51 X5GON

La búsqueda de recursos educativos es importante para los profesores, especialmente cuando preparan una nueva clase, exploran un nuevo campo o tema, o preparan una actividad. Este material (courseware) puede servir solo para documentarse, pero a veces el profesor puede querer construir un nuevo courseware a partir de él. Resulta tentador e intelectualmente legítimo no reinventar la rueda y utilizar una forma inteligente de copiar y pegar. Por supuesto, esto a menudo no es legal, ya que viola las leyes de derechos de autor.

Cuando los autores de los recursos licencian su trabajo con licencias Creative Commons, los recursos se convierten en REA y el profesor puede reutilizarlos, transformarlos, remezclarlos y redistribuirlos libremente. La única obligación, normalmente, es citar correctamente al autor original. Por eso es importante identificar cuándo un recurso es abierto o no.

Existen algunas colecciones y repositorios de REA bien licenciados y probablemente tuministerio disponga de uno. Pero, ¿qué ocurre a la hora de encontrar estos recursos en cualquier lugar de la red? ¿Podemos hacer uso de un buscador específico para ello?

El proyecto X5-GON fue financiado por la UE para encontrar e indexar REA, utilizar IA para curar estos REA y proponer herramientas de IA, típicamente herramientas de búsqueda, que permitan a los usuarios encontrar mejor los REA.

¿Dónde aparece la IA en dicho proceso?

Aparecerá en todas las etapas:

Durante la etapa de absorción, los robots rastrearán la web y devolverán los REA: se trata de un proceso complejo, ya que implica reconocer los REA y, por tanto, las licencias. Parte de ello puede considerarse como una típica tarea de clasificación (una tarea común de la IA).

Cuando el robot ha encontrado un recurso, hay que recuperar el texto de este recurso. Cuando el recurso es un archivo de audio o video, esto significa utilizar la transcripción.

El 5 de X5-GON hace referencia a las 5 barreras o dimensiones que el proyecto quería abordar: una de ellas es el idioma. Así pues, el siguiente paso del proceso consiste en utilizar herramientas de traducción automática para obtener versiones del texto en cada uno de los idiomas elegidos. De nuevo una herramienta típica de IA.

En este punto puede que te preguntes: la transcripción y la traducción automáticas son tecnologías en rápido crecimiento. Pero siguen cometiendo errores graves. ¿No es peligroso confiar en ellas? La respuesta es que los algoritmos de búsqueda y recomendación no necesitan el texto exacto. Necesitan situar el documento en un espacio, junto a palabras clave y otros documentos.

Piensa en una caja llena de papeles viejos que necesitas organizar. Lo ideal sería tener una organización preestablecida, y archivar cada papel en el lugar correcto. Pero, por lo general, no tenemos este sistema de archivo preexistente y acabamos colocando los papeles cerca unos de otros cuando tienen cosas en común, con reglas no escritas de todo tipo. Estos dos papeles van juntos porque son del mismo año, estos dos porque están relacionados con coches, estos dos porque son del mismo tamaño, y así sucesivamente. El término clave es «próximos». Hablaremos de esto más adelante en el libro.

Una vez extraídos los textos en bruto, se pueden construir los modelos. Los documentos se convertirán en vectores en algún espacio de alta dimensión, y la comparación de vectores nos permitirá responder a preguntas como: ¿Qué diez documentos son más parecidos a éste? ¿Qué cinco documentos coinciden mejor con esta palabra clave?

Pueden obtenerse modelos más ricos mediante entrenamiento. Pueden responder a preguntas más complejas:

• ¿Qué dificultad tiene este curso? La respuesta puede estar en algún lugar de la descripción del curso, o en los metadatos. Se trata de datos que están ocultos al espectador pero que se supone que proporcionan información sobre un documento. Lo más probable es que puedan obtenerse mediante el análisis automático del documento. La longitud de las frases y de las palabras, así como las propias palabras, son buenos indicadores de la edad a la que estaba destinado un curso;
• ¿Debo fijarme en el contenido de un documento?
• ¿Debo mirar este curso antes que este otro? Esta es laprevia para poder tener un curso completo construido automáticamente a partir de un software de curso dado;
• Preguntarle a este software de curso antes que a este otro.

¿Cuál es la calidad del curso? Esta es una pregunta difícil de responder para la IA. Al intentar responderla, la IA podría hacer más mal que bien. Sin embargo, poder averiguar si los datos de un curso son correctos tiene sentido. Después de las noticias falsas, ¿tendremos cursos falsos?

Algunos enlaces

X5-Discover (https://discovery.x5gon.org/) es un motor de búsqueda.

La plataforma de aprendizaje X5-Learn (http://x5learn.org/) permite elegir los cursos y hacer que la IA los organice en el mejor orden. En este caso, se utiliza un motor de recomendación.

Más herramientas X5-GON (una API para desarrolladores, una versión para instalar en Moodle) se pueden encontrar aquí.

El proyecto X5GON ha sido financiado por el programa de investigación e innovación de la Unión Europea Horizonte 2020 con la subvención número 761758.