Tres aprendizajes sobre chatbots en el aula

Este semestre hemos puesto un chatbot en dos asignaturas de la UOC. Es un piloto que responde a un objetivo ambicioso a largo plazo: dar atención al estudiante 24 horas al día, 7 días a la semana, todos los días del año.

Es un largo camino por recorrer, y este año apenas hemos dado el primer paso. De esta primera experiencia, en cualquier caso, y antes de que acabe el piloto, podemos sacar ya algunos aprendizajes.

Primero: un equipo que quiera al chatbot

Al chatbot hay que entrenarlo constantemente, de forma que responda las preguntas cada vez mejor y se adapte a las nuevas preguntas que vayan surgiendo. Para ello hace falta un equipo con un mínimo de dos personas con roles diferentes y con una dedicación continuada: el experto en la materia –derecho, economía, comunicación, etc.– y el experto en chatbots.

El experto en la materia ha de crear la base de conocimiento sobre la que trabaja el chatbot, y ha de ir actualizándola según las necesidades. Es imposible que el experto pueda prever todas las preguntas que harán los estudiantes, y por lo tanto tendrá que ir añadiendo preguntas-respuestas periódicamente.

El experto en chatbots ha de ser capaz de analizar e interpretar el funcionamiento del chatbot. Tiene que saber qué preguntas se responden satisfactoriamente y cuáles no, y cuáles quedan sin respuesta. También ha de ser capaz de modificar la configuración del chatbot para que funcione lo mejor posible.

Segundo: “Vaya a la otra ventanilla”

Los estudiantes de una universidad en línea no entienden de ventanillas. Si hay un chatbot en el aula, le preguntarán todas las dudas relacionadas con aquel espacio: dudas sobre los contenidos, seguro, pero también dudas de gestión como por ejemplo en qué formato hay que entregar una actividad, cuál es el método de evaluación o qué pasa si no ha participado en un debate obligatorio.

Al desarrollar el chatbot hay que tener en cuenta esto. No importa si las informaciones provienen de fuentes muy diferentes, no le podemos decir al estudiante “vaya a la ventanilla del lado”.

La solución es que el propio chatbot se alimente de bases de conocimiento diferentes. Esto implica dos cosas: que el chatbot será más complejo, y que harán falta varios expertos para mantener las diferentes bases de conocimiento.

Tercero: cuanto más, mejor

Para entrenar un chatbot, necesitamos datos. Cuantos más, mejor. Si un chatbot recibe unas decenas de consultas a lo largo del semestre, nos será mucho más difícil entrenarlo que si recibe centenares.

La solución puede ser poner el chatbot como front-end del aula, y hacer que el profesor o profesora intervenga solo en los casos en que el chatbot no haya podido resolver la pregunta del estudiante.

Si se hace esto, corremos el riesgo de “esconder” al profesorado y deshumanizar el aula de cara al estudiante. Es una decisión que hay que tomar con cuidado, compensando las desventajas –deshumanización del aula, dos niveles de respuesta–, y potenciando las ventajas –anonimato de las preguntas, inmediatez de las respuestas. 

Otra solución puede ser romper la barrera de las aulas y las asignaturas, y desarrollar los chatbots por áreas de conocimiento más amplias, con riesgo de perder precisión en las respuestas o de requerir varias repreguntas al estudiante para afinar la respuesta.


Foto de Shahadat Rahman en Unsplash

Roger Griset on Twitter
Roger Griset
Roger Griset is a graduate in Library and Information Sciences. In his time in the UOC he has worked at the Audiovisual department, the Digital Library, the Learning Resources Technology department and the eLearnCenter Trend Spotting and Analysis team in the same university, where he's working now. He's got experience in the design and maintaining of institutional repositories, design of metadata profiles and digital content management.

Leave a Reply