Machine learning es una aplicación de la IA que puede mejorar la educación superior. Ya afecta otras áreas de nuestra vida cotidiana. ¿Se ha preguntado cómo es que su servicio de video en streaming logra hacerle sugerencias cada vez más acertadas? ¿O cómo es que su teléfono inteligente reconoce su rostro para desbloquearse? ¿Por qué las páginas por las que navega en Internet tienen anuncios publicitarios que le interesan específicamente?
Aunque no existe una definición universal del machine learning, también llamado aprendizaje automático o aprendizaje de las máquinas, se puede decir que es un proceso basado en conjuntos de algoritmos y modelos estadísticos para efectuar el análisis de los datos que recibe e inferir patrones que le permiten realizar determinadas tareas o tomar ciertas decisiones sin recibir instrucciones específicas para ello.
Conforme desempeña más tareas, la precisión de las respuestas de los algoritmos aumenta. Por el volumen de datos requeridos para entrenar adecuadamente a un algoritmo, resultan ideales para explorar el big data y extraer información valiosa de él. Existen diversos tipos de algoritmos (de aprendizaje supervisado o no supervisado, por ejemplo) y varios modelos para implementarlos (como redes neuronales o máquinas de soporte de vectores, entre otros); de aquellos que interactúan directamente con las personas se puede decir que mientras más información reciben de los usuarios, mejor los conocen, hasta un punto que parece de ciencia ficción: algunos de ellos pueden, inclusive, detectar el estado de ánimo o las emociones.
Usos prácticos de machine learning en la educación superior
Las universidades recopilan una gran cantidad de datos que pueden utilizar para mejorar el proceso educativo en diferentes maneras. Un ejemplo es el desarrollo del programa M-Write por investigadores de la Universidad de Michigan, concebido como una herramienta para ayudarlos a aprender temas específicos al escribir sobre ellos y evaluar las fortalezas y debilidades de lo escrito antes de que los estudiantes entreguen sus ensayos al profesor.
Para lograrlo, M-Write incorpora un análisis automatizado de texto, que cual se enfoca, por ejemplo, en el vocabulario empleado o en su idoneidad para el tema asignado de acuerdo con los parámetros especificados en el algoritmo. Luego, la aplicación genera una evaluación por cada aspecto a considerar y la integra en una calificación tentativa, la que recibiría el ensayo. Los resultados son revisados por un asesor humano, lo que a su vez provee de más datos al algoritmo para mejorar su precisión.
Otra aplicación similar, llamada Personal Adaptive Learning (PAL) fue desarrollada por la Universidad Central de Florida para utilizarla en cursos en línea impartidos a grupos numerosos de estudiantes de nuevo ingreso. Los algoritmos utilizados son capaces de determinar, a partir de un escrito en particular, el nivel de conocimiento del estudiante y qué tan a gusto se siente con el proceso de aprendizaje. Luego determinan a qué ritmo y en qué formato suministrarán los siguientes contenidos a cada estudiante en forma individualizada.
