¡Atención! Alumno en riesgo de suspender

Aunque todos los humanos somos distintos, nuestros patrones de conducta tienden a repetirse, sobre todo al estudiar. Alumnos que hincan codos, otros que no tocan un libro, los que se matriculan en más asignaturas de las que pueden abarcar, los repetidores... Así, cruzando una cantidad ingente de datos sobre el comportamiento de miles de estudiantes durante su etapa académica, es posible crear una «máquina» que haga predicciones fiables sobre cuáles de ellos aprobarán y cuáles están en riesgo de suspender. ¿Cómo? Con inteligencia artificial (IA).

Un ejemplo de esta innovación es la herramienta basada en técnicas IA desarrollada por un equipo de la Universitat Oberta de Catalunya (UOC). Con ella, se busca detectar el fracaso académico de los estudiantes que cursan estudios superiores en línea, dado que esta es una universidad virtual, aunque el objetivo final es que el modelo sea adaptable también a la educación presencial.

El proyecto comenzó hace año y medio y tiene previsto finalizar en febrero de 2022. Hasta ahora se han llevado a cabo tres pruebas piloto, en las que han participado cerca de 3.000 estudiantes de diferentes asignaturas y grados y los resultados son prometedores.

Uno de los aspectos que lo ha hecho posible ha sido que la institución contaba con una base de datos suficientemente extensa como para poder entrenar al sistema de IA a hacer predicciones con un margen de error mínimo. Se trata del 'data mart', donde se almacena información, convenientemente anonimizada, sobre el perfil de los estudiantes, su actividad en el campus y las notas obtenidas en exámenes y pruebas de evaluación continua. Gracias a ello, la herramienta es capaz de descubrir patrones de comportamiento de los alumnos que serían indetectables sin el uso de la tecnología.

«Nuestro mayor reto es que la herramienta sea extrapolable a cualquier tipo de estudios y pueda ayudar a todo tipo de estudiantes. El problema es que cada grado es muy distinto y también sus asignaturas, así que conseguir un sistema que se adapte a todos ellos es complejo», explica David Bañeres, investigador principal del estudio, perteneciente al grupo Systems, Software and Models Research Lab del Internet Interdisciplinary Institute (IN3).

Con la predicción que genera el sistema, al estudiante se le asigna un color en un semáforo: rojo si está en riesgo de suspender; naranja si el sistema no puede asegurarlo y verde si aprobará. Todo ello con el fin de que los docentes puedan alertar a sus alumnos de sus debilidades y sugerirles formas de mejorar su rendimiento académico de forma más personalizada.

«Uno de los miedos que genera la inteligencia artificial en la enseñanza es que pueda sustituir el trabajo del profesorado. En este proyecto, la experiencia de los docentes es necesaria porque, aunque el sistema puede mandar mensajes automatizados, siempre es más enriquecedor que los docentes, que conoccen su asignatura y cómo aprobarla, se comuniquen directamente con sus alumnos», sostiene el investigador. Además, en caso de tener dudas, los estudiantes pueden contestar al mensaje e iniciar una conversación con su profesor.

Las primeras reacciones al invento han sido muy positivas. «Los estudiantes agradecen saber cómo progresan y recibir consejos personalizados, mientras que los profesores están contentos de poder evaluar el rendimiento de sus alumnos de una forma rápida y sencilla», cuenta Bañeres.

Los resultados de las primeras pruebas piloto han mostrado que cuanta más variedad y más volumen de datos tienen, más precisa es la predicción que ofrece el sistema. Así, si a inicios de semestre, cuando hay poca información del estudiante, es posible acertar si tendrá problemas para superar la asignatura con un 60% de precisión, a mediados de semestre la precisión alcanza el 90% y hasta el 97% antes de acabar el curso. Por ello, en los próximos meses el equipo aumentará el número de pruebas piloto con más alumnos y con asignaturas del resto de grados de la universidad.