El objetivo de la computación afectiva es que los sistemas y las plataformas de aprendizaje sean capaces de modificar su interacción con el estudiante de forma empática; está comprobado que el estado emocional del estudiante tiene un impacto significativo sobre sus capacidades cognitivas. De esta forma, sería posible conseguir una participación activa y un menor índice de abandono en escenarios de aprendizaje a través de Internet.
Éste fue uno de los temas que se abordó en el VIII Congreso de Minería de Datos Educativos, celebrado en Madrid hace unos meses, del que escribí en este blog . Para ahondar en el tema entrevisto ahora a Jesús G. Boticario y Olga C. Santos, expertos en este ámbito y organizadores del encuentro.
– “Educational Data Mining 2015” estuvo hospedado por la UNED y el grupo aDeNu (Adaptación dinámica de sistemas de educación on line basada en el modelado del usuario), del departamento de Inteligencia Artificial, al que pertenecéis ¿Nos podéis hablar de este grupo?
Jesús: Se trata de un grupo de investigación integrado por un conjunto multidisciplinar de profesionales de diversas áreas: inteligencia artificial, desarrollo de sistemas y diseño de interacción, e incluye expertos en accesibilidad y usabilidad, psicólogos y educadores. La actividad del grupo se centra principalmente en el desarrollo de sistemas adaptativos de colaboración y aprendizaje a través de Internet, con el fin de mitigar los problemas de accesibilidad y usabilidad que cualquiera de nosotros puede encontrar debido a la inherente diversidad funcional de las personas en su interacción con sistemas descentralizados de enseñanza a distancia.
Olga: Para poder desarrollar estos sistemas adaptativos, el grupo ha establecido un marco operacional basado en el modelado de los usuarios mediante la combinación de técnicas de minería de datos, tecnologías de la web semántica, la accesibilidad electrónica y el diseño centrado en el usuario, con estándares abiertos para garantizar la interoperabilidad con otros sistemas y su escalabilidad, de forma que se puedan atender las necesidades del usuario en su contexto y en el dominio en el que el aprendizaje tenga lugar.
– Vuestro trabajo está ampliamente reconocido y goza de gran prestigio. De hecho impulsáis la aplicación de vuestros desarrollos en distintos ámbitos…
Jesús: Pretendemos ayudar a que la UNED se consolide entre las entidades a la cabeza de la aplicación de las tecnologías a la educación. En este sentido, colaboramos con distintos vicerrectorados de la UNED. Por ejemplo, hemos impulsado la creación y desarrollo de la plataforma de la UNED en software abierto, denominada aLF,basada en dotLRN de cuyo Board of Directors y Leadership Team se ha formado parte (dotLRN fue la primera plataforma de eLearning abierta, anterior a Moodle o Sakai, y sigue siendo una de las más robustas tecnológicamente hablando). Además, tenemos una fuerte relación con el Centro de atención a universitarios con discapacidad (UNIDIS) de la UNED, y con la Cátedra de Responsabilidad Social Corporativa. También hemos participado en veinticinco proyectos de investigación financiados, nacionales, europeos y algunos americanos, cuya coordinación científica ha corrido a nuestro cargo en algunos casos.
– ¿Podéis hablarnos de las líneas de investigación sobre la detección del estado emocional de los estudiantes durante su proceso de aprendizaje utilizando técnicas de minería de datos?
Jesús: Está comprobado desde diferentes campos de investigación, desde la psico-educación a la computación afectiva, que el estado emocional del estudiante tiene un impacto significativo sobre sus capacidades, entre ellas las cognitivas. Para aprovechar las posibilidades que ofrecen los nuevos dispositivos para detectar el estado afectivo de la persona de forma no intrusiva, nuestro grupo plantea un enfoque multimodal (que recoge diversas señales).
OLGA: Dada la complejidad para identificar cambios en el estado emocional de las personas, se utilizan diferentes fuentes: la respuesta fisiológica del usuario (en términos de su frecuencia cardiaca, sudoración de la piel, ritmo respiratorio), así como su expresión facial, la forma de teclear o de mover el ratón… Detectar estos cambios afectivos de forma fiable en cada una de las fuentes es todavía un reto, y por ello los avances realizados muestran que la combinación de varias de ellas puede permitir predecir y contrastar mejor que dichos cambios realmente se han producido. Esto nos lleva a procesar grandes volúmenes de flujos de datos, de fuentes variadas que se generan a gran velocidad y, por tanto, añaden el problema de su sincronización.
JESUS: En este contexto, una línea de interés es el etiquetado del estado afectivo para poder detectarlo automáticamente. Se trata de tener identificado el estado emocional que caracteriza a cada uno de los datos que se recogen. Pero esta caracterización no es fácil, e incluso hay enfoques que plantean que lo haga el propio estudiante mientras trabaja en el curso; otros consideran que para no interrumpir la tarea de aprendizaje es mejor hacerlo después, bien el propio estudiante o un experto psico-afectivo. En este caso el problema es que una vez pasado el estado afectivo, el estudiante puede no recordarlo tal como fue, o el experto, como observador externo, no identificarlo apropiadamente. Se trata de un debate abierto.
OLGA: Otro aspecto que hay que tener en cuenta es cómo llevar el planteamiento de la investigación fuera del laboratorio, utilizando fuentes poco intrusivas y de bajo coste, para que el planteamiento resulte viable en experiencias reales de aprendizaje a gran escala.
– ¿Y en qué medida estáis abordando estos temas abiertos en la investigación que realizáis en el grupo aDeNu?
OLGA: En el proyecto MAMIPEC hemos trabajado la detección multimodal mediante la combinación de diferentes fuentes de información afectiva como las que acabamos de mencionar. Ahora en el proyecto BIG-AFF estamos abordando la recogida de esta información afectiva multimodal mediante el uso de dispositivos poco intrusivos y de bajo coste, el procesado de estos grandes volúmenes de datos mediante la aplicación de big data, así como el desarrollo de metodologías experimentales en contextos de uso real que propongan criterios operativos para la recogida de la información afectiva.
– ¿Qué aplicaciones tiene la computación afectiva en el aprendizaje?
OLGA: Desde nuestro enfoque, el objetivo es que los sistemas y las plataformas actuales de aprendizaje sean capaces de modificar su interacción con el estudiante de forma empática. Por ejemplo, si el sistema detecta que el estudiante está frustrado con una actividad porque no sabe cómo resolverla, puede darle ideas sobre cómo abordarla, o si detecta que está aburrido, puede cambiar de actividad para que se enganche al curso. En este contexto, los “sistemas recomendadores” integrados en las plataformas de eLearning deben adecuar su respuesta al estado afectivo del estudiante a la hora de proponer acciones de interés para él.
Jesús: En definitiva, se trata de aprovechar desde el punto de vista educativo la posibilidad de acceder al estado afectivo del estudiante para ayudarle a encauzar su involucración en el aprendizaje con un doble objetivo: su participación activa y un menor índice de abandono.
– ¿Y cuál podría ser su aplicación en otros ámbitos?
OLGA: Puede tener otras muchas aplicaciones. Nosotros tenemos experiencia en dos campos adicionales: por un lado, puede facilitar la interacción en tareas colaborativas mediante pautas sobre cómo percibir el estado afectivo de los compañeros que interactúan y cómo reaccionar de forma adecuada. Y también puede ayudar a personas con diversidad funcional (que pueden tener algún tipo de discapacidad) a gestionar estados de frustración o ansiedad debido a las barreras que desgraciadamente aún existen al acceder a la tecnología (aunque es cierto que se van reduciendo poco a poco).
– Vuestra investigación os obliga a estar en contacto con investigadores de todo el mundo, ¿cómo valoráis la cooperación universidad-empresa en España frente a otros modelos de cooperación internacionales?
JESÚS: Realmente sin cooperación sería imposible llevar a cabo los desarrollos que estamos planteando, que se basan en estándares de la industria para garantizar su uso y escalabilidad, así como nuestra percepción real y aplicada de los mismos. Somos, de hecho, un grupo de investigación consolidado en UNED, y uno de los que mayor número de proyectos e ingresos ha proporcionado a la institución, lo que incluye actividades de transferencia a la empresa. Dicho esto, creemos que todavía deberían establecerse mejores cauces de colaboración; la industria y la investigación se necesitan.
OLGA: De hecho, con el apoyo de la Oficina de transferencia de resultados de investigación de la UNED, tratamos de registrar la propiedad intelectual de los logros que alcanzamos, con el fin de integrarlos en el catálogo de servicios tecnológicos que ofrece la UNED a las empresas. En este sentido, recientemente hemos registrado la Metodología TORMES, que combina técnicas de minería de datos y métodos de diseño centrado en el usuario para ayudar a los educadores a personalizar la interacción en las plataformas de aprendizaje en línea a través de recomendaciones educativas y afectivas.
Imagen: GSCSNJ
Soluciones y Sectores
Te puede interesar
-
La investigación de mercados 3.0, un salto cualitativo de las compañías data driven
No sé cuántos de vosotros habréis recibido una llamada para realizar algún tipo de estudio de mercado. Quizá os ...
-
Kanto integra una nueva forma de pago en su Living App de Movistar Plus+
La Living App de Kanto es una de las experiencias digitales disponible en la sección "Apps" de Movistar Plus+. ...
-
"La transformación digital va de personas, no de algoritmos”
El “70 por ciento de los procesos de transformación digital fracasan” porque “el arte de transformar, inherente al ser ...
