Desarrollan un sistema basado en la ciencia de datos para predicir el abandono de los estudios

Los autores del trabajo, Eloi Puertas, Laura Igual y Sergi Rovira.
Los autores del trabajo, Eloi Puertas, Laura Igual y Sergi Rovira.
Investigación
(30/03/2017)

Según la publicación Education at a Glance (EAG), el abandono estudiantil en Europa es actualmente del 30 %. En España, este dato está entre el 25 % y el 29 %. Con el fin de una herramienta dirigida a tutores para asesorar y mejorar el rendimiento académico y reducir estos niveles, un equipo de la Facultad de Matemáticas e Informática de la Universidad de Barcelona publica un artículo en la revista Plos One donde presenta un sistema de análisis de datos para predecir el abandono. El algoritmo está La, basado en la ciencia de datos —es decir, en técnicas de aprendizaje automático.

Los autores del trabajo, Eloi Puertas, Laura Igual y Sergi Rovira.
Los autores del trabajo, Eloi Puertas, Laura Igual y Sergi Rovira.
Investigación
30/03/2017

Según la publicación Education at a Glance (EAG), el abandono estudiantil en Europa es actualmente del 30 %. En España, este dato está entre el 25 % y el 29 %. Con el fin de una herramienta dirigida a tutores para asesorar y mejorar el rendimiento académico y reducir estos niveles, un equipo de la Facultad de Matemáticas e Informática de la Universidad de Barcelona publica un artículo en la revista Plos One donde presenta un sistema de análisis de datos para predecir el abandono. El algoritmo está La, basado en la ciencia de datos —es decir, en técnicas de aprendizaje automático.

El trabajo lo firman los investigadores Laura Igual y Eloi Puertas, del Departamento de Matemáticas e Informática de la UB, junto con Sergi Rovira, estudiante del grado de Informática de la UB. Esta investigación forma parte del proyecto de innovación docente de la UB Sistema inteligente de apoyo al tutor de estudios, que lidera Laura Igual, y en el que participan investigadores de la Facultad de Matemáticas e Informática y de la Facultad de Educación. El objetivo es desarrollar una herramienta que permita a los tutores ofrecer recomendaciones y orientación a los alumnos, así como evaluar el riesgo de abandono.

«Hoy en día, el papel de un tutor es más importante que nunca para evitar el abandono de los estudiantes y mejorar su rendimiento académico. La investigación propone un sistema basado en datos objetivos para extraer información relevante oculta en los datos académicos del alumnado y, por tanto, para ayudar a los tutores a ofrecer a sus estudiantes una orientación personal y proactiva», explica Igual.

En esta primera fase, el objetivo de la investigación era responder a la siguiente pregunta: ¿es posible predecir, a partir de los resultados del primer año académico, si un estudiante continuará en la universidad en el segundo año? Para obtener una respuesta, los investigadores han utilizado datos del primer y segundo año académico de tres grados: Matemáticas, Informática y Derecho. A estos datos se les han aplicado cinco algoritmos diferentes de aprendizaje automàtico, el mejor de los cuales ha mostrado una precisión del 82 %. Tanto el algoritmo como los datos anónimos se han publicado en Plos One de forma abierta.

De la estadística a la ciencia de datos

Los trabajos previos sobre el abandono de los estudios universitarios están focalizados en modelos estadísticos, basados en una recopilación de datos (a menudo mediante encuestas o entrevistas) que aportan información sobre las posibles causas del abandono (motivación, relación con compañeros, etc.). Estos modelos estadísticos se basan en hipótesis extraídas del problema subyacente, lo que a la larga supone un inconveniente: si los factores de rendimiento de los estudiantes varían con el tiempo, los supuestos de un modelo estadístico podrían llegar a quedar obsoletos. «Por el contrario —continúa Igual—, las técnicas de aprendizaje automático tienen una aplicación predictiva basada en datos objetivos, lo que hace que se adapten mucho más a nuevos datos». Aunque los sistemas estadísticos son mejores para determinar las razones que llevan al abandono, «el poder predictivo de estas herramientas es más bajo», precisa Laura Igual. Además, este nuevo enfoque permitirá proporcionar a los tutores alertas sobre los alumnos previas a la matrícula.

Este sistema también permite hacer una proyección de las notas que pueden sacar los estudiantes en asignaturas futuras, lo que permitiría al tutor orientar la matrícula o dar recomendaciones al alumnado.

En el marco del proyecto de innovación docente, «el siguiente paso es analizar desde el punto de vista educativo de qué manera se puede implementar esta herramienta, y cómo se puede evaluar su impacto y desarrollar un prototipo de aplicación informática», concluye la investigadora.

 

Referència de lʼarticle:

S. Rovira, E. Puertas, L. Igual. «Data-driven System to Predict Academic Grades and Dropout». PLoS ONE, febrero de 2017. Doi:10.1371/journal.pone.0171207