Loading...

La inteligencia artificial ya sabe anticipadamente si los estudiantes van a aprobar o suspender

Esta herramienta, desarrollada por investigadores de la UOC, brinda a los profesores la posibilidad de intervenir de forma proactiva ante los problemas del alumnado

Isabel Martínez

Estudiantes realizan un examen que no saben si van a aprobar o suspender / PEXELS

Un nuevo sistema basado en algoritmos de inteligencia artificial permite detectar a los estudiantes que están en riesgo de suspender. Ha sido desarrollado por un equipo interdisciplinario de investigadores de la Universitat Oberta de Catalunya (UOC), tal y como explica el profesor Agustín López en un post. Además, esta tecnología “es capaz de intervenir automáticamente de forma precoz con mensajes personalizados para revertir la situación”.

El objetivo final es evitar que el alumnado abandone la asignatura. La investigación ha sido liderada por David Bañeres, del grupo Systems, Software and Models Research Lab (SOM Research Lab), del Internet Interdisciplinary Institute (IN3).

Mejoras en la predicción

El nuevo modelo predictivo se ha denominado Profiled Dropout At Risk (PDAR), y se incorpora al Learning Intelligent System (LIS), un sistema de predicción de estudiantes en riesgo de suspender. El nuevo modelo PDAR aporta una mejora sustancial del seguimiento, puesto que, a partir de datos del perfil de los estudiantes, el rendimiento dentro del curso y los clics y otras acciones diarias en el campus en línea de la UOC, genera una predicción diaria del riesgo de abandono de la asignatura.

"El modelo evalúa si el grado de implicación diaria del estudiante se adecua a la media dentro de la asignatura. Es decir, esta evaluación se hace dependiendo de cada asignatura y de cada actividad", detallan los investigadores.

Estudiantes realizan un examen / FREEPIK

Nuevos retos y objetivos

De momento, parece ser una herramienta eficaz: los resultados muestran que el abandono de los estudiantes al final del curso disminuyó significativamente en todas las actividades, con una diferencia del 12 % entre participantes en el estudio piloto y no participantes, y con una diferencia del 5 % en comparación con el semestre anterior, cuando solo se usaba LIS sin el nuevo modelo predictivo.

Entre los retos del nuevo modelo está evitar los falsos positivos, personas que el sistema señala como en riesgo sin serlo, y aumentar la motivación del alumnado con, por ejemplo, recomendaciones sobre la gestión del tiempo, marcando objetivos a corto plazo o informando de las posibles consecuencias negativas de no completar la actividad.