Aprendizaje adaptativo mediante algoritmos

Las tecnologías de aprendizaje adaptativo permiten adaptar la presentación de materiales educativos de acuerdo con las necesidades de aprendizaje de los estudiantes, según los datos e información que van aportando sus respuestas a preguntas y tareas. En cierto sentido, recuerdan a la instrucción programada y las máquinas de enseñar de Skinner, pero no es lo mismo; el objetivo no es tanto automatizar como personalizar las actividades de aprendizaje y convertir al estudiante en participante activo que pueda tomar decisiones con los datos que aporta la analítica de sus hábitos y ritmos de aprendizaje, conocimientos y dificultades, con el fin de poder mejorar su rendimiento o incluso prevenir el posible fracaso y remediarlo antes de que ocurra. La diferencia está en la cantidad de datos que se procesan y los algoritmos utilizados para analizar información y actividad con fines de asistencia individualizada.

David Kuntz, creador de los algoritmos de la plataforma Knewton, explicaba en una reciente entrevista en Wired que las recomendaciones que genera Knewton están en relación con las necesidades de aprendizaje del usuario, no funcionan igual que las recomendaciones publicitarias de libros en Amazon. “La pregunta que nuestra máquina está tratando de responder es, de todo el contenido que está disponible para mí en el sistema, qué es lo mejor que le enseñe a continuación para maximizar la probabilidad de comprensión de las grandes cosas que usted necesita saber. ¿Qué es lo mejor ahora?” No es sólo qué debe aprender en este momento, sino cómo se debe aprender de acuerdo con cada estilo de aprendizaje. “Tenemos una serie de modelos matemáticos, cada uno intenta comprender una dimensión diferente de cómo aprende un estudiante. Un modelo analiza la motivación, otros el aburrimiento, la frustración, la competencia, el grado en que un estudiante sabe o no un tema particular. Imagine tres docenas de modelos matemáticos analizando en interacción… Los datos se filtran a través de todos los modelos con el fin de obtener una recomendación en tiempo real.” Se trata de procesar la mayor cantidad de información (big data) y analizarlo con el fin de mejorar la eficacia de aprendizaje de cada estudiante. Con respecto a la privacidad de los datos que se procesan, Kuntz asegura: “No sabemos nada personal sobre el alumno en absoluto. No sabemos su nombre. No sabemos su género. No sabemos dónde viven. Ninguna información demográfica. Todo lo que sabemos es que se trata de un estudiante en este curso en particular.

La plataforma Knewton comenzó aplicándose a aprendizaje matemático, pero ahora se utiliza para todas las materias, centrándose en el incremento de la motivación y el interés del estudiante, además de su progreso: “… la evolución de las ideas se puede describir en un grafo de conocimientos. Y nuestros modelos pueden recomendar contenidos en este gráfico para que los estudiantes aprendan… En algunas ocasiones, las recomendaciones del sistema resultan sorprendentes para los profesores, algo que no habían previsto, pero que después resultó positivo.” Kuntz concluye que es necesario “dejar de lado muchas cosas que damos por supuestas, ya que crecimos y fuimos educados en el sistema actual. Pensamos en las cosas en términos de planes de estudio y capítulos. Es difícil apartarse de eso. ¿Existen formas mejores y diferentes de organizar y presentar el contenido?” Esa es la propuesta de Knewton, con una estimación de 5 millones de usuarios para fin de año que esperan multiplicar en 2014 tras los últimos acuerdos con empresas editoriales.

Los modelos tradicionales proponían seguir rutas o secuencias lineales de aprendizaje, a través de las cuales el alumno va adquiriendo diversos conocimientos. Sin embargo, cada persona aprende a un ritmo diferente o con diversos medios y patrones de aprendizaje. Aunque el aprendizaje adaptativo es una metodología que tiene sus raíces en los años 50, su vinculación reciente con la analítica de grandes volúmenes de datos estadísticos de aprendizaje le ha dado una nueva dimensión y utilidad. El desarrollo de algoritmos aplicados al aprendizaje adaptativo ha hecho posible la generación de estas plataformas de educación en línea que ofrecen la posibilidad de definir rutas y recomendaciones de aprendizaje personalizadas de acuerdo con la actividad de cada estudiante en el sistema y el trabajo que desarrolla con los contenidos que se le ofrecen.

Imagen: naqiewei/ Fotolia.com