La inteligencia artificial en la educación: Una componente necesaria en la formación de los jóvenes.

La inteligencia artificial hoy en día puede ser un tema de moda, algunos piensan que es algo de ciencia ficción, incluso de brujería lo cierto es que algunos sectores están cada vez incorporando algoritmos de inteligencia artificial a sus procesos, como el caso de CareSkore que proporciona una gestión personalizada de la atención médica, aprovechando la IA para generar análisis predictivos y prescriptivos en tiempo real con el fin de reducir las readmisiones hospitalarias.


La analítica predictiva en los sistemas de salud puede ayudar a ahorrar dinero, tiempo y recursos, permitiendo lo siguiente: Gestión eficiente de los pacientes, reduciendo el número de recaídas y mejorar la calidad del servicio con una atención personalizada.

Pero en el caso de la educación que es lo que sucede, ¿cómo la inteligencia artificial puede ayudar al proceso de la educación?


La inteligencia artificial nos puede ayudar a corto plazo y a largo plazo. A corto plazo, si descomponemos el trabajo del profesor en algunas tareas que se puede llevar a cabo con inteligencia artificial de manera más fácil, y otras que solo puede hacerlas el profesor.


La educación en general implica componentes como clases, competencias, evaluaciones y tutorías. Estas son cuatro áreas en la educación que, si bien no son todas, son de suma importancia para el aprendizaje de un estudiante. Respecto a las lecciones en clase, si se hacen bien no deberían desaparecer, estas se pueden apoyar en cursos de extensión o charlas de gente en al área de coaching.


Respecto a las competencias, la inteligencia artificial puede personalizar actividades a cada alumno al estudiar sus capacidades individuales.


En Territorium hemos desarrollado algoritmos que nos ayudan a medir este tipo de capacidades. Por ejemplo: Tenemos un módulo que nos ayuda a medir y sugerir competencias que requieran mayor atención por parte del estudiante.



En la imagen podemos observar cómo aplicamos un algoritmo de Neuronal Network y otro tipo Random Forest, este tipo de entrenamiento nos clasifica y nos da nuestras áreas de oportunidad en habilidades blandas, donde el estudiante tiene una probabilidad baja para un nivel de autogestión alto, mientras que tiene una probabilidad alta en una competencia de liderazgo baja, es decir, podemos dar un cambio significativo si nos enfocamos en un desarrollar un nivel alto de liderazgo.


El módulo de Territorium Learning Pathway AI puede recomendar la competencia a desarrollar en cada estudiante dentro de un grupo.


De manera sencilla podemos decir que, si tenemos un alumno que no sabe multiplicar y lo queremos pasar a realizar operaciones de división, ese alumno debería seguir practicando ejercicios de multiplicación, no puede aprender a dividir si no sabe multiplicar. Pero quizás otro alumno vaya tan adelantado que necesite actividades apropiadas para poder desarrollar otras competencias. Todo esto puede basarse en la observación de las competencias, exámenes, notas, aptitudes e incluso las aspiraciones.


Las competencias y los niveles que representan deben ser personalizados. Como cuando entramos en Amazon o vemos una página de Facebook. La educación debería integrar esta optimización para obtener los mejores resultados en cada estudiante. Al incorporar la inteligencia artificial en los resultados de evaluaciones académicas y competencias trasversales podemos optimizar la comprensión de la asignatura, ya sea en Matemáticas, en inglés o algunas competencias.


Realizar un entrenamiento en este tipo de tecnologías nos permite asignar a cada alumno el material educativo más adecuado, de esa forma el estudiante tendrá la nota más alta en cada categoría. Y ya que tocamos el tema de las evaluaciones podemos replicar lo que hicimos con las competencias, es decir, podemos personalizar y condicionar los exámenes al igual que hace Amazon y Facebook para promover productos o noticias de manera precisa.


En Territorium tenemos una plataforma LMS que, a diferencia de otras plataformas de gestión educativa, hacemos uso de todos los datos que generan los profesores y estudiantes para poder ayudar al estudiante a preparar sus áreas de oportunidad dentro de un examen. Imagina esta escena… Llega el tan esperado primer día de clases y a ti como profesor se te entrega una hoja con el pronóstico de desempeño de tus estudiantes con las calificaciones de cada uno de ellos y también las posibles bajas académicas del grupo… Antes de iniciar cualquier proceso formativo. ¡Como profesor, esto es el santo Grial!


Una necesidad relevante de casi todo profesor al inicio del curso es conocer lo más rápido posible a sus estudiantes para canalizar las estrategias pedagógicas que lleven a un mejor aprendizaje. La labor de identificación de los perfiles generalmente se desarrolla a través de dinámicas, exámenes y/o pruebas diagnósticas. En la mayoría de los casos, estos estudios de correlación de perfil con el desempeño académico suelen ser cualitativos y la información obtenida es limitada, por lo que lograr la caracterización de conductas y áreas de mejora para cada estudiante suele ser incierto e impreciso.


Es aquí donde nuestra área de Inteligencia Artificial en Territorium trabaja muy de cerca con las instituciones para ofrecer pronósticos sobre las calificaciones de un estudiante.


Se hace un comparativo entre varios algoritmos de Machine Learning, tratando de no entrar en una zona peligrosa para la Inteligencia artificial “el sobre ajuste”. Las principales causas al obtener malos resultados en Machine Learning son el overfitting o el underfitting de los datos. Cuando entrenamos nuestro modelo intentamos “hacer encajar” -fit en inglés- los datos de entrada entre ellos y con la salida. Tal vez se pueda traducir overfitting como “sobreajuste” y underfitting como “subajuste” y hacen referencia al fallo de nuestro modelo al generalizar -encajar- el conocimiento que pretendemos que adquieran.



En la última grafica se obtuvo una precisión por arriba del 93% de efectividad de la calificación final de un curso de licenciatura.




Esta solución tiene una alta precisión con un modelo determinista y no probabilista. Actualmente se sigue estudiando, validando el proceso y el modelo de predicción; pero en Territorium nos alientan los resultados obtenidos. Y sobre todo se visualizan muchas implicaciones positivas en el futuro cercano. De esta valiosa información se pueden evaluar procesos educativos, tomar acciones preventivas de atención escolar y diseñar cursos adaptativos eficientes, entre otros.


Con base en estos estudios, se confirma que podemos mejorar la atención de las necesidades de aprendizaje de forma individualizada, razón por la cual invitamos a todas las instituciones y sobre todo a los profesores a conocer más sobre el uso de estas nuevas tecnologías para tomar ventaja de lo que la información predictiva a través de algoritmos inteligentes y dinámicos nos pueden ofrecer como herramientas de mejora en nuestros cursos.


Nuestras conclusiones:

Si se integra la inteligencia artificial en las aulas virtuales el profesor podría ahorrar hasta un 40 o un 50 % de su tiempo. En Territorium estamos convencidos que ese tiempo deberían invertirlo en las relaciones interpersonales, así podrá enfatizar en el aspecto moral, los valores, el trabajo en equipo, la empatía y la creatividad de cada estudiante.

La tecnología lo ha revolucionado todo: cómo vivimos, jugamos, aprendemos, trabajamos, nos comunicamos...Pero no ha tenido impacto en la educación, y tenemos que empezar a plantearnos nuestro futuro.


La educación necesita ser re-educada no tenemos que enseñar a los jóvenes a ser como la Inteligencia Artificial, ese es un camino incorrecto, debemos centrarnos en que sean pensadores críticos, creativos, estratégicos, compasivos y personas empáticas.

A la educación le queda un largo camino por recorrer y es triste que sea uno de los sectores que más tardan en integrar tecnología. Finalmente, si no cambiamos dentro de 30 o 40 años, podemos comprometer el futuro de la humanidad.


Términos para descubrir:

· Machine Learning: Ciencia de la computación y una rama de la inteligencia artificial, cuyo objetivo es desarrollar técnicas que permitan que las computadoras aprendan.

· Red neuronal: Consiste en un conjunto de unidades, llamadas neuronas artificiales, conectadas entre sí para transmitirse señales. La información de entrada atraviesa la red neuronal (donde se somete a diversas operaciones) produciendo unos valores de salida.

· Random Forest: Es una combinación de árboles predictores tal que cada árbol depende de los valores de un vector aleatorio probado independientemente y con la misma distribución para cada uno de estos.

· K-nearest neighbors: es un método de clasificación supervisada (Aprendizaje, estimación basada en un conjunto de entrenamiento y prototipos) que sirve para estimar la función de densidad

· Overfitting: Eel efecto de sobreentrenar un algoritmo de aprendizaje con unos ciertos datos para los que se conoce el resultado deseado.


Referencia: ¿Puedes predecir la calificación final de tus alumnos al inicio del curso? Con inteligencia artificial es posible https://observatorio.tec.mx/edu-bits-blog/2017/10/30/puedes-predecir-la-calificacin-final-de-tus-alumnos-al-inicio-del-curso-con-inteligencia-artificial-es-posible


Miguel Hernández

Data Scientist Territorium

Recent Posts

See All

About  territorium

Products & Solutions

Impact

Success stories

Most recent news

Information

Press room

IMSGlobalLogoNew.png

Connect with us

Copyright 2020 by Territorium | Privacy Notice |