Investigadores del Departamento de Economía, Métodos Cuantitativos e Historia Económica de la Universidad Pablo de Olavide han desarrollado un modelo predictivo para optimizar el aprendizaje de los y las estudiantes, gracias al entrenamiento de dos redes neuronales conectadas para definir el camino óptimo, metodología, recursos y evaluación en función de cada usuario/a. Se parte de una base de datos de la que toma las variables de entrada de los y las estudiantes antes de comenzar y registra las variables de salida de cada resultado de evaluación intermedia, sobre la que se construyen dos redes neuronales supervisadas: la primera se utiliza para definir los perfiles de los y las estudiantes, herramientas y recursos docentes vinculados a los resultados de la evaluación y la segunda define los obstáculos del aprendizaje en función del perfil y la modificación de la estrategia didáctica. Una vez entrenadas estas dos redes es cuando se aplica e integra el aprendizaje profundo, requiriendo de un gran volumen de información generado por los diferentes usuarios/as en un escenario virtual, donde también se pueden obtener variables de interacción de cada alumno/a con el entorno.

Cada año, miles de estudiantes en todo el mundo intentan comprender cualquier tema y abordar materias sin el éxito esperado. Existe una falta adaptación al estudiante en el proceso de configuración de cualquier curso. De hecho, se olvidaron demasiadas cuestiones: el ritmo de asimilación de conceptos; habilidades y competencias previamente desarrolladas; estilos de aprendizaje y técnicas óptimas para mantener la motivación y fomentar el aprendizaje; tecnologías más adecuadas o periodos críticos del proceso; y las acciones necesarias para alcanzar la formación objetivo. También se ha debatido ampliamente sobre un análisis macro y micro, una prueba de perfil de aprendizaje, metodologías y herramientas de enseñanza, barreras al aprendizaje o resultados de evaluación basados en la evaluación. En particular, se justifica una ruta de aprendizaje personalizada en un escenario virtual controlado. Para abordar estos objetivos se propone un sistema organizativo y de enfoque que optimice los conocimientos, puntos de partida, niveles y capacidades de cada individuo/a.

Gracias al diseño de este modelo se puede construir un itinerario de aprendizaje personalizado y adaptado al perfil de cada estudiante, y se puede registrar los cambios en la metodología y la evaluación de la comprensión de los y las estudiantes en función del uso e interacción registrados en cualquier plataforma, con el fin de determinar la secuencia de metodologías docentes más adecuada o que ayude a una mejor comprensión. El camino a seguir en la investigación en este ámbito está relacionado con las pruebas de redes neuronales y el aprendizaje profundo, así como con la integración en un modelo de aprendizaje personalizado.

Actualmente se dispone de acceso a la plataforma del clúster de Supercomputación del CICA y de medios propios del grupo de investigación para la computación de alta capacidad.

Entidades vinculadas o que requiere servicios educativos.

Actualmente se encuentra en fase de investigación y lanzamiento de prototipo.

Métodos cuantitativos en empresa y economía (SEJ 332)  > Más ofertas de este grupo