Skip to content

Buscando al «equipo A» de tutores

Un estudiante  retuerce el cable del ratón mientras observa con frustración la pantalla de su ordenador: está en un callejón sin salida en este ejercicio del curso online que realiza, y no está tutorizado!. Se va a la comunidad del curso y busca quien le ayude… Pero no conoce a nadie en esta edición.  En otros cursos ya le pasó: a veces contactas con gente que sabe menos que tú, pero con deseos de chatear. Otras, detectas un estudiante muy solicitado, pero tiene SU grupo, y fuera de él no ayuda. «¿Por qué iba a hacerlo?»-piensa . El hecho es que de todas las personas inscritas, suele haber un cierto número de ellas que están dispuestas a colaborar, bien porque reconocen que es una vía de aprendizaje más, porque creen que si das ejemplo siempre habrá un «quid pro quo»  y te devolverán el favor, por prestigio -karma digital-, o porque sencillamente se lo pasan bien respondiendo preguntas. ¿Pero cómo identificarlos? Le gustaría tener una lista… esa lista de personas dispuestas a ayudarte a salir del atasco, ese «equipo A» de tutores dispuesto a todo. De eso va esta ponencia.

Este equipo de la universidad de Craiova (MIHÂESCU, M.C. , POPESCU, P.S. , IONASCU,C.: «Intelligent Tutor Recommender System for On-Line Educational Environments») presenta un método de clasificación basado en datos históricos que permitirá a los estudiantes encontrar a los colegas más adecuados que le pueden ayudar en caso de dudas de estudio, proponiéndoles una lista con las personas que están deseosas y disponibles para ayudar. El estudiante que busca la ayuda será consciente de su punto débil, sabrá su posición entre sus compañeros y tendrá una cierta idea de qué aspectos pueden provocarle más problemas de comprensión. Se trata pues de un mecanismo de recomendación.

Fig.1-Popescu_usecase

La figura 1 nos muestra el workflow de datos del mecanismo de recomendación: inicia con una fase de modelización de los estudiantes -que podrán ser también Tutores-, para después proceder a la clasificación por afinidad, basándose en una base de datos históricos de participación en otros cursos.

En cuanto a la tecnología, los autores han utilizado el conocido programa en java WEKA, con el algoritmo J45 de clasificación que genera un árbol de decisión (implementación del algoritmo 4.5 de Weka).

[separator]

Tenemos pues una aplicación que permite proponer tutores personalizados a cada estudiante, teniendo en cuenta su edad y su conocimiento en las actividades donde necesita mejorar su nivel de aprendizaje, para así tener el feedback más adecuado posible. ¿Eres tú una de esas personas de la «Brigada A» de tutores?