Ciencias de la educación

Aprendizaje y evaluación adaptativos

Contenidos temáticos

  1. Aprendizaje adaptativo
  2. Evaluación adaptativa
  3. Adaptación de la tendencia
  4. Aprendizaje y evaluación adaptativa
  5. Sistemas adaptativos de aprendizaje y evaluación
  6. Plataformas

Desarrollo del tema

1. Aprendizaje adaptativo

El aprendizaje adaptativo ganó popularidad con el surgimiento del área de la Inteligencia Artificial (IA) en la década de 1970. Su premisa básica fue adaptar el proceso educativo a las fortalezas y debilidades de cada estudiante, sin embargo, en esa época su aplicación no se extendió debido al alto costo y tamaño de los equipos de cómputo necesarios para su adecuada implementación.

En cierta forma, el aprendizaje adaptativo es la personalización educativa de técnicas de aprendizaje, tras un proceso de diferenciación que identifica las necesidades específicas del estudiante y ofrece diferentes posibilidades. Lo anterior ha llegado a generar confusión conceptual entre aprendizaje adaptativo y personalización o aprendizaje personalizado, un error común es utilizarlos como sinónimos.

Desde un nivel básico, la personalización va más allá del enfoque one size fits all y en un nivel más sofisticado están las tutorías guiadas por computadora, sin embargo, la personalización por sí sola no depende de un factor de adaptabilidad.

Los investigadores de la firma de asesoría y consultoría estratégica Education Growth Advisors (EGA) definen el aprendizaje adaptativo como un enfoque para la creación de una experiencia de aprendizaje personalizada para los estudiantes que emplea un sofisticado sistema computacional basado en datos.

Este aprendizaje tiene una aproximación no lineal a la instrucción, retroalimentación y corrección, pues se ajusta de acuerdo a las interacciones del estudiante y al nivel de desempeño demostrado. Consecuentemente, se adapta y anticipa el tipo de contenidos y recursos que este necesitará en un momento específico para progresar en el curso.

Aprendizaje adaptativo

2. Evaluación adaptativa

Un elemento muy importante de un modelo adaptativo es la medición del progreso es decir, la evaluación que por sus características es adaptativa. Como antecedente, la evaluación adaptativa computarizada (CAT por sus siglas en inglés) fue sucesora de una serie de aplicaciones exitosas que surgieron a partir de 1905 con el desarrollo del primer examen adaptativo de Alfred Binet: Binet IQ Test.

Las pruebas adaptativas se componen de ítems o elementos seleccionados de una colección (banco de ítems). Los elementos son seleccionados para que coincidan con el nivel estimado de capacidad (o aptitud) de la persona: si tiene éxito en un elemento, el siguiente será un poco más difícil; si fracasa, el siguiente será un poco más fácil. La prueba termina cuando la capacidad o aptitud del sujeto llega al objetivo establecido (Linacre, 2000) o cuando se hayan suministrado determinada cantidad de elementos.

Este tipo de evaluación es posible debido a la incorporación de la teoría de respuesta al ítem (IRT)2 que es un marco de medición utilizado en el diseño y análisis de las evaluaciones educativas y psicológicas. La IRT presenta ventajas sobre la teoría clásica de los tests ya que ofrece un marco que permite realizar evaluaciones con diferentes elementos en una escala común. Esto es un beneficio sustancial cuando es necesario vincular resultados de múltiples formas de evaluación a fin de que los puntajes tengan el mismo significado a través de las diferentes evaluaciones (OAERS, s.f.).

3. Adaptación de la tendencia

El aprendizaje adaptativo no es algo nuevo. Su origen generalmente se relaciona a la máquina de enseñanza de B. F. Skinner y a la Teoría del Aprendizaje Programado que surgieron en la década de 1950 y continuó con el movimiento de la Inteligencia Artificial en la década de 1970.

Con la evolución de las Tecnologías de la Información y de la Comunicación (TIC) y gracias a que las computadoras se han vuelto más pequeñas, potentes y menos costosas, el aprendizaje adaptativo es ahora aplicable a la enseñanza en el aula, a distancia y en los escenarios de tutoría. Hoy en día los sistemas de aprendizaje adaptativo ya se están utilizando en una gran variedad de entornos para enseñar y entrenar de manera más eficaz, por ejemplo: la NASA y diversas áreas militares de Estados Unidos los están utilizando en sus programas (DreamBox, 2014).

En años recientes, el aprendizaje adaptativo se ha asociado con la recolección a gran escala de datos. Se observa como un aprendizaje personalizado que incluye enfoques de computación afectiva, pero es hasta ahora cuando finalmente llegamos a un punto en donde la adaptabilidad del aprendizaje es alcanzable. Este avance se ha dado específicamente en el sector educativo en el que empresas como Sherton Software, Carnegie Learning y Knewton han trabajado durante años en el desarrollo de aplicaciones de aprendizaje adaptativo. Knewton en particular ha podido capitalizar el concepto en una plataforma que cualquier institución puede comprar y con su reciente asociación con Pearson (una de las casas editoriales y compañía educativa más importante del mundo) está almacenando conjuntos de datos y recursos educativos suficientemente grandes que le permitirán masificar el uso de esta tecnología.

La tecnología y el aprendizaje adaptativo

De acuerdo al reporte de adopción de tendencias de 2012 del grupo consultor Gartner el aprendizaje adaptativo se encontraba cerca del punto más alto del pico de expectativas sobredimensionadas. Para el 2013, el grupo ubicó a la tendencia justo atravesando la etapa del abismo de desilusión. Esto significa, por un lado, que hay un alto potencial de crecimiento durante los siguientes años, y por otro, que comenzaremos a observar cada vez más implementaciones en el ámbito educativo.

Las tendencias MOOC, Big Data y el aprendizaje adaptativo en la educación superior se valoran como transformacionales por su capacidad para llevar educación de manera diferente a nuevos estudiantes, lo que permitirá la recolección de grandes cantidades de datos que pueden ayudar a mejorar el ecosistema de la educación (Gartner, 2013).

Actualmente nos encontramos ante la esperada oportunidad: por primera vez; los educadores tienen acceso a la tecnología necesaria; sofisticada analítica de datos y aprendizaje; así como, a la investigación emergente sobre cómo aprenden las personas. La convergencia de estos tres elementos hará posible construir sistemas inteligentes de aprendizaje adaptativo (Lemke, 2013, p. 6).

4. Aprendizaje y evaluación adaptativa

Modelos de aprendizaje adaptativo

Los proveedores que ofrecen soluciones de aprendizaje adaptativo, suelen trabajar bajo distintas áreas de investigación académica que incluyen sistemas inteligentes de tutoría, aprendizaje automatizado, teorías de la memoria y de carga cognitiva, entre otras. Aunado a esto, los sistemas de aprendizaje adaptativo de forma general se han dividido en categorías o modelos nombrados de diversas maneras. Sin embargo, podemos establecer que, sin importar estas variaciones, existen dos modelos generales aunque no mutuamente excluyentes.

  • Impulsado por el contenido. Este modelo se basa en el monitoreo del desempeño, las interacciones y los metadatos que se generan de la interacción entre los estudiantes con el contenido. Esta información y su relación con los objetivos de aprendizaje se concentra en un tablero o dashboard que el profesor consulta para identificar qué es necesario ajustar, cambiar o modificar en la instrucción; contenidos o caminos (paths) de aprendizaje.
  • Impulsado por la evaluación. Generalmente es el modelo con el que comúnmente se asocia al aprendizaje adaptativo. En este enfoque, el sistema realiza, casi en tiempo real y de manera dinámica, los ajustes en la instrucción, recursos de aprendizaje y vías o caminos del curso, basándose en la evaluación continua del desempeño y dominio del estudiante. Aquí no es necesaria la intervención del profesor.

Los modelos impulsados por la evaluación están basados en sistemas adaptativos computarizados, de acuerdo a Kingsbury, Freeman y Nesterak (2013), estos se caracterizan por tener una estructura y procedimientos elementales: un banco de preguntas desde donde puedan ser extraídas, una calibración en una escala de medición común, un mecanismo de selección de preguntas con base en las respuestas de los estudiantes, un proceso de evaluación de respuestas, un proceso para finalizar la prueba y un reporte de relación entre puntuaciones obtenidas y las necesidades de los estudiantes.

Las pruebas o exámenes adaptativas son una parte fundamental en estos modelos. Estas se componen básicamente de dos etapas: la selección de preguntas y la estimación de puntuación (Davey, 2011). La primera, determina la pregunta o conjunto de preguntas más apropiadas a aplicarse con base en el nivel de desempeño del estudiante. La segunda, utiliza la respuestas que previamente dio el estudiante para estimar su rendimiento; así, las preguntas posteriores serán más adecuadas.

La selección de preguntas puede realizarse en varios niveles Multistage Testing (MST), la cual empieza con una evaluación de dificultad moderada llamada “examen de redireccionamiento” y en función del desempeño de los estudiantes, se les asignan preguntas que pueden variar el nivel de dificultad durante su evaluación.

5. Sistemas adaptativos de aprendizaje y evaluación

Existen diversas aplicaciones de aprendizaje adaptativo que van desde un nivel básico, como los sistemas de respuesta de audiencia (clickers) que permiten a un expositor ajustar su presentación en tiempo real a partir de la retroalimentación que recibe de su público, hasta sistemas más sofisticados que ajustan el tipo de preguntas que se hacen al estudiante dependiendo de sus respuestas previas, como en el caso del TOEFL por computadora.

Actualmente los sistemas más relevantes en educación son los siguientes:

Exámenes adaptativos (computarizados)

Basadas en las pruebas computarizadas adaptativas (CAT) son un tipo de evaluación que se construye empleando complejos algoritmos que le permite adaptar y producir pruebas óptimas para cada estudiante (FastTest, 2013). La prueba se enfoca en proporcionar los elementos que son más apropiados para el nivel de la persona. FastTest establece que estos exámenes ofrecen los siguientes beneficios:

  • Pruebas mucho más cortas (reducción entre 50 y 90 por ciento del tiempo)
  • Calificaciones más precisas
  • Mayor motivación en la persona
  • Mayor fiabilidad de la prueba

Tutoriales adaptativos

Son Sistemas Tutoriales Inteligentes (ITS) con los que los estudiantes suelen interactuar por medio de una simulación enfocada en una tarea-objetivo mientras van siendo guiados y remediados.

Exámenes computarizados adaptativos

6. Plataformas

El aprendizaje y evaluación adaptativos tienen el potencial para continuar mejorando la experiencia de aprendizaje, así como motivar y comprometer mayormente a los estudiantes; personalizar los caminos en cursos y planes de estudio; y permitir que los profesores utilicen el tiempo de clase de manera más enfocada y productiva. Así también, puede contribuir significativamente a la retención estudiantil, la evaluación del aprendizaje y a mejorar el desempeño académico.

Cabe destacar que Mastery Learning es una pedagogía que se incorpora adecuadamente en el aprendizaje y evaluación adaptativos. Basada en el modelo de Bloom (1968), consiste en proporcionar a cada estudiante el tipo de instrucción y la frecuencia necesarias con que se da para lograr un dominio individual más elevado o completo de los temas y un desempeño uniforme del estudiantado (Kulik, Kulik y Bangert-Drowns, 1990). Adicionalmente, ofrece beneficios como: asegurar el alcance del objetivo final de curso, lograr la comprensión y el aprendizaje de material nuevo, proporcionar retroalimentación clara e individualizada para cada estudiante y apoyar a los estudiantes con buen desempeño para que desarrollen su potencial a través de nuevas actividades (Mazarin, 2014).

Por otro lado, los sistemas adaptativos se pueden utilizar en entornos de aprendizaje híbridos para lograr una mayor personalización, lo que permite facilitar a los estudiantes el seguimiento de su propio aprendizaje. Esto desarrolla habilidades de autocontrol y de participación en el proceso de aprendizaje personal (DreamBox Learning, 2014). La combinación de programas de aprendizaje adaptativo con un modelo híbrido también puede mejorar en gran medida el diseño instruccional en el que los profesores se basan para interactuar uno a uno con sus estudiantes.

Las plataformas de aprendizaje y evaluación adaptativo monitorean y analizan constantemente las respuestas y, con esta información, el profesor puede identificar con mayor precisión si los estudiantes están comprendiendo o no los temas en clase, de tal forma que pueda ofrecerles orientación directa a quienes lo necesiten (Kerns, 2013).

Además, permite hacer un balance justo entre el contenido de la clase que se puede ver en línea y las actividades presenciales, liberando tiempo suficiente para profundizar en conceptos más avanzados y participar en discusiones de más alto nivel. Con ello, el profesor toma un rol más activo como facilitador o mentor (Carter, 2014).

De igual manera el aprendizaje y evaluación adaptativo puede mejorar la experiencia de aprendizaje a través de la interacción profesor-estudiante, ya que provee a ambos retroalimentación inmediata acerca de las fortalezas y debilidades del estudiante, enfocándose en las necesidades particulares de estos. Adicionalmente, ofrece los siguientes beneficios desde la perspectiva del estudiante (CTU, 2013):

  • Mayor control sobre su aprendizaje: al presentarles retos y problemas que coinciden con su nivel de comprensión y avance en un tema en particular, los estudiantes pueden aventajar rápidamente las áreas que ya dominan para enfocarse en aquellas en las que necesitan mejorar.
  • Mejores resultados: los estudiantes pueden tener un mejor desempeño ya que el aprendizaje adaptativo proporciona apoyo adicional específicamente en las áreas que más se les dificulta.
  • Mayor confianza: Los estudiantes tienen más confianza en sí mismos al abordar proactivamente brechas de aprendizaje que aún no dominan.

De acuerdo con Christina Yu (2014), los sistemas adaptativos permiten que los estudiantes puedan tener un mejor dominio en su avance académico mediante las siguientes cuatro acciones:

  • Por medio del error, un elemento fundamental para la mejora del aprendizaje. El error es el principal elemento que los sistemas adaptativos califican para establecer un camino de aprendizaje acorde a las necesidades de los estudiantes y adecuado a la instrucción que requieren, por lo que es el elemento más valioso de este proceso. Se busca que el camino de aprendizaje se diseñe y se adapte de forma dinámica a las mejoras mostradas por el estudiante en cada etapa.
  • A través de una retroalimentación rápida que permite intentar, fallar, y volver a intentar. Proporcionar una retroalimentación en tiempo real (o casi) puede reducir la ansiedad asociada con el desempeño escolar y fomentar una evaluación iterativa del propio aprendizaje. De esta manera el proceso de aprendizaje se enfoca en la exploración y desarrollo del conocimiento a largo plazo, en lugar de enfocarse en una calificación basada en un examen.
  • Mediante un enfoque en las necesidades del estudiante. Proporcionar información específica centrada en mejorar una habilidad o una competencia del alumno, resolver sus dudas recurrentes, ofrecer apoyo en “lagunas” del conocimiento y dar retroalimentación efectiva, desarrolla una percepción de su propia capacidad y los valores del trabajo duro y la perseverancia. Además, promueve el desarrollo de una motivación intrínseca.
  • Con la reflexión y la autoconciencia. Los estudiantes podrán reconocer patrones de su propio aprendizaje: sus errores más frecuentes, los hábitos de estudio que les han dado resultados, los tipos de retos que más les gustan, entre otros, para ampliarlos o modificarlos. A través de un sistema adaptativo se pueden generar reportes que ayuden a identificar estos patrones con el fin de apoyar a los estudiantes en su proceso de aprendizaje, y puedan obtener mejores resultados.

En la práctica, el valor del aprendizaje y evaluación adaptativo radica en los datos, los cuales son incorporados a cada objeto de aprendizaje para identificar su relevancia para los estudiantes al comprender y dominar un tema.

Recurso didáctico de apoyo