Massive Open Online Courses y Big Data. Hacia la atención personalizada en entornos virtuales de aprendizaje

Artículo de opinión

  • 28/02/2017

  • Valora

  • Deja tu comentario
En la última década, el ámbito de la formación a distancia ha experimentado un crecimiento espectacular gracias a los Massive Open Online Courses (MOOCs). Estos cursos, que nacieron como la evolución natural de los clásicos cursos por correspondencia, se han beneficiado de los últimos avances en las Tecnologías de la Información para atraer a un nuevo perfil de público habituado a Internet, con horarios cambiantes y abiertos a nuevos paradigmas de aprendizaje. Algunos centros universitarios consideran que este tipo de formación nunca va a suponer una amenaza real a los cursos presenciales impartidos a grupos de alumnos razonablemente reducidos (pocas decenas de personas), donde las interacciones entre alumno-profesor o alumno-alumno son naturales, directas y espontáneas.

No obstante, los datos parecen no apuntar en la misma dirección: se estima que en 2015 había más de 35 millones de personas en todo el mundo cursando algún MOOC, lo que representa casi el doble de personas inscritas que en el año anterior. De la misma forma, tanto el número de universidades así como los cursos ofertados en este tipo de plataformas también se ha disparado rebasando las 500 universidades y los 4000 cursos en la actualidad.
 
Por ahora, buena parte del crecimiento en el número de alumnos que confían en estos nuevos entornos de aprendizaje virtual para reforzar su formación o adquirir nuevas competencias viene dado por la mejora en la calidad de los contenidos, su actualización y el prestigio de las universidades que los imparten. A pesar de ello, aún hay una última barrera para poder ofrecer una educación a distancia con prestaciones similares, o incluso mejores, a las del modelo presencial: la atención personalizada. Si bien es cierto que la evolución de Internet y las tecnologías Web han permitido acercar a alumnos y profesores geográficamente deslocalizados, así como fomentar el trabajo colaborativo entre estudiantes (usando, por ejemplo, Google Docs o GitHub), parece imposible que un equipo docente pueda hacerse cargo de las necesidades individuales de cada miembro de un grupo de miles de alumnos con distintas culturas, idiosincrasias, conocimientos previos o intereses. Dado que en este tipo de programas se matriculan millares de alumnos en una misma edición, se requiere de un sistema que automatice los diferentes procesos de evaluación y tutoría. Es en este punto donde las tecnologías para el Big Data pueden y deben marcar la diferencia.
 
El mundo que nos rodea produce cantidades ingentes de datos continuamente (Big Data): se calcula que en la actualidad se generan más de 2.5 quintillones de bytes (casi 137 millones de DVDs de alta capacidad) al día, los cuales son generados, en parte, por más de 20 billones de dispositivos conectados a Internet (teléfonos móviles, casas y ciudades inteligentes, sistemas de control viario, etc.). Los MOOCs no son una excepción: estos entornos de formación online suponen un océano de datos riquísimo del que muchos parecemos habernos olvidado. En este ámbito podemos obtener información certera y de calidad que no se podría obtener con precisión en la educación presencial. Por ejemplo, se puede saber: cuantas horas ha invertido un alumno leyendo la teoría de una lección, qué ejercicios ha realizado y cuántas veces los ha hecho antes de presentarse a un examen o la correlación entre los ejercicios resueltos y la nota obtenida, entre muchos otros parámetros relacionados con el aprendizaje individual del alumno. Además, toda esta información está prácticamente al alcance de la mano gracias a las nuevas plataformas de gestión del aprendizaje o Learning Management Systems, como por ejemplo Moodle, las cuales almacenan automáticamente las acciones de alumnos y profesores.
 
Actualmente existen tecnologías y herramientas que permiten procesar de forma eficiente y escalable estas cantidades de información nunca antes imaginadas. Concretamente, las técnicas de Inteligencia Artificial para el Big Data (como por ejemplo el Deep Learning) permiten descubrir patrones ocultos en grandes volúmenes de datos, así como hacer recomendaciones y predicciones o aprender nuevos comportamientos de forma automática. La clave del éxito de estos sistemas inteligentes modernos reside en los datos: se necesita una gran cantidad de datos para poder hacer que estos algoritmos funcionen correctamente.
 
Por esta razón, a partir de la infinidad de datos que se generan en los MOOCs (por ejemplo, accesos al campus virtual, tiempo de lectura de los temas, ejercicios realizados, tiempo de resolución, comparativa con compañeros, procedencia del estudiante, nivel previo, etc.) y las tecnologías actuales para Big Data, sería más que posible construir un sistema automático que (1) caracterizara a cada alumno en función de una serie de parámetros que el propio algoritmo hubiera encontrado útiles, (2) fuera recomendando al estudiante aquellos refuerzos (o ampliaciones) que estimara oportuno, y (3) informara al equipo docente sobre aquellos alumnos que no se ajustan a ningún patrón y requieren de una atención especial. Dichas estimaciones estarían hechas en base a comportamientos observados anteriormente en otros alumnos y complementadas por la experiencia y el conocimiento de un equipo docente reducido—lo que se conoce también en el argot de la Inteligencia Artificial como aprendizaje semi-supervisado. Imagínense: cuando el sistema detecta que un alumno ha obtenido una nota entre 2 y 4 puntos en un ejercicio de evaluación determinado, el sistema le recomienda realizar una serie de ejercicios; si al volver a realizar el test la nota no mejora, el sistema automáticamente toma constancia de ello, actualiza los parámetros que caracterizan al alumno y recomienda otra colección de ejercicios. Paralelamente, los docentes también pueden ir validando las decisiones que toma el sistema automático para acelerar la construcción de un modelo consistente. Definitivamente, esto supondría un gran paso hacia la atención personalizada que la mayoría de entornos virtuales de aprendizaje carecen actualmente.
 
En conclusión, el uso de las tecnologías para el Big Data utilizadas para el análisis de datos que se generan en los entornos virtuales de aprendizaje permitiría la atención y seguimiento individualizado de los alumnos así como una mejora significativa en la calidad docente hasta el punto que no se podrá diferenciar un profesor de un robot en la interfaz online si éste dispone de suficientes datos, tal y como ya profetizó Raymond Kurzweil.
Deja tu comentario
Subscripción a publicaciones
podrás recibir información de las publicaciones de Educaweb te ofrece