Uso de modelos de analítica de texto en la detección y análisis de tendencias en e-learning

10 diciembre, 2019

La revisión de literatura científica es una tarea habitual entre investigadores que deseen detectar las tendencias que están influyendo como palancas de cambio en la evolución de una disciplina o ámbito concreto de investigación. Obtener tal conocimiento requiere de pesadas y repetitivas tareas de extracción, análisis, síntesis y clasificación de cientos, y en algunos casos miles, de referencias bibliográficas. Estas primeras fases de “retransformación” de la información requieren de un gran esfuerzo por parte del equipo de analistas para recoger y ordenar resultados de la evidencia científica en los que basar sus conclusiones, dedicación, que puede incrementarse en función del zoom de cada búsqueda.  

En su facultad de observación del “mapamundi” del conocimiento para detectar y reflexionar acerca de las tendencias y acontecimientos que están transformando la educación superior en línea en el mundo, el eLC integra en su actividad tales tareas de revisión y prospectiva documental. Con la intención de facilitar el camino hacia el descubrimiento y análisis de la información relevante objetivo de cada estudio, el centro ha pilotado un proyecto consistente en automatizar parte de este proceso de revisión basándose en el uso de tecnologías de analítica y minería de texto.

Las técnicas basadas en minería de texto pueden definirse como la aplicación de métodos y técnicas computacionales sobre datos textuales para encontrar información relevante e intrínseca y conocimiento previamente desconocido (Do Prado  & Ferneda, 2007). A su vez, la analítica de texto  suele servirse de técnicas de estadística, aprendizaje automático, procesamiento de lenguaje natural (PLN) que sumadas a estrategias concretas de búsqueda, confieren a la máquina la posibilidad de  “comprender” qué información relevante ha de descubrir entre montañas de contenidos tanto estructurados como sin estructurar. Así, es frecuente su uso en la extracción de información de valor en contextos diversos como: entrevistas, cuestionarios, análisis de medios, etc.

En este sentido, en la realización del proyecto ha intervenido MeaningCloud, empresa líder del sector de analítica de texto en la nube, para desarrollar y aplicar un modelo de categorización profunda, capaz de extraer y clasificar automáticamente cientos de artículos científicos en elearning. La prueba,  dirigida y supervisada desde el departamento de Detección y análisis de tendencias del centro, se ha desarrollado apoyándose en las taxonomías de clasificación definidas en un informe sobre tendencias de investigación en e-Learning producido desde el mismo equipo.  

La estructura y codificación propuestas en el informe para la categorización del aprendizaje en línea,  ha permitido que las más de 500 reglas semánticas implementadas para el desarrollo del modelo de clasificación automática demuestren la viabilidad de aplicación de este tipo de herramientas de analítica de texto en el ámbito de investigación del aprendizaje virtual.

Parte de los resultados de esta experiencia piloto fueron presentados en la conferencia anual sobre investigación, educación e innovación (ICERI’19) celebrada recientemente en Sevilla.


López Ruiz, J., Garcia Brustenga, G. (2019) Aplicación de un modelo de analítica de texto para la detección y clasificación automática de tendencias de investigación en e-Learning (caso UOC). Universitat Oberta de Catalunya. eLearn Center.


Foto de cabecera en el post de Markus Spiske en Unsplash

 

(Visited 93 times, 1 visits today)
Autor / Autora
Innovación en el equipo de Estimulación y Desarrollo de Procesos de Innovación Educativa del eLearning Innovation Center (eLinC) de la UOC. Diplomado en Ciencias Empresariales, ha cursado estudios de posgrado de gestión de productos e innovación en tecnología, procesos creativos, administración y gestión de redes y sistemas, y formación de formadores. Está especializado en la gestión de procesos y proyectos de innovación en el ámbito de la educación en línea.
Comentarios
Deja un comentario