Antes de la irrupción de la crisis sanitaria provocada por la pandemia del COVID-19, se preveía que este 2020 iba a ser el año en el que despegaría el Machine Learning. Pero, pese a la paralización resultante de muchos de los sectores tecnológicos y económicos que lo habrían hecho posible, esta tecnología sigue siendo considerada como una de las más importantes del futuro más inmediato. A grandes rasgos, el Machine Learning es una rama de la Inteligencia Artificial (IA) que se define por su capacidad para crear algoritmos capaces, a su vez, de aprender de forma automática para predecir conductas futuras. De lo que se deriva que estos algoritmos pueden seguir aprendiendo progresivamente con cada vez más precisión, y de forma totalmente autónoma a cualquier supervisión.

Su condición de tecnología emergente no ha evitado el habitual recelo de algunos sectores sobre su aplicación en áreas que van desde los negocios hasta lo tecnológico, prediciendo posibles errores informáticos o debacles económicas antes de que ocurran o, como no podía ser de otro modo, también la educación. En las siguientes líneas, profundizaremos en los posibles usos del Machine Learning dentro del campo educativo, así como en los cambios y posibilidades pedagógicas que ofrecería su integración, aún por concretar, en este ámbito.

Más allá del Aprendizaje adaptativo

El Machine Learning supone un paso más allá de los hallazgos tecnológicos alcanzados con el Big Data, que recoge y correlaciona a enorme velocidad diferentes datos sobre los usuarios de un programa determinado, para así adaptarse algorítmicamente a sus necesidades, a través del patrón de conducta que ha creado a partir de su actividad en la Red. Quizás por eso, parece que el destino más seguro para el Machine Learning en entornos educativos será probablemente el mismo que el del Big Data, que es hoy día utilizado como parte del llamado Learning analytic, dentro de la metodología educativa digital del Aprendizaje adaptativo. Esta metodología supone una revisión tecnológica y digital de la Teoría del aprendizaje programado, promulgado por B. F. Skinner (1904-1990), y consiste en un sistema de aprendizaje que se presenta al estudiante de forma selectiva y adaptada a sus intereses y capacidades, centrándose en sus ejes de mejora y creando un itinerario más o menos específico para cada uno de sus usuarios. Una aplicación educativa de las Analíticas del aprendizaje, presentes en la plataforma educativa Matic, de aulaPlaneta, y que permiten desde el seguimiento de la evolución de los estudiantes y en qué punto se encuentran sus tareas pendientes, hasta el trazado (guiado) del itinerario de aprendizaje del alumnado. Méritos que se prevé serán superados por el Machine Learning en cuanto su recogida y comparación algorítmica de datos será igualmente superior a la del Big Data, gracias en gran medida a la potencia y rapidez ofrecida por la aún poco extendida red 5G, cuya expansión también estaba prevista para este 2020.

Un potencial aliado para los docentes

Pero más allá del avance tecnológico que supondría el Machine Learning sobre otros sistemas de aprendizaje algorítmico y adaptativo anteriores en el tiempo, ¿cuáles son sus posibles beneficios educativos prácticos?

• Agilizaría y facilitaría la supervisión del progreso educativo de los alumnos prácticamente en tiempo real, permitiendo incluso prever futuros itinerarios pedagógicos para ellos a partir de su actividad previa en las plataformas que cuenten con el Machine Learning.
• Aplicado efectivamente, el Machine Learning permitiría un elevado grado de autoformación para el alumnado que lo utilice, y que recibiría ejercicios y tareas con una frecuencia a la medida de sus posibilidades y siempre buscando mejorar aquellos aspectos de su educación que lo necesiten, haciendo más efectiva, también, la tarea del profesorado.
• Sumado al anterior punto, un sistema de aprendizaje digital que incluya el Machine Learning también podría aportar al profesorado diferentes opciones para ofrecer una u otra tarea a sus alumnos, a partir de otras previas ya ejecutadas en clase, agilizando de nuevo las clases.

En cualquier caso, su utilización no implicaría pasividad por parte del profesorado: para poder establecer las predicciones que definen el Machine Learning, los docentes que lo utilicen deberían introducir inicialmente los datos básicos y, pese a la enorme capacidad de autonomía de su algoritmo, supervisar que las predicciones resultantes de esta primera siembra son correctas. De no ser así, se impondría una revisión de estos datos de cara a establecer unos patrones más fidedignos a la realidad educativa en la que se pretende introducir el Machine Learning. Y, en el caso de que los factores considerados importantes para elaborar estas predicciones variaran, también deberían hacerlo los datos que se introduzcan en este sistema predictivo. Lo que haría del profesorado no solo un gestor del aprendizaje de los alumnos apoyado en el Machine Learning, sino también un privilegiado y necesario observador de su evolución, igualmente capaz de evaluar a sus alumnos y corregir el algoritmo cuando sea necesario para así ayudarle a ser aún más efectivo.

¿Conocíais la tecnología Machine Learning? ¿Qué impresiones os genera su posible implementación educativa? Compartid vuestras reflexiones con nosotros y este post con todos vuestros contactos.

Para saber más:

• Artículo: Educación y Machine Learning: La puerta de entrada a un nuevo paradigma, por Enrique Darwin Caraballo.
• Artículo: Metodología de Aprendizaje automático para la clasificación y predicción de usuario en ambientes virtuales de educación, por Enrique J. de la Hoz, Efraín J. de la Hoz y Tomás J. Fontalvo.
• Video: Avances recientes en la AI y Machine Learning, por Natasha Jaques.