Imagina esta escena… Llega el tan esperado primer día de clases y a ti como profesor/a se te entrega una hoja con el pronóstico de desempeño de tus estudiantes con las calificaciones de cada uno de ellos/as y también las posibles bajas académicas del grupo… Antes de iniciar cualquier proceso formativo. ¡Como docente, esto es el santo Grial!. 

Una necesidad relevante de casi todo educador/a 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.

“Empleando técnicas y herramientas adecuadas, podemos detectar problemáticas de aprendizaje de cada alumno/a y también grupales con una posibilidad de certeza muy alta.”

Como profesores/as sabemos que, en los procesos educativos, no son sólo procesos de enseñanza-aprendizaje lo que afecta el aprendizaje, sino que también intervienen conductas, valores y habilidades que los estudiantes han desarrollado previamente y que debemos considerar en nuestro análisis. Quizás por ello, esta tarea suele ser tan compleja y diversa al momento de establecer modelos de predicción confiables. Sin embargo, lograrlo es posible si se emplean las técnicas y herramientas adecuadas, podríamos canalizar de mejor manera los métodos y acciones de aprendizaje, para detectar posibles alumnos/as con carencias, atender problemáticas de aprendizaje particulares de cada estudiante y también grupales con una posibilidad de atención y certeza muy alta.

Derivado del trabajo colaborativo, se ha desarrollado un modelo matemático apoyado en Inteligencia Artificial que permite lograr la identificación del desempeño académico al inicio de un curso. El modelo predictivo se basa en un algoritmo de Machine Learning con el que es posible, con ayuda de Inteligencia Artificial, entrenar al mismo para lograr predecir la calificación del estudiante en sus tareas, quizzes e, inclusive, en sus evaluaciones parciales.

Los resultados arrojados por este algoritmo tienen una alta precisión con un modelo determinista y no probabilista. Actualmente se sigue estudiando, validando el proceso y el modelo de predicción; pero 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.

En base a este estudio, se confirma que podemos mejorar la atención de las necesidades de aprendizaje de forma individualizada, razón por la cual debemos conocer más sobre el uso de estas nuevas tecnologías para tomar ventaja sobre lo que la información predictiva a través de algoritmos inteligentes y dinámicos nos pueden ofrecer como herramientas de mejora en nuestros cursos.

Entrada original en Tecnológico de Monterrey.