volver al observatorio
Análisis asistido de cuestionarios de preguntas abiertas para la enseñanza de la ciencias
Descripción del servicio
La minería de textos se ha utilizado para el análisis de textos científicos con el fin de identificar la temática principal de dicho texto, los conceptos que aparecen en dichos documentos, tendencias en las posturas ante un tema, entre otros. Para este proyecto, se propuso utilizar la minería de texto para apoyar el análisis de las respuestas dadas por estudiantes del bachillerato a un cuestionario sobre genética, y con ello determinar la comprensión conceptual alcanzada por los alumnos. Para este fin se desarrolló una aplicación web que utiliza un algoritmo de aprendizaje supervisado y adapta las etapas generales de la minería de texto.
Problemática que resuelve
En el contexto de la enseñanza de las ciencias, el análisis de las respuestas de este tipo de preguntas ayuda a determinar el nivel de comprensión de los estudiantes en un determinado tema. El análisis tradicional de estos cuestionarios es manual, los investigadores analizan una a una las respuestas de los estudiantes y deben establecer categorías y niveles para lograr una evaluación uniforme, por lo que esta tarea suele implicar llevar bastante tiempo. Haciendo uso de la clasificación automática se pueden reducir drásticamente los tiempos de análisis de esta información.
Tipo de aplicación de IA utilizada
Razonamiento con estructuras de conocimiento, Predicción
Principales resultados a junio 30 de 2021
La aplicación web propuesta fue probada inicialmente con la pregunta uno del cuestionario antes mencionado, variando el tamaño de la muestra de entrenamiento. En las diferentes pruebas realizadas el mejor desempeño logrado por el modelo fue del 74% de precisión en la clasificación. Para analizar la validez del proceso de calificación automática se compararon los resultados obtenidos a partir de un conjunto de respuestas calificados automáticamente contra los resultados del conjunto de respuestas calificado completamente por los expertos. Este análisis permitió identificar que los conceptos y las relaciones que identifican la IA y los expertos son muy parecidos.
Tres principales cuellos de botella que enfrentó durante la implementación
En el caso de la enseñanza de las ciencia y en particular para el desarrollo de la herramienta los principales problemas son:
- La cantidad de datos, ya que los cuestionarios se aplican a poblaciones relativamente pequeñas para la minería de datos, del orden de decenas a cientos.
- Para la evaluación del sistema, toda la muestra tuvo que ser evaluada por los expertos, lo cual requirió mucho tiempo.
- Poner en línea el sistema, para que otros investigadores tengan acceso a él, ha sido complejo por los problemas de seguridad informática, ya que el proyecto se centró en el desarrollo e integración de los algoritmos de aprendizaje y, al estar disponible en Internet, ha sido afectado por ataques informáticos, por lo que el sistema solo corre en una red local lo que resta visibilidad al proyecto.
Lecciones aprendidas
- Para el caso de aprendizaje automático y ciencia de datos se habla de la necesidad de una gran cantidad de datos para poder obtener modelos precisos, en el proyecto se ha demostrado que se pueden obtener buenos modelos con cantidades de datos más pequeñas, lo cual es muy importante para el caso de la enseñanza.
- Las herramientas disponibles ayudan a aplicar la IA para resolver problemas de las comunidades, como lo es la comunidad de profesores.
- La IA se puede convertir en una herramienta de asistencia a los investigadores para acelerar los procesos de análisis y toma de decisiones sobre los problemas de enseñanza, lo que conlleva su mejora.
País de origen
Alcance geográfico de las operaciones
Ciudad de México
Tipo de ejecutor
UniversidadSector/industria
Objetivo(s) de Desarrollo Sostenible a los cuales su solución de IA aporta
4 (educación de calidad)
La aplicación de IA fue desarrollada internamente o por un tercero
Internamente
Nombre de la entidad implementadora
Instituto de Ciencias Aplicadas y Tecnología, Universidad Nacional Autónoma de México
Actores involucrados
Investigadores del área de enseñanza de la ciencias y equipo especializado en la ciencia de datos y creación de aplicaciones web
Porcentaje del equipo desarrollador que son mujeres
40%
Año en que empezaron a usar la IA
2010Te puede interesar
Junto con el MIT desarrollamos un estudio en el que utilizamos por primera vez herramientas de inteligencia artificial para elegir a beneficiarios de programas sociales
Esta herramienta de autoevaluación está diseñada para permitir la mitigación de riesgos éticos asociados al uso / aplicación de nuevas tecnologías.
Este documento fue diseñado como insumo de una hoja de ruta que permite crear un marco para el uso ético, responsable y seguro de la IA en Costa Rica.