Los mapas cognitivos difusos y su aplicación en la investigación de las ciencias socialesestudio de sus principales problemáticas

  1. Infante-Moro, Alfonso 1
  2. Infante-Moro, Juan C. 1
  3. Gallardo-Pérez, Julia 1
  1. 1 Departamento de Economía Financiera, Contabilidad y Dirección de Operaciones, Universidad de Huelva, Huelva, España
Revista:
Education in the knowledge society (EKS)

ISSN: 2444-8729,  1138-9737

Año de publicación: 2021

Número: 22

Tipo: Artículo

DOI: 10.14201/EKS.26380 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Education in the knowledge society (EKS)

Resumen

La metodología de los Mapas Cognitivos Difusos (MCD) es una de las más relevantes en el estudio del conocimiento y, probablemente, una de las más utilizadas en los últimos tiempos por los investigadores en sus estudios y proyectos. Este artículo analiza a través de una revisión bibliográfica por las principales bases de datos científicas, el uso de esta herramienta en la investigación científica y su aplicación en las ciencias sociales, además de aportar referencias históricas al respecto. Muestra las principales características de la metodología, sus posibilidades y limitaciones, sus diferencias con su antecesor (los Mapas Cognitivos), las fases operativas para su aplicación y las diferentes formas de captación de información. Además de demostrar la idoneidad de su aplicación en el ámbito de las ciencias sociales y estudiar sus mayores problemáticas, la identificación de los conceptos involucrados dentro del sistema a estudiar, la selección de expertos y los coeficientes o pesos de los conocimientos de cada uno de estos, ofreciendo sugerencias y aportaciones para una correcta identificación de los conceptos involucrados, una correcta selección de estos expertos y una correcta cuantificación de sus coeficientes de “conocimiento experto”.

Referencias bibliográficas

  • Abad-Segura, E., González-Zamar, M. D., de la Rosa, A. L., & Gallardo-Pérez, J. (2020). Gestión de la economía digital en la educación superior: tendencias y perspectivas futuras. Campus Virtuales, 9(1), 57-68.
  • Aguilar, J. (2001). A fuzzy cognitive map based on the random neural model. In L. Monostori, J. Váncza, & M. Ali (Eds.), Engineering of Intelligent Systems (pp. 333-338). Springer https://doi.org/10.1007/3-540-45517-5_37
  • Aguilar, J. (2004). Dynamic random fuzzy cognitive maps. Revista Computación y Sistemas, 7(4), 260-271.Aguilar, J. (2005). A survey about fuzzy cognitive maps papers. International Journal of Computational Cognition, 3, 27-33.
  • Amat Abreu, M., Ortega Tenezaca, D. B., & Yaguar Mariño, J. J. (2020). Determinación del grado de influencia de los factores climáticos de vulnerabilidad del sector agropecuario con técnicas neutrosóficas. Investigación Operacional, 41(5), 699-705.
  • Axelrod, R. (1976). The Structure of Decision: Cognitive Maps of Political Elites. Princeton University Press.
  • Bachhofer, M., & Wildenberg, M. (2010). FCMappers. http://www.fcmappers.net
  • Bougon, M., Weick, K., & Binkhorst, D. (1977). Cognition in organizations: An analysis of the Utrecht Jazz Orches-tra. Administrative Science Quarterly, 22, 606-639. https://doi.org/10.2307/2392403
  • Cabero Almenara, J., & Infante Moro, A. (2014). Empleo del método Delphi y su empleo en la investigación en comunicación y educación. Edutec, 48, 1-16. https://doi.org/10.21556/edutec.2014.48.187
  • Cai, Y., Miao, C., Tan, A. H., Shen, Z., & Li, B. (2010). Creating an immersive game world with evolutionary fuzzy cognitive maps. IEEE Computer Graphics and Applications, 30(2), 58-70. https://doi.org/10.1109/MCG.2009.80
  • Carley, K., & Palmquist, M. (1992). Extracting, representing, and analyzing mental models. Social Forces, 70(3), 601-636. https://doi.org/10.1093/sf/70.3.601
  • Carvalho, J., & Tomé, J. (1999). Rule based fuzzy cognitive maps-fuzzy causal relations. In M. Mohammadian (Ed.), Computational Intelligence for Modelling, Control and Automation.
  • Carvalho, J., & Tomé, J. (2001). Rule based fuzzy cognitive maps-expressing time in qualitative system dynamics. In The 10th IEEE International Conference on Fuzzy Systems (pp. 280-283). IEEE. https://doi.org/10.1109/FUZZ.2001.1007303
  • Castilla Mora, L. (2017). Percepción de los usuarios sobre el sector financiero español tras la crisis: análisis de la situación con mapas cognitivos difusos. (Doctoral thesis). Universidad de Huelva, Spain.
  • Cepeda Carrión, G., & Roldán Salgueiro, J. L. (2004). Aplicando en la práctica la técnica PLS en la Administración de Empresas. In Conocimiento y Competitividad: Congreso ACEDE.
  • Codara, L. (1998). Le mappe cognitive. Carocci Editore.Curia, L., & Lavalle, A. (2011). Estrategias de decisión en sistemas dinámicos- aplicando mapas cognitivos difusos aplicación a un ejemplo socio-económico. JISTEM-Journal of Information Systems and Technology Management, 8(3), 663-680. https://doi.org/10.4301/S1807-17752011000300008
  • De Maio, C., Botti, A., Fenza, G., Loia, V. T., Troisi, O., & Vesci, M. (2015). What-if analysis combining fuzzy cog nitive map and structural equation modeling. In Conference on Technologies and Applications of Artificial Intelli-gence (TAAI) (pp. 89-96). IEEE. https://doi.org/10.1109/TAAI.2015.7407094
  • del Castillo-Olivares, J. M., & del Castillo-Olivares, A. (2021). El impacto de la COVID-19 en el profesorado de educación superior y sus concepciones sobre la evaluación. Campus Virtuales, 10(1), 89-101.
  • Dursun, M., & Gumus, G. (2020). Intuitionistic fuzzy cognitive map approach for the evaluation of supply chain configura-tion criteria. Mathematical Methods in the Applied Sciences, 43(13), 7788-7801. https://doi.org/10.1002/mma.6238
  • Eden, C., Ackermann, F., & Cropper, S. (1992). The analysis of cause maps. Journal of Management Studies, 29(3), 309-324. https://doi.org/10.1111/j.1467-6486.1992.tb00667.x
  • Falcone, P. M., & De Rosa, S. P. (2020). Use of fuzzy cognitive maps to develop policy strategies for the optimiza-tion of municipal waste management: A case study of the land of fires (Italy). Land Use Policy, 96, 104680. https://doi.org/10.1016/j.landusepol.2020.104680
  • García-Peñalvo, F. J. (2020). Modelo de referencia para la enseñanza no presencial en universidades presencia-les. Campus Virtuales, 9(1), 41-56.
  • García-Peñalvo, F. J. (2021). Avoiding the dark side of digital transformation in teaching. An institutional ref-erence framework for eLearning in higher education. Sustainability, 13(4), Article 2023. https://doi.org/10.3390/su13042023
  • Georgiou, D. A., & Botsios, S. D. (2008). Learning style recognition: A three layers fuzzy cognitive map schema. In 2008 IEEE international conference on fuzzy systems (IEEE World Congress on Computational Intelligence)(pp. 2202-2207). IEEE. https://doi.org/10.1109/FUZZY.2008.4630675
  • Gil, A., Aguilar, J., Dapena, E., & Rivas, R. (2018). Verification of the emergence in an architecture for multi-robot systems (AMEB). Latin American Journal of Computing Faculty of Systems Engineering Escuela Politécnica Nacional Quito-Ecuador, 5(2), 41-52.
  • González-González, C. S., Gil, R. M., Collazos, C. A., & González-Calleros, J. M. (2021). Análisis de las titulaciones for-males e informales en Iberoamérica de UX: desafíos para la formación online. Campus Virtuales, 10(1), 141-151.
  • González-González, C. S., Infante-Moro, A., & Infante-Moro, J. C. (2020). Implementation of E-proctoring in online teaching: A study about motivational factors. Sustainability, 12(8), 3488. https://doi.org/10.3390/su12083488
  • González-González, C. S., Violant Holz, V., Infante Moro, A., Cáceres García, L., & Guzmán Franco, M. D. (2021). Educational robotics in inclusive contexts: The case of the hospital classrooms. Educacion XX1, 24(1), 375-403. https://doi.org/10.5944/educxx1.27047
  • González-Zamar, M. D., Abad-Segura, E., & Gallardo-Pérez, J. (2021). Aprendizaje ubicuo en educación artística y lenguajes visuales: Análisis de tendencias. Campus Virtuales, 10(1), 125-139.
  • Grande-de-Prado, M., García-Peñalvo, F. J., Corell Almuzara, A., & Abella-García, V. (2021). Evaluación en Edu-cación Superior durante la pandemia de la COVID-19. Campus Virtuales, 10(1), 49-58.
  • Harary, F., Norman, R. Z., & Cartwright, D. (1965). Structural Models: An Introduction to the Theory of Directed Graphs. John Wiley & Sons.
  • Hernández-Soto, R., Gutiérrez-Ortega, M., & Rubia-Avi, B. (2021). Key factors in knowledge sharing behavior in virtual communities of practice: A systematic review. Education in the Knowledge Society, 22(1), e22715. https://doi.org/10.14201/eks.22715
  • Hossain, S., & Brooks, L. (2008). Fuzzy cognitive map modelling educational software adoption. Computers & Education, 51(4), 1569-1588. https://doi.org/10.1016/j.compedu.2008.03.002
  • Iakovidis, D., & Papageorgiou, E. (2011). Intuitionistic fuzzy cognitive maps for medical decision making. IEEE Transactions on Information Technology in Biomedicine, 15(1), 100-107. https://doi.org/10.1109/TITB.2010.2093603
  • Ighravwe, D. E., & Mashao, D. (2019). Predicting energy theft under uncertainty conditions: A fuzzy cognitive maps approach: Energy theft prediction. In 2019 6th International Conference on Soft Computing & Machine Intelligence (ISCMI) (pp. 83-89). IEEE. https://doi.org/10.1109/ISCMI47871.2019.9004344
  • Infante Moro, J. C. (2017). Percepción de los usuarios para la mejora del uso de las Redes Sociales como canal de comunicación en el sector hotelero. (Doctoral thesis). Universidad de Huelva, Spain.
  • Infante-Moro, A., Infante-Moro, J. C., & Gallardo-Pérez, J. (2020a). Factores motivacionales que justifican la imple-mentación del Internet de las Cosas como sistema de seguridad en el sector hotelero. Revista de Pensamiento Estratégico y Seguridad CISDE, 5(2), 81-91.
  • Infante-Moro, A., Infante-Moro, J. C., & Gallardo-Pérez, J. (2020b). Key factors in the implementation of Cloud Computing as a service and communication tool in universities. In Eighth International Conference on Tech-nological Ecosystems for Enhancing Multiculturality (pp. 365-370). ACM International Conference Proceed-ing Series. https://doi.org/10.1145/3434780.3436698
  • Infante-Moro, A., Infante-Moro, J. C., & Gallardo-Pérez, J. (2020c). Motivational factors in the insertion of digital skills in teaching. In Eighth International Conference on Technological Ecosystems for Enhancing Multiculturality(pp. 365-370). ACM International Conference Proceeding Series. https://doi.org/10.1145/3434780.3436631
  • Infante-Moro, A., Infante-Moro, J. C., & Gallardo-Pérez, J. (2020d). Las posibilidades de empleo del Internet de las Cosas en el sector hotelero y sus necesidades formativas. Education in the knowledge society, 21. https://doi.org/10.14201/eks.22777
  • Infante-Moro, A., Infante-Moro, J. C., & Gallardo-Pérez, J. (2021a). Factores que influyen en la adopción del Inter-net de las Cosas en el sector hotelero. RISTI - Revista Iberica de Sistemas e Tecnologias de Informacao, (E41), 370-383.
  • Infante-Moro, A., Infante-Moro, J. C., & Gallardo-Pérez, J. (2021b). Key factors in the implementation of the inter-net of things in the hotel sector. Applied Sciences, 11(7), 2924. https://doi.org/10.3390/app11072924
  • Infante-Moro, A., Infante-Moro, J. C., & Gallardo-Pérez, J. (2021c). The acquisition of ICT skills at the university level: The case of the Faculty of Business Studies and Tourism of the University of Huelva. Pixel-Bit, Revista de Medios y Educacion, (60). https://doi.org/10.12795/pixelbit.79471
  • Infante-Moro, A., Infante-Moro, J. C., Gallardo-Pérez, J., & Ferreira, L. S. (2020). Motivational factors in the inser-tion of Cloud Computing in teaching. In 2020 X International Conference on Virtual Campus (JICV) (pp. 1-5). IEEE. https://doi.org/10.1109/JICV51605.2020.9375710
  • Jones, N., Ross, H., Lynam, T., Perez, P., & Leitch, A. (2011). Mental models: An interdisciplinary synthesis of the-ory and methods. Ecology and Society, 16(1). https://doi.org/10.5751/ES-03802-160146
  • Kao, Y. T., Lin, Y. S., & Chu, C. P. (2012). A multi-factor fuzzy inference and concept map approach for develop-ing diagnostic and adaptive remedial learning systems. Procedia-Social and Behavioral Sciences, 64, 65-74. https://doi.org/10.1016/j.sbspro.2012.11.009
  • Kosko, B. (1986). Fuzzy cognitive maps. International Journal of Man-Machine Studies, 24(1), 65-75. https://doi.org/10.1016/S0020-7373(86)80040-2
  • Kosko, B. (1993). Fuzzy Thinking. The New Science of Fuzzy Logic. Hyperion.
  • Kottas, T., Boutalis, Y., & Christodoulou, M. (2007). Fuzzy cognitive network: A general framework. Intelligent Decision Technologies, 1(4), 183-196. https://doi.org/10.3233/IDT-2007-1402
  • Landeta, J. (2002). El método Delphi: una técnica de previsión para la incertidumbre. Ariel.
  • Langfield-Smith, K., & Wirth, A. (1992). Measuring differences between cognitive maps. Journal of the Opera-tional Research Society, 43(12), 1135-1150. https://doi.org/10.1057/jors.1992.180
  • Laureano-Cruces, A. L., Ramírez-Rodríguez, J., & Terán-Gilmore, A. (2004). Evaluation of the teaching-learning process with fuzzy cognitive maps. In Ibero-American Conference on Artificial Intelligence (pp. 922-931). Springer. https://doi.org/10.1007/978-3-540-30498-2_92
  • Liu, Z., & Liu, J. (2020). A robust time series prediction method based on empirical mode decomposition and high-order fuzzy cognitive maps. Knowledge-Based Systems, 203, 106105. https://doi.org/10.1016/j.knosys.2020.106105
  • Luo, X., Wei, X., & Zhang, J. (2009). Game-based learning model using fuzzy cognitive map. In Proceedings of the First ACM International Workshop on Multimedia Technologies for Distance Learning (pp. 67-76). ACM. https://doi.org/10.1145/1631111.1631123
  • Maden, A., & Alptekin, E. (2020). Understanding the blockchain technology adoption from procurement pro-fessionals’ perspective-an analysis of the technology acceptance model using intuitionistic fuzzy cogni tive maps. In International Conference on Intelligent and Fuzzy Systems (pp. 347-354). Springer. https://doi.org/10.1007/978-3-030-51156-2_41
  • Maridueña, M. R., Leyva, M., & Febles, A. (2016). Modelado y análisis de indicadores de ciencia y tecnología mediante mapas cognitivos difusos. Ciencias de la Información, 47(1), 17-24.
  • Martínez Ávila, M., & Fierro Moreno, E. (2018). Aplicación de la técnica PLS-SEM en la gestión del conocimiento: un enfoque técnico práctico. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 8(16), 130-164. https://doi.org/10.23913/ride.v8i16.336
  • Martínez Pérez, S., Fernández Robles, B., & Barroso Osuna, J. (2021). La realidad aumentada como recurso para la formación en la educación superior. Campus Virtuales, 10(1), 9-19.
  • Méndez, B. E. P., Calleros, J. M. G., García, J. G., Ordóñez, C. A. C., & Lara, A. A. L. (2018). Propuesta de un Tutor Cognitivo semi-automatizado con gamificación e interfaces tangibles para álgebra. Campus Virtuales, 7(1), 63-80.
  • Mouratiadou, I., & Moran, D. (2007). Mapping public participation in the Water Framework Directive: A case study of the Pinios River Basin, Greece. Ecological economics, 62(1), 66-76. https://doi.org/10.1016/j.ecolecon.2007.01.009
  • Nayak, P., Madireddy, S., Case, D. M., & Stylios, C. D. (2017). Using fuzzy cognitive maps to model university desir-ability and selection. In 2017 IEEE International Conference on Systems, Man, and Cybernetics (SMC) (pp. 1976-1981). IEEE. https://doi.org/10.1109/SMC.2017.8122908
  • Obregón Cabezas, F. M., & Sánchez Zambrano, P. A. (2017). Aplicación de Mapas Cognitivos Difusos para la Toma de Decisiones en el Marketing Político-electoral en la Elección de Representantes Estudiantiles de la Universidad de Guayaquil. (Doctoral thesis). Universidad De Guayaquil, Ecuador.
  • Özesmi, U., & Özesmi, S. L. (2003). A participatory approach to ecosystem conservation: Fuzzy cognitive maps and stakeholder group analysis in Uluabat Lake, Turkey. Environmental management, 31(4), 0518-0531. https://doi.org/10.1007/s00267-002-2841-1
  • Özesmi, U., & Özesmi, S. L. (2004). Ecological models based on people’s knowledge: A multistep Fuzzy Cognitive Mapping approach. Ecological modelling, 176(1), 43-64. https://doi.org/10.1016/j.ecolmodel.2003.10.027
  • Pacheco, R. L., Carlson, R., & Martins-Pacheco, L. H. (2004). Engineering education assessment system using fuzzy cognitive maps. Age, 9, 1.
  • Pacheco-Cortés, A. M.; Infante-Moro, A. (2020). La resignificación de las TIC en un ambiente virtual de aprendizaje. Campus Virtuales, 9(1), 85-99.
  • Papageorgiou, E. I., Markinos, A. T., & Gemtos, T. (2009). Application of fuzzy cognitive maps for cotton yield management in precision farming. Expert Systems with Applications, 36(10), 12399-12413. https://doi.org/10.1016/j.eswa.2009.04.046
  • Papageorgiou, E. I., Parsopoulos, K., Stylios, C., Groumpos, P., & Vrahatis, M. (2005). Fuzzy cognitive maps learn-ing using particle swarm optimization. Journal of Intelligent Information Systems, 25(1), 95-121. https://doi.org/10.1007/s10844-005-0864-9
  • Papageorgiou, E. I., & Salmerón, J. L. (2013). A review of fuzzy cognitive maps research during the last decade. IEEE Transactions on Fuzzy Systems, 21(1), 66-79. https://doi.org/10.1109/TFUZZ.2012.2201727
  • Papageorgiou, E. I., & Salmeron, J. L. (2014). Methods and algorithms for fuzzy cognitive map-based mod-eling. In Fuzzy Cognitive Maps for Applied Sciences and Engineering (pp. 1-28). Springer. https://doi.org/10.1007/978-3-642-39739-4_1
  • Papageorgiou, E., Stylios, C., & Groumpos, P. (2004). Active Hebbian learning algorithm to train fuzzy cognitive maps. International Journal of Approximate Reasoning, 37(3), 219-249. https://doi.org/10.1016/j.ijar.2004.01.001
  • Pedrycz, W., & Homenda, W. (2014). From fuzzy cognitive maps to granular cognitive maps. IEEE Transactions on Fuzzy Systems, 22(4), 859-869. https://doi.org/10.1109/TFUZZ.2013.2277730
  • Pozo-Sánchez, S., López-Belmonte, J., Fuentes-Cabrera, A., & López-Núñez, J. A. (2021). Aplicación trietápica del flipped learning en el área de las ciencias. Campus Virtuales, 10(1), 35-47.
  • Puente, C., Olivas, J. A., & Sobrino, A. (2010). Estudio de las relaciones causales. Anales de mecánica y electricidad, (87), 54-59.
  • Ramos Chagoya, E. (2018). Métodos y técnicas de investigación. https://www.gestiopolis.com/metodos-y-tecnicas-de-investigacion/
  • Reguant Álvarez, M., & Torrado Fonseca, M. (2016). El método Delphi. REIRE. Revista d’Innovació i Recerca en Educació, 9(2), 87-102. https://doi.org/10.1344/reire2016.9.1916
  • Roldán Salgueiro, J. L., & Cepeda Carrión, G. (2019). Modelos de Ecuaciones Estructurales basados en la Varianza: Partial Least Squares (PLS). Módulo 1: Fundamentos básicos.
  • Saleh, S. H., Rivas, S. D. L., Gomez, A. M. M., Mohsen, F. S., & Vàzquez, M. L. (2016). Representación del cono-cimiento mediante mapas cognitivos difusos y conjuntos de términos lingüísticos difusos dudosos en la biomedicina. International Journal of Innovation and Applied Studies, 17(1), 312.
  • Salmerón, J. L. (2009). Supporting decision makers with fuzzy cognitive maps. Research-Technology Manage-ment, 52(3), 53-59. https://doi.org/10.1080/08956308.2009.11657569
  • Salmerón, J. L. (2010). Modelling grey uncertainty with fuzzy grey cognitive maps. Expert Systems with Applica-tions, 37(12), 7581-7588. https://doi.org/10.1016/j.eswa.2010.04.085
  • Sánchez, H., Aguilar, J., Terán, O., & de Mesa, J. G. (2019). Modeling the process of shaping the public opinion through multilevel fuzzy cognitive maps. Applied Soft Computing, 85, 105756. https://doi.org/10.1016/j.asoc.2019.105756
  • Sánchez, R. (2016). Lógica difusa. Universidad Carlos III de Madrid.
  • Sanromà-Giménez, M., Lázaro Cantabrana, J., Usart Rodríguez, M., & Gisbert-Cervera, M. (2021). Design and validation of an assessment tool for educational mobile applications used with autistic learners. Journal of New Approaches in Educational Research, 10(1), 101-121. https://doi.org/10.7821/naer. 2021.1.574
  • Singh, P. K., Papageorgiou, K., Chudasama, H., & Papageorgiou, E. I. (2019). Evaluating the effectiveness of cli mate change adaptations in the world’s largest mangrove ecosystem. Sustainability, 11(23), 6655. https://doi.org/10.3390/su11236655
  • Sobrino, A. (2012). Imperfect causality: Combining experimentation and theory. In Combining Experimentation and Theory (pp. 371-389). Springer. https://doi.org/10.1007/978-3-642-24666-1_25
  • Solana-Gutiérrez, J., Rincón-Sanz, G., Alonso-González, C., & Bermúdez-Cañete, M. P. A. (2015). Using fuzzy cog-nitive maps for selecting complementary subjects in a professional accredited Master – Master in Forestry Engineering. In INTED2014 Proceedings.
  • Solana-Gutiérrez, J., Rincón-Sanz, G., Alonso-González, C., & Garcia De Jalon Lastra, D. (2015). Utilización de Mapas de Conocimiento Difuso (MCD) en la asignación de prioridades de la restauración fluvial: Aplicación al río Esla. Cuadernos de la Sociedad Española de Ciencias Forestales, 41, 367-380. https://doi.org/10.31167/csef.v0i41.17402
  • Téllez-Martínez, S., Cantón-Mayo, I., & García-Martín, S. (2021). Impedimentos a la consecución de la satisfacción y el bienestar docente. Campus Virtuales, 10(1), 185-193.
  • Valencia-Galeano, Y. S., & Serrano-Sánchez, J. L. (2020). Aprendizaje de un segundo idioma apoyado en tecnologías digitales: una revisión sistemática. Education in the Knowledge Society, 21, 13. https://doi.org/10.14201/eks.18734
  • Vázquez, M. Y. L., Teruel, K. P., Estrada, A. F., & González, J. G. (2013). Mapas cognitivos difusos para la selección de proyectos de tecnologías de la información. Contaduría y administración, 58(4), 95-117. https://doi.org/10.1016/S0186-1042(13)71235-X
  • Vera-Mora, G., Leyva-Vásquez, M., León-Acurio, J., & Botto-Tobar, M. (2018). Fuzzy cognitive maps for the analysis of mental models. Revista Espacios, 39(15).
  • Wang, L., Liu, Q., Dong, S., & Soares, C. G. (2019). Effectiveness assessment of ship navigation safety countermea-sures using fuzzy cognitive maps. Safety science, 117, 352-364. https://doi.org/10.1016/j.ssci.2019.04.027
  • Yu, Y., & Qi, A. (2018). Teaching system of smart learning environment for aerobics course. International Journal of Emerging Technologies in Learning (IJET), 13(05), 165-176. https://doi.org/10.3991/ijet.v13i05.8440
  • Zadeh, L. A. (1965). Fuzzy set. Information and Control, 8, 338-353. https://doi.org/10.1016/S0019-9958(65)90241-XZadeh, L. A. (1971). Quantitative fuzzy semantics. Information sciences, 3(2), 159-176. https://doi.org/10.1016/S0020-0255(71)80004-X
Fuente de los datos: Dialnet