enfermedades basado en información relevante sobre la especie, realizando predicciones y estimando el riesgo de enfermedad.
* Ventas cruzadas: Comúnmente conocido como análisis de la cesta de mercado, la minería de datos puede dar información sobre los patrones de ventas cruzadas. Las tiendas en línea de libros como Amazon.com, usan esta técnica para sugerir libros relacionados con el que se está buscando o comprando.
* Formaciones taxonómicas: La minería de datos puede ser aplicada en situaciones donde los datos de entrenamiento (los datos usados para entrenar el modelo de minería) están perdiendo algún tipo de etiqueta. Las etiquetas se usan para conceptualizar datos. Por ejemplo, en el análisis que examina las relaciones entre las ventas y las temporadas, estas últimas pueden ser categorizadas como primavera, verano, etc. El clustering o la segmentación es el proceso de particionamiento de datos en clases o incluso en jerarquías de clases, para los cuales los miembros de un grupo tienen características similares.
* Pronósticos: Para estimar valores futuros de entidades, se debe aplicar técnicas de pronósticos. Por ejemplo, pronosticando la demanda futura de sus productos, un fabricante puede planear su producción.
Arquitectura de los sistemas de minería de datos
Al describir la arquitectura de un sistema de minería de datos, suponemos la presencia de un almacén o bodega de datos que contienen los datos de la organización. Aunque la minería de datos se puede aplicar a una amplia gama de fuentes de datos, es mejor iniciar con un almacén de datos en el que los hechos y las dimensiones se han identificado, y un marco de limpieza de datos establecido con el fin de garantizar una buena calidad de los mismos.
La base de conocimientos:
La corteza de un sistema de minería de datos es la base de datos de una organización. Este es el campo de conocimiento que describe los datos de una organización. Él incluye jerarquías de conceptos que organizan atributos o atribuyen valores de conceptos o clases específicas hacia generales. Los conceptos pueden ser implícitos, como las direcciones que se describen con número, calle, cuidad, estado y país. Las jerarquías de conceptos pueden ser creadas por medio de la organización de los valores. Un ejemplo de dicha jerarquía, comúnmente conocida como grupo predefinido de jerarquías, es el tamaño de la empresa, que puede ser definido como micro (< 5 empleados), pequeño (5 a 100 empleados), mediano (101 a 500 empleados y grande (> 500 empleados)
Los niveles de interés constituyen otro ejemplo del campo de los conocimientos. Estas medidas ayudan a clasificar o filtrar las normas que se generan a partir de los datos para determinar los patrones que serán más útiles para un negocio. Los niveles de interés pueden incluir medidas objetivas que se identifican estadísticamente y medidas subjetivas que se derivan de las creencias al respecto de las relaciones de los datos ayudando a evaluar el grado de probabilidad de que un evento ocurra o no, segun los resultados obtenidos a partir de minería de datos. La base de conocimientos es un elemento esencial en todas las etapas del proceso de minería de datos.
2. El proceso de la minería de datos
Fig. 1. Creación del modelo de minería de datos
La discusión sobre los procesos de la minería de datos en este articulo, está centrada en la creación de los modelos y su evaluación. El modelo constituye el corazón o centro de la minería de datos. El primer paso es la creación del modelo, a través de la selección de datos importantes para el objetivo. Por ejemplo, si un ejercicio de investigación sobre educación necesita estudiar el rendimiento de los estudiantes a través de varias ciudades en un estado o departamento especifico, solo los datos de ese estado son relevantes. Así mismo, si el objetivo es estudiar las relaciones entre la asistencia y la ocupación y salario de los padres, los atributos importantes incluirán la asistencia de la entidad estudiantes (sin las calificaciones o niveles) y la ocupación y salario de la entidad padres (sin importar edad o grupo cultural).
Una vez establecido el objetivo del ejercicio de la minería de datos, se debe elegir la función o algoritmo. El modelo se estructura para almacenar los resultados encontrados por el algoritmo. La siguiente tabla señala a grandes rasgos, los algoritmos más comúnmente usados (una discusión en detalle de estos algoritmos, se sale del marco de este artículo).
| Algoritmo | Descripción |
| Reglas de asociación | Este algoritmo ayuda a descubrir elementos que están asociados. Una implementación común de este algoritmo es el análisis de la cesta de compras, donde se responde a la pregunta “¿si un cliente compra el artículo A y B, que otro artículo tenderá a comprar?” por medio de el examen de las asociaciones entre A y B con otros artículos comprados en el pasado. |
| Clustering | El Clustering crea grupos de objetos de datos basados en su similitud. Los objetos dentro de un cluster son similares a sí mismos y diferentes a los objetos de otros clusters. Clustering tiene una extensa aplicabilidad: en biología para el desarrollo de taxonomías; en los negocios sirve para agrupar clientes basados en su comportamiento, en geografía se usa para agrupar lugares. |
| Arboles de decisión | Los árboles de decisión son estructuras donde una rama divide el grupo de datos para particionar su distribución. Cada rama está basada en un atributo que genera una división significativa en la información. Se pueden realizar pronósticos aplicando los valores del nuevo atributo al árbol de decisiones. |
| Bayes simples | Los algoritmos Bayes tienen un método sistemático de aprendizaje basado en la evidencia. Allí se combinan probabilidades condicionales e incondicionales para calcular las probabilidades de una hipótesis. |
| Regresión | La Regresión ayuda a descubrir la dependencia del valor de un atributo con respecto a otros atributos dentro de la misma entidad u objeto. La regresión es similar a los árboles de decisión en cuanto a su contribución para clasificar datos, pero predice atributos continuos, en lugar de separados. |
| Series de tiempo | Las series de tiempo representan datos en varios intervalos de tiempo o cualquier otro indicador cronológico. Este se usa para pronosticar valores futuros como la demanda y el tráfico de un sitio Web, usando técnicas en auto regresión (una rama del análisis regresivo dedicada al análisis de series de tiempo) y árboles de decisión. |
Autora: Anna Mallikarjunan-TEC
Biblioteca Digital Colombiana
- Tomada del portal de Universiahttp://www.universia.net.co
Ya cada día nos acercamos más a proyectos de bibliotecas digitales que países como México Y Brasil, ya habían empezado, y es el Proyecto Biblioteca Digital Colombiana, un portal que se lanza desde el día de hoy y promete ser un espacio de encuentro de investigadores, profesores y estudiantes en donde podrán encontrar publicaciones de varias universidades del país. De igual forma iniciativas como la World Digital Library han logrado impulsar la necesidad de los países de digitalizar sus repositorios y así permitir un mayor acceso a la información que cada país, tiene para brindar a sus ciudadanos.
El proyecto se presentara los días 4 y 5 Junio en la Universidad del Rosario, con una conferencia internacional de expertos en la creación de bibliotecas digitales, como la española Alicia López, representante del proyecto Driver de la Unión Europea y el brasileño Helio Kuramoto, del Instituto Brasileño de Ciencia y Tecnología (IBICT).
Red de Estudiantes de la Información en Bibliotic 2009
La red de estudiantes de la información para Iberoamérica participara el próximo 12 de Mayo en Bibliotic 2009, el primer encuentro de bibliotecas en Tecnología de la información y comunicaciones, de 2:00 p.m a 3:00 p.m en la Biblioteca Virgilio Barco. Espero los que puedan asistir y participar en este evento, para enriquecer este gran proyecto, de igual forma presentaremos las conclusiones del encuentro aquí, para nuestros amigos de la red.
Ponencia aceptada:
Estudio estudiantes de la Información en Iberoamerica
Arquitecto de Información
Héctor Rodríguez
E-LIS Eprints in Library and Information Science
- Ha habido un error, seguramente el canal no está activo. Inténtalo más tarde.
Comentarios recientes