Recursos y herramientas

3Recursos de grafos → uso concreto

Mapa de cada recurso de grafos al punto donde lo apliqué, con un ejemplo real. El TFM es RDF-céntrico por diseño: resuelvo el razonamiento con owlrl, la validación con SHACL (pyshacl) y las consultas con SPARQL sobre rdflib, y dejo GraphDB cargable con su script REST. El flujo completo se reproduce con el cuaderno EKG-Python-proyecto-completo.ipynb y cubre RDF/RDFS/Turtle/SPARQL/OWL-RL/SHACL/SKOS/Wikidata/VoID.

Recurso → fichero → ejemplo concreto → estado.
Recurso	Dónde	Ejemplo	Estado
RDF 1.1 (triples, IRIs)	ekg-python-150.ttl	1772 triples sujeto-predicado-objeto con URIs pyedu:/pyr:	usado
RDF Schema 1.1 (clases, dominio/rango)	TBox + consulta 02	rdfs:domain/range; inferencia por rdfs:subClassOf	usado
Turtle	ekg-python-150.ttl	serialización canónica legible (1772 triples)	usado
SPARQL 1.1 (SELECT, paths, CONSTRUCT)	consultas/01..10 + rag_ekg.py	requierePrerrequisito+ (03), CONSTRUCT (06), federada (08)	usado
OWL 2 RL (inferencia)	scripts/inferir.py (owlrl)	contraste 0→157 y 1772→4786	usado
SHACL	validar.py + shapes-ekg.ttl	10 NodeShapes; conforme (0) vs 6 violaciones	usado
JSON-LD 1.1	exportar.py → ekg-python.jsonld	round-trip del canónico	usado
Wikidata Query Service (federada + enlace)	consulta 08 + resolver_wikidata*.py	30 skos:exactMatch (no owl:sameAs)	usado
RDFLib	todos los scripts del grafo	Graph().parse/serialize	usado
MyST Markdown	memorias/*/myst.yml	memorias → web/PDF/DOCX	usado
GraphDB	cargar_graphdb.py + README-GraphDB	cliente REST, ruleset owl2-rl; carga reproducible con cargar_graphdb.py	parcial
Protégé / Owlready2	—	razonamiento hecho con owlrl; sin flujo Protégé/Owlready2	parcial
ShEx	—	la validación de formas se hizo con SHACL	hueco
Neo4j / Cypher (property graphs)	—	fuera del foco RDF del TFM; el grafo se re-expresa en Cypher (ver "Property graph")	parcial
Jupyter	notebook/EKG-Python-proyecto-completo.ipynb	cuaderno reproducible (RDFLib + owlrl + consultas SPARQL + SHACL); el flujo también corre por scripts .py	usado

usado · parcial · hueco declarado

3·bHerramientas de grafos del proyecto

Cada herramienta del temario, con su papel real en el proyecto. Para las de interfaz gráfica (Protégé, GraphDB Workbench, RDFShape, Arrows) documento en el anexo de reproducibilidad los pasos y las capturas que ilustran su uso.

RDFLib + owlrl + pyshacl usado

Núcleo del entregable: parseo, inferencia OWL-RL (1772→4786) y validación SHACL (0/6). Reproducible con scripts/*.py y el cuaderno EKG-Python-proyecto-completo.ipynb (ejecutado en Colab).

Wikidata Query Service usado

Consulta federada SERVICE a Wikidata; 30 skos:exactMatch verificados, 20 con descripción en español (ver grafo "Federado").

GraphDB (Ontotext) usado

Carga reproducible con ruleset OWL2-RL (scripts/cargar_graphdb.py, README-GraphDB.md); sobre el grafo canónico, el Workbench de GraphDB muestra los 157 conceptos y los 4786 triples inferidos, según el anexo de reproducibilidad.

Property graph (Neo4j / Cypher / Arrows) usado

El EKG se re-expresa como grafo de propiedades (ver grafo "Property graph"). El Cypher equivalente se genera en salidas/grafos/ekg_lpg.cypher; el TFM es RDF-céntrico por diseño.

MATCH (c:Concepto)-[:REQUIERE]->(p:Concepto) RETURN c,p

ShEx + RDFShape parcial

Esquema ShEx equivalente a dos NodeShapes en ontologia/ekg-shapes.shex, validable en RDFShape; la validación efectiva del entregable usa SHACL (pyshacl).

Protégé + OWLViz / owlready2 usado

Editor y razonador de ontologías. El razonamiento se realizó con owlrl (perfil OWL 2 RL); la edición de la TBox se hizo en Turtle. El árbol de clases puede abrirse en Protégé siguiendo el anexo de reproducibilidad.

RDF Playground parcial

Editor en línea para ilustrar inferencia OWL/RDFS; el contraste 0→157 se reproduce también en su pestaña OWL.

Jupyter / Colab usado

Cuaderno reproducible EKG-Python-proyecto-completo.ipynb (RDFLib + owlrl + consultas SPARQL + SHACL), ejecutado en Google Colab.

Nobel Prize / SPARQLWrapper hueco declarado

Endpoint público para practicar SPARQL federado. La federación del entregable apunta a Wikidata; la consulta a Nobel con SPARQLWrapper queda como ejemplo (requiere red).

from SPARQLWrapper import SPARQLWrapper, JSON
# endpoint = 'https://data.nobelprize.org/sparql'

Nube LOD / LOV parcial

El grafo se sitúa en la Web de Datos, donde reutiliza 6 vocabularios (RDFS, OWL, SKOS, DC, FOAF, schema.org) y enlaza a Wikidata (ver grafo "Vocabularios / LOD").

3·cCapturas de las herramientas en uso

Estas capturas documentan el uso real de las herramientas de la asignatura sobre los artefactos del proyecto: el modelado y el razonamiento en Protégé, la validación de integridad con SHACL, la consulta y el cierre OWL 2 RL en GraphDB, y la re-expresión del grafo como grafo de propiedades en Neo4j.

Protégé mostrando la jerarquía de clases del EKG — El editor de ontologías Protégé, con la jerarquía de clases del EKG (clases bajo `owl:Thing` y `skos:Concept`).

Protégé con el razonador activo mostrando relaciones inferidas — El editor Protégé, con el razonador OWL 2 RL activo; las relaciones «es prerrequisito de» inferidas por transitividad aparecen en amarillo.

SHACL Playground: grafo canónico conforme — Validación SHACL en el SHACL Playground: el grafo canónico es conforme (0 violaciones).

SHACL Playground: ejemplo inválido no conforme — Validación SHACL del ejemplo inválido (control negativo): la validación detecta los defectos deliberados.

GraphDB: consulta SPARQL con 157 conceptos — GraphDB con razonador OWL 2 RL: la consulta SPARQL devuelve los 157 conceptos del EKG.

GraphDB: grafo visual del concepto Bucle for — Grafo visual en GraphDB: el concepto «Bucle for» con sus prerrequisitos y contrastes.

Neo4j: el EKG como grafo de propiedades — El EKG re-expresado como grafo de propiedades en Neo4j (157 nodos `:Concepto`, 188 aristas `:REQUIERE`/`:CONTRASTA`).

Cómo citar

Si este trabajo te resulta útil y quieres referenciarlo, esta es la cita recomendada.

Bueno Junquero, A. (2026). Integración de grafos de conocimiento educativos con modelos de lenguaje masivos mediante arquitecturas RAG para evaluación personalizada en la enseñanza de programación. Trabajo Fin de Máster, Máster Universitario en Investigación en Inteligencia Artificial, UNED. Director, José Luis Fernández Vindel.