El empleo del Machine Learning, un subconjunto de Inteligencia Artificial, ha permitido proponer un sistema para predecir y abordar el fracaso escolar en los primeros años de universidad. Esta propuesta, liderada por la UCLM y la Universidad de Alicante, facilita a los equipos directivos la identificación de grupos de riesgo para crear planes específicos que eviten el abandono académico de forma temprana.
Una investigación realizada en la Universidad de Castilla-La Mancha (UCLM) permite predecir el fracaso escolar en los primeros cursos universitarios. Se ha conseguido a través de un método que aúna el Machine Learning (ML), un subconjunto de Inteligencia Artificial, y un modelo conceptual inspirado en el Modelo de Comportamiento Humano, que ayuda a entender cómo operan las personas en diferentes situaciones.
El procedimiento comienza con el Modelo de Comportamiento Humano, que consiste en la medición de tres factores: la personalidad, el compromiso académico (en este caso, a través de la plataforma que emplea el estudiantado en el aula para acceder a temario y tareas) y la capacidad. Los responsables del proyecto apuntan que es un modelo sencillo para que los equipos docentes puedan recoger estos datos sin necesidad de recurrir a autoridades académicas, lo que aumenta su utilidad práctica.
Una vez conseguidos los datos, la investigación propone emplear una metodología basada en el Machine Learning, empleando algoritmos que hagan predicciones en el conjunto de datos obtenidos. El uso de esta Inteligencia Artificial aumenta la transparencia y la interpretabilidad del modelo para detectar grupos de riesgo en el aula. Este aprendizaje automático permite que los equipos docentes puedan confiar en las predicciones y propongan planes de intervención más eficaces.
El proyecto ha sido liderado por la docente de la UCLM Hermenegilda Macià Soler, junto a los investigadores de la Universidad de Alicante Juan Ramón Rico-Juan y Cristina Cachero. Su investigación lleva por título “Study regarding the influence of a student´s personality and an LMS usage profile on learning performance using machine learning techniques”. La propuesta no solo beneficia al alumnado, sino que contribuye a una mejora de la institución académica y la calidad docente, pues permitirá optimizar recursos y focalizar esfuerzos para abordar esta problemática.
El procedimiento ha sido testado en una muestra de 322 estudiantes del grado en Ingeniería Informática del campus de Albacete, de manera concreta, en las asignaturas de Lógica y Cálculos Numéricos. Sin embargo, dada la sencillez del procedimiento, se puede aplicar a otras materias.