Blog

El propósito de la robótica educativa no es necesariamente enseñar a los estudiantes a convertirse en expertos en robótica, sino más bien, como señalan diversas investigaciones y autores, favorecer el desarrollo de competencias que son esenciales para el éxito en el siglo XXI

Inteligencia artificial en educación
, , ,

Inteligencia artificial en educación

La educación contemporánea se apoya en una serie de innovaciones tecnológicas que tratan de ofrecer una alternativa de enseñanza holística


Jovani Alberto Jiménez Builes

 Tomada de Revista Internacional Magisterio No. 79


,

En este artículo se presentan las principales innovaciones, en el área de la inteligencia artificial, aplicadas a la educación mediada con tecnología. Ellas rompen con los esquemas de la educación tradicional y tratan de ofrecer enseñanza y aprendizaje de una manera personalizada, adaptando los contenidos, las actividades, la instrucción y el razonamiento, a las necesidades específicas de cada uno de los estudiantes. Lo anterior se logra porque mantienen los perfiles cognitivos de cada uno de ellos almacenados y continuamente actualizados. Algunas de las innovaciones (también conocidas como técnicas, herramientas o sistemas inteligentes) toman la iniciativa durante todo el proceso educativo, por eso se dice que son autónomas; y siempre tratan de ofrecer flexibilidad de acuerdo a los ritmos y tiempos de aprendizaje sin perder la exigencia. Los resultados permiten concluir que se requiere de un mayor esfuerzo de los profesores para incluir estas innovaciones en su quehacer educativo. De igual manera, aún falta un largo camino por recorrer en el área de la inteligencia artificial.

 

Introducción 

La educación es entendida por varios autores como un proceso continuo mediante el cual una persona adquiere unos conocimientos y los utiliza para enfrenar su cotidianidad. Para Delors (1997):

Tiene la misión de permitir a todos sin excepción, hacer fructificar todos sus talentos y todas sus capacidades de creación, lo que implica que cada uno pueda responsabilizarse de sí mismo y realizar su proyecto personal […] es pertinente imponer el concepto de educación durante toda la vida con sus ventajas de flexibilidad, diversidad y accesibilidad en el tiempo y el espacio. Es la idea de educación permanente lo que ha de ser al mismo tiempo reconsiderado y ampliado, porque además de las necesarias adaptaciones relacionadas con las mutaciones de la vida profesional, debe ser una estructuración continua de la persona humana, de su conocimiento y sus aptitudes, pero también de su facultad de juicio y acción.

En este contexto, la educación contemporánea se apoya en una serie de innovaciones tecnológicas que tratan de ofrecer una alternativa de enseñanza holística. Son grandes los esfuerzos de entes gubernamentales, instituciones de educación en todos los niveles y, especialmente, de los docentes. Si bien estas innovaciones, técnicas, dispositivos, instrumentos o herramientas permiten solucionar algunos problemas de la educación tradicional, no encierran todo lo que contempla el ideal educativo; sin embargo, permiten configurar una serie de escenarios y metodologías educativas que ofrecen enseñanza y aprendizaje mientras sobrepasan los límites impuestos por las variables del tiempo, el espacio y la cultura. Estos escenarios o ambientes son conocidos como educación virtual (e- learning, b-learning, t-learning, entre otros) y han comenzado a ser implementados como medio para ampliar la cobertura educativa, pero tienen el problema de suministrar una enseñanza individualizada, adaptada a las necesidades y características específicas de cada uno de los estudiantes. Este problema toma importancia con el crecimiento de la Internet y el uso exponencial que estos escenarios han comenzado a tomar.

Otra innovación educativa es el uso de herramientas de inteligencia artificial (IA). La IA es un campo de los sistemas inteligentes que surge en 1956 para denotar la capacidad que pueden tener los sistemas o las máquinas para resolver problemas y hacer operaciones que son propios de la inteligencia humana (Miller, 2003). En educación, se utiliza para construir sistemas “más inteligentes”, entendiendo el término “inteligente” como la capacidad de adaptación continua a las características del aprendizaje y del conocimiento de los diferentes usuarios, a la flexibilidad y autonomía (Wenger, 1987). Estas bondades permiten solucionar los problemas que trae la educación virtual. En este artículo se presentan algunas de las principales innovaciones en el área de la IA aplicadas a la educación, a saber: los sistemas tutores inteligentes, robótica educativa, neurociencia cognitiva, visión artificial y, finalmente, el razonamiento.

Sistemas tutores inteligentes 

Son ambientes educativos diseñados para ofrecer instrucción y apoyar continuamente los procesos de enseñanza y aprendizaje, a través de la construcción, actualización y análisis que reflejan los aspectos de comportamiento y cognoscitivos de cada estudiante. Representan herramientas pedagógicas más avanzadas y suministran más experiencias de aprendizaje individualizado, lo que permite que los procesos de enseñanza y de aprendizaje sean más adaptables (Caro, 2015).

Estos ambientes generan un plan instruccional basado en las necesidades del estudiante, el cual es diseñado para identificar y definir los métodos que le ayudan a adquirir el conocimiento; dicho plan es continuamente re-planificado de acuerdo a los hallazgos encontrados en el estudiante. Los sistemas tutores inteligentes son flexibles debido a que aprenden del estudiante para modificar sus propios conocimientos; de la misma forma como lo hace un tutor humano (Ainsworth y Fleming 2006; Jiménez, 2006) manejan algún tipo de experiencia sobre el dominio que se espera enseñar y pueden razonar acerca del dominio, solucionar problemas, evaluar, detectar errores, brindar sugerencias, ejemplos, simulaciones, recomendaciones y explicaciones, o mostrar la traza de sus inferencias (Lelouche y Thoan, 2003).

Los sistemas tutores inteligentes tiene cuatro módulos (Caro, 2015; Jiménez, 2006):

 Tutoría. El encargado de guiar los procesos de enseñanza y aprendizaje, decide qué acciones pedagógicas realiza, cómo y cuándo. También se encarga de planificar y re- planificar las actividades educativas de acuerdo a cada estudiante. Elige los tipos de problemas apropiados a resolver, además de controlar y criticar el rendimiento del estudiante.

 Contenido educativo. Provee el dominio del conocimiento que se pretende enseñar, el cual debe estar organizado pedagógicamente para facilitar la tarea del módulo tutoría. Puede ser modificado por el docente o experto en el área de enseñanza.

 Perfil cognitivo del estudiante. Representa la imagen que el sistema tiene sobre las características de aprendizaje del estudiante, administra su información individualizada, su comportamiento, limitaciones, dificultades y motivaciones; para hacer posible formular hipótesis con el propósito de re-planificar las actividades.

 Interfaz. Encargada de manejar las interacciones entre el sistema y los estudiantes.

Robótica educativa 

Uno de los aportes más significativos del empoderamiento tecnológico en la educación se ha dado en la robótica, ya que se utiliza para fortalecer las habilidades creativas y de aprendizaje, jugando un papel primordial (González, et al., 2011). La robótica se define como una técnica de la IA que se encarga de construir aparatos que realizan operaciones físicas similares a los seres bióticos (personas o animales). La robótica educativa puede ser vista desde dos estrategias: para enseñar la misma robótica, y para enseñar otros contenidos educativos de los currículos. En el segundo caso (Figura 2), el trabajo con la robótica permite un acercamiento de los estudiantes a la mecánica, la electrónica, la electricidad y la informática y, a través de ellas, a áreas como la física y la matemática, entre otras. El proceso de construcción de un robot les ayuda a comprender conceptos relacionados con sistemas dinámicos complejos, particularmente la manera como emerge un comportamiento global a partir de dinámicas locales. Esta estrategia se fundamentan en las teorías modernas de aprendizaje, las cuales, ya juzgadas y estudiadas, se han encontrado efectivas (Jiménez y Branch, 2014).

Michael Resnick, del Media Lab del Massachusetts Institute of Technology (MIT), desarrolló una metodología de enseñanza que facilita el aprendizaje de conceptos esenciales para la comprensión de sistemas complejos dinámicos; propone a un grupo de alumnos que construya organismos artificiales, el grupo sigue un preciso plan de construcción proporcionado por los docentes, con la posibilidad de introducir variantes. Estas variantes son las que permiten que los organismos artificiales puedan llegar a exhibir actuaciones interesantes (Resnick, 2002). Experimentos básicos como este ayudan a los estudiantes a asimilar conceptos que, de otro modo, serían abstractos y confusos, nociones de dinámica y complejidad mediante la construcción de sistemas integrados por varios componentes de hardware y software. Aprenden a estudiar la realidad desde varios puntos de vista (Jiménezy Branch, 2014).

El propósito de la robótica educativa no es necesariamente enseñar a los estudiantes a convertirse en expertos en robótica, sino más bien, como señalan diversas investigaciones y autores, favorecer el desarrollo de competencias que son esenciales para el éxito en el siglo XXI, como la autonomía, la iniciativa, la responsabilidad, la creatividad, el trabajo en equipo, la autoestima, la ciudadanía, la ética y el interés por la investigación. Otro aspecto destacable de la robótica educativa es su capacidad de fomentar el interés por vocaciones científicas, creando una visión atractiva y dinámica de la ciencia y la tecnología en los estudiantes; su utilidad didáctica es amplia, al ser una herramienta versátil, admite diversas formas de utilización según los objetivos y la asignatura, valorándose especialmente por permitir a docentes y estudiantes modificar su contenido y adaptarlo a sus necesidades concretas (Jiménez y Branch, 2014).

Neurociencia cognitiva 

Otro de los elementos que ha tomado la IA como punto de partida para apoyar los procesos educativos, son las investigaciones del área de la sicología, con relación al estudio del cerebro, la consciencia y del sistema nervioso en general, denominadas neurociencias cognitivas. En este sentido, el fin último del enorme potencial que ofrece la tecnología, del que la educación toma ventaja, es el de diseñar herramientas que permitan personalizar los diferentes objetos de aprendizaje (OVA), las actividades educativas o el razonamiento de cada uno de los estudiantes en particular (Gaviria, 2012); también es útil para capturar en tiempo real los datos de la interacción que una persona tiene cuando usa un determinado OVA o plataforma de e-learning, lo cual le permite generar automáticamente información relativa a la medida de satisfacción (Rodríguez, 2015).

La arquitectura diseñada por Gaviria (2012), selecciona los OVAs de acuerdo al perfil cognitivo del estudiante que realiza una sesión de aprendizaje. La arquitectura lee los datos del usuario para determinar su estado mental, a través de una diadema que contempla varios nodos que son colocados en su cabeza. Luego, siguiendo un modelo predefinido por el docente, la arquitectura se encarga de presentar los OVAs pertinentes para su sesión, teniendo en cuenta la información registrada en su perfil cognitivo. Aunque es prudente aclarar que el uso de la diadema puede anular el uso de los otros periféricos, todas las interacciones que realice el estudiante por medio del teclado, o a través de la diadema, son guardadas en el perfil cognitivo y sirven para tomar decisiones. La arquitectura también integra otra técnica de la IA, denominada Razonamiento basado en casos, la cual se describe más adelante.

Esta innovación tiene alto impacto en la educación, pues reduce el sesgo de errores en el momento de tomar una decisión, porque los datos no son capturados por respuestas que brinde el estudiante a través de teclado o mouse, sino que son métricas tomadas en tiempo real de acuerdo a los impulsos de las ondas cerebrales (alfa, theta, beta, entre otras) que tiene cuando razona sobre un determinado tema.

Visión artificial 

Otra de las técnicas de la IA usadas en la educación, como por ejemplo en la inclusión de personas en situación de discapacidad, es la visión artificial, cuyo propósito es el diseño de una serie de algoritmos que permiten describir escenas en un momento determinado. Uno de estos algoritmos es el llamado Eye tracking o seguimiento del ojo.

Luego de ser codificado, el algoritmo de seguimiento del ojo reconoce automáticamente los ojos de la persona que se encuentra frente a una pantalla, de modo que con un guiño puede realizar alguna acción determinada, como por ejemplo escribir una letra, luego otra y así sucesivamente ir construyendo un texto (Uribe, 2015). El algoritmo ha sido implementado en dispositivos móviles, como teléfonos celulares inteligentes y tablets, buscando que las personas en situación de discapacidad logren algún tipo de autonomía. Estas innovaciones permiten a esta población (que no puedan hablar, no tengan brazos, entre otros), incluirse en la educación a través de los ambientes o escenarios propios de la educación virtual (e- learning), de manera similar a como lo hace un estudiante que no está en condición de discapacidad; también les puede servir como medio de comunicación con otras personas, para utilizar programas de oficina de uso genérico o para utilizar la Internet, entre otros.

Representación, extracción y razonamiento

La técnica más común es el Razonamiento basado en casos (RBC), y funciona intentando llegar a solucionar nuevos problemas de forma similar a como lo hacen los seres humanos; es decir, utilizando la experiencia acumulada hasta el momento en acontecimientos análogos (Fowler 2000). Un nuevo problema se compara con los casos previos almacenados en la base de casos, y se recuperan uno o varios de ellos; posteriormente se utiliza y evalúa una solución sugerida por los casos seleccionados con anterioridad, para tratar de aplicarla al problema actual (Aamodt y Plaza, 1994; Jiménez, 2006).

Esta técnica es un paradigma de resolución de problemas y de aprendizaje que no requiere de un modelo explícito del conocimiento, por lo que el proceso de adquisición de saberes se reduce a la recopilación de casos. En la implementación se pueden manejar grandes cantidades de datos, identificando las características relevantes que describen los casos o través de la incorporación de los mismos, siendo más sencillo su mantenimiento. Un caso se compone de tres elementos: la descripción del problema, la solución que se aplicó y el resultado de la solución. El conjunto de casos se organiza en una estructura llamada memoria de casos. La representación, indexado y almacenamiento de los casos son aspectos de gran importancia para hacer más efectivo y eficiente el proceso de búsqueda y comparación.

Conclusiones 

En la actualidad se están produciendo grandes cambios en la forma en que las personas viven y aprenden, debido especialmente a los impresionantes avances en el campo de la informática y de las telecomunicaciones, lo que representan nuevos desafío para los investigadores en el área de la IA en la educación. Los aportes de la IA inciden favorablemente en el aprendizaje de los estudiantes, dado que respeta sus ritmos, tiempos, espacios y cultura.

Se hace necesario mencionar la resistencia de algunos docentes frente al desafío de nuevas maneras de enseñanza para implementar las investigaciones y desarrollos del área de la IA en la educación. Es imperiosamente necesario innovar los métodos tradicionales de enseñanza y de aprendizaje pero antes debe de hacerse una labor de concientización y formación computacional entre los docentes.

Al establecer la importancia de la IA en la educación para la construcción de nuevos caminos y en la generación de nuevas actitudes entre los protagonistas del acto educativo, se entiende el porqué del presente artículo.

Referencias 

Aamodt, A., y Plaza, E. (1994). Case-based reasoning: Foundational issues, methodological variations, and system approaches. AI communications, 7(1), pp. 39-59.

Ainsworth, S., y Fleming, P. (2006). Evaluating Authoring Tools for Teachers as Instructional Designers. Computers in Human Behavior, No. 22.

Caro, M. (2015). Metamodel for personalized adaptation of pedagogical strategies using metacognition in Intelligent Tutoring Systems. Tesis de doctorado no publicada, Universidad Nacional de Colombia.

Delors, J., Amagi, I., Carneiro, R., Chung, F., Geremek, B., Gorham, W., y Nanzhao, Z. (1997). La educación encierra un tesoro: informe para la UNESCO de la Comisión Internacional sobre la Educación para el Siglo Veintiuno. Washington: Unesco.

Fowler, M. (1999). UML Destilled. Eddison Wesley Longman Inc. Obtenido desde http://pja.mykhi.org/6sem/MAS/books/Addison%20Wesley%20-%20UML%20Distill…

Gaviria, J. (2012). Feedback and profiling model for case based reasoning -systems in a learning scheme through cognitive neuroscience variables. Tesis de maestría no publicada, Universidad Nacional de Colombia.

González, J., Jiménez, J., Ramírez, J. (2011). Sistema modular de robótica colaborativa aplicado en educación. Revista Facultad de Ingeniería, Universidad de Antioquia, No. 58, pp. 163-172.

Jiménez, J. (2006). Un modelo de planificación instruccional usando CBR en MAS para entornos integrados de ITS y CSCL. Tesis de doctorado No publicada, Universidad Nacional de Colombia.

Jiménez, J., y Branch, J. (2014). Máquinas inteligentes en educación. Proyecto propiedad pública: apropiación social del conocimiento. Obtenido en Septiembre de 2015, desde http://www.propiedadpublica.com.co/maquinas-inteligentes- en-educacion

Lelouche, R., y Thoan, T. (2003). Using a Framework in the Development of an Intelligent Tutoring System. Trabajo presentado en la IEEE International Conference on Information Reuse and Integration – IRI´03, Agosto, Redwood, CA.

Miller, G. A. (2003). The cognitive revolution: a historical perspective. Trends in cognitive sciences, 7(3), pp. 141-144.

Paulson P., y Juell, P. (2004). Reinforcement Learning in Case-Based Systems. IEEE Potentials, Vol 4.

Resnick, M. (2002). Rethinking learning in the digital age. Obtenido desde https://llk.media.mit.edu/papers/mres-wef.pdf

Rodríguez, P. (2015). Método automatizado para evaluación de usabilidad en sistemas e-learning, usando monitoreo de actividad cerebral. Tesis de doctorado no publicada, Universidad Nacional de Colombia.

Uribe, A. (2015). Escribir con los ojos, diseñar con el alma. Bitácora UN: Agencia de noticias Universidad Nacional de Colombia. Obtenido en Septiembre de 2015, desde http://www.medellin.unal.edu.co/boletines/index.php?option=com_content&a… 09-21- 38-10&catid=1%3A2013&Itemid=7

Wenger, E. (1987). Artificial Intelligence and Tutoring Systems. Los Altos, CA: Morgan Kaufmann.

Share this...
Email this to someoneShare on FacebookShare on Google+Print this pageTweet about this on TwitterShare on LinkedIn

Leave a Comment