Intelixencia Artificial para axudar aos estudantes con problemas a superar o curso

O abandono prematuro dos estudos é unha das preocupacións principais da educación superior en liña, especialmente durante o primeiro ano de carreira. Un equipo interdisciplinario de investigadores da Universitat Oberta de Catalunya (UOC) desenvolveu un novo sistema baseado en algoritmos de intelixencia artificial que permite detectar diariamente aos estudantes en risco de suspender e que, ademais, é capaz de intervir automaticamente de forma precoz con mensaxes personalizadas para reverter a situación. Segundo os investigadores, este seguimento continuado axuda a acurtar o tempo entre os primeiros sinais de risco e a intervención do sistema para evitar que o alumnado abandone a materia.

A tecnoloxía testouse nunha proba piloto con 581 estudantes matriculados nunha materia de primeiro semestre en diferentes graos dos Estudos de Economía e Empresa da UOC, o que reduciu o abandono da materia e aumentou a súa participación durante o semestre. Estes resultados conseguíronse grazas ao desenvolvemento dun novo modelo preditivo, denominado Profiled Dropout At Risk (PDAR), que se incorporou ao Learning Intelligent System (LIS), un sistema de predición de estudantes en risco de suspender desenvolvido por este equipo de investigadores e que está testándose con bos resultados en diferentes probas piloto con estudantes da UOC desde 2019.

Ata o de agora, o sistema LIS unicamente tiña un modelo de predición de compleción do curso baseado en datos históricos das materias —recollidos no DataMart da Unidade de Avaliación de Proxectos Institucionais da UOC— e nos resultados das probas de avaliación continua do curso en marcha. Así, despois de cada actividade o sistema LIS predice a nota mínima que o alumno debería obter na proba seguinte para aprobar a materia e asigna un nivel de risco de suspender que se mostra no espazo persoal do alumno mediante unha representación en forma de semáforo. En caso de detectar un alto nivel de risco, o sistema activa os correspondentes mecanismos de intervención en forma de mensaxes aos alumnos.

"Esta predición, aínda que é moi útil ao estudante, ten deficiencias, principalmente porque limita o seguimento a certos puntos de control despois de cada actividade (adoitan ser tres ou catro cada semestre), de maneira que a intervención asociada pode chegar tarde, cando o estudante xa abandonou o curso", explica David Bañeres, do grupo Systems, Software and Models Research Lab (SOM Research Lab) que lidera a investigación.

En cambio, o novo modelo PDAR achega unha mellora substancial do seguimento, debido a que, a partir de datos do perfil dos estudantes, o rendemento dentro do curso e os clics e outras accións diarias no campus en liña da UOC, xera unha predición diaria do risco de abandono da materia. "O modelo avalía se o grao de implicación diaria do estudante se adecua á media dentro da materia. É dicir, esta avaliación faise dependendo de cada materia e de cada actividade", detalla o investigador.

PERSONALIZACIÓN DE MENSAXES

O obxectivo da intervención do sistema é aumentar a motivación do alumnado con, por exemplo, recomendacións sobre a xestión do tempo, marcando obxectivos a curto prazo ou informando das posibles consecuencias negativas de non completar a actividade. Tamén proporciona materiais de aprendizaxe e exercicios complementarios para axudar aos estudantes para lograr os seus obxectivos. Ademais, o profesorado da materia pode deseñar e personalizar o contido das mensaxes e adaptalos segundo o nivel de risco. Finalmente, a ferramenta ten diferentes paneis de control que permiten, tanto ao profesor como ao estudante, coñecer de forma individual o estado actual e os riscos potenciais.

Este novo sistema dá ao profesorado a posibilidade de intervir de forma proactiva ante os problemas do seu alumnado. "Con este sistema de detección precoz, pode avisarse ao estudante antes de que suceda o problema e podemos facer un seguimento 24x7 do noso alumnado", explica David Bañeres.

Ademais, tamén é unha ferramenta escalable, que permite ao profesorado facer un seguimento integral dunha materia cun alto número de alumnos. "Por exemplo, un dos estudos piloto fíxose nunha materia con 1.500 estudantes, e o sistema permitiu aos profesores poder facer un seguimento de estudantes con risco de abandono sen sobrecargar a tarefa do profesor responsable nin dos colaboradores", destaca o investigador.