Un equip de la Universitat Oberta de Catalunya (UOC) ha desenvolupat una eina basada en tècniques d'intel·ligència artificial per detectar estudiants en risc de suspendre assignatures. L'eina, que està en fase d'assaig, analitza grans conjunts de dades i aplica algoritmes que aporten models predictius de com progressarà l'estudiant. De moment la universitat ha fet tres proves pilot amb 3.000 estudiants. Els primers resultats han mostrat que, com més varietat i més volum de dades hi ha, més precisa és la predicció. Si al començament del semestre és possible encertar si pot tenir problemes per superar l'assignatura amb quasi un 60% de precisió, a la meitat del semestre la precisió de la predicció arriba quasi al 90%.
La universitat fa cinc anys que agrupa en un sistema grans volums de dades anònimes sobre els perfils dels estudiants, la seva activitat al Campus i els resultats acadèmics que obtenen. Ara, totes aquestes dades permetrà analitzar i detectar patrons de comportament.
"El sistema utilitza un model de predicció d'intel·ligència artificial que agafa dades històriques de cada assignatura, les tracta de manera independent i l'entrena. Així, es genera un model predictiu basat en patrons detectats que ens ajuda a saber què pot passar amb els estudiants que cursen les assignatures", explica el líder de l'equip de recerca, David Bañeres, del grup Systems, Software and Models Research Lab (SOM Research Lab), de l'Internet Interdisciplinary Institute (IN3).
Amb la informació que genera el sistema, a l'estudiant se li assigna un color en un semàfor: vermell si està en risc de suspendre; taronja si el sistema no pot assegurar que superarà l'assignatura, i verd si el model indica que l'estudiant aprovarà. D'acord amb aquesta anàlisi feta pel sistema, el professor envia a l'estudiant un missatge personalitzat amb informació sobre el seu nivell de risc i es posen les bases per treballar-ne la millora acadèmica.
"Una de les pors que genera la intel·ligència artificial en l'ensenyament és que pugui substituir la tasca del professorat. En aquest projecte, l'expertesa del professor es té en compte i és necessària. El nostre és un sistema de suport a la docència, no té la intenció de substituir ningú", indica l'investigador.
Proves pilot
Els resultats de les primeres proves pilot han mostrat que, com més varietat i més volum de dades hi ha, més precisa és la predicció que ofereix el sistema. Si al començament del semestre, quan hi ha poca informació sobre l'estudiant, és possible encertar si pot tenir problemes per superar l'assignatura amb quasi un 60% de precisió, a la meitat del semestre la precisió de la predicció arriba quasi al 90%.
En la prova pilot actual, s'està intentant predir en temps real no solament si l'estudiant està en risc d'abandonar l'assignatura, sinó també altres factors, com ara si presentarà les activitats d'avaluació. A més, el sistema permet fer intervencions personalitzades en temps real. Bañeres explica que la reacció dels estudiants és positiva, "especialment perquè reben missatges personalitzats dels professors i perquè el nou sistema els permet treballar conjuntament per poder aconseguir uns bons resultats acadèmics".
Els pròxims mesos, l'equip té previst augmentar el nombre de proves pilot amb assignatures de la resta dels estudis de la universitat. Està previst que el projecte acabi el febrer del 2022, moment en què s'espera haver obtingut un model de detecció com més precís millor que es pugui desplegar en temps real, és a dir, que ajudi l'estudiant en el seu dia a dia.
La recerca s'ha impulsat des de l'eLearn Center, el centre d'innovació, transformació i transferència de l'aprenentatge en línia de la UOC, i s'ha publicat en la revista nord-americana d'accés obert Applied Sciences.
