Una tecnologia de la UOC genera pautes que guien l'estudiantat i el professorat de manera automàtica

La intel·ligència artificial ofereix oportunitats per millorar l'educació universitària. Una mostra d'això és l'aplicació del projecte Learning Intelligent System (LIS), desenvolupat per investigadors de la Universitat Oberta de Catalunya (UOC) i impulsat per l'eLearning Innovation Center. Aquest sistema, creat per un equip transdisciplinari de recerca de la UOC i que ja va oferir resultats excel·lents l'any passat, mostra com es pot automatitzar l'enviament de missatges per ajudar els estudiants en perill de suspendre o abandonar a millorar el rendiment acadèmic.

Intel·ligència artificial per donar suport a l'estudiant

El 2021, l'equip format per Ana Elena Guerrero-Roldán i Elena Rodríguez González, del grup Technology Enhanced Knowledge and Interaction Group (TEKING), juntament amb David Bañeres Besora, del SOM Research Lab de l'Internet Interdisciplinary Institute (IN3), tots tres dels Estudis d'Informàtica, Multimèdia i Telecomunicació de la UOC, publicava a International Journal of Educational Technology in Higher Education (ETHE) un estudi sobre la capacitat de LIS per identificar amb èxit estudiants en risc de suspendre una assignatura.

Amb aquest sistema, l'equip vol orientar la trajectòria acadèmica i reduir l'abandonament dels estudis. Aquesta recerca, disponible a la publicació d'accés obert International Review of Research in Open and Distributed Learning (IRRODL), ha demostrat la utilitat d'automatitzar un sistema de nudging (o microempentes), fet que no solament permet identificar els estudiants en risc, sinó que també proporciona informació rellevant per millorar el procés d'aprenentatge i el rendiment acadèmic de manera sistemàtica.

Segons explica Elena Rodríguez González, una de les investigadores participants, "el programari dona pautes sobre la importància de planificar i establir objectius durant el procés d'aprenentatge, i avalua si es compleixen. A més, dona informació sobre la situació de l'estudiant a mesura que avança el curs, fet que li facilita la presa de decisions per millorar. Així mateix, mitjançant l'enviament d'avisos, també informa del que passa a l'aula virtual i ajuda a millorar la comunicació entre professorat i estudiantat, clau de l'èxit en entorns d'aprenentatge en línia".

Aquest sistema de nudging és una eina de gran utilitat per al professorat, ja que permet que intervingui més sovint i d'acord amb les necessitats docents particulars, comenta la investigadora. "Els missatges s'envien de manera automàtica a la bústia dels estudiants, tot i que és el professor qui els redacta i també qui decideix quina mena d'informacions s'han d'enviar, d'acord amb les característiques de l'assignatura", destaca Elena Rodríguez González. Una vegada marcades aquestes bases, els missatges s'envien en funció del compliment de certes condicions relacionades amb el rendiment de l'estudiant en l'assignatura, amb la seva situació de risc i amb el seu comportament a l'aula virtual. "No obstant això, és el sistema d'intel·ligència artificial el que determina quins missatges han de rebre els estudiants, cosa que permet la personalització", aclareix la investigadora.

Investigant per millorar l'àmbit acadèmic

Per intentar calcular l'efectivitat d'aquest sistema, es va dissenyar un estudi amb tres grups d'estudiants, diferenciats per la quantitat de missatges rebuts a partir de les identificacions del sistema. Un primer grup tenia el suport complet. Un altre només rebia un missatge, en què s'explicava la predicció llançada pel sistema després de la correcció de cada activitat d'avaluació contínua i en què es reflectien les opcions de superar l'assignatura a partir del rendiment i d'altres dades del perfil de l'estudiant. Un tercer grup, en canvi, no rebia cap missatge.

Quant al rendiment, els resultats suggereixen que és més alt al primer grup, seguit pel segon. El rendiment més baix —i la taxa d'abandonament més elevada— es mostra al tercer grup, el desatès. "Els resultats s'han d'interpretar amb cautela", matisa Elena Rodríguez González. "Suggerim que hi ha una correlació, però no podem afirmar en cap cas que hi hagi una relació de causalitat. També sabem que hi ha un biaix d'autoselecció, ja que els estudiants dels grups 1 i 2 van participar voluntàriament en l'estudi i acostumen a estar més motivats i a tenir un rendiment més alt. A més, l'estudi es va dur a terme durant el segon semestre del curs 2019-2020, amb restriccions per la pandèmia, un factor més per complicar la interpretació dels resultats", assenyala l'experta.

Tal com afirma la investigadora, cal estudiar si aquests resultats persisteixen en el temps o no i tornar a fer l'estudi en la mateixa assignatura i en altres. "Especialment en assignatures de primer any, en què hi ha molts estudiants sense experiència amb l'educació en línia", concreta. D'altra banda, els estudiants es van mostrar molt satisfets amb els missatges rebuts, i els van considerar motivadors i útils per millorar la seva implicació en l'assignatura.

Del prototip a una escala real

Segons assenyala la investigadora, la precisió del sistema d'intel·ligència artificial per a la detecció d'estudiants en risc de no superar l'assignatura en què es va dur a terme l'estudi va del 74 %, a la primera activitat d'avaluació contínua, al 94 %, a la darrera. Aquestes xifres són molt prometedores. Tanmateix, el procés d'adopció generalitzada encara demana un procés extens.

"El sistema LIS està en fase de desenvolupament i de prova. Cal analitzar la utilitat i les possibles adaptacions del programari perquè pugui passar a una fase de producció i es pugui integrar a les aules virtuals", explica Elena Rodríguez González. "La clau també depèn de la política de recollida de les dades històriques i actuals de l'estudiantat, d'acord amb la legislació vigent de protecció de dades personals", explica. La investigadora destaca que "l'estudiantat sempre ha d'estar informat de quines dades es recullen i amb quin objectiu, i ha de donar el consentiment exprés signat, amb la possibilitat de revocar-lo".

Articles relacionats

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

Aquesta recerca de la UOC afavoreix l'objectiu de desenvolupament sostenible (ODS) 4, educació de qualitat.

 

UOC R&I

La recerca i innovació (R+I) de la UOC contribueix a solucionar els reptes a què s'enfronten les societats globals del segle xxi, mitjançant l'estudi de la interacció entre la tecnologia i les ciències humanes i socials, amb un focus específic en la societat xarxa, l'aprenentatge en línia i la salut digital. Els més de 500 investigadors i investigadores i els 51 grups de recerca s'articulen entorn dels set estudis de la UOC i dos centres de recerca: l'Internet Interdisciplinary Institute (IN3) i l'eHealth Center (eHC).

A més, la Universitat impulsa la innovació en l'aprenentatge digital a través de l'eLearning Innovation Center (eLinC) i la transferència de coneixement i l'emprenedoria de la comunitat UOC amb la plataforma Hubbik.

Els objectius de l'Agenda 2030 de desenvolupament sostenible de les Nacions Unides i el coneixement obert són eixos estratègics de la docència, la recerca i la innovació de la UOC.

Més informació: research.uoc.edu #25anysUOC