31
de Març
de
2017 - 05:30
A Europa l'abandonament dels estudis és del 30% i a l'Estat espanyol se situa entre el 25% i el 29%. Per combatre aquest problema uns investigadors de la Facultat de Matemàtiques i Informàtica de la Universitat de Barcelona (UB)han llançat un sistema per predir l'abandonament dels estudis. El sistema, basat en la ciència de dades, té com a objectiu millorar el rendiment acadèmic.
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 també 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 és 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 com per exemple la motivació, o la relació amb companys, entre d'altres. 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, les tècniques d'aprenentatge automàtic tenen una aplicació predictiva basada en dades objectives i això fa que siguin molt més adaptables a noves dades", assenyala Igual. 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 la investigadora. 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.
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 també 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 és 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 com per exemple la motivació, o la relació amb companys, entre d'altres. 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, les tècniques d'aprenentatge automàtic tenen una aplicació predictiva basada en dades objectives i això fa que siguin molt més adaptables a noves dades", assenyala Igual. 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 la investigadora. 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.