14 Sistemas inteligentes de gestión del aprendizaje
Giuseppe Città y Manuel Gentile
Aprendizaje electrónico y Sistemas de Gestión de Aprendizaje (LMS)
El número de personas que utilizan el aprendizaje electrónico (e-learning en inglés) está en constante crecimiento. El término e-learning se refiere al aprendizaje mediado por el uso de tecnología en contextos donde los educadores y los aprendices están distantes en espacio y/o tiempo. El objetivo final del e-learning es mejorar la experiencia y práctica de aprendizaje de los estudiantes.
Hoy en día, con el avance de la tecnología, es más apropiado referirse a sistemas y plataformas para la ‘entrega’ de e-learning en lugar de a herramientas de un solo propósito. Tales sistemas son el resultado de integrar diferentes herramientas de software capaces de construir un ecosistema donde se pueden explotar caminos de aprendizaje flexibles y adaptables. Un sistema de e-learning permite la gestión de procesos de aprendizaje y la gestión de cursos. Habilita evaluaciones de aprendizaje de estudiantes, construcción de informes como creación y organización de contenido. Facilita la comunicación entre profesores/tutores y estudiantes. Entre los sistemas de e-learning más utilizados, están los Sistemas de Gestión de Aprendizaje (Learning Management System [LMS]) (por ejemplo, Moodle, Edmodo).
El acrónimo LMS se refiere a una aplicación basada en la web diseñada para gestionar el proceso de aprendizaje de los aprendices1 en diferentes niveles, de diferentes maneras y dominios. Por lo tanto, un LMS podría definirse como un entorno de aprendizaje dentro del cual se implementan y gestionan actividades y herramientas de aprendizaje, contenido y evaluación. Las interacciones estudiante-estudiante y/o estudiante-educador también se implementan y gestionan dentro de este entorno. Además, la definición de LMS incluye que son plataformas que generalmente pueden incluir sistemas completos de gestión de cursos, sistemas de gestión de contenido y portales2.
LMS y IA: el LMS Inteligente
Con la llegada de la IA, la educación, en general, y los LMS, en particular, se convierten en campos de aplicación posibles y prometedores de esta fuerza revolucionaria3. Específicamente, los LMS, gracias a las funcionalidades soportadas por la IA, representan una herramienta de aprendizaje renovada capaz de satisfacer dos de los rasgos fundamentales de la educación del futuro: personalización y adaptación4. Es de esta combinación de LMS e IA que surge el LMS Inteligente (SLMS) o LMS Inteligente.
Un SLMS eficiente presenta algoritmos que pueden proporcionar y recuperar información de tres grupos fundamentales de conocimiento: a) el estudiante b) la pedagogía y c) el dominio. Al adquirir información sobre las preferencias de los aprendices, sus estados emocionales, cognitivos, sus logros y objetivos, un SLMS puede implementar aquellas estrategias de enseñanza (b) que sean más efectivas (tipos específicos de evaluación, aprendizaje colaborativo, etc.) para que el aprendizaje sea más fructífero dentro del dominio específico de conocimiento que se estudia (c): por ejemplo, teoremas de geometría, operaciones matemáticas, leyes de física, procedimientos de análisis de texto4.
Por lo tanto, un SLMS puede definirse como un sistema de aprendizaje capaz de adaptar los contenidos propuestos al estudiante calibrándolos al conocimiento y habilidades que este ha mostrado en tareas previas. De hecho, al adoptar un enfoque centrado en el estudiante, puede identificar, seguir y monitorear los caminos de estudiantes registrando sus patrones y estilos de aprendizaje. Refiriéndose a la descripción dada por Fardinpour et al.5, un LMS inteligente proporciona al estudiante el camino de aprendizaje más efectivo y el contenido de aprendizaje más apropiado, a través de automatización, la adaptación de diferentes estrategias de enseñanza (andamiaje), y la generación de informes y conocimiento. También proporciona a los estudiantes la posibilidad de hacer seguimiento y monitorear su aprendizaje y objetivos de aprendizaje. Además, aunque estas características y herramientas permiten que el LMS opere de manera más inteligente, un SLMS debe proporcionar a los estudiantes la posibilidad de desactivar la IA que gestiona su camino, para tener acceso completo a todos los materiales de aprendizaje en el entorno de aprendizaje.
Algunos ejemplos de funcionalidades soportadas por IA en el contexto de un SLMS
Cuando un SLMS funciona correctamente, varias herramientas soportadas por IA hacen posible realizar un sistema con las características descritas anteriormente. Tales herramientas soportadas por IA se mueven transversalmente a lo largo de los tres grupos de conocimiento mencionados anteriormente, a los cuales los algoritmos de SLMS se refieren constantemente (estudiante, pedagogía, dominio).
Chatbots soportados por IA como tutores virtuales
Un chatbot es un software que simula y procesa conversaciones humanas (escritas o habladas). En el contexto de un SLMS, puede funcionar como un tutor virtual, capaz de responder a las preguntas de un estudiante sobre, por ejemplo, cursos de aprendizaje. El chatbot también es capaz de proporcionar sugerencias al estudiante, basadas en el análisis que el sistema hace de las actuaciones y interacciones previas6.
Analítica de Aprendizaje
La Analítica de Aprendizaje –datos relacionados con los detalles de las interacciones individuales de los aprendices en actividades de aprendizaje en línea– permiten a los profesores monitorear el progreso y rendimiento de los estudiantes en profundidad. Gracias a ellos, el sistema puede implementar la activación automática de tareas educativas asistidas por computadora7 para complementar las actividades de aquellos estudiantes que han mostrado déficit de rendimiento en tareas específicas. Además, puede proporcionar automáticamente sugerencias a los profesores sobre la dificultad de las tareas propuestas o la necesidad de complementarlas con contenido de aprendizaje adicional.
Beneficios para estudiantes y profesores
Estas y otras herramientas soportadas por IA4 contribuyen a hacer de un SLMS una poderosa herramienta de aprendizaje y enseñanza que, en lugar de ser percibida como un sustituto del trabajo del profesor, se muestra como una herramienta capaz de «aumentar» los aspectos humanos de la enseñanza8 y traer una serie de beneficios fundamentales a los procesos de aprendizaje y a los procesos de enseñanza.
Dado que un SLMS calibra los contenidos a las habilidades y nivel del estudiante, evita que este, en las diferentes fases de su camino, enfrente tareas que le aburran porque son demasiado simples, o que le frustren porque son demasiado complejas. Esto asegura que la motivación y atención del estudiante siempre estén a un nivel alto y apropiado al nivel de dificultad de la tarea a abordar. Esta situación tiene la consecuencia directa de reducir significativamente la tasa de abandono, ya que permite a los profesores detectar cualquier problema a tiempo e intervenir de manera oportuna, tan pronto como el estudiante muestre los primeros signos de dificultad.
Tal situación, así como situaciones de aprendizaje lineales (sin dificultades), pueden ser abordadas proponiendo a los estudiantes, a través de las herramientas de SLMS, diferentes contenidos de conocimiento que ya están almacenados en las bases de datos del curso o son de proveedores de terceros. Esto resulta en un beneficio directo para el profesor, quien no tiene que crear nuevos materiales de enseñanza de vez en cuando, y puede usar el tiempo ahorrado en otras ocupaciones esenciales como refinar sus métodos de enseñanza y/o interactuar directamente con los estudiantes.
1 Kasim, N. N. M., & Khalid, F. (2016). Choosing the right learning management system (LMS) for the higher education institution context: A systematic review. International Journal of Emerging Technologies in Learning (iJET), 11(6), 55–60. https://doi.org/10.3991/ijet.v11i06.5646
2 Coates, H., James, R., & Baldwin, G. (2005). A critical examination of the effects of learning management systems on university teaching and learning. Tertiary Education and Management, 11(1), 19–36. https://doi.org/10.1007/s11233-004-3567-8
3 Beck, J., Stern, M., & Haugsjaa, E. (1996). Applications of AI in education. Crossroads, 3(1), 11–15. https://doi.org/10.1145/332148.332153
4 Rerhaye, L., Altun, D., Krauss, C., & Müller, C. (2021, July). Evaluation methods for an AI-supported learning management system: Quantifying and qualifying added values for teaching and learning. En C. Stephanidis & M. Antona (Eds.), Human-Computer Interaction. Theory and Practice (pp. 394–411). Springer, Cham. https://doi.org/10.1007/978-3-030-78224-5_30
5 Fardinpour, A., Pedram, M. M., & Bürkle, M. (2014). Intelligent learning management systems: Definition, features and measurement of intelligence. International Journal of Distance Education Technologies (IJDET), 12(4), 19–31. https://doi.org/10.4018/ijdet.2014100102
6 HR Technologist. (2019). Emerging trends for AI in learning management systems. https://www.hrtechnologist.com/articles/learning-development/ai-in-learning-management-systems/
7 Krauss, C., Salzmann, A., & Merceron, A. (2018, September). Branched learning paths for the recommendation of personalized sequences of course items. En DeLFI Workshops 2018 (pp. 43–50). https://ceur-ws.org/Vol-2215/paper5.pdf
8 Mavrikis, M., & Holmes, W. (2019). Intelligent learning environments: Design, usage and analytics for future schools. En C. Lewin & Y. Luckin (Eds.), Shaping future schools with digital technology (pp. 57–73). Routledge. https://doi.org/10.4324/9781351117619-5
