La profesora María Consuelo Sáiz Manzanares ha coordinado el Simposio Invitado sobre "Aprendizaje personalizado en Educación Superior: Aplicación de técnicas de inteligencia artificial y de minería de datos", que se ha desarrollado dentro del IX Congreso Internacional de Psicología y Educación en la Rioja, en el que han participado varios profesores de la Facultad de Ciencias de la Salud y de la Escuela Politécnica Superior de la Universidad de Burgos. Este congreso ha tenido como temática “Psicología, Educación y Neurociencias: construyendo puentes para el desarrollo humano”.
La temática tratada en el Simposio Invitado es de gran interés y novedoso tanto en el mundo de la psicología cognitiva y computacional como en el de la inteligencia artificial. Estudios recientes en Educación Superior indican que las metodologías docentes tienen que dirigirse a formas más personalizadas de interacción entre el estudiante y el docente. Los entornos de aprendizaje en la sociedad del siglo XXI han cambiado. En la actualidad un porcentaje alto de la docencia, ya sea presencial o virtual, se efectúa a través de Sistemas de Gestión del Aprendizaje también denominados Learning Management Systems (LMS), como por ejemplo Moodle. Los LMS facilitan la personalización y el respeto al ritmo de aprendizaje de los estudiantes, lo que potencia el desarrollo de la auto-regulación del aprendizaje (SRL) y el incremento de la motivación. Todo ello, va a evitar el abandono en las titulaciones y a aumentar la consecución de aprendizajes eficaces. Recientes estudios indican que el seguimiento personalizado por parte del docente del proceso de aprendizaje de los estudiantes predice los resultados de aprendizaje en un 61.3% y los patrones de conductuales de aprendizaje de estos en los LMS en un 56.1%. Asimismo, la utilización de los LMS incrementa la utilización de estrategias metacognitivas, aspecto relevante ya que éstas explican el 40% de los resultados de aprendizaje. Si bien, la información que se registra en los LMS puede llegar a ser abrumadora. Es por lo que, se hace necesario emplear para su análisis técnicas de minería de datos (Educational Data Mining-EDM-). Las EDM pueden utilizarse en categorías de aprendizaje automático supervisado (clasificación o predicción) y/o no supervisado (agrupamiento o clustering).
El Simposio presentado es el resultado de tres años de investigación y ha incluido las conclusiones encontradas a la aplicación de técnicas de Educational Data Mining (EDM) en cinco estudios con estudiantes universitarios.
El primero de ellos, Análisis del trabajo colaborativo en contextos B-Learning en Educación Superior: aplicación de EDM, analiza la predicción de la variable “trabajo colaborativo en LMS” sobre los resultados de aprendizaje y los patrones conductuales de aprendizaje en la plataforma en dos modalidades de Blended-Learning (B-Learning) Replacemental Blend (RB) vs. Supplemental Blend (SB).
El segundo, Estudio del rendimiento académico y de las conductas de aprendizaje en LSM: aplicación de un análisis de clústeres, analiza el valor predictivo de los clústeres de agrupamiento respecto del rendimiento académico y de los patrones efectivos de aprendizaje.
El tercer trabajo, ¿Son los conocimientos previos y las estrategias metacognitivas predictores de aprendizajes eficaces?, estudia si los conocimientos previos de los estudiantes y las estrategias metacognitivas son predictores de los resultados de aprendizaje y de patrones eficaces de aprendizaje en entornos Learning Management System como UBUVirtual.
El cuarto estudio, Un método automático para la medición del uso de estrategias metacognitivas en análisis de protocolos, analiza cómo se pueden aplicar técnicas de EMD de Multilevel (text mining-TM-) al análisis de protocolos de pensar en voz alta (think-aloud protocols -TAP-) para facilitar el tratamiento y análisis de los registros.
y en el quinto trabajo, Predicción de estudiantes en riesgo: aplicación de técnicas de aprendizaje automático, estudia técnicas de extracción de datos en los LMS, estructuración y depuración de los mismos desde el uso de técnicas de aprendizaje automático (Machine Learning) aplicadas a la detección temprana de alumnos en riesgo de fracaso o abandono.
Estos estudios se han desarrollado bajo la dirección y coordinación de la Dra. María Consuelo Sáiz Manzanares Profesora Titular de Universidad en el Área de Psicología Evolutiva y de la Educación en la Facultad de Ciencias de la Salud y Directora del Grupo de Innovación Docente B-Learning en Ciencias de la Salud (B-LCS) y el Dr. César Ignacio García Osorio Profesor Titular de Universidad en el Área de Lenguajes y Sistemas Informáticos y miembro del Grupo de Investigación Advanced Data Mining Research and Bioinformatics Learning (ADMIRABLE) de la Escuela Politécnica Superior, en dichos estudios han participado miembros de ambos grupos de innovación e investigación, los doctores Raúl Marticorena Sánchez, José Francisco Díez Pastor, María del Camino Escolar Llamazares y Álvar Arnaiz González.
Esta línea de investigación colaborativa entre representantes de disciplinas de la psicología cognitiva y computacional y de la inteligencia artificial y aprendizaje automático se ha manifestado en las conclusiones del IX Congreso Internacional de Psicología y Educación como un importante escenario de trabajo que se está desarrollando e implementado en centros de investigación de prospección y relevancia internacional como son, entre otros, el Basque Center on Cognition, Brain and Language (BCBL) y el Centro de Investigación "Mente, Cerebro y Comportamiento" (CIMCYC).
Este encuentro ha contado con figuras muy relevantes, entre otras, en el mundo de la Neuropsicología como Joaquín Fuster, Denis Mareschal, Miguel Marín-Padilla, Nancy Hornberger, Christoph Perleth; de la Inteligencia Artificial como el Dr. Francisco Herrera Catedrático de Ciencias de la Computación e Inteligencia Artificial de la Universidad de Granada y Director del Grupo de Investigación Soft Computing y Sistemas de Información Inteligentes”; de la Psicología evolutiva como el Dr. César Coll Catedrático de Psicología Evolutiva y de la Educación de la Universidad de Barcelona y coordinador del Grupo de Investigación e Influencia Educativa (GRINTIE); y de la Metodología del Comportamiento como la Dra. Teresa Anguera, Catedrática de Metodología de las Ciencias del Comportamiento de la Universidad de Barcelona y Directora del Grupo de Investigación e Innovación en Diseños (GRID). Tecnología y aplicación multimedia y digital a los diseños observacionales.