A IIA.cat estem molt emocionats de veure com l’aprenentatge automàtic i la IA continuaran tenint un impacte significatiu en l’educació!
Els mètodes d’aprenentatge automàtic (Machine Learning, ML) s’utilitzen en una àmplia gamma d’àmbits. En aquesta publicació, veurem algunes aplicacions de l’aprenentatge automàtic a l’educació, concretament a l’educació primària.
L’aprenentatge automàtic utilitza tècniques estadístiques per ajudar els ordinadors a “aprendre” sense ser programats explícitament. A l’espai educatiu, l’aprenentatge automàtic s’utilitza en l’anàlisi de l’aprenentatge i la intel·ligència artificial. La millor part d’utilitzar l’aprenentatge automàtic i la ciència de dades a l’educació és que pot tenir un impacte considerable en el rendiment dels estudiants i ajudar a tancar les llacunes de rendiment.
Aplicacions de l’aprenentatge automàtic a l’educació
L’aprenentatge automàtic té el potencial de tenir un impacte significatiu en aquest espai, així que mirem algunes d’aquestes àrees.
Aprenentatge personalitzat
L’anàlisi de l’aprenentatge (Learning Analytics) és el procés de recopilar, mesurar i utilitzar dades sobre els estudiants per crear perfils i analitzar el comportament dels estudiants. S’utilitzen algorismes d’aprenentatge automàtic per crear aquests perfils i després dissenyar itineraris d’aprenentatge per a cada estudiant. Aquest procés es coneix com a aprenentatge adaptatiu.
Cada alumne pot aprendre i treballar el material al seu ritme. Aquestes recomanacions i itineraris d’aprenentatge es basen en èxits o fracassos anteriors. Aleshores, els professors poden utilitzar aquesta informació per canviar el ritme general de com estan lliurant el material. A l’aula, l’anàlisi de l’aprenentatge pot recopilar dades d’assistència i d’avaluació i, a continuació, proporcionar comentaris personalitzats sobre el rendiment.
En els darrers cinc anys, hi ha hagut un augment en l’ús de la IA i els chatbots, o “bots” per personalitzar l’experiència d’aprenentatge. Bots com ara “Snatchbot” permeten tant als professors com als administradors personalitzar un bot en funció de les necessitats específiques de l’aula. Es poden utilitzar com a complements a l’aula i proporcionen continguts que s’adapten a les necessitats individuals dels estudiants.
L’ús de bots pot ajudar a garantir que tots els estudiants participin en el procés d’aprenentatge. Alguns dels robots permeten als professors fer proves, enquestes, votacions, jocs i fins i tot ajudar els estudiants amb problemes d’anglès o de matemàtiques. Els robots també poden ensenyar als estudiants diverses assignatures, des de la forma física i la nutrició fins a la banca i les finances.
Penseu en l’aplicació Duolingo. Si no el coneixeu, comproveu-ho! És una aplicació per ajudar-vos a aprendre idiomes. Tot i que tècnicament no només per a primària, els estudiants de primària i secundària podrien utilitzar l’aplicació com a complement per a les seves classes d’idiomes habituals. Només m’agradaria tenir accés a aquesta aplicació quan aprenia alemany a l’institut! L’aplicació utilitza l’aprenentatge automàtic per predir la probabilitat de recordar certes paraules o frases. Aleshores, si l’aplicació detecta que sovint trobeu a faltar aquestes paraules o frases determinades, us pot recomanar que les practiqueu fins que les hàgiu dominat.
Predicció d’estudiants en risc
Un dels reptes més importants als quals s’enfronten els educadors de primària és la identificació dels estudiants en risc abans que sigui massa tard. Un cop identificats, els educadors han d’intervenir el més aviat possible. Algunes de les preguntes que s’enfronten els educadors inclouen “Com podem identificar amb precisió aquells estudiants que necessiten ajuda i fer-ho el més aviat possible?”
Els models d’aprenentatge automàtic es poden utilitzar per predir si un estudiant corre el risc d’abandonar o no graduar-se a temps. Aquests models inclouen boscos aleatoris (random forests), adaboost, màquines vectorials de suport, arbres de decisió i regressió logística. Aquest tipus de problemes es poden formular com un gran problema de classificació binària, la qual cosa significa que el resultat pot se una d’aquestes dues coses: l’estudiant es va graduar a temps o no.
L’objectiu d’utilitzar l’aprenentatge automàtic per identificar estudiants en risc és poder predir el futur a partir d’un conjunt de dades de formació. L’enfocament d’aprenentatge automàtic més utilitzat és utilitzar un model de classificació per poder predir els estudiants en risc.
Contra l’abandonament escolar
L’aprenentatge automàtic no només pot ajudar a predir si un estudiant està en risc d’abandonar els estudis, sinó que també poden determinar quins factors contribueixen més a l’abandonament d’un estudiant. Un sistema d’alerta i detecció primerenca creat amb aprenentatge automàtic pot ajudar les escoles a identificar i recomanar intervencions molt abans que l’estudiant abandoni l’escola.
Com que hi pot haver una infinitat de factors que contribueixen a l’abandonament escolar d’un estudiant, els algorismes d’aprenentatge automàtic poden ajudar a reduir aquests factors a un nombre manejable d’ells, potser fins i tot indicant que un factor en particular, si s’aborda, podria reduir les possibilitats de l’abandonament de l’estudiant.
Les dades demogràfiques, les dades d’assistència, les dades d’avaluació, les dades de rendiment, les dades de registre, les dades d’aprenentatge socioemocional (socio-emotional learning, SEL), les circumstàncies econòmiques, la situació familiar, la motivació, etc., contribueixen a l’experiència de l’estudiant i a si té la intenció d’abandonar.
Mitjançant aquests factors, l’algoritme d’aprenentatge automàtic podria utilitzar un mètode anomenat anàlisi de components principals (principal component analysis, PCA) per reduir el nombre de variables fins a les més importants i assignar una puntuació de risc a cada estudiant.
Aleshores, les puntuacions de risc s’utilitzen per identificar els estudiants que poden estar en risc de desviar-se de la pista: aquells estudiants que podrien estar en risc abans de no obtenir qualificacions suspeses i, a continuació, les intervencions es poden adaptar a aquests estudiants.
Automatització de tasques administratives
Una altra aplicació interessant de l’aprenentatge automàtic i la intel·ligència artificial és com pot ajudar a automatitzar les tasques administratives que sovint temen els professors. Els docents dediquen molt de temps a avaluar avaluacions com ara deures, proves i tests. Actualment, l’aprenentatge automàtic es pot utilitzar per automàticament l’opció múltiple i el tipus de respostes escrites com ara assaigs i respostes breus. Utilitzar l’aprenentatge automàtic d’aquesta manera pot donar als professors més temps per dedicar-los a altres activitats, com ara passar més temps amb els estudiants o dissenyar els seus plans de lliçons.
No veiem que l’aprenentatge automàtic o la IA prenguin el lloc dels docents. Pot haver-hi aprensió per part d’alguns educadors en pensar que aquestes tecnologies es faran càrrec de les feines dels professors. Això no és així. De fet, creiem que les tecnologies ens obligaran a canviar el nostre pensament sobre el paper de l’educador, que estarà cada cop més enfocat a construir relacions i guiar cada alumne en el seu camí, i també a garantir que tots els estudiants estiguin aconseguint l’excel·lència en les diferents àrees de contingut bàsiques, com ara la llengua, les matemàtiques, l’educació cívica, etc.
A IIA.cat estem molt emocionats de veure com l’aprenentatge automàtic i la IA continuaran tenint un impacte significatiu en l’educació!
Llegit a: