Inteligencia artificial para mejorar la enseñanza y el aprendizaje

Keywords: Inteligencia Artificial, eLearning,

Para vigilar nuestra salud o sugerirnos qué música escuchar, monitorizar nuestra actividad física o viajar. Estas y otras muchas aplicaciones ofrecen experiencias y soluciones personalizadas al usuario utilizando datos extraídos de su comportamiento y de sus hábitos. Todo esto a través de la Inteligencia Artificial.

En educación, la Inteligencia Artificial se utiliza para mejorar el proceso de enseñanza y aprendizaje y, aunque parezca algo nuevo, ya en los 90 se hablaba de micromundos, de tutoriales inteligentes y de enseñanza asistida por ordenador. La mayor crítica que se les hacía entonces era que estos programas no interactuaban con el alumno (Gross, 1992). La inteligencia artificial actualmente trabaja precisamente en esa dirección, en la interacción y la personalización de la respuesta.

El informe Artificial Intelligence and Life in 2030 publicado por el One Hundred Year Study on Artificial Intelligence (AI100), impulsado por la Universidad de Stanford, describe el estado de la investigación, la implementación y los retos que supone la aplicación de la IA en diferentes sectores económicos y sociales: transporte, salud, educación, empleo, seguridad y entretenimiento, entre otros.

El informe destaca como aplicaciones de la IA en la educación la personalización, las tutorías inteligentes, la robótica educativa y la analítica de aprendizaje (Learning Analytics). La inteligencia artificial crea nuevos ecosistemas de aprendizaje en los que se mejora la experiencia del alumno a través de la combinación de PNL (procesamiento natural del lenguaje), Machine Learning, Learning Analytics y técnicas de crowdsourcing que permiten adaptarse a los estilos y necesidades de aprendizaje, calificar respuestas cortas, programar tareas o realizar evaluación por pares.

Cómo trabajan los sistemas de inteligencia artificial

Learning Analytics permite procesar los datos extraídos de los cursos en línea y obtener patrones sobre cómo aprendemos y utilizarlos para mejorar la calidad del aprendizaje. En este contexto, la figura del profesor, lejos de debilitarse, se fortalece. De la transmisión del conocimiento pasa a reforzar su figura como mentor, acompañando a los estudiantes y facilitando su aprendizaje.

Los sistemas de tutoría inteligente unen alumnos con tutores interactivos (interactive machine tutors). Los cursos masivos MOOC permiten, a través de técnicas de procesamiento natural del lenguaje (PNL), atender aulas con cientos de estudiantes y ofrecerles una experiencia de aprendizaje personalizada. Al mismo tiempo, los datos almacenados por el programa sobre estilos y necesidades de aprendizaje se utilizan para analítica de aprendizaje. La importancia de estas técnicas no se ven solo en las aulas. También en la formación corporativa y el aprendizaje informal, en los que la interacción cara a cara es menos importante.

Algunos ejemplos de aplicación de IA al aprendizaje

• Robótica educativa: Lego Mindstorms o Dash and Dot (Wondershare), programados por los propios estudiantes.
• Tutorías Inteligentes (TI): Si sumamos las tutorías inteligentes, el procesamiento del lenguaje natural y Automatic Speech Recognition (ASR) obtenemos Duolingo, un programa de aprendizaje automático de idiomas que reconoce nuestros errores y dirige nuestro aprendizaje a solventarlos.
• Chatbots como tutores y profesores. Siguiendo con el ejemplo de Duolingo, Duolingo Bots toman la forma de personajes que reaccionan ante miles de respuestas posibles. Si en algún momento el usuario no conoce la respuesta, los bots acuden en su ayuda ofreciéndole sugerencias.
• MOOCs: Massive Open Online Courses, en los que sistemas de tutoría inteligente basados en IA permiten atender aulas de cientos de alumnos, evaluando de manera automática. Utilizando las técnicas de crowdsourcing, Massive Open Online Research (MOOR) es una plataforma de acceso abierto de investigación y desarrollo en línea (I + D) dirigido a la participación a gran escala a través de Internet para alcanzar un nuevo descubrimiento, desarrollo o creación.

Junto a la IA en educación, podemos hablar también de las soluciones cognitivas. Watson, la inteligencia emocional de IBM, registra los perfiles de los estudiantes y crea patrones con los que responder a sus preguntas adaptándose a su nivel cognitivo. Al mismo tiempo, registra su rendimiento, de manera que los profesores pueden detectar en qué áreas necesitan refuerzo. Las soluciones cognitivas ayudan a los educadores a comprender mejor estilos de aprendizaje, preferencias y aptitud de cada estudiante.

BeChallenge.io registra las emociones de cada estudiante al inicio de una sesión, preguntándoles cómo fue su experiencia el día anterior y cómo se encuentran hoy, ofreciendo al mentor/facilitador información sobre cómo se producirá el aprendizaje en función del estado anímico de los participantes. Esta información queda registrada en el tablero del profesor y le dará herramientas para conocer qué funciona con sus alumnos, qué les motiva y cómo interactúan cuando están motivados. El aprendizaje basado por retos activa a los participantes, les hace pensar de manera crítica, ser creativos, implicarse en la situación a la que quieren poner solución, colaborar con sus iguales y con su mentor, comunicarse. Todas estas interacciones les generan sentimientos que pueden afectar (positivamente) a la manera en cómo se genera el aprendizaje en el grupo y en ellos mismos.

Ana Mira Vidal. eLearning Project Manager en bechallenge.io . Formadora en competencias informacionales, especialista en información y formación de usuarios en bibliotecas.

[DISPLAY_ULTIMATE_PLUS]