LA O CONOC DOMÉS Autores MSc. G 1 [Profe

 2do
o Congreso
o Virtual d
de Ciencias
s Morfológ
gicas
2da
a Jornada Científica de la Cáte
edra Santiago Ramó
ón y Cajal
LA
O
ONTOLOGÍA
A
CONOC
CIMIENTO
O
COMO
SISTEM
MA
EMPLEA
ADO
EN
DE
LA
REPRESEN
NTACIÓN
OS
STEOLOGÍA
DE
VIRTUAL
L
L
LOS
DEL
ANI
IMALES
DOMÉS
STICOS.
Autores
s:
MSc. Gerardo Cañ
ñete Betanc
court1
1 [Profe
esor Asistente], [Facu
ultad de Me
edicina Vete
erinaria, Un
niversidad A
Agraria de la
Habana
a, Mayabeque, Cuba].
[email protected]
du.cu
RESUM
MEN
El diseñ
ño de una ontología
o
como sistem
ma de repre
esentación virtual de conocimien
nto para
contribuir al proc
ceso de as
similación d
de los tem
mas de Ostteología de
e la asignatura de
Anatom
mía Generall se convierrte en un o
objeto de aprendizaje de amplia aplicación,, ya que
le perm
mite al es
studiante realizar con
nsultas sobre temas específico
os de la materia,
m
recuperrando inforrmación con
n alto grad o de releva
ancia. El presente trab
bajo se rea
aliza con
el obje
etivo de diseñar
d
una ontologíía como sistema
s
de
e representtación virttual del
conocim
miento que contribuya
a al increm
mento de medios de enseñanza p
para la des
scripción
del sisttema óseo en la asign
natura Anattomía Gene
eral en la carrera Med
dicina Veterrinaria y
Zootecn
nia. Para lograr estto se real izó primerramente una captura
a sistemáttica del
conocim
miento rela
ativo a la
a descripciión anatóm
mica de la osteolog
gía, a tra
avés de
vocabularios comunes, segu
uido por u na represe
entación de
el conocimiiento acepttado de
acuerdo
o a técnicas de modelado concep
ptual (Mapas conceptuales), lueg
go formaliz
zando la
descripción en un lenguaje de
d represen
ntación de conocimien
nto en el ed
ditor de ontologías
Protégé
é 4.0.2 Una
a vez culm
minado el p
proceso de desarrollo se diseñó una interffaz Web
que le p
permite al usuario nav
vegar por la
a ontología
a creada.
INTRO
ODUCCIÓN
N
Los ritm
mos siempre crecientes del des arrollo del progreso científico-té
c
écnico generan un
increme
ento inusittado del poder
p
hum
mano sobre
e los fenóm
menos de la naturaleza, la
penetra
ación de lo
os logros de
e la ciencia
a y de la técnica
t
en todas las esferas de la vida
económ
mica, polític
ca y social del hombrre, la enorm
me influenc
cia de las id
deas cientííficas en
desarro
ollo sobre la
a formación
n de la ideo
ología, la co
osmovisión y la transfformación de
d todos
los asp
pectos de la vida de
e la socied
dad, ha trraído como
o consecue
encia un aumento
a
1 vertiginoso de la cantidad de información disponible y a su vez dispersa en diversidad de
medios (García y Sureda, 2001).
La información que se genera en la actualidad está ampliamente distribuida por los
medios informáticos, por lo que es preciso agruparla para ser representada en entornos
virtuales mediante herramientas de representación del conocimiento. Ballesteros (1992)
y
Fernández
(2004)
plantean que
existe
una
gran
diversidad
de
formalismos
representacionales que han sido creados en función de resolver estas deficiencias. Por
otra parte Arano (2005), Lorente (2005) y Molina (2006) plantean que el empleo de
estas herramientas es muy amplio, por lo que están siendo objeto de estudio en
distintos campos del conocimiento.
En la actualidad se hace necesaria la búsqueda de herramientas alternativas que faciliten
el tratamiento y el acceso a esa gran cantidad de información existente en los medios. Al
respecto Peña y Baeza-yates (2002:25) plantean en su protocolo:
“… La necesidad de contar con información pertinente, precisa y en el momento oportuno,
ha provocado que los sistemas de recuperación de información estén en un momento
crucial de cambio, generando el desarrollo de sistemas más avanzados que tratan de
agregar información semántica a los documentos, de otra parte, la necesidad de acercar
la herramienta al usuario, desencadena una amplia actividad investigadora en torno a
interfaces de usuario, nuevos métodos de búsqueda, nuevas formas de indización y
nuevos servicios. Los profesionales e investigadores deben estar preparados para sacar
provecho de estos cambios y para proponer los que aún han de mejorar los sistemas
actuales, adelantándose a las necesidades de los usuarios”.
Distintos son los métodos empleados para facilitar la representación del conocimiento
para la recuperación de la información científica tan abundante en todos los medios.
Cavalcanti (2001), García (2004) y Villa (2004) expresan que los profesionales, cada vez
más, entienden que es urgente la construcción y aplicación de sistemas de organización
y representación del conocimiento.
Ya se sabe que la clasificación y la indexación automática, así como los metadatos, han
sido utilizado para la representación del conocimiento en entornos virtuales. A pesar de
todo, debe concederse mayor atención al tratamiento de la información (Cavalcanti,
2001; Murray, 2002; García, 2004).
Esto ha dado a la luz proyectos tan importantes y aplicables como la Web semántica, los
Sistemas de Recuperación de la Información, Taxonomías, Sistemas de clasificación,
Lexicones computacionales, Bases de datos léxicas, Tesauros (repositorios de palabras),
Listas de encabezamientos, Bases de conocimientos, Mapas conceptuales, Anillos de
sinónimos, Modelos de dominio, Técnicas de Procesamiento en Lenguaje Natural (en lo
adelante PLN) y Ontologías, entre otras que posibilitan la representación estructurada
del conocimiento y la recuperación semántica de la información (Romá-Ferri, 2009).
2 Representación del conocimiento
Cuando se habla de representación estructurada del conocimiento debemos partir de lo
planteado por Ballesteros (1992), quien afirma que se lleva a cabo a través de esquemas
mentales que realiza un sujeto de la realidad objetiva existente en el mundo real, que
está en dependencia del conocimiento táctico existente.
La representación es un medio de expresión y comunicación imprescindible, es por tanto
una estructura donde frecuentemente se ejecutan determinados procesos, los cuales se
refieren a las actividades implicadas en la utilización de la información almacenada
(Ballesteros, 1992). Muñoz (2009) refiere que a la información que un sistema
inteligente es capaz de procesar y representar le llama genéricamente conocimiento.
A su vez Jereles y Saiz (2011) comentan que los investigadores intentan analizar como
el conocimiento representado en la sicología cognitiva puede ser descrito formalmente
en modelos, a lo que denominan formalismos representacionales. Además sugieren que
estos formalismos se dividen en dos grandes categorías: Simbólicos o clásicos cuando
simulan conductas a través de un ordenador y conexionistas, con inspiración neural.
Ballesteros
(1992)
establece
que
los
modelos
simbólicos
mantienen
que
la
representación del conocimiento se realiza a través de un sistema de símbolos. En esto
coinciden las ciencias de la computación y las sicología, tanto los ordenadores como los
humanos son capaces de manipular símbolos por lo que ambos pueden considerarse
análogos. El fundamento de estos modelos está en que tanto la mente como la máquina
de propósito universal operan sobre representaciones que no son otra cosa que modelos
simbólicos.
Los criterios de Ballesteros (1992); Jereles y Saiz (2011) y otros autores es que estos
sistemas de representación se organizan en tres niveles: a) El nivel semántico que
explican por qué estos sistemas saben cuales son sus objetivos. b) El nivel simbólico que
modifica mediante expresiones simbólicas el contenido semántico y dicta reglas que
permiten manipular dichos símbolos. y c) El nivel físico que actúa de soporte material del
sistema. Las representaciones en estos modelos se entienden como sistemas semejantes
al lenguaje constituidas por un gran léxico de símbolos relacionados mediante una
compleja sintaxis
Estos formalismos representacionales simbólicos pueden ser analíticos que no transmiten
experiencia sensorial, y analógicos que tienen experiencias sensoceptivas análogas al
mundo representado. En el caso de los analíticos podemos encontrar en la práctica, las
rede semánticas, modelo de rasgos, esquemas y guiones, producciones (Fodor y
Pylyshyn, 1988).
3 En el caso de los formalismos representacionales conexionistas o arquitectura no
simbólica es conocida también como procesamiento paralelo distribuido. Este modelo
considera que la cognición se produce a partir de la interacción simultánea de una serie
de unidades semejantes a neuronas que se encuentran altamente interconectadas
(McClelland, Rumelhart y Hinton, 1986).
Estas representaciones que realizan los individuos y que son temas de interés para los
investigadores de la psicología cognitiva, fueron llevados a las ciencias computacionales,
utilizando sistemas inteligentes que presentan estructuras sobre las
que se ejecutan
determinados procesos. Entiéndase como proceso a las actividades implicadas en la
utilización de la información almacenada en estas estructuras o representaciones
(Fernández, 2004).
El conocimiento puede ser representado de distintas maneras e incluso utilizando
ilimitados sistemas inteligentes. La representación del conocimiento tiene, como materia
prima, las estructuras conceptuales y se caracteriza por la clasificación de estos
conceptos. Tiene que ver con escribir, en algún lenguaje o medio de comunicación,
descripciones o esquemas que se correspondan de alguna manera con el mundo o un
estado del mundo (Moacir, 2010; García, 2011).
Representación virtual del conocimiento
La representación virtual del conocimiento, es una materia en la que se lleva trabajando
desde hace varias décadas, desde mucho antes de que surgiera la web semántica.
Surgió en el ámbito de la Inteligencia Artificial al tratar de crear representaciones
virtuales del conocimiento que pudieran ser utilizadas por mecanismos que simulasen el
razonamiento humano.
Ballesteros (1992) pone de manifiesto la dispersión existente en la psicología cognitiva y
las ciencias computacionales, cuando tratan de explicar cómo se representa, almacena y
recupera el conocimiento debido a la gran variedad de formalismos representacionales
propuestos: Redes semánticas, tesauros, técnicas de procesamiento en lenguaje natural,
Sistemas de producción, Representaciones estructurales, Ontologías, etc.
Dentro de este conjunto de formalismos representacionales, se hacen destacar unos más
que otros por su funcionalidad y la omisión de errores sintácticos que los pueden limitar
a diferentes funciones. Martín et al. (2010) hacen mención a los sistemas de producción
que se basan principalmente en reglas de producción y su uso más común ha sido el de
desarrollar sistemas de expertos y se encuentra muy asociado a la inteligencia artificial.
Otros de marcada importancia pero con características más limitadas son los tesauros.
García (2004) los propone como un vocabulario de representación convencional utilizable
por los investigadores y útiles para la representación del conocimiento desde las
4 ontologías y otros sistemas inteligentes que utilizan vocabularios comunes. Cavalcanti
(2001) afirma que pueden ser utilizados en todos los tipos de sistemas de
organizaciones del conocimiento, generales o específicas. Por otra parte Arano (2005)
los define como "… un tipo de lenguaje documental que representa la estructuración
conceptual de un determinado campo del conocimiento”. El tesauro proporciona una
organización semántica principalmente a través de la explicitación de las relaciones
establecidas entre dichos conceptos, y eventualmente, a través de un significado
restringido de los términos que los representan.
Por otra parte Gómez, Fernández y Corcho (2004) definen las redes semánticas o
asociativas como técnicas de representación declarativa a través de esquemas dirigidos
etiquetados. Es utilizada inicialmente para representar la semántica de los lenguajes
naturales, especialmente en los sistemas de traducción automática. Mantiene como idea
principal el significado de conceptos, especificando a través de sus conexiones con otros
conceptos. Su característica principal es la de estar compuesta por redes organizadas en
jerarquías que facilitan la utilización del razonamiento basado en la herencia. En ellas un
concepto está asociado con otros conceptos a través de los arcos salientes del nodo que
lo representa (conexión con otros conceptos).
El Procesamiento del Lenguaje Natural (en lo adelante PLN) es también utilizado para la
representación del conocimiento (de Benaga, 2009). Este tiene como objetivo la
adquisición de sistemas informáticos que sean capaces de implementar funcionalidades
que impliquen la comprensión y/o la generación, de expresiones en lenguaje natural.
Ejemplo de esto son los sistemas constituidos por interfaces en lenguaje natural a bases
de datos y sistemas expertos, sistemas de corrección inteligente de textos, sistemas de
generación automática de resúmenes y sistemas de traducción automática. Vinculado
además a la recuperación de la información (RI) generada por estos formalismos
representacionales.
Una ontología según Arano (2004, 2005) es una representación formal del conocimiento
donde los conceptos, las relaciones y las restricciones conceptuales son explicitados
mediante formalismos en un determinado dominio. Por lo tanto no es más que una
representación formal y explícita de la estructura conceptual del campo del conocimiento
sobre el que se trabaja. Este recurso lingüístico incluye como mecanismo de inferencia a
la herencia, que implica una economía en la codificación de la información: los conceptos
superiores transmiten sus características a los conceptos inferiores.
De todos estos métodos que son utilizados para la representación formal del
conocimiento, y teniendo en cuenta muchas de las aplicaciones descritas por los autores
antes mencionados, se realiza una descripción más detallada de las características
5 conceptuales y funcionales de las técnicas del procesamiento en lenguaje natural (PLN) y
las ontologías específicamente.
Técnicas de procesamiento en lenguaje natural.
El hombre a través de diferentes manifestaciones es capaz de crear, transferir y
representar conocimiento (arte, tecnología y ciencia). Estar dotados de esta capacidad
cognitiva es lo que nos hace diferentes con respecto a otras especies (Moacir, 2010).
La materia prima utilizada para estos fines es muy diversa y no es patrimonio específico
de un ámbito. Así, pueden encontrarse recursos lingüísticos, visuales y auditivos en
cualquier manifestación de la vida humana. Cuando realizamos representaciones del
conocimiento científico generalmente son utilizados los recursos lingüísticos. Por recursos
lingüísticos, se entiende el lenguaje natural y los términos, cuya naturaleza de
representación también es lingüística (Cámara, 2004).
El lenguaje natural es, una herramienta utilizada por las personas para expresarse y
comunicarse; es un fenómeno complejo y dinámico en el sentido de que está siempre en
movimiento: por ser una herramienta universalmente utilizada que siempre está siendo
actualizada por los agentes que intervienen e interactúan en el acto de la comunicación,
y porque produce manifestaciones de formas espontáneas dependientes de las
condiciones psicológicas, fisiológicas y sociales (Vallez y Pedraza-Jiménez, 2007).
Los sistemas basados en el procesamiento en lenguaje natural tienen como objetivo la
consecución de sistemas informáticos que implementen funcionalidades próximas a la
comprensión y la generación del lenguaje humano. En ellos el análisis sintáctico,
semántico y conceptual juega un papel central. La naturaleza del problema de la
comprensión del lenguaje natural, también enmarcado frecuentemente dentro de la
Inteligencia Artificial, ha hecho que hasta tiempos recientes, la mayoría de los sistemas
de este tipo adolecieran de una constante condición de prototipo, presentando
implementadas sus funcionalidades sólo parcialmente, o procesando subconjuntos del
lenguaje natural excesivamente limitados como para resultar verdaderamente práctica
su aplicación (de Buenaga, 1996).
El Procesamiento del Lenguaje Natural es una disciplina con una larga trayectoria. Nace
en la década del 60, como una sub-área de la Inteligencia Artificial y la Lingüística, con
el objetivo de estudiar los problemas derivados de la generación y comprensión
automática del lenguaje natural. En sus orígenes, sus métodos de trabajo tuvieron gran
acogida por la comunidad científica, no obstante, cuando sus aplicaciones fueron
llevadas a la práctica, en entornos no controlados y con vocabularios genéricos,
empezaron a surgir multitud de dificultades. Entre ellas, pueden mencionarse por
ejemplo los problemas de polisemia, sinonimia y ambigüedades (Cámara, 2004).
6 La aparición de los primeros sistemas orientados a la comprensión o generación del
lenguaje natural, y enmarcados dentro del ámbito del PLN con algunos problemas
antiguos resueltos, no es reciente. Autores como Dyer (1988), Ballard y Jame (1987) y
Carbonell y Hayes (1987), han desarrollado sistemas orientado a la implementación de
capacidades de comprensión próximas a las humanas, denominándolos, de comprensión
profunda, pero han mantenido siempre una condición constante de prototipo, en el
sentido
de
que
el
subconjunto
del
lenguaje
natural
que
procesan
no
es
lo
suficientemente amplio como para permitir la construcción de aplicaciones prácticas.
Solo hasta
tiempos recientes es cuando han aparecido una serie de sistemas
inteligentes que, sobre dominios concretos, han conseguido implementar una serie de
funcionalidades limitadas, pero cubiertas de forma tal que permiten su aplicación
práctica (Vallez y Pedraza-Jiménez, 2007).
Según criterios de de Buenaga (1996) el lenguaje natural, es utilizado por las personas
para expresarse, posee propiedades que reducen la efectividad de los sistemas que lo
utilizan para la representación de conocimiento. Estas propiedades son las variaciones y
las ambigüedades lingüísticas. Cuando se habla de la variación lingüística se hace
referencia a la posibilidad de utilizar diferentes palabras o expresiones para comunicar
una misma idea. En cambio la ambigüedad lingüística se produce cuando una palabra o
frase puede entenderse o interpretarse de varios modos, por ser poco clara o precisa.
Estos dos fenómenos pueden provocar aunque de forma distinta incidencias en el
proceso que lleva a cabo un sistema para representar el conocimiento, y se hace patente
la complejidad del lenguaje y que su tratamiento automático no resulta fácil ni obvio.
Para solucionar muchas de estas limitaciones que se presentan en los sistemas que
utilizan las técnicas de procesamiento en lenguaje natural Neches et al. (1991), Gruber
(1993), Borst (1997) y Studer, Bejamins y Fensel (1998), proponen una herramienta
que utiliza PLN, y define un vocabulario común que permite a los investigadores
compartir información semánticamente procesada en un dominio de discurso, utilizando
para esto un grupo de concepto relacionados entre sí. La herramienta antes mencionada
se conoce con el término de ontología.
Ontología.
Muchos son lo autores que clasifican como uno de los métodos más eficientes para la
representación estructurada del conocimiento a las ontologías, quienes por su nivel de
complejidad son capaces de superar a otros métodos en precisión y relevancia (Arano,
2004; Cámara, 2004; García, 2004; Lorente, 2005; Leiva y Estévez, 2008; Leyva y
Tamayo, 2008).
La ontología es la representación formal del conocimiento donde los conceptos, las
relaciones y las restricciones conceptuales son evidentes mediante formalismos en un
7 determinado dominio del conocimiento. La ontología es una representación formal y
explícita de la estructura conceptual del campo sobre el que se trabaja. Este recurso
incluye como mecanismo de inferencia a la herencia, es decir, una economía en la
codificación de la información: los conceptos superiores transmiten sus características a
los conceptos de menor nivel (Cámara, 2004; Arano, 2005; Rius, Sicilia, y García, 2007;
Giraldo, Marín, y Giraldo, 2009; Romá-Ferri, 2009).
Según Arano (2004, 2005) y Giraldo, Marín, y Giraldo (2009) la filosofía es el primer
campo del conocimiento donde se utiliza este concepto. Su uso se origina en la noción
aristotélica de filosofía primera –luego llamada metafísica-, que por un lado estudia la
esencia del ser (el ser como ser), y por el otro lado estudia las características básicas de
toda la realidad como un todo (el ser o el ente principal del cual dependen los demás
entes). En este contexto ella se ocupa de la definición del ser y establece las categorías
fundamentales del ser de las cosas a partir del estudio de sus propiedades. Se ocupa
además de la naturaleza y la organización de la realidad, es decir de lo que existe. En el
campo de la Inteligencia Artificial y las Ciencias Computacionales es muy similar, lo que
existe es aquello que puede ser representado.
El término es utilizado por primera vez en la ingeniería del conocimiento y la inteligencia
artificial a finales de la década de los 80. En este contexto se tiene como propósito
principal representar un conjunto de conceptos jerárquicamente organizados, descritos
en algún sistema informático, como medio para compartir el conocimiento en los
distintos dominios (Villa, 2004).
Basado en estos criterios Arano (2004, 2005), Rius, Sicilia y García (2007), Giraldo,
Marín, y Giraldo (2009) y Romá-Ferri (2009) plantean que la ontología es redefinida por
Neches et al. (1991) en el sector informático donde proponen que son descripciones
formales de los conceptos y las relaciones que intervienen en un determinado dominio;
no obstante Gruber (1993) y Borst (1997) la definen como una “… especificación
explícita y formal de una conceptualización compartida”, entiéndase por:

Conceptualización a un modelo abstracto de algún fenómeno en el mundo
proveniente de haber identificado los conceptos relevantes de dicho fenómeno.

Explícita: alude a que el tipo de concepto usado y las restricciones para su uso
son explícitamente definidos.

Formal: se refiere al hecho de que la ontología debería ser legible por ordenador.

Compartida: refleja la noción de que una ontología captura conocimiento
consensual, que no es objeto de un solo individuo, sino aceptado por un grupo.
Por lo tanto en concordancia con lo conceptualizado por Cámara (2004), Arano (2005),
Rius, Sicilia, y García (2007), Giraldo, Marín, y Giraldo (2009) y Romá-Ferri (2009) se
8 asume en esta tesis como definición de ontología, a una representación formal y explicita
de la estructura conceptual de un dominio del conocimiento, o sea es una representación
formal del conocimiento donde los conceptos, las relaciones y las restricciones
conceptuales son formalizados a través de un lenguaje natural donde se incluye como
mecanismo de inferencia a la herencia.
Por lo antes expuesto se procede a la descripción de los distintos elementos empleados
para la realización de este trabajo el cual tiene como único objetivo, diseñar una
ontología como sistema de representación virtual del conocimiento que contribuya al
incremento de medios de enseñanza para la descripción del sistema óseo en la
asignatura Anatomía General en la carrera Medicina Veterinaria y Zootecnia.
MATERIALES Y MÉTODOS
Para la construcción de la Ontología que facilite el proceso de asimilación de la osteología
animal, se utilizó un ordenador Pentium, el software CmapTool 5.04.02 propuesto por
Institute for human and Machine Cognition perteneciente a University Affiliated Research
en el 2011, para la representación de los esquemas conceptuales.
Para la construcción de la ontología se utilizó el software Protégé 4.0.2 que es una
herramienta open-source desarrollada por Stanford University en el 2011 con el objetivo
de modelar y capturar conocimiento, la herramienta provee un entorno gráfico e
interactivo para el diseño de ontologías y el desarrollo de conocimiento. Construido a
partir de una arquitectura basada en el desarrollo de plug-in que a diferencia de otras
herramientas favorece la escalabilidad y lo hacen extensible, protégé permite a sus
usuarios el modelado de clases, slot, instancia a través de diferentes de diferentes
herramientas incluidas en el ambiente de desarrollo (Arreche, 2011).
RESULTADOS Y DISCUSIÓN
La enseñanza y el aprendizaje de la Anatomía Veterinaria se enfrentan en la actualidad a
diversos problemas. Entre ellos cabe destacar la disminución de las horas destinadas a la
enseñanza de la Anatomía en los últimos planes de estudios. También el hecho de que
las prácticas de disección que llevan a cabo los estudiantes, pese a sus indudables
propiedades formativas, se encuentran en un estado muy desfavorable.
También se hace patente, por otra parte, que hay una tendencia al cambio en la filosofía
educativa de los nuevos planes de estudios, donde el profesor deja su faceta de experto,
presentador y transmisor de los contenidos para convertirse en diseñador de medios,
facilitador del aprendizaje y orientador en el proceso de aprendizaje. La reducción de
importancia de la enseñanza presencial, que concede un papel fundamentalmente pasivo
al estudiante, es evidente en beneficio de métodos docentes que priman la actitud activa
del alumno.
9 El diseño de una ontología como sistema de representación virtual de conocimiento para
contribuir al proceso de asimilación de los temas de Osteología de la asignatura de
Anatomía General se convierte en un objeto de aprendizaje de amplia aplicación, ya que
le permite al estudiante realizar consultas sobre temas específicos de la materia,
recuperando información con alto grado de relevancia.
Para la construcción de una ontología pueden ser utilizadas varias metodologías, que han
sido descritas por Lenat y Guha (1990), Grüninger y Fox (1995), Uschold y King (1995)
y Noy y McGuinness (2001) en las distintas épocas por las que ha transitado la historia
del desarrollo de ontologías, dentro de la inteligencia artificial y las ciencias
computacionales, desde la década del 90 hasta la actualidad. Cada una de estas
metodologías se han ido creando en función de corregir y/o agregar pasos importantes
que no han sido declarados en las que les han precedido.
Descripción del diseño de “OntoAnaVet”
De acuerdo con Romá-Ferri (2009) y Arreche (2011) no existe una metodología estándar
ni un modelo unificado para el desarrollo de ontología. Por esta razón es importante
destacar que todas tienen una línea de desarrollo común basadas en tres etapas
invariantes, las cuales fueron empleadas básicamente para el desarrollo de la ontología
sobre el sistema óseo de los animales domésticos.
1.
Realizar una captura sistemática del conocimiento aceptado del dominio.
2.
Realizar una descripción del conocimiento aceptado de acuerdo con una técnica
de modelado conceptual.
3.
Realizar una formalización de la descripción en un lenguaje de definición o de
representación.
Durante el desarrollo de la primera etapa se realizó una captura sistemática de los
conceptos que describen las estructuras anatómicas de los diferentes segmentos
esqueléticos del organismo animal. Apoyado para eso de la bibliografía clásica sobre
anatomía veterinaria, contando esencialmente con Sisson y Grossman (1974); Getty,
Sisson y Grossman's (1982); König y Liebich (2001); ICVGAN-WAVA. (2005).
Con el contenido de la información capturada de los clásicos de la literatura anatómica
veterinaria se pasó a llevar a cabo la segunda etapa. A este nivel se desarrollaron mapas
conceptuales (anexos 1, 2, 3, 4.) donde se organizaron jerárquica a cada una de las
estructuras pertenecientes a los diferentes segmentos esqueléticos.
La tercera etapa es en definitiva las más importante debido a que se realiza una
formalización de la descripción en un lenguaje de definición o de representación, este
lenguaje es el RDF (Resource Description Framework) y su complemento RDFs
mantenidos por el consorcio W3C, que en su proyecto “W3C Recomendation” proponen
10 el lenguaje de ontologías Web (OWL). Para el desarrollo de este lenguaje fue utilizado el
software informático Protégé 4.0 (The University of Manchester, 2006), donde es
formalizada toda la estructura conceptual del dominio, ubicando cada clase de la
jerarquía ya obtenida (Anexo 5).
En el transcurso de la formalización de la descripción de la ontología fueron identificadas
las clases (segmentos óseos) y su jerarquía para localizar de cada una de ellas los
componentes encargados de describirlas, dígase las subclases dependientes, las
propiedades, las relaciones y las instancias (estructuras óseas).
Interfaz de usuario
De acuerdo con Bravo et al. (2006) la interfaz de usuario es uno de los componentes
más importantes de cualquier sistema computacional, pues funciona como el vínculo
entre el humano y la máquina. Es un conjunto de protocolos y técnicas para el
intercambio de información entre una aplicación computacional y el usuario. Es
responsable de solicitar comandos al usuario y de desplegar los resultados de la
aplicación de una manera comprensible. Ella no es responsable de los cálculos de la
aplicación, ni del almacenamiento, recuperación y transmisión de la información.
El diseño de una interfaz Web en una ontología, permite no solo realizar una
interpretación del contenido del archivo “XML-OWL” generado por el programa de diseño
de ontologías (Protégé 4.0.2), sino que hace posible una interacción con el usuario
facilitándole realizarle consultas al contenido de la ontología (Motz y Rohrer, 2009).
La aplicación Web diseñada para “OntoAnaVet” interroga el archivo “XML-OWL” para
crear un índice de clases, luego al realizar una consulta por parte del usuario se obtienen
resultados de una manera más rápida. En el Anexo 6 se muestra un esquema del
principio de funcionamiento de esta herramienta.
La interfaz diseñada responde a los principios de arquitectura de redes basadas en
cliente-servidor de acuerdo con lo planteado por Díaz (2009) y Martínez (2011), donde el
usuario realiza una determinada consulta en el cliente Web, este hace un pedido al
servidor y este a través de las facilidades de generar páginas dinámicas devuelve la
respuesta contenida en el repositorio XML, en una web HTML para ser visible e
interpretable por el usuario.
El intérprete de ontologías diseñado en una interfaz Web (Anexo 7) cuenta con
facilidades de navegación permitiéndole al usuario realizar consultas en un buscador y
con solo un clic obtener respuestas con alto criterio de relevancia. De acuerdo a lo
expresado por Lorente (2005) y Gómez (2008), esto implica un grado mayor de
precisión en la recuperación. Un aceptable criterio de relevancia regula la capacidad del
sistema de devolver información pertinente a la consulta realizada.
11 Al observar el anexo 7 es posible evidenciar, que esta interfaz creada para la navegación
del usuario por el interior de la ontología “OntoAnaVet”, cuenta con un cuadro de texto
(textbox) donde se escriben los términos de la consulta a realizar, esto se acompaña de
un botón que permite accionar la búsqueda.
A la derecha debajo del cuadro de texto se observan tres hipervínculos que facilitan aun
más el trabajo durante la navegación, estos son:

Buscar: Permite regresar al inicio y limpiar el cuadro de texto para realizar una
nueva consulta.

Créditos: Al realizar un clic en este hipervínculo el sitio se dirige a una página
donde se encuentran datos pertenecientes a los autores y propios de la ontología,
como son:
o
Versión del producto.
o
Fecha de culminación del diseño.
o
Descripción de algunos aspectos generales para lo que fue creada esta
ontología.
o
Comentario donde se recoge una breve reseña teórica sobre la carne y la
necesidad de convertir la carne en productos cárnicos.

Indexar: Este hipervínculo le brinda la posibilidad al usuario de poder actualizar la
ontología cuando se realicen variaciones en repositorio .xml. Cuando se le
realicen cambios al archivo “XML-OWL” deberá ser reemplazado el archivo que se
encuentra en la ontología por el nuevo que se le han realizado variaciones y
actualizaciones.
Una vez realizada la búsqueda como se observa en el anexo 8 el sistema devuelve un
listado de conceptos propios del dominio que coinciden o contienen en sus propiedades
términos similares a los utilizados para hacer la consulta. Este listado puede o no
contener algunas descripciones del concepto debajo del hipervínculo, de aparecer alguna
coincidencia.
CONCLUSIONES
La utilización de esto sistemas de representación del conocimiento como apoyo al
proceso de enseñanza-aprendizaje es de gran factibilidad, ya que le muestra a los
estudiantes una herramienta web que puede ser utilizada como material de consulta
para el incremento del aprendizaje para el desarrollo de competencias y pensamiento
complejo respecto a la anatomía y al desempeño clínico durante la vida profesional.
BIBLIOGRAFÍA
12 
Arano, S. (2004). La ontología: una zona de interacción entre la Lingüística y la
Documentación.
Hipertext.net
[en
línea].
(2).
Disponible
en:
http://www.upf.edu/hipertextnet/numero-2/ontologia.html [Consulta: 24 octubre
2010]. ISSN 1695-5498.

Arano, S. (2005). Los tesauros y las ontologías en la Biblioteconomía y la
Documentación.
Hipertext.net
[en
línea].
(3).
http://www.upf.edu/hipertextnet/numero-3/tesauros.html
Disponible
en:
[Consulta:
19
septiembre 2010]. ISSN 1695-5498.

Arreche, S. (2011). Un enfoque para el análisis causal de defectos en organizaciones
de software conducido por ontologías. Tesis de Maestría. Uruguay, Universidad
ORT.

Ballard, E. y Janes, M. (1987). Computational Lingüistics: encyclopaedia of artificial
intelligence. New York: Wiley.

Ballesteros, S. (1992). La representación de conocimiento en los sistemas
conexionistas. Psicothema, 4 (2).

Borst, W. (1997). Construction of Engineering Ontologies. Tesis de Doctorado.
Enschede, University of Twente.

Bravo, J., Carranza, C., Castells, P., Fuentes, J., Rico, M., Alonso, J., Foncillas, B.,
Rodríguez, J. y Lara, R. (2006). Aplicación de tecnologías de la Web Semántica a
la gestión de información financiera y económica [en línea]. España. Disponible
en: http://www.aipo.es/articulos/3/47.pdf [Consulta: 06 marzo 2012].

Cámara, L. (2004). La representación lingüística del conocimiento y su relevancia en
la ingeniería lingüística. Hipertext.net, (2).

Carboneil, J. y Hayes, P. (1987). Natural-Language Understanding: encyclopaedia of
artificial intelligence. New York: Willey.

Cavalcanti,
M.
(2001).
Organización
y
representación
del
conocimiento:
fundamentos teóricos y metodológicos para la recuperación de la información en
entornos virtuales [en línea]. Escuela de Bibliotecología de la Universidad Federal
del
Estado
de
Río
de
Janeiro.
Disponible
en:
http://dialnet.unirioja.es/servlet/fichero_articulo?codigo=2534245&orden=0
[Consulta: 18 septiembre 2010].

de Benaga, M. (1996). Inte gración de técnicas de procesamiento del lenguaje
natural para la recuperación de información en bibliotecas de componentes
sofware. Tesis de Doctorado. Madrid España, Universidad Complutense de Madrid.

Díaz, A. (2009). La Ontología Salus como una red de Ontologías. Cuadernos de
Informática, 4 (2), 15.

Dyer, M. (1988). In Depth. Understanding. Cambridge: MIT Presa.
13 
Fernández, G. (2004). Representación del conocimiento en sistemas inteligentes [en
línea].
Universidad
Politécnica
de
Madrid.
http://www.gsi.dit.upm.es/cgi-bin/cgiwrap/gfer/acceso-rcsi.cgi
Disponible
[Consulta:
en:
11
junio 2010].

Fodor, A. y Pylyshyn, W. (1988). Connectionism and cognitive architecture: A critical
analysis: connections and symbols. Cambridge: MIT Press. pp. 3-71.

García, A. (2004). Instrumentos de presentación del conocimiento: Tesauros Versus
Ontologías
[en
línea].
Universidad
Rey
Juan
Carlos.
http://revistas.um.es/analesdoc/article/viewFile/1691/1741
Disponible
[Consulta:
en:
18
septiembre 2010].

García, C. I. (2011). Representación del conocimiento. Tesis de Doctorado.
Universidad de Burgos, Área de lenguajes y sistemas informáticos.

Getty, R., Sisson, S. y Grossman, J. D. (1982). Anatomía de los Animales
Domésticos. 5 ed. Barcelona, España: Salvat.

Giraldo, G., Marín, J. y Giraldo, G. (2009). Extracción de elementos de una ontología
del dominio a partir de documentos tipo esquema. Avances en Sistemas e
Informática, 6 (2), 11-20.

Gómez, A., Fernández, M. y Corcho, O. (2004). Ontological engineering: with
example from the area fo knowledge management, e-commerce and the semantic
web. 2 ed. London: Springer-Verlag.

Gómez, J. (2008). Diseño e implementación de interfaces ubicuas adaptativas para
múltiples dispositivos. Trabajo de Diploma. Madrid, UAM, Escuela Politécnica
Superior.

Gruber, T. (1993). A translation approach to portable ontologies. Knowledge
Acquisition, 5 (2).

Grüninger, M. y Fox, M. (1995). Methodology for the design and evaluation of
ontologies. Proceedings of the IJCAI Workshop on Basic Ontological Issues in
Knowledge Sharing. Montreal: AAAI Press.

ICVGAN-WAVA. (2005). Nómina Anatomica Veterinaria. Columbia: Committee
Hannover.

Jereles, A. y Saiz, M. (2011). Representando el conocimiento en la mente [en línea].
España. Disponible en: http://psicologia-general-ii.blogspot.com/ [Consulta: 26
marzo 2014].

König, H. E. y Liebich, H. (2001). Anatomía de los Animales Domésticos. España:
Panamericana.

Leiva, A. A. y Estévez, V. (2008). Una propuesta para la búsqueda semántica de
recursos web de nuevas tecnologías aplicadas a la educación. En: VI Congreso
14 Internacional Universidad 2008. La Habana, Cuba: Palacio de las Convenciones,
pp. 3-5.

Lenat, D. B. y Guha, R. V. (1990). Ontological engineering: with examples from the
areas of knowledge management, e-commerce and the semantic web. 1 ed.
London: Springer Verlag.

Leyva, D. y Tamayo, D. (2008). Repositorio semántico de objeto de aprendizaje para
la
reutilización
de
contenidos
educativos.
En:
VI
Congreso
Internacional
Universidad 2008. La Habana, Cuba: Palacio de las convenciones.

Lorente, M. (2005). Ontología sobre economía y recuperación de información.
Hipertext.net
[en
línea].
(3).
Disponible
http://www.upf.edu/hipertextnet/numero-3/ontologia_ri.html
[Consulta:
en:
19
septiembre 2010]. ISSN 1695-5498.

Martín, F., Alonso, J., Hidalgo, M. y Ruiz, J. (2010). Razonamiento Automático en
Sistemas de Representación del Conocimiento. Universidad de Sevilla: DGES del
MEC.

Martínez, M. (2011). Creación de una ontología de degradación de suelos. Tesis de
Maestría. Mayabeque, UNAH.

McClelland, J., Rumelhart, D. y Hinton, G. (1986). The appeal of parallel distributed
processing: parallel distributed processing: explorations in the micros-tructure of
cognition. Cambridge: MIT Press. pp. 3-44.

Moacir, M. (2010). Espacios de significación y representación del conocimiento: Un
análisis sobre teorías y métodos de organización de conceptos en ciencias de la
información. Tesis de Doctorado. São Paulo - Brasil, Escola de Comunicações e
Artes - ECA/USP.

Molina, P. (2006). Herramientas para la recuperación de información [en línea].
España.
Disponible
en:
http://recuperaciondeinformacionsalle.blogspot.com/2010/09/herramientas-parala-recuperacion-de_06.html [Consulta: 07 septiembre 2010].

Molina, P. (2006). Herramientas para la recuperación de información [en línea].
España.
Disponible
en:
http://recuperaciondeinformacionsalle.blogspot.com/2010/09/herramientas-parala-recuperacion-de_06.html [Consulta: 07 septiembre 2010].

Motz, R. y Rohrer, E. (2009). Ontology design for web sites recommendation in the
health area. Cuadernos de Informática, 4 (2), 8-12.

Muñoz, R. (2009). Representación del conocimiento textual mediante técnicas
lógico-conceptuales en aplicaciones de tecnologías del lenguaje humano. Tesis de
Doctorado. España, Universidad de Alicante.

Murray, P. (2002). Gestión - información - Conocimiento. Biblios, (14), 25-28.
15 
Neches R.; Fikes R.; Finin T.; Gruber T.; Senator T. y Swartout W. (1991). Enabling
technology for knowledge sharing. AI Magazine, 12 (3): 36-56.

Noy, N. y Mcguinness, D. (2001). Ontology Development 101: A Guide to Creating
Your First Ontology. Stanford: Stanford University, Stanford. p. 35.

Peña, R. y Baeza-yates, R. (2002). Gestión Digital de
la Información. Madrid,
España: RAMA. p. 25.

Rius, À., Sicilia, M. Á. y García, E. (2007). Justificación y Descripción del Dominio de
Conocimiento de una Ontología para la Formalización y Automatización de
Escenarios Educativos [en línea]. Universidad Oberta de Cataluña. Disponible en:
http://www.uah.es/ [Consulta: 06 septiembre 2010].

Romá-ferri,
M.
T.
(2009).
OntoFIS:
tecnología
ontológica
en
el
dominio
farmacoterapéutico. Tesis de Doctorado. España, Universidad de Alicante.

Sisson, S. y Grossman, J. D. (1974). Anatomía de los Animales Domésticos. 4 ed.
Barcelona, España: Salvat.

Studer, R., Bejamins, V. y Fensel, D. (1998). Knowledge engineering: principles and
methods. Data & Knowledge Engineering, 25 (1-2), 161-167.

Uschold, M. y King, M. (1995). Ontological engineering: with examples from the
areas of knowledge management, e-commerce and the semantic web. 2 ed.
London: Springer Verlag. pp. 115-119.

Vallez, M. y Pedraza-Jiménez, R. (2007). El Procesamiento del Lenguaje Natural en
la Recuperación de Información Textual y áreas afines. Hipertext.net [en línea]. 1
(5). Disponible en: http://www.hipertext.net [Consulta: 08 diciembre 2010].

Villa, L. (2004).Historia del Hipertexto: MEMEX [en línea]. Argentina. Disponible en:
http://www.grancomo.com/comentarios.php?id_art=52 [Consulta: 02 julio 2010].
16 ANEXOS
Fig.1
Fig.2
Fig.3
17 Fig.4
Fig. 5
18 Fig. 6
Fig. 7
19 Fig.8
20