La inteligencia artificial puede ayudar a frenar la deserción en universidades, particularmente ahora que las clases se impartirán a distancia o en formato mixto a causa de la pandemia de COVID-19.
De acuerdo con el documento “Principales cifras del sistema educativo nacional 2018-2019”, publicado por la SEP, de cada 100 niños que iniciaron la educación primaria en 2007, sólo 35 de ellos ingresó a la universidad en 2014. De este grupo, sólo el 71.42% terminó la carrera en 2019. Por su parte, el INEGI reporta que la deserción en universidades ronda el 8.3% de los alumnos licenciatura cada año. La eficiencia terminal (aquellos que se titulan) es poco más del 67% de quienes empezaron la carrera.
La deserción en universidades se agudiza cuando se trata de educación a distancia. Las causas del problema son múltiples. Puede deberse a motivos laborales —para quienes trabajan—, dificultades académicas, mal ambiente escolar, problemas de salud, familiares o personales. Las razones varían de una institución a otra, según la localidad en la que se encuentren y hasta por el campo de estudios elegido por los alumnos.
Con la finalidad de identificar si la inteligencia artificial y el machine learning pueden arrojar datos útiles para predecir qué alumnos tienen un mayor riesgo de desertar, un grupo de académicos de la Universidad Abierta de Grecia probó con la aplicación de seis algoritmos individuales de machine learning.
Los investigadores de la universidad (ubicada en Patras, la 3ª ciudad griega más habitada) encontraron que el más útil es un algoritmo de clasificación Naive Bayes, la forma más sencilla de una red bayesiana.
Deserción en universidades: es posible frenarla
Los investigadores determinaron una serie de atributos indicadores de una posible deserción para clasificar los sujetos estudiados. El algoritmo asume que cada atributo es independiente de los demás. Si bien a pequeña escala dicha asunción tiende a estar equivocada, las pruebas efectuadas por los académicos griegos mostraron que a gran escala, el clasificador Naive Bayes era más preciso en sus resultados que otros algoritmos mucho más sofisticados.
Para su aplicación con los estudiantes, se desarrolló el prototipo de una herramienta web capaz de señalar a aquellos alumnos con mayor probabilidad de desertar. Dicha información permitió a los docentes elaborar estrategias adecuadas a cada caso para procurar que los alumnos continuaran con sus estudios.
La precisión inicial de la herramienta alcanzó el 63%, con base únicamente en los datos demográficos de los alumnos. Sin embargo, conforme avanzó el semestre y el algoritmo pudo ser entrenado con datos recopilados durante la actuación académica de los estudiantes, la efectividad de la herramienta rebasó el 83% hacia la mitad del periodo lectivo. En conclusión: bien aplicadas, la inteligencia artificial y el machine learning pueden contribuir efectivamente a reducir la deserción en universidades.
