Notícies

Inici  >  Notícies > Desenvolupen un sistema basat en la ciència de dades per predir l’abandonament...

Desenvolupen un sistema basat en la ciència de dades per predir l’abandonament dels estudis

Els autors del treball: Eloi Puertas, Laura Igual i Sergi Rovira.

Els autors del treball: Eloi Puertas, Laura Igual i Sergi Rovira.

30/03/2017

Recerca

Segons la publicació Education at a Glance (EAG), l’abandonament estudiantil a Europa és actualment del 30 %. A Espanya, aquesta dada està entre el 25 i el 29 %. Amb l’objectiu de desenvolupar una eina dirigida a tutors per assessorar i millorar el rendiment acadèmic i reduir aquests nivells, un equip de la Facultat de Matemàtiques i Informàtica ha publicat un article a la revista PLoS ONE en què presenta un sistema d’anàlisi de dades per predir l’abandonament dels estudis. L’algoritme està basat en la ciència de dades, és a dir, en tècniques d'aprenentatge automàtic.

El treball el signen els investigadors Laura Igual i Eloi Puertas, del Departament de Matemàtiques i Informàtica de la UB, juntament amb Sergi Rovira, estudiant del grau d’Informàtica de la UB. Aquesta recerca forma part del projecte d’innovació docent Sistema Intel·ligent de Suport al Tutor d’Estudis de la Universitat de Barcelona, que lidera Laura Igual, i en el qual participen investigadors de la Facultat de Matemàtiques i Informàtica i de la Facultat d’Educació. L’objectiu és desenvolupar una eina que permeti als tutors donar recomanacions i orientació als alumnes, així com avaluar el risc d’abandonament.

«Avui en dia, el paper d’un tutor és més important que mai per evitar l’abandonament dels estudis i millorar el rendiment acadèmic de l’alumnat. La recerca proposa un sistema basat en dades objectives per extreure informació oculta rellevant en les dades acadèmiques i, per tant, per ajudar els tutors a oferir als estudiants una orientació personal i proactiva», explica Igual.

En aquesta primera fase, l’objectiu de la recerca era respondre a la pregunta: és possible predir, a partir dels resultats del primer any acadèmic, si un estudiant continuarà a la universitat el segon any? Per trobar-ne la resposta els investigadors han utilitzat dades de primer i segon any acadèmic de tres graus: Matemàtiques, Informàtica i Dret. A aquestes dades els han aplicat cinc algoritmes diferents de tècniques d’aprenentatge automàtics, el millor dels quals ha mostrat una precisió del 82 %. Tant l’algoritme com les dades anònimes s’han publicat de manera oberta a PLoS ONE.

De l’estadística a la ciència de dades

Els treballs previs sobre l’abandonament dels estudis universitaris estan focalitzats en models estadístics, basats en una recopilació de dades (sovint mitjançant enquestes o entrevistes) que aporten informació sobre les possibles causes de l’abandonament (motivació, relació amb companys, etc.). Els models estadístics es basen en hipòtesis extretes del problema subjacent, la qual cosa pot suposar un inconvenient: si els factors de rendiment dels estudiants varien amb el temps, els supòsits d'un model estadístic podrien arribar a quedar obsolets. «Per contra —assenyala Igual—, les tècniques d’aprenentatge automàtic tenen una aplicació predictiva basada en dades objectives, i això fa que siguin molt més adaptables a noves dades». Tot i així, els sistemes estadístics són millors per determinar les raons que porten a l’abandonament. «Però el poder predictiu d’aquestes eines és més baix», apunta Laura Igual. A més, aquest nou enfocament permetrà donar als tutors «alertes» sobre els alumnes prèvies a la matrícula.

Aquest sistema també possibilita fer una projecció de les notes que poden treure els alumnes en assignatures futures. Això permet al tutor orientar en la matrícula o donar recomanacions als alumnes.

En el marc del projecte d’innovació docent, «el pas següent és analitzar des del punt de vista educatiu de quina manera es pot implementar aquesta eina, com se’n pot avaluar l’impacte i desenvolupar un prototip d’aplicació informàtica», conclou la investigadora.

 

Referència de l’article:

S. Rovira, E. Puertas, L. Igual. «Data-driven system to predict academic grades and dropout». PLoS ONE, febrer de 2017. Doi:10.1371/journal.pone.0171207

Comparteix-la a:
| Més |
  • Segueix-nos:
  • botó per accedir al facebook de la universitat de barcelona
  • botó per accedir al twitter de la universitat de barcelona
  • botó per accedir a l'instagram de la Universitat de Barcelona
  • botó per accedir al linkedin de la Universitat de Barcelona
  • botó per accedir al youtube de la universitat de barcelona
  • botó per accedir al google+ de la universitat de barcelona
  • botó per accedir al flickr de la Universitat de Barcelona
Membre de la Reconeixement internacional de l'excel·lència HR Excellence in Research logo del ∞ - League of European Research Universities logo del bkc - campus excel·lència logo del health universitat de barcelona campus

© Universitat de Barcelona