Un sistema d’alerta precoç per detectar estudiantat en risc: la primera contribució del projecte LIS de New Goals

La intel·ligència artificial (IA) ha tingut un fort impacte en l’ensenyament en els últims anys, com es pot comprovar fàcilment al web. Hi ha moltes contribucions relacionades amb eines i documents, i també moltes promeses per canviar els entorns d’aprenentatge. No sabem on arribarem. S’han fet moltes inversions en institucions educatives, i hi ha un bon nombre d’empreses relacionades amb les tecnologies educatives, perquè la intel·ligència artificial és (o serà) la tecnologia punta més lucrativa.

El 2018, l’eLearn Center va fer una convocatòria, anomenada New Goals, per trobar un projecte que apliqués la intel·ligència artificial al Campus Virtual de la UOC. La UOC és una universitat en línia on cada dia es produeix una gran quantitat de dades, que actualment s’emmagatzemen al repositori de dades institucional esperant ser explotades pels nostres investigadors. La convocatòria va seleccionar un projecte, que es va engegar el febrer de 2019 amb el nom de LIS (Learning Intelligent System, ‘sistema intel·ligent d’aprenentatge’) [1]. [1] El projecte vol donar suport als processos educatius de l’estudiantat. El seu objectiu principal és desenvolupar un sistema adaptatiu que es pugui aplicar globalment al Campus Virtual de la UOC per ajudar l’estudiantat en el seu procés d’aprenentatge. La intenció és ajudar l’estudiant pel que fa al retorn personalitzat automàtic de les activitats d’avaluació, fer-li recomanacions sobre opcions formatives, autoregulació o recursos d’aprenentatge, i proposar-li tècniques de ludificació per millorar el seu rendiment.

Hi ha una llista llarga d’objectius i una motivació alta per assolir-los. Ara bé, tant el temps com l’equip de treball són limitats. Actualment, el nucli central de l’equip està format per quatre membres: M. Elena Rodríguez, Ana Elena Guerrero, Abdulkadir Karadeniz i jo mateix. Tot i així, ens plau anunciar la presentació de la primera contribució del projecte: un sistema d’alerta precoç. L’objectiu d’aquesta eina és detectar els estudiants en risc fent servir dades antigues i actuals, i advertir l’estudiant i el seu professor o la seva professora sobre la situació. A més, el sistema proporciona un retorn personalitzat semiautomàtic com a mecanisme d’intervenció precoç per tal de corregir possibles condicions de fracàs.

Els investigadors han fet un gran esforç per oferir una solució aplicable a tot el Campus Virtual de la UOC. En primer lloc, s’ha desenvolupat un sistema de processador dorsal (backend) per extreure les dades del repositori de dades i aplicar diferents models predictius per predir la possibilitat d’aprovar un curs. Cal dir que, ara per ara, el sistema funciona individualment per a cada curs. Actualment, el model predictiu utilitza la informació de perfil dels estudiants i les qualificacions de les activitats per fer la predicció. El sistema backend és capaç de verificar els models en la totalitat dels cursos de la UOC (més de 1.500) i mostra resultats individuals i agregats. 

Diagrama de flux del servei de predicció basat en la definició d’un model predictiu, la informació del repositori de dades i les qualificacions dels estudiants (RAC, registre d’avaluació contínua).

En segon lloc, el sistema ofereix una interfície per aplicar el sistema als cursos individuals. S’han tingut en compte les diferents parts interessades: estudiantat, professorat i personal col·laborador. Actualment, s’estan provant i analitzant diferents característiques: quadres de comandament (dashboard), sistema de retorn personalitzat basat en la predicció, tipus de retorn personalitzat, expectatives de les parts interessades, entre altres. 

Quadre de comandament de l’estudiantat que mostra la situació de risc per a l’activitat d’avaluació 1.

Quadre de comandament del professorat que mostra la predicció de risc, la qualificació de l’activitat d’avaluació 1 i l’assignació del color de risc per a cada estudiant que ha signat l’autorització.

El sistema s’ha provat en més de 1.000 estudiants de cinc cursos de la UOC durant els dos últims trimestres. Els professors i les professores Cristina Pérez, Tona Monjo, Amal Elasri, Dalilis Escobar, Pau Cortadas i Javier Panadero han ajudat a comprovar el sistema, per la qual cosa els agraïm la col·laboració i l’actitud proactiva. A més, els estudiants valoren el sistema perquè tenen la sensació que viuen una experiència d’aprenentatge més personalitzada i reben més atenció del professorat. Tot i que el sistema és en gran part automatitzat, hi ha una característica única que actualment la màquina no pot reemplaçar i és l’experiència del professorat a l’hora de fer recomanacions i ajudar els estudiants durant el llarg viatge fins al final del semestre. Es pot trobar un resum del primer treball pilot en la ponència presentada a les Jornades sobre l’Ensenyament Universitari de la Informàtica (JENUI) [2], que va ser premiada com a millor ponència del congrés, o en la versió publicada a l’Applied Science Journal [3].

Vídeo de la presentació de la ponència a les JENUI, premiada com a millor ponència.

I ara, què? Doncs el sistema és viu i continua evolucionant. El full de ruta del desenvolupament és un model per predir el possible abandonament dels estudis. D’altra banda, ja està a punt un quadre de comandament únic perquè el professorat pugui gestionar millor el curs. Útil o no. Qui ho sap? Ho demostrarà el pròxim treball pilot.

I acabem aquest apunt tal com vam començar el projecte LIS de New Goals:

«LIS, benvingut a la UOC, esperem que te’n surtis tan bé com els estudiants».

David Bañeres, co-investigador principal (CO-IP) del projecte LIS de New Goals

  1. Karadeniz, A.; Bañeres, D.; Rodríguez, M. E.; Guerrero-Roldán, A. E. (16-18 d’octubre de 2019). «Enhancing ICT Personalized Education through a Learning Intelligent System». A: Proceedings of the Online, Open and Flexible Higher Education Conference. Madrid, Espanya (pàg. 142-147).
  2. Guerrero-Roldán, A. E.; Rodríguez, M. E.; Bañeres, D.; Pérez. C.; Panadero, J. Karadeniz, A. (2020). «Hacia un sistema de detección temprana de estudiantes en riesgo en entornos de enseñanza-aprendizaje en línea». A: Actas de las JENUI (vol. 5), juliol de 2020. València (pàg. 37-44).
  3. Bañeres, D.; Rodríguez, M. E.; Guerrero-Roldán, A. E.; Karadeniz, A. (2020). «An Early Warning System to Detect At-Risk Students in Online Higher Education». Appl. Sci. (núm. 10, pàg. 4427).

Foto de capçalera de Wes Hicks a Unsplash

David Bañeres
David Bañeres received a BSc in Computer Science (2001) and a Ph.D. in Computer Science (2008) from the Universitat Politècnica de Catalunya, Spain. He is currently a full-time lecturer at Universitat Oberta de Catalunya in the IT, Multimedia and Telecommunications department. His research interests include innovative e-learning systems such as intelligent tutoring systems, automated assessment, learning analytics and the application of AI in educational contexts. Currently, he is co-coordinating the development of an intelligent tutoring system and an early warning system for UOC Campus.

Leave a Reply