6024455000Educación
Conozca el sistema de IA que detecta a los universitarios en riesgo de suspender
Este sistema creado por la Universidad Abierta de Cataluña combina un modelo predictivo que detecta diariamente alumnos en riesgo de suspender, con mensajes automáticos personalizados para evitar que abandonen la asignatura.
El abandono prematuro de los estudios es una de las preocupaciones principales de la educación superior en línea, especialmente durante el primer año de carrera.
Un equipo interdisciplinario de investigadores de la Universitat Oberta de Catalunya (UOC) ha desarrollado un nuevo sistema basado en algoritmos de inteligencia artificial que permite detectar diariamente a los estudiantes en riesgo de suspender y que, además, es capaz de intervenir automáticamente de forma precoz con mensajes personalizados para revertir la situación. Según los investigadores, este seguimiento continuado ayuda a acortar el tiempo entre las primeras señales de riesgo y la intervención del sistema para evitar que el alumnado abandone la asignatura.
La tecnología se ha testado en una prueba piloto con 581 estudiantes matriculados en una asignatura de primer semestre en diferentes grados del programa académico de los Estudios de Economía y Empresa de la UOC, lo que según el centro educativo ha reducido el abandono de la asignatura y ha aumentado su participación durante el semestre.
Mejoras en la predicción para el sistema LIS
Estos prometedores resultados se han conseguido gracias al desarrollo de un nuevo modelo predictivo, denominado Profiled Dropout At Risk (PDAR), que se ha incorporado al Learning Intelligent System (LIS), un sistema de predicción de estudiantes en riesgo de suspender desarrollado por este equipo de investigadores y que está testándose con buenos resultados en diferentes pruebas piloto con estudiantes de la UOC desde 2019.
Evitar los falsos positivos
Uno de los retos de este nuevo modelo ha sido evitar los falsos positivos, personas que el sistema señala como en riesgo sin serlo. Este error se produce principalmente con estudiantes que no siempre están activos en el entorno virtual de aprendizaje. Siendo así, el nuevo modelo también tiene en cuenta una ventana temporal que se calcula automáticamente según el curso, el tipo y la dificultad de la actividad.
Es decir, para confirmar que un alumno realmente se encuentra en riesgo de abandono y activar los correspondientes mecanismos de intervención, debe permanecer en la categoría de riesgo de abandono durante un número consecutivo de días determinado para cada actividad.
En caso de estar en un nivel de riesgo alto de abandono, se genera un mensaje de intervención automático al estudiante.
Mensajes automáticos personalizados
El objetivo de la intervención del sistema es aumentar la motivación del alumnado, por ejemplo, con recomendaciones sobre la gestión del tiempo, marcando objetivos a corto plazo o informando de las posibles consecuencias negativas de no completar la actividad. También proporciona materiales de aprendizaje y ejercicios complementarios para ayudar a los estudiantes a lograr sus objetivos.
Para evaluar la incorporación de este nuevo modelo predictivo, se compararon los resultados en el abandono con el grupo de estudiantes que usaron el sistema LIS el año anterior —cuando todavía no se había implementado el PDAR— y también con el grupo de estudiantes que no quisieron participar en el estudio y realizaban la asignatura sin el apoyo del sistema LIS.
Los resultados, publicados en abierto en la revista International Journal of Educational Technology in Higher Education, coeditada por la UOC, mostraron 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.
Una herramienta al servicio del profesorado
Este nuevo sistema da al profesorado la posibilidad de intervenir de forma proactiva ante los problemas de su alumnado. “Con este sistema de detección precoz, puede avisarse al estudiante antes de que suceda el problema y podemos hacer un seguimiento 24x7 de nuestro alumnado”, explica David Bañeres del grupo Systems, Software and Models Research Lab (SOM Research Lab), del Internet Interdisciplinary Institute (IN3).
Además, también es una herramienta escalable, que permite a los profesores hacer un seguimiento integral de una asignatura con un alto número de alumnos. “Por ejemplo, uno de los estudios piloto se hizo en una asignatura con 1.500 estudiantes, y el sistema permitió a los profesores poder hacer un seguimiento de estudiantes con riesgo de abandono sin sobrecargar la tarea del profesor responsable ni de los colaboradores”, destaca el investigador.
Un sistema adaptable a cualquier entorno de aprendizaje en línea
Una ventaja importante del sistema LIS es que no depende de una tecnología de gestión del aprendizaje determinada y, por lo tanto, puede utilizarse en cualquier entorno, siempre que haya datos históricos académicos de estudiantes. “Esto quiere decir que, aunque actualmente la UOC esté en transición hacia un nuevo campus basado en otra tecnología, como, por ejemplo, Canvas, el sistema podrá utilizarse igualmente adquiriendo los datos de la fuente de información correspondiente”, explica Bañeres.
Como por ejemplo, actualmente el equipo de investigadores trabaja en un proyecto de personalización de la educación para la Oficina Europea de Patentes, en el que el sistema LIS se usará para hacer el seguimiento de los estudiantes dentro de su plataforma de educación, basada en Moodle.
Además, LIS puede configurarse específicamente para cada asignatura adaptándose a las actividades que forman parte de ella y entrenando los modelos de predicción necesarios con datos de estudiantes anteriores que han pasado por la asignatura.
