Una tecnología de la UOC genera pautas que guían al estudiantado y al profesorado de forma automática

La inteligencia artificial brinda oportunidades para mejorar la educación universitaria. Una muestra de ello es la aplicación del proyecto Learning Intelligent System (LIS), desarrollado por investigadores de la Universitat Oberta de Catalunya (UOC) e impulsado por el eLearning Innovation Center. Este sistema, creado por un equipo transdisciplinario de investigación de la UOC y que ya brindó excelentes resultados el pasado año, muestra cómo se puede automatizar el envío de mensajes para ayudar a los estudiantes en peligro de suspender o abandonar a mejorar su rendimiento académico.

Inteligencia artificial para apoyar al estudiante

En 2021, el equipo formado por Ana Elena Guerrero-Roldán y Elena Rodríguez González, del grupo Technology Enhanced Knowledge and Interaction Group (TEKING), junto con David Bañeres Besora, del SOM Research Lab del Internet Interdisciplinary Institute (IN3), los tres de los Estudios de Informática, Multimedia y Telecomunicación de la UOC, publicaba en International Journal of Educational Technology in Higher Education (ETHE) una investigación sobre la capacidad de LIS para identificar exitosamente a estudiantes en riesgo de suspender una asignatura.

Con este sistema, el equipo busca orientar la trayectoria académica y reducir el abandono de los estudios. Esta investigación, disponible en la publicación de acceso abierto International Review of Research in Open and Distributed Learning (IRRODL), ha demostrado la utilidad de automatizar un sistema de nudging (o microempujes), con lo que no solo se identifica a los estudiantes en riesgo, sino que se proporciona información relevante para mejorar el proceso de aprendizaje y el rendimiento académico de forma sistemática.

Según explica Elena Rodríguez González, una de las investigadoras participantes, "el software da pautas sobre la importancia de planificar y establecer objetivos en el proceso de aprendizaje, y evalúa si se están cumpliendo. Además, arroja información sobre la situación del estudiante a medida que avanza el curso, lo que facilita su toma de decisiones para mejorar. Asimismo, mediante el envío de avisos, también informa sobre lo que está sucediendo en el aula virtual y ayuda a mejorar la comunicación entre profesorado y estudiantado, clave del éxito en entornos de aprendizaje en línea".

Este sistema de nudging es una herramienta de gran utilidad para el profesorado, ya que permite que intervenga con más frecuencia y de acuerdo con las necesidades docentes particulares, comenta la investigadora. "Los mensajes se envían de forma automática al buzón de los estudiantes, aunque es el profesor quien redacta dichos mensajes y también quien decide qué tipo de informaciones se deben enviar, de acuerdo con las características de su asignatura", destaca Elena Rodríguez González. Una vez marcadas estas bases, los mensajes se envían en función del cumplimiento de ciertas condiciones relacionadas con el rendimiento del estudiante en la asignatura, con su situación de riesgo y con su comportamiento en el aula virtual. "Sin embargo, es el sistema de inteligencia artificial el que determina qué mensajes deben recibir los estudiantes, lo que permite la personalización", aclara la investigadora.

Investigando para mejorar el ámbito académico

Para intentar medir la efectividad de este sistema, se diseñó un estudio con tres grupos de estudiantes, diferenciados por la cantidad de mensajes recibidos a partir de las identificaciones del sistema. Un primer grupo contaba con el apoyo completo. Otro solo recibía un mensaje, en el que se explicaba la predicción lanzada por el sistema tras la corrección de cada actividad de evaluación continua y en el que se reflejaban las opciones de superar la asignatura a partir del rendimiento y de otros datos del perfil del estudiante. El tercer grupo, en cambio, no recibía ningún mensaje.

En cuanto al rendimiento, los resultados sugieren que es mayor en el primer grupo, seguido del segundo. El peor rendimiento —y la mayor tasa de abandono— se muestra en el tercer grupo, el desatendido. "Los resultados deben tomarse con cautela", matiza Elena Rodríguez González. "Sugerimos que hay una correlación, pero no podemos afirmar en ningún caso que exista una relación de causalidad. También sabemos que hay un sesgo de autoselección, ya que los estudiantes de los grupos 1 y 2 participaron voluntariamente y suelen estar más motivados y tener un mayor rendimiento. Además, el estudio se realizó en el segundo semestre del curso 2019-2020, con restricciones por la pandemia, otro factor para complicar la interpretación de los resultados", señala la experta.

Tal y como afirma la investigadora, es necesario estudiar si estos resultados persisten o no en el tiempo y replicar el estudio en la misma asignatura y otras. "Especialmente en asignaturas de primer año, donde hay muchos estudiantes sin experiencia con la educación en línea", concreta. Por otro lado, los estudiantes mostraron una alta satisfacción con los mensajes recibidos, y los consideraron motivadores y útiles para mejorar su implicación en la asignatura.

Del prototipo a una escala real

Según señala la investigadora, la precisión del sistema de inteligencia artificial para la detección de estudiantes en riesgo de no superar la asignatura en la que se realizó el estudio va del 74 %, en la primera actividad de evaluación continua, al 94 %, en la última. Estas cifras son muy prometedoras. Sin embargo, el proceso de adopción generalizada todavía requiere de un proceso extenso.

"El sistema LIS está en fase de desarrollo y testeo. Hay que analizar la utilidad y las posibles adaptaciones del software para que pueda pasar a una fase de producción y pueda integrarse en aulas virtuales", explica Elena Rodríguez González. "La clave está también en la política de recogida de los datos históricos y actuales del estudiantado, de acuerdo con la legislación vigente de protección de datos personales", explica. La investigadora recalca que "el estudiantado siempre tiene que estar informado sobre qué datos se recogen y con qué propósito, y debe dar su consentimiento expreso firmado, con la posibilidad de revocarlo".

Artículos relacionados

Rodríguez, M. E., Guerrero-Roldán, A. E., Bañeres, D., & Karadeniz, A. (2022). An Intelligent Nudging System to Guide Online Learners. The International Review of Research in Open and Distributed Learning, 23(1), 41-62. https://doi.org/10.19173/irrodl.v22i4.5407

Guerrero-Roldán, AE., Rodríguez-González, M.E., Bañeres, D. et al. Experiences in the use of an adaptive intelligent system to enhance online learners' performance: a case study in Economics and Business courses. Int J Educ Technol High Educ 18, 36 (2021). https://doi.org/10.1186/s41239-021-00271-0

Esta investigación de la UOC favorece el objetivo de desarrollo sostenible (ODS) 4, educación de calidad.

 

UOC R&I

La investigación e innovación (RI) de la UOC contribuye a solucionar los retos a los que se enfrentan las sociedades globales del siglo xxi, mediante el estudio de la interacción de la tecnología y las ciencias humanas y sociales, con un foco específico en la sociedad red, el aprendizaje en línea y la salud digital. Los más de 500 investigadores e investigadoras y los 51 grupos de investigación se articulan en torno a los siete estudios de la UOC y dos centros de investigación: el Internet Interdisciplinary Institute (IN3) y el eHealth Center (eHC).

La Universidad impulsa también la innovación en el aprendizaje digital a través del eLearning Innovation Center (eLinC) y la transferencia de conocimiento y el emprendimiento de la comunidad UOC con la plataforma Hubbik.

Los objetivos de la Agenda 2030 de Desarrollo Sostenible de las Naciones Unidas y el conocimiento abierto son ejes estratégicos de la docencia, la investigación y la innovación de la UOC. Más información: research.uoc.edu #25añosUOC