La intel·ligència artificial està configurant el futur de l'educació

Si compareu la típica aula del segle XXI amb la de principis dels anys 1900, les diferències no són gaire evidents. Els professors estaran de peu al davant, donant instruccions i compartint notes sobre una versió actual de la pissarra antiga, per exemple, un projector o una pantalla d'ordinador compartida. Els estudiants estaran asseguts a la seva taula a l'aula o miraran mitjançant un programa de videoconferència en línia. La tecnologia ha canviat: s’han digitalitzat moltes eines i processos, algunes d’elles s’han automatitzat i s’han eliminat fins a cert punt les barreres geogràfiques, però els actors i elements han continuat sent els mateixos.

Però, gràcies als avenços en intel·ligència artificial (IA) i aprenentatge automàtic, s’està produint una transformació lenta però constant a l’educació, sota el capó. D’aquí a uns anys, els professors ja no estaran sols a l’hora de suportar la càrrega de la formació de la jove generació o de la plantilla de les corporacions.

Ja els algoritmes d’IA ajuden a millorar l’educació mitjançant la recollida, l’anàlisi i la correlació de totes les interaccions que es produeixen a les aules físiques i virtuals i ajuden els professors a abordar els punts de dolor específics de cada estudiant. Podria ser l’inici d’una revolució en una de les més antigues i valuoses habilitats socials que ha desenvolupat la humanitat i un imperatiu en un món on els humans viuen i treballen al costat de màquines intel·ligents.

La mesura del progrés dels aprenentatges

Els instructors han de tenir en compte cada reacció a una conferència, cada mirada en blanc o atenta, cada resposta desitjosa o vacil·lant a una pregunta, cada tasca que es converteix al principi o tard, i molt més a l’hora d’avaluar la comprensió d’un concepte d’un estudiant. Així és com poden esbrinar per on es queden els estudiants i orientar-los en la direcció correcta.

És també el motiu pel qual la mesura del progrés d’un aprenentatge, un esforç de naturalesa profundament social, és un dels grans reptes als quals s’enfronta el professor i una tasca difícil d’aconseguir amb un programari clàssic basat en regles.

"Les conferències de cursos, ja siguin en un campus universitari o en una corporació, són predominantment ajustables, tot i que la modalitat dominant són els professors que parlen amb els estudiants", afirma Chris Brinton, cap de recerca de Zoomi, una empresa d'AI especialitzada. en la captura i anàlisi de dades de comportament en entorns educatius. "Això neix per necessitat: seria impossible, o almenys ineficient des del punt de vista del temps, que el professor interromp la conferència durant períodes de temps prolongats i tractés individualment la inquietud de cada estudiant per portar-los a la mateixa pàgina., se sol demanar a un alumne amb moltes preguntes que faci un seguiment amb l’instructor fora de l’horari de classe."

Tanmateix, els algorismes d’aprenentatge automàtic, que es basen en l’anàlisi i la cerca de patrons i correlacions entre punts de dades, s’estan demostrant ser una eina eficaç per ajudar els professors a quantificar la comprensió d’un estudiant d’una conferència.

"Analitzant dades específiques de l'estudiant, l'AI té el potencial per ajudar a la superfície amb més rapidesa en les zones en què els estudiants poden necessitar més ajuda, millorant així la consecució dels estudiants i el suport al professorat", diu Jessie Woolley-Wilson, president i conseller delegat de DreamBox Learning, una intel·ligent matemàtica -plataforma d’aprenentatge.

Equipar l’aula amb intel·ligència artificial és l’equivalent a proporcionar a cada alumne un tutor digital, explica Brinton. "Els algorismes que impulsen la IA poden ser entrenats per detectar quan un aprenent està lluitant i què els va provocar la lluita, o quan estan avorrits i què va causar el seu avorriment", afirma.

Es tracta d’un canvi del programari d’aprenentatge tradicional, que només es basava en les respostes d’avaluació per mesurar el coneixement dels estudiants dels temes que estudien. "Aquestes dades sovint no estan disponibles durant una conferència, i molt menys en la granularitat del segon nivell en què un estudiant pot passar d'un punt de vista clar a un confús", afirma Brinton.

Ara hi ha diverses plataformes alimentades per AI que creen perfils digitals rics de cada estudiant recopilant informació en directe de la interacció de l’usuari amb el material i el context del curs. A més de guardar registres de notes i puntuacions, Zoomi, la plataforma Brinton va ajudar a desenvolupar-se, rastreja microinteraccions com ara visualitzar diapositives o pàgines específiques en documents PDF, reemplaçar una part específica d’un vídeo o publicar una pregunta o resposta en una discussió. fòrum

Les dades s'utilitzen per crear un model que pugui proporcionar informació en temps real sobre la comprensió i la implicació d'un estudiant amb temes específics. Els models de dades també ajuden a trobar patrons comuns entre diversos estudiants i a realitzar analítiques de predicció, com ara la previsió del rendiment dels estudiants en el futur.

L’ús més avançat de l’IA pot implicar l’ús d’alguns algorismes complicats de visió per ordinador per analitzar expressions facials, com l’avorriment i la distracció, i enllaçar-les a les altres dades recollides sobre estudiants per tal de crear una imatge més completa del model d’estudiant d’un estudiant.

Trobar i abordar les llacunes en l’aprenentatge

Té molts avantatges de tenir un model digital fiable que representi els coneixements de l'estudiant. "Les dades poden ser utilitzades automàticament per un sistema intel·ligent per involucrar immediatament els estudiants en experiències d'aprenentatge que atenguin específicament aquestes llacunes en la comprensió o pel professor per identificar -i respondre- a aquelles àrees de necessitat específiques", diu Woolley-Wilson de DreamBox

Third Space Learning, una plataforma d’educació en línia fundada el 2012 per proporcionar una tutoria de matemàtiques d’un en un, ara està utilitzant algoritmes d’IA per ajudar a millorar el rendiment dels professors. Des del seu llançament, Third Space ha registrat dades sobre milers de sessions. En col·laboració amb la Universitat del Col·legi de Londres, Third Space es dedica ara a un projecte per extreure les dades amb algoritmes de IA per tal de trobar patrons d’aprenentatge i ensenyament amb èxit i proporcionar comentaris en temps real als seus tutors en línia sobre com mantenen els seus estudiants. lliçons.

El model d’aprenentatge d’AI també pot alimentar sistemes de tutoria intel·ligents (ITS). Els tutors intel·ligents, que poden treballar en un entorn d’aprenentatge autònom o en conjunt amb professors humans, utilitzen dades històriques i en temps real de l’alumne per proporcionar-los contingut personalitzat ajustat als seus punts forts i febles específics. Proporcionar una experiència d’aprenentatge personalitzada és un objectiu que els professors sempre han lluitat per assolir.

"Els sistemes de tutoria impulsats per l'AI s'han demostrat eficaços per ensenyar àrees temàtiques ben definides, com les matemàtiques i la física", afirma Rose Luckin, professora de Disseny centrat per als estudiants del laboratori de coneixement de la University of College London. "Actualment, l'AI pot alleujar els punts de dolor ajudant en el registre de registres i en la selecció i la recomanació de recursos per als estudiants a utilitzar".

Un exemple és MATHIA, una plataforma d'aprenentatge de matemàtiques basada en AI desenvolupada per Carnegie Learning que reflecteix el comportament dels tutors humans. MATHIA recopila diversos punts de dades i utilitza algoritmes d’aprenentatge automàtic i models predictius per determinar els coneixements i els nivells d’habilitats dels estudiants i estimar-ne el rendiment en el futur. La plataforma utilitza aquestes dades per adaptar el camí d’aprenentatge segons els processos d’aprenentatge dels estudiants.

"Cada pas d'un problema, que podria implicar omplir una cel·la en un full de càlcul, traçar un punt en un gràfic, etc., està associat a una o diverses habilitats cognitives", afirma Steve Ritter, arquitecte en cap de productes de Carnegie Learning. "En funció de si l'alumne fa el pas correctament o no, o si demana un suggeriment, ajustem la nostra estimació dels coneixements de l'estudiant en funció de les habilitats associades."

MATHIA utilitza el "traçament del coneixement", el procés de determinació de la comprensió dels diferents conceptes per part d'un estudiant, així com el "traçat del model", el procés d'entendre l'enfocament d'un estudiant per resoldre problemes, per tal d'ajustar el suport del programari al procés de pensament de l'alumne. en lloc de redirigir-los a un enfocament estàndard que pot no tenir sentit per a ells. Això ajuda a proporcionar contingut personalitzat, amb possibles infinites vies d’aprenentatge.

"Els nostres consells, per exemple, canvien en funció de l'ordre en què els estudiants realitzen els passos del problema, si aquesta ordenació reflecteix diferents maneres d'apropar-se al problema", afirma Ritter.

L'evolució dels sistemes de tutoria intel·ligents pot conduir a una experiència d'aprenentatge més rica. Si bé no serà un reemplaçament dels professors humans, les plataformes d’aprenentatge en línia basades en IA poden tenir un paper fonamental a l’hora de posar a l’educació d’alta qualitat en zones on hi ha una escassetat de professors i els estudiants han d’aprendre per ells mateixos.

"La combinació de dades grans i IA podria proporcionar als estudiants les seves pròpies analítiques personals, que poden aprofitar per convertir-se en l'aprenentatge més eficaç que puguin ser", diu Luckin.

L’autoconeixement (saber què fas i no saps) i l’autoregulació (per exemple, poder evitar que et distreguis del que fa algú altre) són dues habilitats que aquests sistemes poden ajudar a desenvolupar, segons Luckin.

"L’AI es pot fer servir per a bastides (suport) als aprenentatges per desenvolupar aquestes habilitats clau mitjançant la reflexió a través de les seves dades personals mitjançant interfícies i visualitzacions acuradament dissenyades", diu Luckin. "D'aquesta manera es podria ajudar a tots els estudiants a millorar l'aprenentatge, la qual cosa seria útil a totes les àrees d'assignatura".

Un dels avantatges dels sistemes d’aprenentatge basats en IA és l’assistència perfecta que poden proporcionar. "Les mateixes tecnologies intel·ligents que ajuden els estudiants i els seus professors dins de l'aula sempre s'han d'aprofitar per fer el mateix fora de l'aula", diu Woolley-Wilson. "Poden aportar el mateix poder de recomanacions personalitzades allà on es trobi l'alumne. Les oportunitats d'aprenentatge i l'accés no s'haurien de restringir a un determinat temps o lloc com solien ser en el nostre passat analògic".

La formació corporativa també es pot beneficiar de la personalització de l'AI. Zoomi, que proporciona eines en línia per a la formació professional, utilitza algoritmes AI per reconèixer les preferències dels aprenents i adaptar dinàmicament el contingut del curs a les seves necessitats. Per exemple, basant-se en el comportament i l'actuació d'un usuari davant dels diferents tipus de suports, la plataforma pot decidir si el material del curs s'ha de servir en format PDF o vídeo. Progressive Business Partners utilitza la plataforma des del 2016 per formar professionals de recursos humans, amb un augment del 12 per cent en la realització del curs i un augment dels ingressos del 30 per cent.

Trobar i abordar les llacunes en l’ensenyament

Quan els estudiants queden enrere en una lliçó, els errors en els mètodes d’ensenyament i en el currículum sovint són molt culpables que les debilitats dels mateixos estudiants. Va ser la causa de la incomprensió dels estudiants sobre el material en si mateix, sobre la manera com es va presentar o sobre la programació del material dins del flux del currículum? Va ser que l'alumne tenia la grip quan es cobrien alguns conceptes necessaris anteriorment? Com es va involucrar l'alumne amb el material, activament o passivament?

Aquestes són algunes de les preguntes que tot professor ha de respondre a l’hora de valorar la qualitat d’una lliçó impartida i investigar les causes fonamentals dels problemes en l’aprenentatge.

"Woolley-Wilson diu que" els grans sistemes poden aprofitar conjunts de dades enormes per ajudar els professors a trobar tant punts febles en el currículum com a estudiants amb problemes ". "I és important recordar que la quantitat d'ajuda proporcionada al professor depèn de la qualitat de les dades disponibles que informin de l'anàlisi".

La plataforma d’aprenentatge en línia adaptativa de DreamBox utilitza les dades que recopila dels estudiants per descobrir les llacunes d’aprenentatge i després ajuda els professors a abordar-los a nivell de classe o per a grups específics o estudiants individuals. Pot incloure la creació de grups d’estratègia, plans d’aprenentatge personalitzats o tasques focalitzades que atenguin buits específics i complementin el currículum principal.

L’AI també ajuda els professors a valorar la rellevància del seu material didàctic. "Mentre que el contingut es lliura" en directe "en un entorn de l'aula, la majoria d'instructors preparen els seus materials electrònicament", afirma Brinton, l'investigador de Zoomi. "Com a resultat, és possible que les tecnologies de l'AI interpreten el material, determinin els temes tractats i, fins i tot, analitzin els materials d'avaluació del curs per obtenir una visió de la comprensió del contingut del curs".

Zoomi utilitza Natural Language Processing (NLP), la branca de l'AI que analitza el contingut i el context del material escrit, per pesar la qualitat del material del curs d'un professor. Els algorismes de Zoomi eliminen contingut que no té un impacte positiu en el procés d’aprenentatge. L’empresa també treballa en algoritmes que augmentin l’experiència d’aprenentatge trobant contingut complementari i tornant-lo a encaixar en el context d’una lliçó particular on un estudiant està lluitant.

"Aviat, els algoritmes podrien modificar frases per a la claredat i, fins i tot, crear nous materials pel seu compte tal com ho faria un humà", afirma Brinton.

Content Technologies, Inc (CTI), una companyia d’investigació i desenvolupament d’intel·ligència artificial amb seu a Califòrnia, ha desenvolupat AI que genera automàticament contingut educatiu personalitzat. El motor de CTI utilitza aprenentatges profunds per ingerir i analitzar temaris i material de curs, dominar els coneixements i generar nous continguts com llibres de text personalitzats, resums de capítols i proves d’elecció múltiple. Diverses empreses i institucions educatives la fan servir la tecnologia.

L’educació continuarà sent una experiència social

Tot i que hem vist esforços impressionants en l’aplicació de la intel·ligència artificial a l’educació, els resultats es palideixen en comparació amb altres dominis en què els algorismes d’AI provoquen trastorns importants. La raó és que l’educació i l’aprenentatge són fonamentalment experiències socials extremadament difícils -per no dir impossible- d’automatitzar.

"L'IA no pot substituir els professors, perquè no té autoconeixement ni regulació metacognitiva, i també manca empatia", explica Luckin, el professor del laboratori de coneixement de la UCL. "Tanmateix, AI, quan el seu disseny és informat pel que sabem sobre l'aprenentatge i l'ensenyament (és a dir, les ciències de l'aprenentatge), es pot combinar amb grans dades sobre els aprenents per desempaquetar la caixa negra de l'aprenentatge i permetre als estudiants, professors i pares fer un seguiment. avançar en diversos temes, habilitats i característiques: això pot proporcionar informació vital per ajudar els aprenents a ser més efectius com a aprenentatges i per ajudar-los a aprendre coneixements i habilitats ".

L’augment i l’assistència que proporciona AI per al procés d’educació i aprenentatge farà que els professors siguin encara més productius i eficients. "Els professors es podran centrar en el que poden fer millor: crear contingut excel·lent, impartir conferències fortes i abordar els punts de dolor més generalitzats tant en persona com a distància, individualment i en grup", afirma Brinton.

Un altre aspecte social de l’educació és la col·laboració. Els estudiants sovint aprenen més treballant en grup i entre ells com ho fan d’escoltar conferències i resoldre problemes al seu ritme. "Els objectius de l'educació inclouen més interacció social, com aprendre a ser un bon col·laborador o comunicar-se amb els altres", afirma Ritter, l'arquitecte de productes de Carnegie Learning. "Per tant, un repte a l'hora de personalitzar la instrucció és l'equilibri entre veure un estudiant com un aprenent independent que pot seguir al seu propi ritme amb la necessitat de treballar col·laborativament amb els altres".

Però l'AI també pot convertir-se en un facilitador de l'aprenentatge col·laboratiu. Intelligence Unleashed , un treball de recerca conjunt de UCL i Pearson, que Luckin va coautor, explica que l'AI pot donar suport a l'aprenentatge col·laboratiu comparant models d'aprenentatge dels estudiants i suggerint agrupacions en les quals els participants estiguin a nivell cognitiu similar o tinguin habilitats complementàries i es puguin ajudar els uns als altres.. L’AI també pot participar en grups d’estudiants com a membre i ajudar a impulsar debats en la direcció correcta proporcionant contingut, plantejant preguntes i proporcionant punts de vista alternatius.

La ubiqüitat de l’IA en el procés d’aprenentatge acabarà revolucionant l’educació. Segons un informe de la Universitat de Stanford, en els propers quinze anys, és probable que els professors humans estiguin ajudats per tecnologies d’IA que redueixin en una millor interacció humana tant a l’aula com a la llar.

L’aula pot romandre més o menys com ho és avui, però gràcies als assistents digitals, els algoritmes d’AI i professors més capaços, les generacions futures tindran accés a una educació de més qualitat i podran aprendre a un ritme molt més ràpid.