Qué es la informática aplicada a las ciencias del deporte?
←
→
Transcripción del contenido de la página
Si su navegador no muestra la página correctamente, lea el contenido de la página a continuación
Lecturas: Educación Física y Deportes, Revista Digital Página 1 de 6
¿Qué es la informática aplicada a
las ciencias del deporte?
*Depto. Psicología Social.
Universidad de Málaga Antonio Hernández Mendo*
* CERN - European Laboratory for Particle Physics. Raúl Ramos Pollán**
Information Technology Division mendo@uma.es
(España)
http://www.efdeportes.com/ Revista Digital - Buenos Aires - Año 6 - N° 33 - Marzo de 2001
1/8
1. Introducción
La informática ha supuesto una revolución técnica y conceptual que ha impactado en
prácticamente todas las áreas de conocimiento. Consideramos que es una revolución técnica en
cuanto que ha afectado la implementación y el análisis de las tareas más diversas. De la misma
manera, consideramos que es una revolución conceptual porque ha provocado -con la
generación de sistemas expertos, algoritmos genéticos, etc.- la desaparición y reducción de
incertidumbre de las teorías y modelos conceptuales de las disciplinas donde se ha implantado.
Evidentemente estas implicaciones son pertinentes en las ciencias de la actividad física y el
deporte, en todas y cada una de sus áreas de conocimiento e investigación.
Este trabajo pretende simplemente dotar al lector de unos criterios mínimos en algunas de
las tecnologías usadas actualmente en el tratamiento de problemas científicos. Para cada
paradigma aquí presentado damos unos conceptos generales sobre el mismo y unos principios
básicos de funcionamiento. Con esto esperamos ofrecer criterios acerca del tipo de aspectos
que se pueden abordar con cada uno de ellos, así como el coste y conocimiento que esto
supone. Se recomienda acudir a las referencias para más detalles sobre el funcionamiento y
conveniencia de cada paradigma.
2. Ordenadores, programas y lenguajes
Un ordenador es una máquina de propósito general que almacena, procesa y transmite
información, según se le especifica. Al contrario que cualquier otra máquina que podamos
encontrar en nuestro entorno (una televisión, un coche, una radio, etc.), un ordenador no está
diseñado a priori para realizar ninguna tarea en particular. Para que un ordenador realice
cualquier tarea es necesario especificársela y ordenarle que la ejecute. La especificación de la
tarea determina la funcionalidad que se obtiene cuando el ordenador la ejecuta. Las tareas se
especifican por medio de programas, por tanto un ordenador es una máquina que ejecuta
programas para obtener una cierta funcionalidad. Por ejemplo, un procesador de texto es un
programa que, al ejecutarlo, dirige al ordenador sobre cómo debe de obtener información del
teclado, cómo mostrarla en pantalla dándole forma de documento, cómo mandarlo a impresora,
como almacenarla y recuperarla del disco, etc.
Un programa es una lista de instrucciones que un ordenador debe seguir para procesar datos
y convertirlos en información (esto es, para realizar una tarea). Los datos pueden venir de
muchas fuentes (el teclado, el disco duro, la red, etc.) y pueden ser transformados en distintos
tipos de información (un documento, una base de datos, una página Web, etc.). El tipo de datos
y de información, así como la naturaleza de esa transformación determinan la funcionalidad final
http://www.efdeportes.com/efd33a/informa.htm 22/02/2005
Lecturas: Educación Física y Deportes, Revista Digital Página 2 de 6
de un programa (procesador de texto, gestor de bases de datos, navegador de la Web, etc.).
Las instrucciones de las que consta un programa se describen en un lenguaje de
programación determinado.
Un ordenador desnudo (en el que no se ha introducido ningún programa) sólo entiende un
lenguaje de programación que se llama código máquina. Cada tipo de ordenador tiene un
código máquina distinto. Este lenguaje es complicado y sus instrucciones son muy crípticas (por
ejemplo, 0011010101011010111 puede ser la instrucción para escribir un caracter en el
disco duro) con lo que desarrollar programas es este lenguaje es una tarea difícil.
Afortunadamente, se han desarrollado programas llamados compiladores, que entienden
instrucciones más cercanas al lenguaje humano (por ejemplo, write (‘A’, hd) sería la
instrucción para escribir el caracter ‘A’ en el disco duro). En este sentido, existen muchos
lenguajes. En general a estos lenguajes se les denomina lenguajes de alto nivel. Un traductor se
encarga de traducir programas e instrucciones en algún lenguaje de alto nivel (entendibles por
el programador) en instrucciones en código máquina (entendibles por el ordenador).
Normalmente para poder realizar un programa de ordenador, el programador debe de conocer
el lenguaje de alto nivel adecuado y debe saber manejar el traductor correspondiente.
Los lenguajes de programación han evolucionado a lo largo de la historia de los ordenadores.
Los primeros ordenadores que existieron fueron máquinas muy complejas para su época, que se
programaban únicamente en código máquina y muy poca gente sabía como realizar programas
para ellos. Según la tecnología de los ordenadores evolucionó también evolucionaron las
técnicas de traducción y surgieron otros lenguajes, haciendo la tarea de programar más
asequible. Los lenguajes de programación han evolucionado en lo que se denomina
generaciones de lenguajes. Existen cinco generaciones en las que se clasifican los lenguajes de
programación utilizados. Las primeras generaciones contienen lenguajes próximos al código
máquina. Las últimas contienen lenguajes próximos al lenguaje natural (humano):
z Primera Generación, Código Máquina: Es el nivel más bajo de los lenguajes de
programación y está compuesta por los códigos máquina aceptados por los ordenadores.
Como cada ordenador tiene un código máquina distinto, los programas escritos en código
máquina sólo funcionan en el ordenador específico para el cual están escritos.
z Segunda Generación, Lenguaje Ensamblador: Son lenguajes de programación de
bajo nivel que permiten usar abreviaciones o mnemónicos para las instrucciones de
código máquina. Aunque así es más fácil realizar programas que en código máquina
directamente aún es una tarea complicada. Ya que un ordenador sólo entiende código
máquina se necesita un traductor simple para convertir el lenguaje ensamblador en
código máquina.
z Tercera Generación, Lenguajes de Alto Nivel: Es un lenguaje con construcciones
similares al lenguaje natural (típicamente al inglés) que permite crear programas
(aplicaciones) complejas y relativamente sencillas de mantener y modificar. Un programa
en un lenguaje de alto nivel no es entendible directamente por el ordenador. Un
compilador es un programa traductor que acepta un programa en un lenguaje de alto
nivel (típicamente en uno o varios archivos de disco) y produce el código máquina
entendible por un ordenador específico en otro archivo de disco. Posteriormente el
ordenador ya es capaz de ejecutar el archivo producido por el proceso de compilación
tantas veces como se quiera. Un intérprete es un programa que acepta un programa en
un lenguaje de alto nivel, lo compila y lo ejecuta inmediatamente sin generar un archivo
con el programa en código máquina. Posteriores ejecuciones del programa requieren que
todo el proceso se repita. Los compiladores e intérpretes son más complejos que los
traductores simples ya que una instrucción de un lenguaje de alto nivel suele generar
varias (a veces cientos) de instrucciones de código máquina. Los lenguajes de tercera
generación son los más usados actualmente y se les denomina en muchos entornos
lenguajes procedimentales, ya que se suelen agrupar conjuntos de instrucciones en
procedimientos o funciones.
z Cuarta Generación, Lenguajes de Muy Alto Nivel: también denominados 4GL (4th
http://www.efdeportes.com/efd33a/informa.htm 22/02/2005Lecturas: Educación Física y Deportes, Revista Digital Página 3 de 6
Generation Languages). Los lenguajes 4GL son mucho más orientados al usuario que los
lenguajes de generaciones anteriores, y los programas se desarrollan especificando
instrucciones muy próximas al lenguaje humano. Típicamente los lenguajes 4GL también
se denominan lenguajes no procedimentales, ya que los programadores simplemente
especifican qué es lo que quieren que el ordenador realice y no cómo. Estos lenguajes se
utilizan en ámbitos altamente especializados o de investigación.
z Quinta Generación, Lenguajes Naturales: Existen lenguajes naturales de dos tipos.
Por un lado están los lenguajes humanos: el español, inglés, etc. Por otro lado están los
lenguajes de programación de quinta generación que usan un lenguaje humano para
ofrecer una relación con el ordenador más intuitiva. Los lenguajes naturales de quinta
generación están todavía en su infancia, y actualmente puede considerarse que están
más cerca de los lenguajes 4GL que de los lenguajes humanos.
Como se puede observar, los compiladores (intérpretes, traductores) son una pieza
fundamental para el trabajo del programador, ya que son los que permiten obtener código
máquina directamente ejecutable de un programa escrito en un lenguaje de más alto nivel. Las
tecnologías de compilación constituyen una parte muy importante de la evolución de los
lenguajes de programación. Según los lenguajes pertenecen a generaciones más avanzadas, se
requieren compilados más complejos.
Un aspecto muy importante de los compiladores es la idea de portabilidad, que permite
producir programas para distintos tipos de ordenadores a partir de un mismo programa en
algún lenguaje de alto nivel. Por ejemplo, si tenemos un programa en el lenguaje C, y
utilizamos el compilador de C para PC, entonces podremos generar el programa en código
máquina para PC con Windows y por tanto ejecutar el programa en un PC. Si, con el mismo
programa en C, utilizamos el compilador para un ordenador UNIX de HP entonces obtendremos
un ejecutable para esa máquina. Para que esto sea posible es necesario que nuestros
programas no utilicen funciones particulares a ninguna máquina. En muchas ocasiones es
imposible evitar usar este tipo de funciones.
2.1. Paradigmas de Programación
Un paradigma es un conjunto de principios generales que un programador ha de seguir para
desarrollar un programa. Cada lenguaje de programación permite al programador seguir un
paradigma determinado, por tanto los lenguajes de programación se pueden también clasificar
según el paradigma que siguen. Los paradigmas de programación definen cómo se organizan
los diferentes elementos de un programa, como esos elementos interactúan entre ellos, etc.
Actualmente, los paradigmas de programación más comúnmente usados son los siguientes:
1. Programación Estructurada: Postula el principio de división de un programa en
unidades algorítmicas más pequeñas llamadas funciones o procedimientos. Una vez
definidos, el programador puede invocar a un procedimiento desde otro. Típicamente un
programa estructurado se realiza diseñando primeramente un conjunto de estructuras de
datos, y posteriormente un conjunto de algoritmos (procedimientos) que actúan sobre
esas estructuras de datos. Por ejemplo, si queremos desarrollar un programa para
calcular la media de diversos conjuntos de variables, el programador desarrolla un
procedimiento al que llama media donde implementa el algoritmo mediante el cual se
calcula la media para cualquier conjunto de variables. Posteriormente invoca a ese
procedimiento por cada conjunto de variables de los cuales quiera calcular la media.
Algunos lenguajes que siguen el paradigma de la programación estructurada son el C,
Pascal, Basic, Fortran, Cobol, etc.
2. Programación Orientada a Objeto: Aunque la programación estructurada es un
paradigma que se ha usado durante mucho tiempo y aún se usa en la actualidad, existe
un límite en la complejidad de los programas que se pueden realizar manteniendo los
costes de mantenimiento y modificación de los programas razonablemente bajos. Es
otras palabras, modificar un programa complejo en Pascal o COBOL puede ser una tarea
altamente costosa en términos de tiempo. Para sobrepasar estos problemas se creó el
http://www.efdeportes.com/efd33a/informa.htm 22/02/2005Lecturas: Educación Física y Deportes, Revista Digital Página 4 de 6
paradigma de la programación orientada a objetos, que postula la división de un
programa en unidades autocontenidas llamadas objetos. A diferencia de los
procedimientos que contienen sólo algoritmos y los datos sobre los que actúan están
aparte, un objeto contiene un conjunto de algoritmos junto con los datos sobre los que
actúan. De esta manera cuando un programador invoca algoritmos en un objeto, no
necesita saber qué tipo de datos el objeto maneja de forma interna. Además los objetos
pueden ser organizados en jerarquías, de forma unos objetos pueden heredar datos y
algoritmos de otros objetos. Con esto lo que se consigue es que la organización de un
programa orientado a objetos sea más modular y rica que la organización de un
programa estructurado, con lo que la arquitectura de los programas complejos puede ser
acomodada a cambios más fácilmente.
2.2. Principales Lenguajes de Programación
Como mencionamos, actualmente la mayoría de los programas realizados actualmente son
implementados usando lenguajes de programación de tercera generación. La utilidad y
utilización de estos lenguajes no depende sólo de su diseño sino también del tipo de
aplicaciones que se pueden crear con ellos, las herramientas disponibles (librerías, herramientas
de programación, etc.) Actualmente los lenguajes más utilizados son el C y Java, por distintas
razones. La siguiente lista también contiene lenguajes que fueron utilizados muy extensamente
en el pasado y que aún se siguen utilizando por motivos educaciones, o bien porque las
aplicaciones creadas con ellos aún están en funcionamiento. Diferentes lenguajes están
orientados para diferentes entornos y finalidades, aunque cualquiera de ellos es lo
suficientemente general para ser utilizado en un amplio espectro de aplicaciones.
1. C: Desarrollado por los Laboratorios Bell, C es un lenguaje estructurado compilado de
propósito general que funciona en una gran variedad de computadores y por tanto es
portable entre ellos. Es decir, existen compiladores de C para casi todos los tipos de
maquinas existentes en la actualidad. El lenguaje C es muy adecuado para escribir
multitud de tipos de programas: gestores de bases de datos, procesadores de texto,
software comercial, juegos, robótica, gráficos, etc. y de hecho la mayoría del software
disponible actualmente está realizado en C. Sus ventajas principales son:
{ Los compiladores de C han sido altamente probados y desarrollados para casi
todos los tipos de ordenadores.
{ Tiene un alto grado de portabilidad. Los programas en C pueden ser compilados
en una gran variedad de ordenadores haciendo muy pocos cambios.
{ Es muy rápido y eficiente. Los compiladores de C suelen estar muy bien
optimizados y producen código máquina muy rápido.
Por otro lado, C suele ser difícil de aprender y no suele ser el primer lenguaje que se
enseña a quien entra en el mundo de la programación. Además, es muy conciso, lo que a
veces dificulta seguir y entender los programas hechos por otros.
2. BASIC: Es un lenguaje simple que fue diseñado con motivos educacionales más que
prácticos. Es muy sencillo e intuitivo y algunas extensiones actuales son muy populares y
utilizadas (por ejemplo, Visual Basic de Microsoft).
3. Pascal: Al igual que el BASIC es un lenguaje estructurado sencillo pero permite la
creación de programas relativamente complejos ya que contiene (sin necesidad de
ampliaciones) las estructuras básicas para organizar el código.
4. FORTRAN: Desarrollado en 1954 por IBM, fue prácticamente el primer lenguaje
estructurado de alto nivel. Originalmente fue diseñado para implementar fórmulas y
cálculos matemáticos complejos y actualmente aún está en uso en entornos científicos,
matemáticos o de ingenierías.
http://www.efdeportes.com/efd33a/informa.htm 22/02/2005Lecturas: Educación Física y Deportes, Revista Digital Página 5 de 6
5. COBOL: Adoptado formalmente en 1960 como resultado de un esfuerzo conjunto de
diferentes organizaciones públicas y privadas, ha sido el lenguaje estructurado más
usado en aplicaciones comerciales hasta la aparición de los ordenadores personales.
Actualmente, aún hay una gran cantidad de aplicaciones programadas en COBOL.
6. LISP: Es un lenguaje usado principalmente para realizar programas en el ámbito de la
inteligencia artificial. Fue desarrollado en 1958 en el MIT y suele ser usado en la
implementación de sistemas expertos.
7. DBASE: Es un lenguaje similar al Pascal, pero con funciones para manipular
directamente las bases de datos creadas con el sistema de base de datos conocido como
DBASE.
8. Java: Es un lenguaje de programación orientado a objetos creado recientemente por
Sun Microsystems. Su estructura es parecida a la del C pero evitando sus desventajas. Es
relativamente sencillo de aprender y además es un lenguaje que puede ser interpretado
por los navegadores de Internet, con lo que un programador puede publicar su programa
en un URL convenido y cualquier usuario de Internet puede ejecutarlo en su ordenador a
través del navegador.
9. C++: Es la evolución del C en un lenguaje orientado a objetos. Comparte las ventajas y
desventajas del C, pero sigue los principios de la programación orientada a objetos.
Este trabajo pretende simplemente dotar al lector de unos criterios mínimos en algunas de
las tecnologías usadas actualmente en el tratamiento de problemas científicos. Para cada
paradigma aquí presentado damos unos conceptos generales sobre el mismo y unos principios
básicos de funcionamiento. Con esto esperamos dar a conocer distintos aspectos que se pueden
abordar con cada uno de ellos, así como el coste y conocimiento que esto supone. Se
recomienda acudir a las referencias para más detalles sobre el funcionamiento y conveniencia
de cada paradigma.
2.3. Algunas Tecnologías Adicionales
En principio, con un lenguaje de programación de propósito general (como C o Java) y su
correspondiente compilador o intérprete un programador puede desarrollar cualquier tipo de
aplicación. No obstante, aplicaciones de un mismo tipo suelen tener las mismas necesidades,
restricciones y requerimientos. Por ejemplo, cualquier aplicación gráfica abrirá ventanas,
construirá botones, cuadros de texto, gráficos, etc. con lo que es deseable extender el lenguaje
utilizado con procedimientos u objetos primitivos que permiten realizar esas funciones, evitando
que el programador las programe cada vez que se crea una aplicación gráfica. De esta manera
existen extensiones y aplicaciones que sistematizan la creación de programas y sistemas en
general para determinados dominios. En cierta manera, estas aplicaciones aíslan al usuario final
de los detalles de la implementación de los mismos. A continuación se exponen algunas de
estas tecnologías:
2.3.1. Sistemas Expertos
¿Qué es un Sistema Experto?
Un sistema experto es un programa de ordenador que le permite a éste realizar o aconsejar
acerca de la toma de decisiones no estructuradas o semiestructuradas que son propias de
humanos con conocimientos y experiencia en un dominio específico. Los sistemas expertos
operan normalmente como consultores expertos que ofrecen su consejo a humanos en áreas
específicas. Algunos ejemplos de decisiones basadas en los sistemas expertos son los
diagnósticos de enfermedades bacteriológicas en pacientes, detección de fallos en el
funcionamiento eléctrico en locomotoras diesel, configuraciones de sistemas y redes de
ordenadores basados en las estimaciones de trabajo y necesidades de los usuarios, etc.. Como
podemos observar los sistemas expertos explotan el conocimiento específico acerca de un
http://www.efdeportes.com/efd33a/informa.htm 22/02/2005Lecturas: Educación Física y Deportes, Revista Digital Página 6 de 6
dominio para realizar inferencias complejas que ayudan al humano en el análisis y proceso de
una situación concreta.
Arquitectura de un Sistema Experto
La arquitectura de un sistema experto evoca en cierta manera las estructuras y procesos
cognitivos en el comportamiento humano. El primer componente de un experto humano es una
memoria a largo plazo de hechos, estructuras y reglas que representan el conocimiento del
experto en un dominio concreto. La estructura análoga en un sistema experto se denomina
base de conocimiento. Luego, un experto humano, posee unos métodos de razonamientos
apropiados a su dominio de forma que puede extraer de su conocimiento la información
adecuada para aplicarla en la resolución de un problema dado.
Lecturas: Educación Física y Deportes · http://www.efdeportes.com · Año 6 · Nº 33 sigue Â
Recomienda este sitio
http://www.efdeportes.com/efd33a/informa.htm 22/02/2005Lecturas: Educación Física y Deportes, Revista Digital Página 1 de 6
¿Qué es la informática aplicada a las ciencias del deporte?
Antonio Hernández Mendo y Raúl Ramos Pollán
http://www.efdeportes.com/ Revista Digital - Buenos Aires - Año 6 - N° 33 - Marzo de 2001
2/8
Análogamente, un sistema experto posee un motor de inferencia que es el que se encarga
de implementar las funciones de razonamiento.
En esta analogía el proceso realizado por el motor de inferencia imita ciertos aspectos del
pensamiento, mientras que el conocimiento es almacenado en ultima instancia en la base de
conocimientos. En cierta manera la diferencia entre el motor de inferencia y la base de
conocimiento en un sistema experto es la misma que la distinción entre los métodos de
razonamiento de propósito general y el conocimiento específico a cada dominio que se ha
construído en el campo de la inteligencia artificial. El conocimiento general sobre la manera de
resolver los problemas se refleja en la manera de operar del motor de inferencia. De esta
manera un motor de inferencia puede ser usado para razonar sobre distintas bases de
conocimiento, siempre que el conocimiento esté codificado según las mismas reglas.
Además de estos dos elementos, el entorno de un sistema experto incluye varias
herramientas para asistir a las personas que construyen o utilizan el sistema experto. A la hora
de construir, el desarrollador utiliza herramientas para adquirir, codificar y limpiar el
conocimiento con el que se alimenta a la base de conocimientos. Una vez que el sistema
experto ha sido desarrollado los usuarios se valen de una serie de herramientas e interfaces
para interactuar, consultar y actualizar el sistema experto. En muchas ocasiones los sistemas
expertos pueden ser integrados en entornos de tiempo real, grandes bases de datos o ser parte
de aplicaciones más grandes.
El interfaz de usuario de un sistema experto permite que los usuarios pregunten al sistema,
le proporcionen información, reciban consejo, etc. Dentro de las limitaciones de los
computadores, este interfaz busca en alguna manera suministrar el mismo conjunto de
facilidades de comunicación que un experto humano. Del mismo modo que un experto humano
explica sus decisiones y recomendaciones, los sistemas expertos también necesitan justificar y
explicar sus acciones. La parte de un sistema experto que genera estas justificaciones se
denomina herramienta de explicación. Esta herramienta no sólo satisface la necesidad social de
reasegurar la confianza del usuario final en el sistema, sino que también, desde el punto de
vista técnico, le sirve al desarrollador para realizar un seguimiento del sistema experto y
conocer la validez del conocimiento introducido en la base del conocimiento.
2.3.2. Algoritmos Genéticos
¿Qué son los algoritmos genéticos?
Los algoritmos genéticos (GAs) fueron inventados para imitar algunos procesos observados
en los mecanismos de evolución natural. Mucha gente, incluidos biólogos, se sorprenden del
hecho de que la vida y su complejidad podrían haber evolucionado en un periodo de tiempo
relativamente corto según los registros fósiles. La idea de los GAs es utilizar los principios del
concepto de evolución para resolver problemas de optimización. El padre de los GAs es John
Holland que los inventó al principio de los 70.
http://www.efdeportes.com/efd33a/informa1.htm 22/02/2005Lecturas: Educación Física y Deportes, Revista Digital Página 2 de 6
Los GAs son algoritmos adaptativos de búsqueda heurística basados en los principios
evolutivos. Como tales representan un aprovechamiento inteligente de las búsquedas aleatorias
usadas para resolver problemas de optimización. Aunque tienen un componente aleatorio, los
GAs no tienen un comportamiento aleatorio, sino que explotan la información histórica
(evolutiva) para dirigir un proceso de búsqueda hacia regiones del espacio de búsqueda con
más posibilidades de optimizar un problema. Los principios básicos de funcionamiento de los
GAs se basan en la creación de una población de individuos (soluciones a un problema),
selección de los más adaptados (soluciones más cercanas al óptimo) y recombinación de los
individuos más adaptados para crear una nueva población (integración de soluciones).
En muchos casos, los algoritmos genéticos ofrecen resultados más satisfactorios que otras
técnicas usadas en Inteligencia Artificial. Esto es debido a que son mucho más robustos (mayor
tolerancia en los datos de entrada o ruido), y ofrecen un método generalmente eficaz en la
exploración de espacios de búsqueda complejos (alta dimensionalidad).
¿Cómo funcionan?
Los GAs simulan el proceso de supervivencia de los individuos mejor adaptados en
generaciones consecutivas para resolver un problema. Cada generación consiste en una
población de cadenas de caracteres o de bits que representan una solución (numérica o
codificada) a un problema dado y que evocan a las cadenas de DNA que observamos en los
cromosomas. Cada individuo (cadena de bits) representa un punto en un espacio de búsqueda y
por tanto una posible solución. Cada población es sometida al proceso de evolución. Los
principios evolutivos que se pretenden simular son los siguientes:
z Los individuos en una población compiten por los recursos disponibles y se reproducen.
z Los individuos más adaptados en cada competición producen más descendientes que los
individuos menos adaptados.
z La información genética de los individuos mejor adaptados se propaga en generaciones
sucesivas de forma que dos padres "buenos" producirán en algunas casos descendientes
que son mejor adaptados que ellos mismos.
z De esta manera cada generación sucesiva estará mejor adaptada a su entorno.
En términos generales, el espacio de búsqueda de un problema consiste en el conjunto de
todas las posibles soluciones al problema. De todas esas posibles soluciones solo una, o unas
pocas son las que optimizan el problema según algún criterio dado. En GAs se empieza por
tanto por obtener un método de codificación de las posibles soluciones en cadenas de
caracteres sobre un determinado alfabeto (suele ser el alfabeto binario). Luego se define una
función de evaluación que a cada individuo (posible solución) asigna un valor de eficacia o
adaptación, de forma que se pueden comparar distintos individuos para saber cual esta mejor
adaptado. Esta función, representa el entorno en al cual los individuos han de adaptarse. Una
vez definido esto, se comienza por una población de posibles soluciones (normalmente
generada de manera aleatoria) y se repite el siguiente proceso:
z Se le aplica la función de evaluación a cada individuo, de manera que se obtiene una
medida objetiva de la capacidad de adaptación de cada individuo a esa función.
z Se selecciona una porción de la población basada en la medida anterior. Por ejemplo, a
cada individuo se le asigna una probabilidad proporcional a su medida de adaptación y se
seleccionan individuos según esa probabilidad. De esta manera se seleccionarán los
individuos que estén mejor adaptados y ocasionalmente también se seleccionará algún
individuo con una adaptación menor. Esto se suele hacer para no perder la opción de
evitar máximos locales en la función de evaluación.
z Los individuos seleccionados se reproducen entre ellos para generar una nueva
http://www.efdeportes.com/efd33a/informa1.htm 22/02/2005Lecturas: Educación Física y Deportes, Revista Digital Página 3 de 6
población. Hay muchos tipos de operadores para realizar este paso. Entre ellos los más
comunes son: el cruce, en el que las cadenas de bits se intercambian porciones y la
mutación, en el que de forma aleatoria se cambian de valor algunos bits de algunos
individuos. Como se puede observar, el cruce corresponde a la recombinación de
información de las posibles soluciones, y la mutación corresponde a la introducción de
nueva información en la población.
De esta manera se producen nuevas generaciones de soluciones que contienen, por lo
general, más genes buenos que una solución típica de la generación anterior. Cada generación
contendrá más y mejores soluciones parciales que las generaciones previas. En algún momento
el proceso alcanza el máximo deseado o algún valor que hace que las sucesivas generaciones
no mejoren las anteriores.
Como se puede observar, los GAs son un buen método para buscar las soluciones a un
problema cuando no se tiene mucha información acerca del dominio o cuando no se conoce un
método eficaz de exploración del espacio de soluciones. Por supuesto los GAs no son métodos
infalibles para la resolución de problemas, ni los más eficaces en muchos casos, pero son muy
válidos en entornos en los que los espacios de búsquedas son complejos. También, es
importante observar que no existe ningún teorema de convergencia de los GAs y por tanto no
es posible saber a priori si encontrarán una solución en un caso específico. Ni siquiera, es
posible asegurar en muchos casos si la solución que proporcionan son máximos globales o
simplemente máximos locales.
2.3.3. Análisis y clasificación automática de datos
¿Qué es el aprendizaje automático y la minería de datos?
En las últimas décadas investigadores provenientes de distintas disciplinas, desde la
Psicología hasta la inteligencia artificial, han intentado desarrollar modelos generales de muchos
de los procesos cognitivos que realizan los humanos, especialmente el aprendizaje. Muchos de
estos esfuerzos generaron ideas y aplicaciones interesantes no sólo desde el punto de vista
teórico sino también desde las perspectivas tecnológicas y prácticas. En particular, los avances
en la representación del conocimiento y las nociones y técnicas de aprendizaje automático
abren muchas posibilidades en el campo de la representación y análisis de datos. Basados en
estos conceptos y sin olvidar los métodos estadísticos tradicionales de análisis de datos, en la
última década han surgido nuevos métodos alternativos aplicables en estos campos.
Muchos de estos métodos comparten un uso intensivo de los recursos computacionales
disponibles hoy en día. Evidentemente, esto no era posible hace algunas décadas. El
planteamiento general del problema que se aborda en esta sección es el siguiente: partiendo de
un conjunto (amplio) de datos, las metodologías automáticas permiten desarrollar
representaciones convenientes de las estructuras de los datos. El conocimiento adquirido puede
ser entonces aplicado en otros conjuntos de datos bajo la hipótesis que comparten
características (por ejemplo, el origen) similares. En muchas ocasiones (y más aún con la ayuda
de las computadoras) las metodologías de adquisición de datos proporcionan grandes
cantidades de datos (que no información) generadas por muchas clases de eventos que se
monitorizan. Desde el punto de vista del investigador esos datos son imprescindibles porque son
el origen último de su tarea, pero en sí son inútiles si no es posible extraer informaciones de
ellos (tales como correlaciones escondidas, particiones, determinación de variables
significativas, etc.). De esta forma el investigador ha de tener los medios para transformar los
datos brutos en conocimiento. La siguiente figura representa este proceso automático:
Con los medios actuales, la cantidad de datos abruman en muchas ocasiones al investigador
e inutilizan los métodos manuales tradicionales de extracción de información. Ejemplo de esto lo
dan la física de partículas (experimentos que general mas de 1 Megabyte de información por
http://www.efdeportes.com/efd33a/informa1.htm 22/02/2005Lecturas: Educación Física y Deportes, Revista Digital Página 4 de 6
segundo), el análisis de mercados comerciales (cantidad de empresas, valores y sectores
comerciales), etc.
Dentro de las técnicas de aprendizaje automático, se denomina minería de datos a las
técnicas que permiten obtener las mejores representaciones de los datos, dados unos criterios
específicos. En cierta parte, la idea es similar a los procesos de descubrimiento que se realizan
en el ámbito del método científico. Por eso, estas técnicas reciben a veces el nombre de
descubrimiento automático.
¿Cómo funciona?
En sí la minería de datos no es más que una metodología de resolución de problemas que
trata de encontrar descripciones matemáticas o lógicas de patrones y regularidades de una
cierta complejidad en conjuntos de datos. Hay dos maneras principales de realizar este proceso.
1. Por un lado el aprendizaje supervisado, las regularidades en los datos se encuentran
explorando casos conocidos que se presume que contienen o implican los patrones bien
definidos. Una vez se realiza esta exploración inicial y se establecen los patrones
relevantes, se realiza un proceso de generalización para su aplicabilidad con cualquier
conjunto de datos. Por otro lado, el aprendizaje no supervisado encuentra regularidades
en los datos en base a algunos caracterizaciones lógicas de carácter general. Podemos,
por tanto, representar la minería de datos como un proceso que puede ser bien sintético
(generalizando a partir de algunos casos conocidos) o analítico (generando descripciones
de alto nivel).
La minería de datos permite producir conocimiento científico en áreas que aún no son
propicias para las aproximaciones tradicionales. De esta forma los algoritmos de
optimización y aprendizaje se pueden usar para producir modelos de datos
experimentales en áreas en las que no existen explicaciones ni modelos teóricos previos.
La noción básica del aprendizaje supervisado es la de un clasificador, que es un algoritmo
o sistema capaz de discriminar datos entre un conjunto de posibles categorías. Los
clasificadores se entrenan y se prueba con un conjunto de casos conocidos y crean sus
propias estructuras y reglas internas a medida que se les presentan los casos conocidos.
De esta manera, y con un número suficiente de casos conocidos, el clasificador se
convierte en un generalizador y es capaz de clasificar correctamente datos provenientes
de casos desconocidos. Por tanto la utilización del aprendizaje supervisado se basa en
dos pasos:
{ La creación de un conjunto determinado de categorías en las cuales clasificar los
datos
{ La presentación de pares [dato, clasificación] que corresponden a los casos
conocidos. Durante este proceso el clasificador va formándose sus criterios
internos de clasificación.
Esto es el entrenamiento.
{ La presentación de datos ya generalizados proporciona la clasificación automática
en base a los criterios internos adquiridos en la fase anterior.
Esto es la operación.
2. Por el contrario, el aprendizaje no supervisado no parte de criterios específicos
preestablecidos (como lo son el conjunto de categorías en las que se dividen los casos
conocidos), sino que parte de descripciones generales del tipo de patrones que reconocer
en los datos. Por ejemplo, mientras que en el aprendizaje supervisado lo que el
investigador determina a priori es: existen las categorías A, B y C, con este significado;
en el aprendizaje no supervisado el investigador únicamente dice: existirán entre 4 y 6
categorías y el clasificador se encarga de agrupar los datos.
http://www.efdeportes.com/efd33a/informa1.htm 22/02/2005Lecturas: Educación Física y Deportes, Revista Digital Página 5 de 6
La implementación final de los clasificadores se basa en muchas ocasiones en redes de
neuronas artificiales. Las redes de neuronas artificiales están compuestas por elementos que
siguen los principios de funcionamiento de las neuronas naturales: reciben varios valores de
entrada y en base a esos valores ofrecen un único valor de salida (encendido o apagado). De
esta forma se construyen redes de neuronas conectando la salida de unas neuronas a las
entradas de otras. La redes pueden adquirir diversas configuraciones, pero generalmente un
conjunto de neuronas de la forma siguiente:
En donde hay una serie de neuronas que reciben los datos de entrada y otras neuronas cuyo
estado de activación conforma el dato de salida. En algunas configuraciones existen capas
organizadas de neuronas (aparte de la capa de entrada y de salida), en otras existen ciclos, etc.
Cada conexión entre dos neuronas tiene unas características específicas que determinan la
influencia en la neurona a la que llega la conexión. Un aprendizaje supervisado proporciona
valores de entrada, calcula el error en la salida y mediante un algoritmo corrector cambia las
características de las conexiones con cada par [dato, clasificación] que se le presenta. Un
aprendizaje no supervisado cambia las características de las conexiones según se va usando la
red, por ejemplo, reforzando las conexiones mas usadas.
Es importante observar que el origen de las redes neuronales es imitar el funcionamiento
básico de las neuronas naturales, y se desconoce bastante el porqué fundamental del
comportamiento de las mismas. Experimentando con ellas se ha descubierto que funcionan muy
bien como discriminadoras de información, pero sin saber exactamente cómo deducir ese
comportamiento global del funcionamiento particular de cada neurona del conjunto.
Desde el punto de vista práctico y dependiendo de la envergadura de cada problema, con
unos pocos conocimientos de programación es posible construir redes neuronales relativamente
sencillas y probar su funcionamiento directamente. También existen herramientas con diversos
grados de sofisticación para diseñar, entrenar y explotar redes neuronales. También existen
herramientas sofisticadas que implementan un contexto entero de aprendizaje automático, con
los conceptos de clasificadores y generalizadores, y en los que las redes neuronales no son más
que una parte específica de su diseño. En cualquier caso, es importante saber ser consciente de
la base de estas ideas, para poder adquirir criterios válidos en cuanto a sus limitaciones y
posibilidades.
2.3.4. Simulaciones y Realidad Virtual
¿Qué es la realidad virtual?
El término Realidad Virtual es usado por mucha gente con distintos significados. Para algunos
no es más que un casco con una pantalla, un guante sensible y sonido estéreo y para algunos
otros son los efectos especiales que se ven en una película. Una definición más objetiva sin
embargo, es la que se ofrece en [5] y es la siguiente:
La Realidad Virtual es un modo para que los humanos podamos ver, manipular e
interactuar con datos extremadamente complejos y con los ordenadores.
En seguida vemos la conexión con el resto de los conceptos que hemos estado tratando en
este capítulo. La parte de la definición que habla de la visualización se refiere al ordenador que
genera información visual, auditiva o en algunos otros sentidos sobre un mundo dentro del
ordenador. Este mundo puede ser un modelo arquitectónico, una simulación científica, una vista
en una base de datos, etc. El usuario puede interactuar con el mundo y manipular los objetos
de los que está compuesto ese mundo. Estos objetos pueden ser representaciones de entidades
http://www.efdeportes.com/efd33a/informa1.htm 22/02/2005Lecturas: Educación Física y Deportes, Revista Digital Página 6 de 6
físicas (por ejemplo, un corredor en acción o una simulación de vuelo) o entidades abstractas
(conceptos y relaciones científicas, tendencias de mercados, etc.) Lo importante es que
conforma un medio por el cual se facilita la interacción con conjuntos de datos cuyas relaciones
son complejas y no del todo entendibles de manera inmediata
Componentes de un sistema de realidad virtual
Según los requerimientos y el entorno en el que funciona un sistema de realidad virtual
cambian las exigencias de eficacia de cada una de las partes que a continuación describimos.
Por ejemplo, si creamos una simulación para estudiar la aerodinámica de una posición
determinada de un ciclista lo importante es la exactitud del modelo y la adaptación de la
simulación a las variables que tomamos como criterios. La velocidad de la simulación, aunque
muy conveniente, no es una característica fundamental del estudio. Pero si por ejemplo,
creamos una simulación para entrenar a un corredor a adquirir un cierto reflejo, lo importante
es que la simulación sea en tiempo real. Con esto en mente, las principales partes de un
sistema de realidad virtual son:
Lecturas: Educación Física y Deportes · http://www.efdeportes.com · Año 6 · Nº 33 sigue Â
Recomienda este sitio
http://www.efdeportes.com/efd33a/informa1.htm 22/02/2005Lecturas: Educación Física y Deportes, Revista Digital Página 1 de 8
¿Qué es la informática aplicada a las ciencias del deporte?
Antonio Hernández Mendo y Raúl Ramos Pollán
http://www.efdeportes.com/ Revista Digital - Buenos Aires - Año 6 - N° 33 - Marzo de 2001
3/8
1. Procesos de entrada de datos: que se encargan de hacer llegar la información pertinente
al ordenador. Algunos ejemplo son el guante sensible, sensores de posicionamiento del
cuerpo, sistemas de reconocimiento de voz, etc.
2. Procesos de simulación. La parte más importante de un sistema de realidad virtual son
los procesos de simulación. Estos son los procesos que implementan el modelo del
mundo (virtual o simulado) y procesan los datos de entrada acorde a ese modelo del
mundo. Por ejemplo, en la simulación de un corredor, los procesos de simulación han de
implementar una cierta parte de las leyes físicas que rigen el movimiento del corredor
entre las que se encuentran las leyes de la gravedad, leyes de apoyo, etc. En general el
proceso de simulación divide el tiempo en instantes discretos. En cada instante se genera
una simulación (visual y auditiva en la mayor parte de los casos) sobre el estado del
mundo virtual en ese instante y se actualiza ese estado que generará la simulación del
siguiente instante de tiempo. [6] y [7] muestran importantes ejemplos de procesos de
simulación en este contexto.
3. Procesos de salida de datos. Como resultado de cada simulación se suelen generan una
serie de estímulos de salida que se proyectan en los dispositivos adecuados: pantalla,
casco 3D, aparatos mecánicos, etc.
Es importante observar, que aunque popularmente se asocia el concepto de realidad virtual a
aplicaciones espectaculares y complejas, el concepto de simulación es más general y
seguramente más aplicable en los dominios que nos interesan. Los procesos descritos
anteriormente se aplican a cualquier proceso de simulación, sea proyectado imágenes casi
reales sea controlando la temperatura de la habitación en la que un atleta está corriendo.
El concepto principal es el de la representación física y familiar de datos para su asimilación
por parte de algún receptor. En algunas ocasiones ese receptor puede ser el científico que
manipula una molécula virtual en 3D, en otras puede ser un piloto en su simulación, etc. Pero
en todas esas ocasiones el computador construye una representación adecuada de los datos
que se muestran una situación determinada en un entorno concreto.
3. La revolución técnica
Esta revolución técnica, que hemos sintetizado anteriormente, ha afectado, entre otras, a
una de las funciones fundamentales y básicas de la ciencia como es la compartición de los
resultados y las experiencias. Para poder darle la relevancia que esto tiene baste decir que
autores como Karl Pribam o Popper consideran que los resultados del científico no tienen validez
hasta que no se demuestra su capacidad de ser replicados. En este sentido, es de vital
importancia el que los resultados se hagan públicos y que la comunidad científica tenga acceso
a ellos. Conocer el trabajo de la investigación en nuestro país y en el resto del mundo es una de
las labores de los investigadores y de los estudiosos en general. Si el valor científico de los
http://www.efdeportes.com/efd33a/informa2.htm 22/02/2005Lecturas: Educación Física y Deportes, Revista Digital Página 2 de 8
datos está condicionado a que se hagan públicos en fuentes de credibilidad para la comunidad
científica, no hace falta señalar el valor de las fuentes de documentación.
De hecho, el dinamismo y universalización de las fuentes de documentación científica puede
ser una de las características del avance científico en las últimas décadas. Por un lado, la
literatura científica se duplica en un plazo 10-15 años, y por otro lado, los nuevos sistemas
informáticos de almacenamiento, búsqueda y recopilación de documentación científica hacen
que sea cada vez más fácil acceder a esa información. Todo esto es esencial, ya que el avance
científico depende en gran parte de una buena comunicación entre los investigadores de todo el
mundo. Además, hace menos importantes las diferencias entre universidades grandes y
universidades humildes, ya que no hace falta poseer una costosa biblioteca para tener acceso
básico a la información de interés.
El hecho es que las ventajas citadas tiene como contrapartida el que un investigador se
puede encontrar con un exceso de información y con dificultades en la selección cualitativa de la
misma. Las bases informatizadas de datos proporcionan la posibilidad de realizar búsquedas con
referencias cruzadas y descriptores muy específicos, no obstante, hay un aspecto cualitativo que
depende en gran medida de la formación especializada de cada investigador.
A continuación indicamos en diferentes apartados algunas de las principales fuentes de
documentación e información documental que pueden ser de utilidad. Hay fuentes
documentales primarias, como las revistas, textos, etc., y fuentes secundarias, revisiones,
índices de citas, sistemas de búsqueda, etc.
3.1. Revistas sobre informática en relación a las ciencias sociales y del deporte
Constituyen probablemente el principal medio de información y comunicación científica. A
pesar del retraso que en algunos casos se produce en la publicación de trabajos de
investigación, suele ser la fuente que proporciona información más actualizada.
A continuación presentamos una relación de revistas que pretende ser una guía general que
se aleje de las revistas de divulgación. Pretendemos recoger, sin carácter de exhaustividad,
todas aquellas revistas de impacto que están dedicadas en su totalidad o parcialmente a la
relación entre informática y las ciencias sociales:
1. Behavior Research Methods, Instruments and Computers
2. Biometrics
3. British Journal of Mathematical and Statistical Psychology
4. Computers and Human Behavior
5. Computer Language
6. Estadística Española
7. Journal of Mathematical Psychology
8. Psicothema
9. Psychometrika
10. Quality and Quantity: European-American Journal of Metodology
11. Educational Technology
http://www.efdeportes.com/efd33a/informa2.htm 22/02/2005Lecturas: Educación Física y Deportes, Revista Digital Página 3 de 8
12. Applied Psychological Measurement
13. Educational and Psychological Measurement
14. Journal of Educational Measurement
15. Psicológica
De igual manera con aquellas guías e índices, muchos de ellos informatizados, donde se
encuentran con cierta frecuencia referencias sobre informática aplicada a las Ciencias Sociales y
especialmente a las Ciencias del Deporte.
1. Boletín de Información y Documentación de Unisport
2. Boletín de Sumarios. Facultad de Educación Física de Las Palmas.
3. Boletín de Sumarios. Instituto Nacional de Educación Física de Valencia.
4. Bolleti de Sumaris. INEF-Cataluña.
5. Catalog of Selected Documents in Psychology. American Psychologist Association.
Washington, USA.
6. Current Contents: Life Sciencies. Institute for Scientific Information. Philadelphia,
USA.
7. Current Contents: Clinical Medicine. Institute for Scientific Information. Philadelphia,
USA.
8. Current Contents: Social and Behavioral Sciencies. Institute for Scientific
Information. Philadelphia, USA.
9. Current Index Journal Education. Institute for Scientific Information. Philadelphia,
USA.
10. Index to Scientific Reviews. Institute for Scientific Information. Philadelphia, USA.
11. Journals in Psychology. A Resources Listing for Authors. 40 ed. en 1993,
American Psychological Association. Washington, USA.
12. Psychological Abstracts. American Psychological Association . Washington, USA.
13. Psychological Reader's Guide. Institute de Documentation Scientifique. Suiza.
14. Psychological Record. Graneville.Ohio, USA.
15. Science Citation Index. Institute for Scientific Information. Philadelphia, USA.
16. Social Science Citation Index. Institute for Scientific Information. Philadelphia, USA.
17. Thesaurus of Psychological Index Terms. American Psychological Association.
Washington, USA.
Para más información se pueden consultar los trabajos de Blanco (1983), Borchardt (1984),
Fernández-Dols y Ortega (1980), Herring, (1987), Mcinnis,R.G. (1982)
http://www.efdeportes.com/efd33a/informa2.htm 22/02/2005Lecturas: Educación Física y Deportes, Revista Digital Página 4 de 8
Un aspecto importante a tener en cuenta son los Centros de documentación y bases de
datos. En este apartado se relacionara los centros de producción de sistemas informatizados de
datos bibliográficos que permiten búsquedas rápidas y selectivas de la información almacenada
en soporte CD-ROM u "on-line". Con respecto a Centros Nacionales, podemos mencionar:
1. ICYT. Instituto de Información y Documentación de Ciencia y Tecnología, Madrid.
2. ISOC. Instituto de Información y Documentación de las Ciencias Sociales y
Humanidades, Madrid.
3. IIDB. Instituto de Información y Documentación de Biomedicina, Valencia.
4. INCA. Fundación para el Desarrollo de la Función Social de las Comunicaciones, Madrid.
5. CID. Consorcio de Información y Documentación, Barcelona.
6. CNIDC. Centro Nacional de Información y Documentación Científica, Madrid.
Con respecto a los centros internacionales, podemos citar las siguientes:
1. COMSERVE/CIOS. Communication Institute for Online Scholarchip, New York, USA.
2. CNRS. Centre National de la Recherche Scientifique, París, USA.
3. ISI/ISTB. Institute for Scientific Information, Philadelphia, USA.
4. NTIS. National Technical Information Service, Washintong, USA.
5. Oxford Medical Data Base, London, UK.
6. PsycINFO. Base de datos de la American Psychological Association, Washington, USA.
7. PsycLIT. Base de datos de la Psychological Abstracts Information Service, APA,
Washington, USA.
8. SCISEARCH (Science Citation Index). Producido por el Institute for Scientific
Information, Philadelphia, USA.
9. SPORTdiscus. SIRC (Sport Information Resource Centre), Ottawa, Canadá
10. University Microfilms International, Michigan, USA
Direcciones web donde encontrar información sobre documentación deportiva y otras
informaciones diversas relacionadas con el ámbito deportivo son:
z http://www.cpd.us.es./sadus/
z http://www.uida.es/
z www.deportes.rcanaria.es/
z http://www.iusport.es/intro.htm
z http://www.efdeportes.com
http://www.efdeportes.com/efd33a/informa2.htm 22/02/2005También puede leer
