Un sistema de alerta temprana para detectar a estudiantado en riesgo: la primera contribución del proyecto LIS de New Goals

La inteligencia artificial (IA) ha tenido un fuerte impacto en la enseñanza en los últimos años, como puede comprobarse fácilmente en el web. Hay muchas contribuciones relacionadas con herramientas y documentos, así como muchas promesas para cambiar los entornos de aprendizaje. No sabemos dónde llegaremos. Se han hecho muchas inversiones en instituciones educativas, y hay un gran número de empresas relacionadas con las tecnologías educativas, porque la inteligencia artificial es (o será) la tecnología punta más lucrativa.

En 2018, el eLearn Center hizo una convocatoria, llamada New Goals, para encontrar un proyecto que aplicara la inteligencia artificial al Campus Virtual de la UOC. La UOC es una universidad en línea donde cada día se produce una gran cantidad de datos, que actualmente se almacenan en el repositorio de datos institucional a la espera de ser explotados por nuestros investigadores. La convocatoria seleccionó un proyecto, que se puso en marcha en febrero de 2019 con el nombre de LIS (Learning Intelligent System, ‘sistema inteligente de aprendizaje’). [1] El proyecto quiere apoyar los procesos educativos del estudiantado. Su principal objetivo es desarrollar un sistema adaptativo que pueda aplicarse globalmente al Campus Virtual de la UOC para ayudar a los estudiantes en su proceso de aprendizaje. La intención es ayudar al estudiante respecto al retorno personalizado automático de las actividades de evaluación, hacerle recomendaciones sobre opciones formativas, autorregulación o recursos de aprendizaje, y proponerle técnicas de ludificación para mejorar su rendimiento.

Hay una larga lista de objetivos y una alta motivación para alcanzarlos. Ahora bien, tanto el tiempo como el equipo de trabajo son limitados. Actualmente, el núcleo central del equipo está formado por cuatro miembros: M. Elena Rodríguez, Ana Elena Guerrero, Abdulkadir Karadeniz y yo mismo. Sin embargo, nos complace anunciar la presentación de la primera contribución del proyecto: un sistema de alerta temprana. El objetivo de esta herramienta es detectar al estudiantado en riesgo utilizando datos antiguos y actuales, y advertir al estudiante y a su profesor o profesora sobre la situación. Además, el sistema proporciona un retorno personalizado semiautomático como mecanismo de intervención temprana para corregir posibles condiciones de fracaso.

Los investigadores han realizado un gran esfuerzo para ofrecer una solución aplicable a todo el Campus Virtual de la UOC. En primer lugar, se ha desarrollado un sistema de procesador dorsal (backend) para extraer los datos del repositorio de datos y aplicar diferentes modelos predictivos para predecir la posibilidad de aprobar un curso. Es preciso señalar que, hoy por hoy, el sistema funciona individualmente para cada curso. Actualmente, el modelo predictivo utiliza la información de perfil de los estudiantes y las calificaciones de las actividades para realizar la predicción. El sistema backend es capaz de verificar los modelos en la totalidad de los cursos de la UOC (más de 1.500) y muestra resultados individuales y agregados. 

Diagrama de flujo del servicio de predicción basado en la definición de un modelo predictivo, la información del repositorio de datos y las calificaciones de los estudiantes (REC, registro de evaluación continua).

En segundo lugar, el sistema ofrece una interfaz para aplicar el sistema a los cursos individuales. Se han tenido en cuenta las diferentes partes interesadas: estudiantado, profesorado y personal colaborador. Actualmente, se están probando y analizando diferentes características: cuadros de mando (dashboard), sistema de retorno personalizado basado en la predicción, tipo de retorno personalizado, expectativas de las partes interesadas, entre otras. 

Cuadro de mando del estudiantado que muestra la situación de riesgo para la actividad de evaluación 1.

Cuadro de mando del profesorado que muestra la predicción de riesgo, la calificación de la actividad de evaluación 1 y la asignación del color de riesgo para cada estudiante que ha firmado la autorización.

El sistema se ha probado en más de 1.000 estudiantes de cinco cursos de la UOC durante los dos últimos trimestres. Los profesores y las profesoras Cristina Pérez, Tona Monjo, Amal Elasri, Dalilis Escobar, Pau Cortadas y Javier Panadero han ayudado a comprobar el sistema, por lo que les agradecemos su colaboración y actitud proactiva. Además, los estudiantes valoran el sistema porque tienen la sensación de que viven una experiencia de aprendizaje más personalizada y reciben más atención del profesorado. Aunque el sistema es en gran parte automatizado, hay una característica única que actualmente la máquina no puede reemplazar y es la experiencia del profesorado a la hora de hacer recomendaciones y ayudar a los estudiantes durante el largo viaje hasta el final del semestre. Puede encontrarse un resumen del primer trabajo piloto en la ponencia presentada en las Jornadas sobre la Enseñanza Universitaria de la Informática (JENUI) [2], que fue premiada como mejor ponencia del congreso, o en la versión publicada en el Applied Science Journal [3].

Vídeo de la presentación de la ponencia en las JENUI, premiada como mejor ponencia.

¿Y ahora qué? El sistema está vivo y sigue evolucionando. La hoja de ruta del desarrollo es un modelo para predecir el posible abandono de los estudios. Por otro lado, ya está listo un cuadro de mando único para que el profesorado pueda gestionar mejor el curso. Útil o no. ¿Quién sabe? Lo demostrará el próximo trabajo piloto.

Y terminamos esta entrada tal como empezamos el proyecto LIS de New Goals:

«LIS, bienvenido a la UOC, esperamos que tengas tanto éxito como los estudiantes».

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

  1. Karadeniz, A.; Bañeres, D.; Rodríguez, M. E.; Guerrero-Roldán, A. E. (16-18 de octubre de 2019). «Enhancing ICT Personalized Education through a Learning Intelligent System». En: Proceedings of the Online, Open and Flexible Higher Education Conference. Madrid, España (pág. 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». En: Actas de las JENUI (vol. 5), julio de 2020. 5 de julio de 2020. Valencia (pág. 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, pág. 4427).

Foto de cabecera de Wes Hicks en 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