Contribuciones a la gestión del conocimiento en el ámbito de la educación superior mediante técnicas de inteligencia artificial
- Autores: Roberto García Vélez
- Directores de la Tesis: Martín López Nores (dir. tes.), José Juan Pazos Arias (dir. tes.)
- Lectura: En la Universidade de Vigo ( España ) en 2019
- Idioma: español
- Tribunal Calificador de la Tesis: Juan Carlos Dueñas López (presid.), Susana Reboreda Morillo (secret.), Jack Bravo Torres (voc.)
- Programa de doctorado: Programa de Doctorado en Tecnologías de la Información y las Comunicaciones por la Universidad de Vigo
- Materias:
- Enlaces
- Tesis en acceso abierto en: Investigo
- Resumen
Las instituciones de Educación Superior cuentan por lo general con plataformas digitales para el manejo de la información correspondiente a los perfiles de los estudiantes, docentes, personal administrativo, autoridades y demás, organizadas en forma de bases de datos relacional. Igualmente, emplean diferentes aplicaciones que generan continuamente una gran cantidad de datos. Tal información usualmente está distribuida entre diferentes departamentos, cada uno de los cuales cuenta a menudo con sus propias tecnologías de información y de almacenamiento, de modo que no siempre manejan las mismas estructuras de repositorios digitales, bases de datos o formatos de datos.
La información forma parte vital del funcionamiento de las instituciones, ya que a través de los diferentes sistemas se hace posible que los diferentes actores del ecosistema académico puedan realizar consultas, análisis, programación de actividades, gestión de recursos, toma de decisiones y demás acciones. La falta de integración, sin embargo, es fuente habitual de errores e ineficiencias, y es por ello por lo que a lo largo de las últimas décadas se han registrado numerosos aportes en la línea de implementar sistemas de Inteligencia Artificial que promuevan la interconexión de los múltiples repositorios, la integración y consolidación de la información dispersa, y el análisis automatizado de grandes volúmenes de datos. El objetivo último es convertir la información en conocimiento, al que se le pueda sacar el máximo partido en el sentido de optimizar procesos y maximizar resultados.
El punto de partida de esta tesis doctoral fue que las propuestas basadas en el uso de las tecnologías existentes para brindar apoyo a la gestión del conocimiento, tanto de la información administrativa de las instituciones de Educación Superior como de la información académica, presentan notables limitaciones, tales como: (i) no tomar en cuenta las complejas relaciones que existen entre las informaciones que poseen los diferentes departamentos, (ii) no dividir y explicitar el desarrollo que los diferentes actores del sistema académico toman a lo largo del tiempo, (iii) mantener el conocimiento disperso por múltiples formatos no estructurados y repositorios digitales no conectados, (iv) no generar relaciones semánticas en base al histórico de la información de los estudiantes, para desarrollar estrategias que mejoren el rendimiento académico, y (v) no contemplar una definición formal del conocimiento asociado al ámbito de la Educación Superior que faculte mejorar los procesos que exploran desarrollar herramientas de soporte.
La tesis se planteó con el objetivo general de forjar las bases de un completo ecosistema de apoyo a la administración y gestión de la información que se genera entorno al ámbito de la Educación Superior, desde una perspectiva fundamentada en el modelado semántico del conocimiento y el empleo de innovadoras técnicas de Inteligencia Artificial, brindando un diseño altamente flexible e interoperable. Las contribuciones de este trabajo de investigación se enmarcan en tres grandes áreas: Modelado formal del conocimiento del ecosistema académico de Educación Superior. - En primer lugar, se ha creado e implantado una red ontológica para integrar la información generada en las distintas áreas del entorno académico, dando cuenta de las cuestiones de representación, interoperabilidad y consolidación.
Formación eficiente de grupos de trabajo colaborativo. - Aprovechando el modelado formal de los estudiantes y de los planos de estudios a nivel micro y macro curriculares, hemos implementado un sistema basado en algoritmos genéticos con el que apoyar la formación de grupos de trabajo colaborativo que potencien los resultados de aprendizaje.
Predicción del rendimiento académico. - Igualmente, con base en el modelado formal del conocimiento del ecosistema académico, hemos llevado a cabo un estudio sobre el potencial de aplicar técnicas de aprendizaje profundo para la predicción del rendimiento académico de los estudiantes, a partir de características socioeconómicas, con el objetivo de apoyar estrategias de planificación y dotación de recursos.
Las contribuciones se han validado en el marco concreto de la Universidad Politécnica Salesiana (UPS) de Ecuador, con acceso a los datos acumulados en sus sistemas de información desde el inicio de su actividad, más otros recabados al efecto de nuevos experimentos, en los que se ha contado con la participación de estudiantes y docentes de dicha universidad. Las técnicas y los resultados se consideran de aplicación general a otras universidades del ámbito de Latinoamérica, debido a las similitudes entre los modelos estructurales y organizativos; mirando más allá, los fundamentos de las distintas propuestas también serían fácilmente trasladables a la realidad de las instituciones de Educación Superior en otras partes del mundo.
