55 IA Los resultados mostraron que el abandono de los estudiantes al final del curso disminuyó significativamente en todas las actividades. MEJORAS EN LA PREDICCIÓN PARA EL SISTEMA LIS Estos prometedores resultados se han conseguido gracias al desarrollo de un nuevo modelo predictivo, denominado Profiled Dropout At Risk (PDAR), que se ha incorporado al Learning Intelligent System (LIS), un sistema de predicción de estudiantes en riesgo de suspender desarrollado por este equipo de investigadores y que está testándose con buenos resultados en diferentes pruebas piloto con estudiantes de la UOC desde 2019. Hasta ahora, el sistema LIS únicamente tenía un modelo de predicción de compleción del curso basado en datos históricos de las asignaturas —recogidos en el DataMart de la Unidad de Evaluación de Proyectos Institucionales de la UOC— y en los resultados de las pruebas de evaluación continua del curso en marcha. Así, después de cada actividad el sistema LIS predice la nota mínima que el alumno debería obtener en la prueba siguiente para aprobar la asignatura y asigna un nivel de riesgo de suspender que Este nuevo sistema da al profesorado la posibilidad de intervenir de forma proactiva ante los problemas de su alumnado. “Con este sistema de detección precoz, puede avisarse al estudiante antes de que suceda el problema y podemos hacer un seguimiento 24x7 de nuestro alumnado”, explica David Bañeres se muestra en el espacio personal del alumno mediante una representación en forma de semáforo. En caso de detectar un alto nivel de riesgo, el sistema activa los correspondientes mecanismos de intervención en forma de mensajes a los alumnos. “Esta predicción, aunque es muy útil al estudiante, tiene deficiencias, principalmente porque limita el seguimiento a ciertos puntos de control después de cada actividad (suelen ser tres o cuatro cada semestre), de manera que la intervención asociada puede llegar tarde, cuando el estudiante ya ha abandonado el curso”, explica David Bañeres. En cambio, el nuevo modelo PDAR aporta una mejora sustancial del seguimiento, puesto que, a partir de datos del perfil de los estudiantes, el rendimiento dentro del curso y los clics y otras acciones diarias en el campus en línea de la UOC, genera una predicción diaria del riesgo de abandono de
RkJQdWJsaXNoZXIy Njg1MjYx