Educar en Pandemia: Inteligencia Artificial (4) y Gestión Educativa

28 Septiembre 2021

El poder algorítmico de la Inteligencia Artificial (IA) también se utiliza para crear modelos predictivos y de diagnóstico para respaldar decisiones y generar retroalimentación tanto a nivel de establecimiento o institución (escuela, universidad, etc.) o de sistema educativo (municipio, región, país, etc.).

La deserción escolar es un problema de política educativa importante en todo el mundo, aunque los países con diferentes niveles de riqueza pueden centrarse en diferentes edades de deserción. En los países de bajos ingresos, el 60% de los niños en edad de cursar la secundaria superior no estaban escolarizados en 2015. En 2018, las tasas de finalización de la educación primaria, secundaria inferior y secundaria superior fueron de 68, 44 y 21%, respectivamente, lejos del objetivo de finalización universal para 2030, una de las metas del Objetivo de Desarrollo Sostenible N°4.

En nuestro país, debido al impacto de la pandemia, cerca de 40 mil niños, niñas y jóvenes (53% hombres y 46% mujeres) en edad escolar abandonaron sus estudios en el último año 2020, según fuentes del MINEDUC. Más de 7 mil jóvenes desertaron de sistema escolar en 1° medio, nivel con mayor índice de abandono escolar. De las 10 comunas con mayor tasa de deserción, 6 de ellas pertenecen a la Región Metropolitana.

Los educadores y los responsables políticos están interesados en encontrar los indicadores correctos para predecir la deserción y orientar las intervenciones adecuadas para prevenir la deserción escolar. Los sistemas de IA son prometedores para mejorar los sistemas de alerta temprana, que se basan cada vez más en conjuntos de datos longitudinales que están surgiendo en la educación. Aunque identificar los riesgos no implica resolverlos, las soluciones de IA ayudan a los directores de las escuelas a utilizar los datos existentes de nuevas formas y diseñar intervenciones para predecir y prevenir la deserción escolar de manera más eficiente.

Las soluciones de IA están muy extendidas, por ejemplo, en los Estados Unidos, con una gran cantidad de proveedores que brindan a los distritos y estados soluciones que ayudan a los directores de escuelas y líderes de distrito a prevenir la deserción escolar en tiempo real. Una de las virtudes de estas soluciones es proporcionar retroalimentación con la suficiente antelación para evitar la deserción. Los sistemas de alerta temprana suelen adoptar la forma de paneles de control que ayudan a visualizar los diferentes tipos de estudiantes en riesgo de deserción y (con suerte) les brindan las intervenciones adecuadas.

En países menos ricos, como India, la deserción también es un problema y también se han desarrollado y evaluado la experimentación con sistemas e intervenciones de alerta temprana. Algunos de ellos se basan en la tecnología, aunque los datos subyacentes pueden ser bastante diferentes a los que se utilizan en los Estados Unidos.

Los sistemas de alerta temprana aún no son una tecnología muy madura, a pesar de las promesas que encierran. La investigación sobre los indicadores relevantes para predecir la deserción está en curso, al igual que la investigación sobre posibles intervenciones. Si bien son muy prometedores, encarnan los límites actuales de la IA y el imperativo de garantizar que brinde consejos confiables y útiles. Aquí, los inconvenientes provienen menos de comportamientos hirientes que de las oportunidades perdidas presentadas por los sistemas de inteligencia artificial que no identifican con precisión a los estudiantes que podrían haber sido ayudados.

En otro ámbito, las evaluaciones estandarizadas son una característica clave de muchos sistemas educativos que pueden generar mucha ansiedad y subordina las prácticas de enseñanza y aprendizaje dentro de los sistemas educativos. Cada vez más, los empleadores y los responsables de la formulación de políticas sienten que la evaluación debe ir más allá del contenido del conocimiento y el razonamiento para incluir habilidades complejas como la resolución de problemas complejos, la colaboración y las habilidades sociales y emocionales, que apuntan la transformación del mundo del trabajo y de las economías y sociedades.

La IA está abriendo nuevas vías en esta dirección. La evaluación integrada, por ejemplo, crea la posibilidad de evaluaciones centradas en los procesos (evaluación formativa) más que en los resultados esperados. En los entornos de aprendizaje digital, los sistemas de IA pueden determinar si los estudiantes dominan una materia específica. Debido a que almacenan información sobre el estudiante, también pueden brindar retroalimentación formativa y elaborada.

Las soluciones de IA también pueden evaluar cómo las personas piensan, cómo responden a una situación de aprendizaje y se adaptan a las necesidades y habilidades de los estudiantes. Parte de esto se puede hacer mediante el reconocimiento de voz y el análisis del lenguaje, así como a través de patrones de comportamiento mientras se participa en la tarea.

Las simulaciones basadas en juegos también ofrecen nuevas formas de evaluar habilidades complejas. Por ejemplo, pueden incorporar elementos de evaluación en un entorno de juego, lo que permite a los estudiantes mostrar sus logros de aprendizaje en un entorno divertido y atractivo.

La evaluación basada en juegos puede ser de gran valor en la evaluación formativa, adaptándose a las competencias de un alumno individual, pero también se aplica en la evaluación sumativa.

La evaluación basada en juegos generalmente usa Realidad Aumentada y Realidad Virtual, junto al poder adaptativo de la IA. Las simulaciones se han utilizado eficazmente en la educación en ciencias, tecnología, ingeniería y matemáticas (STEM). Al igual que la educación médica, esas evaluaciones han se vuelven comunes en las universidades, por ejemplo, para evaluar procedimientos quirúrgicos.

Si bien promete evaluar ciertas habilidades, las evaluaciones basadas en IA enfrentan cierta resistencia y plantean nuevas dificultades técnicas cuando se utilizan en un contexto de alto riesgo. La idea de que las pruebas podrían ser diferentes pero confiables y justas para evaluar las habilidades de las personas desafía las opiniones de muchos estudiantes, apoderados y legisladores sobre la equidad, lo que demuestra que los avances de la IA aportan desafíos sociales y de comportamiento para la sociedad al igula que desafíos técnicos.

En suma, la IA permite transformar herramientas como las evaluaciones estandarizadas, lo que permite ampliar el alcance de las habilidades que se pueden evaluar y aumentar la relevancia de las evaluaciones para las habilidades que serán más importantes en un mundo conformado por las tecnologías digitales.


Accesos panel

Buscador de Leyes - BCN Ley Chile


Objetivos de desarrollo sostenible

Constitución Política de Chile

Texto actualizado y completo de la Constitución Política de Chile de 1980.

Ley Fácil

Reconocimiento y protección de los derechos de las personas con enfermedades terminales y el buen morir

Explica la ley que regula la atención a pacientes con enfermedad terminal o grave y sus derechos.<br> La ley rige cinco meses después de su publicación en el Diario Oficial.