Ir al contenido principal

Servicio de tutoría de matemáticas en línea utiliza IA para ayudar a mejorar las habilidades y la confianza de los estudiantes

Igual que muchos estudiantes de todo el mundo, Eithne, de 14 años, en Chorley, Reino Unido, tenía dificultades para mantenerse al día en matemáticas en la escuela después de más de un año de interrupciones relacionadas con el COVID-19. En junio de 2021, sus padres la inscribieron en un programa de verano ofrecido por Eedi, un servicio de tutoría de matemáticas en línea.

“Al solo lidiar con el encierro, no había tenido una preparación buena”, dijo su madre, Arianna. “Se perdió la mayor parte de Matemáticas del año 7, luego del año 8. Entonces, pensamos: ‘Vamos a intentarlo, veamos dónde necesita un poco de ayuda'”.

A los estudiantes recién inscritos en Eedi se les pide que respondan un cuestionario dinámico de 10 preguntas de diagnóstico de opción múltiple que el servicio usa para saber dónde los estudiantes tienen más dificultades en matemáticas. Esta información permite que el servicio coloque a los estudiantes en un camino de aprendizaje para superar esos obstáculos específicos o conceptos erróneos.

“Les hacemos una pregunta basada en su grupo de edad y luego decimos: ‘Bueno, ¿cuál es la siguiente mejor pregunta para hacerles en función de su respuesta anterior?'”, Explicó Iris Hulls, directora de operaciones de Eedi. “Aprendemos tanto sobre ellos como sea posible para predecir el crecimiento o los temas de comodidad para ellos”.

El cuestionario dinámico funciona con inteligencia artificial desarrollada por investigadores del Microsoft Research Lab en Cambridge, Reino Unido, que se especializan en algoritmos de aprendizaje automático que ayudan a las personas a tomar decisiones.

La IA usa cada respuesta para predecir la probabilidad de que el estudiante responda de manera correcta cada una de las miles de otras posibles preguntas y luego sopesa esas probabilidades para decidir qué pregunta hacer a continuación para identificar las brechas de conocimiento.

La información obtenida del cuestionario es similar a lo que un maestro podría aprender de una conversación individual con un estudiante, explicó Cheng Zhang, investigador principal de Microsoft en el laboratorio que dirigió el desarrollo del modelo de aprendizaje automático que impulsa al cuestionario dinámico de Eedi.

“Si el estudiante no sabe cuánto es 3 por 7, tal vez queramos preguntar 1 más 1”, dijo Zhang. “Queremos adaptar el cuestionario en función de la respuesta anterior”.

Una vez que se identifican los conceptos erróneos de los estudiantes, la plataforma Eedi ubica a los estudiantes en un camino de aprendizaje que los ayuda a superar sus conceptos erróneos y mejorar en matemáticas en la escuela.

Eithne se colocó en un camino que incluía una revisión de los temas tratados en el año 8 y la preparó para el éxito en el año 9, incluida la geometría.

“Es muy bueno para encontrar tus debilidades y tus fortalezas y poder entender por qué quizás no eres tan buena en esta área”, dijo Eithne. “Puedes darte cuenta, ‘He hecho esto mal durante mucho tiempo'”.

Una niña sentada en un escritorio con una computadora portátil interactúa con un cuestionario de matemáticas en línea
Eithne, de 14 años, en Chorley, Reino Unido, ganó confianza en matemáticas a través de lecciones en Eedi, un servicio de tutoría en línea que usa IA desarrollado por Microsoft. Foto de Jonathan Banks.

Buenas preguntas, buenos datos

El éxito del modelo de siguiente mejor pregunta de Microsoft depende de los datos utilizados para entrenarlo, señaló Zhang. En el caso de Eedi, se trata de miles de preguntas de diagnóstico de alta calidad examinadas y desarrolladas de manera específica para ayudar a los maestros a identificar los conceptos erróneos de los estudiantes sobre temas matemáticos.

“Nuestra tecnología es solo un potenciador que hace que estos datos de alta calidad brinden más información”, dijo Zhang.

Las preguntas de diagnóstico son preguntas de opción múltiple bien pensadas que tienen una respuesta correcta y tres respuestas incorrectas, y cada respuesta incorrecta está diseñada para revelar un concepto erróneo específico.

“Las matemáticas se prestan bastante bien a este tipo de evaluación de opción múltiple porque la mayoría de las veces hay una respuesta correcta y otras respuestas incorrectas; es mucho menos subjetivo que algunas de las materias de humanidades”, dijo Craig Barton, cofundador de Eedi y director de educación de la empresa.

Barton se aferró al poder de las preguntas de diagnóstico cuando, como profesor de matemáticas, asistió a un curso de capacitación sobre evaluaciones formativas y aprendió que las respuestas incorrectas bien formuladas pueden proporcionar una idea de por qué un estudiante tiene dificultades.

“En el pasado, los niños siempre hacían las cosas bien, lo cual está bien, o hacían las cosas mal y luego tenía que empezar a hacer trabajo de detective para averiguar dónde lo hacían mal”, dijo. “Está bien si trabajas uno a uno, pero si tienes 30 niños en una clase, eso puede llevar bastante tiempo”.

Las buenas preguntas de diagnóstico, dijo Barton, deben ser claras e inequívocas, verificar una cosa, responder en 20 segundos, vincular cada respuesta incorrecta a un concepto erróneo y garantizar que un estudiante no pueda responder de manera correcta mientras tiene un concepto erróneo clave.

“Esta noción de que los niños no pueden hacerlo bien mientras tienen un concepto erróneo clave es la más difícil de tener en cuenta, pero tal vez sea la más importante”, dijo.

Por ejemplo, consideren la pregunta: “¿Cuál de los siguientes es un múltiplo de 6? – A: 20, B: 62, C: 24 o D: 26”.

Según Barton, en la superficie esta es una pregunta decente. Eso es porque los estudiantes podrían pensar que un “múltiplo” significa que el “6” es el primer número (B) o el último número (D), o el estudiante podría tener dificultades con sus tablas de multiplicar y seleccionar A. La respuesta correcta es C: 24.

“Pero el principal defecto de esta pregunta es que, si no sabes la diferencia entre un factor y un múltiplo, podrías contestar bien la pregunta, mientras que la experiencia nos dirá que el concepto erróneo más grande que tienen los estudiantes con los múltiplos es que los confunden con factores”, dijo.

Entonces, una mejor pregunta para hacer es: “¿Cuál de estos es un múltiplo de 15? – A: 1, B: 5, C: 60 o D: 55.” Eso es porque las posibles respuestas incluyen factores y múltiplos. La respuesta correcta es C: 60. Un estudiante que confunde factores con múltiplos podría elegir A: 1 o B: 5, y un estudiante que necesita trabajar en la multiplicación podría elegir D: 55.

“Cuando escribes estas cosas, tienes que pensar: ‘¿Cuáles son las diferentes formas en que los niños pueden equivocarse y cómo voy a capturarlas en tres respuestas incorrectas?'”, explicó Barton.

Captura de pantalla de un cuestionario de matemáticas en línea que solicita la media de cinco números con cuatro opciones de respuesta
En esta pregunta de diagnóstico, la respuesta correcta es “B:4”. Los estudiantes que respondieron “A:20” dieron el primer paso para encontrar la media, sumando los números. “C:3” representa la confusión entre los conceptos de mediana y media. “D:2” es una mezcla de los conceptos moda y media.

Herramientas del profesor para la tutoría en línea

Después del taller, Barton se fue a casa y escribió alrededor de 50 preguntas de diagnóstico y las probó con los estudiantes de su clase. Funcionaron bien.

Barton también es autor de libros de matemáticas y podcaster con miles de seguidores en las redes sociales. Usó su influencia para correr la voz sobre las preguntas de diagnóstico y colaboró con el cofundador de Eedi, Simon Woodhead, para construir una base de datos en línea con miles de preguntas de diagnóstico para que los maestros accedan a la planificación de sus lecciones.

“Entonces pensé, ‘Espera un minuto, podríamos hacer algo un poco mejor que esto'”, dijo Barton. “Imagina si los niños pudieran responder las preguntas en línea y nosotros pudiéramos capturar esos datos y luego, antes de que te des cuenta, obtendremos información sobre áreas específicas en las que los estudiantes tienen complicaciones”.

El sitio web creció en popularidad y atrajo a los inversores, así como la atención de Hulls, quien junto con sus colegas exploraba opciones para usar datos para escalar y hacer que los beneficios de la tutoría de matemáticas fueran accesibles para más familias. El equipo formó Eedi. Un asesor les presentó la investigación de Zhang y su equipo sobre el algoritmo de la siguiente mejor pregunta, cuyo objetivo es acelerar la toma de decisiones mediante la recopilación y el análisis de información personal relevante.

En ese momento, los investigadores de Microsoft trabajaban en escenarios de atención médica, donde utilizaban IA para ayudar a los médicos a tomar decisiones de manera más eficiente sobre qué pruebas solicitar para diagnosticar las dolencias de los pacientes.

Por ejemplo, si un paciente ingresa a una sala de emergencias con un brazo lastimado, el médico le hará una serie de preguntas que culminarán con una radiografía, como “¿Cómo se lastimó el brazo?”. y “¿Puedes mover los dedos?” en lugar de “¿Tienes un resfriado?” porque la respuesta revelará información relevante para el tratamiento de este paciente. El algoritmo de la siguiente mejor pregunta automatiza este proceso de recopilación de información.

El asesor pensó que el modelo funcionaría bien con el conjunto de datos de preguntas de diagnóstico de Eedi, para automatizar la recopilación de información que un tutor podría obtener de una conversación individual con un estudiante.

“Éramos conscientes de que habíamos recopilado muchos datos. Queríamos hacer cosas más inteligentes con nuestros datos; Queríamos poder predecir qué conceptos erróneos podrían tener los estudiantes incluso antes de que respondan las preguntas”, dijo Woodhead, quien es el científico de datos en jefe de Eedi.

El equipo de Eedi trabajó con los investigadores de Microsoft para entrenar el modelo en sus preguntas de diagnóstico para identificar de manera eficiente dónde los estudiantes necesitan más apoyo en matemáticas.

El modelo funciona sin recopilar ninguna información de identificación personal de los estudiantes, anotó Woodhead.

“No necesita saber un nombre. No necesita saber una dirección de correo electrónico. Se trata de mirar patrones”, dijo.

A partir de esta información, el sistema puede identificar las mejores lecciones para que los estudiantes tomen Eedi. Sin esa orientación, los estudiantes tienden a confiar en las estrategias que ya usan en la escuela, lo cual no es el punto de partida adecuado para la mayoría de los estudiantes que buscan un tutor privado, según Hulls.

“En verdad ayuda a orientar a los niños y sus familias en el hogar para saber por dónde empezar”, dijo.

Es una gran idea que pueda haber rutas de aprendizaje personalizadas o lecciones para los estudiantes. No todos los alumnos aprenden al mismo ritmo, ni de la misma manera.

Causa y efecto

Los datos internos de Eedi muestran que el servicio de tutoría resuelve el 95% de los conceptos erróneos de los estudiantes, señaló Hulls, y los estudiantes que usan la plataforma expresan de manera abrumadora una mayor confianza en las matemáticas.

Después del programa de verano en la plataforma Eedi, Eithne ingresó a Year 9 un paso por delante de sus compañeros de clase.

“Yo estaba como, ‘Puedo hacer esto'”, dijo. “De hecho, puedo explicarles a las personas que me rodean cómo resolver los problemas”.

Eithne ha seguido con el uso de la plataforma Eedi, a menudo recurre al servicio cuando se atasca con su tarea. Ella disfruta de un programa de recompensas que incentiva a los estudiantes a mantenerse al día con sus lecciones y encuentra útil la explicación de conceptos erróneos de la plataforma para aprender conceptos clave.

El equipo de Eedi trabaja ahora con investigadores de Microsoft para implementar un modelo de aprendizaje automático de próxima generación que se basa en el algoritmo de inferencia causal profundo de extremo a extremo para recomendar vías de aprendizaje personalizadas para cada estudiante individual.

“La gente piensa que todos los estudiantes necesitan aprender primero el diagrama de Venn y luego la geometría. Pero tal vez eso no sea lo mejor para todos los estudiantes. Cada estudiante aprende de manera diferente”, dijo Zhang. “Tal vez para un estudiante se deba cambiar el orden, y para otro estudiante necesitamos revisar algún otro tema”.

Este algoritmo de próxima generación está a la vanguardia del aprendizaje automático causal, un campo de investigación que incorpora la noción de causa y efecto, de causalidad, en herramientas que ayudan a las personas a tomar decisiones.

“Es una gran idea que pueda haber rutas de aprendizaje personalizadas o lecciones para los estudiantes”, dijo Arianna, la madre de Eithne. “No todos los alumnos aprenden al mismo ritmo ni de la misma manera”.

Contenido relacionado:

John Roach escribe sobre investigación e innovación en Microsoft. Síganlo en Twitter.

 

Imagen principal: Eithne, de 14 años, en Chorley, Reino Unido, hace una lección en el servicio de tutoría de matemáticas en línea Eedi. El servicio utiliza IA desarrollada por Microsoft. Foto de Jonathan Banks.