Economia

Inteligencia artificial para anticipar qué alumnos suspenderán la clase

Spread the love

D+I

Un modelo predictivo de la UOC permite saber, con un 90% de precisión, qué estudiantes tienen mayor riesgo de suspender.

Uno de los usos más prácticos e inmediatos de la inteligencia artificial es detectar patrones y anticipar posibles problemas sobre la base de un histórico de datos. Una línea de trabajo que los investigadores de la Universitat Oberta de Catalunya han aprovechado para anticipar cuáles de sus estudiantes tienen un mayor riesgo de suspender asignaturas.

Hace cinco años que la UOC agrupa en un sistema llamado data mart grandes volúmenes de datos —convenientemente anonimizados, aclaran desde la organización— sobre el perfil de los estudiantes, su actividad en el campus y los resultados académicos obtenidos. Es esa disponibilidad de este conjunto ingente de datos la que posibilita el análisis y la detección de patrones de comportamiento de los estudiantes que serían invisibles sin el uso de la tecnología.

Así pues, un equipo de la Universitat Oberta de Catalunya (UOC), liderado por David Bañeres, del grupo Systems, Software and Models Research Lab (SOM Research Lab), del Internet Interdisciplinary Institute (IN3), ha desarrollado una herramienta basada en técnicas de inteligencia artificial que aporta modelos predictivos de cómo progresará el estudiante.

Este desarrollo, cuyas conclusiones ha publicado Applied Sciences, “utiliza un modelo de predicción de inteligencia artificial que toma datos históricos de cada asignatura, los trata de forma independiente y lo entrena. Así, se genera un modelo predictivo basado en patrones detectados que nos ayuda a saber qué puede pasar con los estudiantes que cursan las asignaturas”, explica Bañeres

El proyecto LIS: Learning Intelligent System, que así se llama la tecnología, asigna a cada alumno un color en un semáforo: rojo si está en riesgo de suspender; naranja si el sistema no puede asegurar que superará la asignatura, y verde si el modelo indica que el estudiante aprobará. De acuerdo con este análisis hecho por el sistema, el profesor envía al estudiante un mensaje personalizado con información sobre su nivel de riesgo y se ponen las bases para trabajar su mejora académica.

Más del 90% de precisión

El proyecto comenzó en febrero de 2019 y, por ahora, se han llevado a cabo tres pruebas piloto, en las que han participado cerca de 3.000 estudiantes de diferentes asignaturas de los Estudios de Informática, Multimedia y Telecomunicación, de los Estudios de Economía y Empresa, y de los Estudios de Derecho y Ciencia Política.

Los resultados de las primeras pruebas piloto han mostrado que cuanta más variedad y más volumen de datos hay, más precisa es la predicción que ofrece el sistema. Si a inicios de semestre, cuando hay poca información sobre el estudiante, es posible acertar si un estudiante puede tener problemas para superar la asignatura con casi un 60 % de precisión, a mediados de semestre la precisión de la predicción llega casi al 90 %.

En los próximos meses, el equipo tiene previsto aumentar el número de pruebas piloto con asignaturas del resto de los estudios de la universidad. Está previsto que el proyecto termine en febrero de 2022, momento en el que se espera haber obtenido un modelo de detección lo más preciso posible que pueda desplegarse en tiempo real, es decir, que ayude al estudiante en su día a día.

Asimismo, esta nueva herramienta, que se prevé que podrá aplicarse plenamente en todos los estudios de la UOC a partir de 2022, tiene el potencial de transferirse a otras instituciones de educación superior.

Añade un comentario

Pulsa aquí para comentar

Mercedes Benz
The new Mercedes-Benz C-Class