Un estudio piloto con más de 552 alumnos demuestra que esta tecnología basada en inteligencia artificial también reduce el abandono de los estudios.

[adsenseyu1]

El uso de tecnologías basadas en la inteligencia artificial es una de las áreas más prometedoras para impulsar la enseñanza y el aprendizaje en línea. Un equipo de la Universitat Oberta de Catalunya (UOC) ha desarrollado un sistema adaptativo, denominado Learning Intelligent System (LIS), que incluye una herramienta de alerta precoz para avisar a profesores y alumnos del riesgo de suspender la asignatura. El objetivo del LIS es aumentar el rendimiento de los estudiantes, garantizar una retroalimentación adecuada para orientar su trayectoria académica y reducir así el abandono de los estudios. Este sistema se ha implementado en un estudio piloto con 552 alumnos de primer curso en dos asignaturas de los grados de Economía y Empresa de la UOC. Los resultados muestran que el rendimiento es mejor en los estudiantes que usaron la tecnología en comparación con el resto de los compañeros, y que también superaron los resultados de semestres anteriores. Además, aumentó la participación de los alumnos durante el semestre, hecho que redujo significativamente el abandono de los estudios.

“Estos resultados son particularmente importantes, puesto que las dos asignaturas son fundamentales, y obligatorias, para los estudiantes que se matriculan del grado. Además, para muchos alumnos probablemente fue la primera experiencia con el aprendizaje en línea y el sistema LIS mejoró su compromiso de aprendizaje, aumentó su motivación y los ayudó en aspectos como por ejemplo la autoeficacia y la autorregulación”, explica Ana Elena Guerrero, investigadora líder del grupo Technology Enhanced Knowledge and Interaction Group (TEKING), de los Estudios de Informática, Multimedia y Telecomunicación de la UOC, y primera firmante de la investigación que se ha publicado en la revista científica International Journal of Educational Technology in Higher Education (ETHE), coeditada por la UOC.

Un sistema que predice el riesgo de suspender

El proyecto LIS empezó en febrero de 2019 en el marco de la convocatoria New Goals, impulsada por el eLearn Center con el objetivo de desarrollar proyectos que aplicaran la inteligencia artificial en el Campus Virtual de la UOC. Se trata de un sistema que funciona procesando toda la información recogida en el data mart, un centro de datos institucional desarrollado hace seis años en la UOC, que recoge datos históricos y actuales sobre la vida académica de los estudiantes en la universidad. El sistema almacena anónimamente el comportamiento en línea de los universitarios en las actividades de evaluación entregadas, el nivel de interacción (es decir, los datos de navegación, y la utilización de recursos y herramientas) y las notas académicas, entre otros.

A partir de todos estos datos, el LIS lleva a cabo un análisis predictivo mediante algoritmos de clasificación basados en técnicas de inteligencia artificial. Este modelo permite predecir si un estudiante puede tener problemas para superar la asignatura con una precisión que va del 60 % a comienzos del curso, cuando hay poca información sobre el estudiante, hasta casi el 90 % en mitad del semestre, tal como se ha demostrado en estudios previos de este mismo equipo de investigación.

Mensajes de apoyo con información personalizada

Después de la evaluación de cada actividad de aprendizaje, el sistema calcula la probabilidad de pasar de curso e informa a profesores y alumnos mediante unos indicadores con los colores de un semáforo (rojo, amarillo o verde). Simultáneamente, todos los estudiantes reciben información personalizada a través de un correo electrónico sobre cómo mejorar la próxima actividad, con recomendaciones como por ejemplo contactar con el profesor para resolver dudas o repasar el contenido previo para orientarlo de cara a la siguiente actividad.

Además, estos mensajes se pueden activar automáticamente o con las acciones de los profesores, y también cambian según los motivos por los que los estudiantes son clasificados en un nivel de riesgo u otro. “Uno de los aspectos distintivos del sistema es que todos los alumnos, tanto aquellos que tienen más riesgo de suspender (rojo) como los que tienen menos (verde), reciben mensajes adaptados a su situación”, explica la investigadora.

Para averiguar el impacto de estos mensajes en los resultados académicos, los investigadores analizaron los resultados académicos en la asignatura del grupo que utilizó el sistema LIS y los compararon con los estudiantes que la cursaron con los mecanismos de comunicación habituales en la UOC, y también con un tercer grupo, el de los estudiantes matriculados el semestre anterior, cuando todavía no se había puesto en marcha la nueva tecnología. “Los resultados del grupo que usó el sistema LIS superaron a los otros dos grupos, y se demostró que este tipo de retroalimentación, combinada con el panel del Campus Virtual del alumno, tuvo un impacto positivo y complementó los mecanismos regulares de retroalimentación disponibles en los cursos”, explica Ana Elena Guerrero.

En este sentido, los investigadores destacan la importancia del acompañamiento de los alumnos, especialmente en el caso de la enseñanza en línea. “Sabemos que los estudiantes tienden a dejar los cursos cuando se sienten desmotivados, inseguros por aprobar el curso o desbordados por las tareas o competencias que deben adquirir. Especialmente en los entornos en línea, en que el aislamiento o la carencia de información es una de las razones principales que provoca el abandono académico. En este contexto, estos mensajes son la piedra angular para motivar a los alumnos y hacer un mejor seguimiento durante todo el proceso de aprendizaje”, subrayan.

Una nueva herramienta al servicio del profesorado

Desde la perspectiva de los profesores, los investigadores señalan que el sistema LIS es una herramienta que los puede ayudar a gestionar la asignatura más eficientemente y mejorar así el apoyo a los estudiantes: “El sistema ofrece información sobre la situación de los estudiantes y permite a los profesores intervenir con más frecuencia en el proceso de aprendizaje para orientarlos en su formación. Además —siguen los investigadores—, en lugar de basar estas decisiones exclusivamente en la experiencia profesional, pudieron tomarlas a partir de los datos proporcionados por el sistema desde el principio del semestre”.

Un recurso útil y eficaz para los estudiantes

Al acabar el semestre, los investigadores pasaron un cuestionario a los estudiantes que participaron en la investigación para conocer sus percepciones sobre la eficacia del sistema y su utilidad. Los resultados muestran que la mayoría de los participantes consideran que el sistema LIS proporciona “apoyo de manera eficaz y ayuda a superar el curso”. De hecho, el 68,29 % manifestó su voluntad de continuar empleando el sistema en los semestres siguientes porque les resulta beneficioso.

El artículo publicado en la revista científica International Journal of Educational Technology in Higher Education (ETHE), también está firmado por M. Elena Rodríguez-González, miembro del TEKING y de los Estudios de Informática, Multimedia y Telecomunicación; David Bañeres, del grupo Systems, Software and Models Research Lab (SOM Research Lab), del Internet Interdisciplinary Institute (IN3); y Pau Cortadas, del grupo Innovative tools for elearning (GO2SIM) y Amal Elasri-Ejjaberi, de los Estudios de Economía y Empresa.

Esta investigación favorece el objetivo de desarrollo sostenible (ODS) 4, de educación de calidad.

Artículos de referencia

Guerrero-Roldán, A. E., Rodríguez-González, M. E., Bañeres, D. et al. Experiences in the use of an adaptive intelligent system to enhance online learners’ performance: a case study in Economics and Business courses. Int J Educ Technol High Educ 18, 18, 36 (2021). https://doi.org/10.1186/s41239-021-00271-0

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. Applied Sciences. 2020, 10(13), 4427. https://doi.org/10.3390/app10134427