Inteligencia artificial en la educación

En el marco del London Festival of Learning, se celebró recientemente la 19ª edición de la Conferencia Internacional sobre Inteligencia Artificial en la Educación (AIED-2018). La conferencia fue muy concurrida e interesante gracias a numerosos trabajos de investigación sobre aplicaciones innovadoras de técnicas y tecnologías inteligentes que abren la puerta a un futuro muy prometedor para la educación. Se mostraron, entre otras, aplicaciones de robots y chatbots, tutores artificiales, aprendizaje automático, analíticas de aprendizaje, gamificación y aprendizaje emocional, que de forma más o menos significativa consiguen elevar los niveles de personalización, motivación y eficiencia en los procesos de enseñanza y aprendizaje. El propósito último de la inteligencia artificial en la educación es incrementar (e incluso predecir) el rendimiento y satisfacción, así como identificar y reducir el abandono del alumno en los distintos ciclos y modalidades formativas.

En el departamento de Informática, Multimedia y Telecomunicación de la UOC tenemos amplia experiencia en este campo. A continuación, se presentan tres proyectos actualmente en marcha que son representativos de la investigación e innovación docente que explota la inteligencia artificial para mejorar aspectos clave de la educación, con expectativas muy prometedoras y con resultados experimentales interesantes.

“colMOOC” es un proyecto europeo que investiga y desarrolla modelos y tecnologías de agentes artificiales para dar soporte automático al aprendizaje colaborativo virtual. La problemática que pretende resolver se encuentra especialmente en cursos virtuales masivos (como los MOOC) donde el seguimiento de foros y debates virtuales participados por miles de alumnos es inviable por parte de tutores humanos, debido al ingente volumen de mensajes que se generan. En consecuencia, la mayoría de estos mensajes no encuentran respuesta ni ningún tipo de atención, lo que desanima al alumno a continuar participando en el foro, y a su vez repercute en su continuidad en el curso. Por otra parte, sabemos por experiencia que en la educación a distancia, el acompañamiento constante del alumno es fundamental para reducir la sensación de aislamiento y mantener su motivación hasta lograr los objetivos académicos.

La metodología del proyecto se basa en la integración de agentes conversacionales en foros y chats de plataformas MOOC. Estos agentes artificiales están diseñados para ser expertos en dominios, y apoyados por analíticas de aprendizaje, hacen un seguimiento constante del progreso de las conversaciones en los debates virtuales, donde identifican situaciones problemáticas, como alumnos que no participan, contribuciones que no son atendidas, son incorrectas o se encuentran fuera del dominio de la discusión. A partir de un modelado correcto y la configuración adecuada, el agente es capaz de generar automáticamente interacciones productivas en forma de preguntas, respuestas y actividades simples dentro del dominio de la discusión (ver siguiente figura). El objetivo del agente es inducir y provocar el diálogo entre los participantes mediante reglas y mensajes predefinidos como resultado de aplicar técnicas de lingüística computacional, entre otras.

Los primeros resultados del proyecto fueron presentados en la conferencia EIDWT-2018, aun sin disponer de datos experimentales. El plan de evaluación incluye la integración de prototipos de agentes conversacionales en varias plataformas reales de MOOC, lo que permitirá recoger feedback sobre el impacto de estas innovaciones en el aprendizaje, que se espera sea relevante, especialmente en términos de aumento de satisfacción y reducción del abandono en entornos educativos altamente participativos y colaborativos.

Un segundo proyecto es el “Termómetro emocional para la docencia” que tiene como objetivo identificar el clima emocional de las aulas virtuales durante el curso y detectar momentos emocionalmente negativos que puedan derivar en situaciones críticas en el aprendizaje (como un contenido o actividad de aprendizaje compleja). Esta información es enviada al equipo docente para que pueda anticipar intervenciones correctoras. Este proyecto se encuentra en el ámbito de la computación afectiva y explota técnicas de inteligencia artificial como el análisis de los sentimientos y aprendizaje automático.

La metodología del proyecto consiste en analizar los mensajes de texto de los foros de las aulas objetivo. Estos mensajes son recogidos a diario y analizados individualmente para extraer su polaridad emocional (positivo, negativo o neutro). El análisis se basa, por una parte, en identificar y seleccionar el tipo gramatical de aquellas palabras que puedan contener información emocional (sustantivos, adjetivos y verbos), además de otros elementos textuales con connotación emocional (emoticones y signos de puntuación) mediante librerías de análisis lingüístico. También se calcula la relevancia de las palabras según su frecuencia de aparición. Por otra parte, se clasifican automáticamente los mensajes según su polaridad emocional mediante el entrenamiento de sistemas de aprendizaje (redes neuronales y bosques aleatorios) a partir de un gran número de mensajes ya clasificados por investigadores expertos. Finalmente, el resultado de los mensajes clasificados según su polaridad emocional determina el clima emocional del aula que es mostrado de forma gráfica al profesor para que tome las decisiones oportunas (ver siguiente figura).

Los primeros resultados experimentales se han presentado recientemente en el congreso CIDUI-2018 mostrando un nivel de acierto notable en la clasificación automática de los mensajes, pero aún con margen de mejora. Estos resultados también han evidenciado la gran influencia de los aspectos emocionales en el proceso de aprendizaje de los alumnos.

El último proyecto en marcha es el “Botter” que utiliza la robótica para el acompañamiento del alumno a distancia más allá de los límites de las aulas virtuales. Explotando las capacidades de los robots y los nuevos canales interactivos que ofrecen se pretende elevar el nivel de personalización del acompañamiento, dinamizar el proceso formativo, mejorar la experiencia de uso e incrementar la motivación durante el aprendizaje, y reducir el abandono en la educación a distancia.

La metodología del proyecto se basa en configurar pequeños robots autónomos que pueden moverse físicamente en pequeños espacios (como una mesa de estudio), emiten sonidos, vibraciones y mensajes por voz, y algunos además disponen de reconocimiento facial, como canales innovadores para interactuar con el alumno de manera más cercana, natural y personalizada. El sistema que controla el robot accede al componente de analíticas de aprendizaje para obtener información del alumno (fechas clave de su plan de estudios, notas de sus actividades, etc.) y le avisa de cualquier novedad. Además, con el establecimiento de reglas de gamificación, el robot anima al alumno a conseguir sus logros académicos mediante recompensas. Por último, la capacidad del robot para identificar el estado de ánimo del alumno (reconocimiento facial) permite una nueva forma de abordar el aprendizaje emocional. Explotando todas las capacidades de esta nueva tecnología se pretende construir confianza, motivación y satisfacción del alumno durante su acompañamiento en el curso.

Este proyecto se ha presentado también en el congreso CIDUI-2018, aun sin resultados experimentales, pero despertando unas expectativas importantes en cuanto a las posibilidades que ofrecen los robots para la educación. Al mismo tiempo se plantean retos muy interesantes, por ejemplo ¿cómo hacer robots que se adecúen perfectamente a diferentes competencias y a diferentes alumnos? ¿Cómo mantener en el tiempo la capacidad motivadora y de acompañamiento del robot? ¿Qué tipo de respuesta del robot es la más adecuada para revertir situaciones problemáticas del aprendizaje? El proyecto tratará de responder a éstas y otras muchas preguntas.

Santi Caballé es Ingeniero y Doctor en Informática por la Universitat Oberta de Catalunya y profesor de los Estudios de Informática, Multimedia y Telecomunicación de esta misma universidad, donde dirige el grupo de investigación SmartLearn. Sus líneas de investigación más activas son: ingeniería de la educación, e-learning y tecnologías distribuidas.