Directivos y Empresas

La UOC desarrolla una IA para detectar suspensos precoces en los estudiantes

La IA tiene el poder de predecir acontecimientos. Esa es la base con la que han trabajando un grupo de expertos de la Universitat Oberta de Catalunya para desarrollar un modelo inteligente que puede detectar el rendimiento de los estudiantes en su riesgo a suspender asignaturas. Gracias a este avance, los docentes de la universidad pueden intervenir de forma precoz para evitar esta situación o que, finalmente, el alumno se vea abocado a abandonar la asignatura. Las pruebas piloto de este programa se han realizado con 581 estudiantes de diferentes niveles de los grados relaciones con Economía y Empresa y los resultados han sido satisfactorios, pues se han reducido el número de abandonos y, al mismo tiempo, se han incrementado la participación en un trimestre.

Los expertos que han trabajado en este desarrollo son David Bañeres, del equipo Research Lab de Sistemas, Software y Modelos (SOM Research Lab), del Institute Internet Interdisciplinary (IN3), quien dirige a un equipo interdisciplinario compuesto por Ana Elena Guerrero, líder de la Investigación Mejorada por Tecnología y Grupo de Interacción (TEKING), y M. Elena Rodríguez González, también integrante de TEKING, ambas docentes de los Campos de Estudio de Informática, Multimedia y Telecomunicaciones, y Pau Cortadas, investigador y docente de los Estudios de Economía y Empresa.

Un modelo inteligente que aprende desde los datos

El  proyecto, llamado PDAR (Profiled Dropout At Risk), alimenta la información del Learning Intelligent System (LIS), que hasta ahora sólo contaba con un modelo para predecir la finalización del curso y tenía ciertas limitaciones en el seguimiento de ciertos puntos de control después de cada actividad. El grupo de expertos detectó que la intervención se realizaba entonces sobre el alumno podía ser tardía, de modo que esta nueva versión ha nacido para mejorar estos puntos débiles.

Así que, la nueva versión del PDAR aporta una mejora significativa del seguimiento, ya que, utilizando datos del perfil de los estudiantes, el rendimiento durante el curso y las interacciones diarias en el campus virtual de la UOC, produce una estimación diaria del riesgo de abandono de la materia. «El modelo evalúa si el nivel de compromiso diario del estudiante se ajusta a la media dentro de la materia. Es decir, esta evaluación se realiza de manera específica para cada materia y actividad», explica David Bañares.

Evitar los falsos positivos ha sido uno de los desafíos del nuevo modelo, aquellos individuos que el sistema identifica erróneamente como estando en riesgo. Este error ocurre principalmente con estudiantes que no siempre están activos en el entorno virtual de aprendizaje. En consecuencia, una ventana temporal también es considerada por el nuevo modelo, siendo su cálculo automático basado en el curso, el tipo y la dificultad de la actividad. En otras palabras, para confirmar la verdadera situación de riesgo de abandono de un alumno y activar los correspondientes mecanismos de intervención, se requiere que permanezca en la categoría de riesgo de abandono durante un número determinado de días consecutivos para cada actividad. Si se encuentra en un nivel de riesgo alto de abandono, se generará automáticamente un mensaje de intervención para el estudiante.

modelo-de-IA-desarrollado-por-la-UOC

Cómo se actúa cuando la IA alerta de riesgo de suspensos

En este punto, cuando salta la alerta, los técnicos de la UOC intervienen con el propósito principal de trabajar sobre la motivación de los estudiantes. Entre las acciones, comentan que se dan sugerencias sobre la administración del tiempo, se fijan metas a corto plazo, asó como también se ofrecen recursos de aprendizaje y ejercicios suplementarios para asistir a los alumnos en la consecución de sus objetivos.

Otra de las formas de intervenir se explica en la acción del profesorado. Tras la alerta, los docentes pueden diseñar y personalizar el contenido de los mensajes y ajustarlos de acuerdo al nivel de riesgo. La herramienta cuenta con diferentes paneles de control que permiten, tanto al docente como al estudiante, conocer de manera individual el estado actual y los posibles riesgos.

Un sistema apto para cualquier contexto formativo

Este modelo de la UOC abre la puerta a la llegada de la IA de forma definitiva a universidades, escuelas y colegios para prevenir casos de abandono o fracaso escolar. Una ventaja significativa del sistema LIS es su independencia de una tecnología de gestión del aprendizaje específica, lo que permite su uso en cualquier entorno siempre que se disponga de datos históricos online de los estudiantes. Actualmente el equipo de investigadores está trabajando en un proyecto de personalización de la educación para la Oficina Europea de Patentes, donde el sistema LIS se empleará para realizar el monitoreo de los estudiantes en su plataforma de educación basada en Moodle.

Asimismo, LIS se puede personalizar de manera precisa para cada materia, ajustándose a las actividades que la componen y capacitando a los modelos de pronóstico requeridos con información de alumnos previos que han cursado la materia.

Salir de la versión móvil