Inteligencia artificial y hábitos de estudio en la era post-pandémica

Un reciente estudio desarrollado por un equipo de investigadores de la Universidad Oberta de Catalunya (UOC), Eurecat y la Universidad Autónoma de Madrid (UAM) ha explorado el impacto de la pandemia en los hábitos de estudio de los alumnos y la posibilidad de predecir su rendimiento académico con la ayuda de la inteligencia artificial (IA).

La pandemia del COVID-19, que tuvo su máximo impacto en 2020, afectó nuestra forma de vida en prácticamente todos los ámbitos, incluyendo la educación. Pese a las dificultades, muchos alumnos demostraron una gran capacidad de adaptación, desarrollando hábitos de estudio más consistentes y continuados durante el confinamiento. Esta nueva forma de trabajo, de reconocidos beneficios, se convirtió en uno de los fundamentos que sustentaron el sistema educativo durante la enseñanza a distancia forzada por la pandemia.

Con el avance de la desescalada, surge una cuestión fundamental: ¿se mantienen estos hábitos de estudio mejorados post pandemia? Y si es así, ¿cómo pueden ayudar estas nuevas prácticas a la predicción del rendimiento académico mediante IA?

Para dar respuesta a estas preguntas, el equipo de investigadores ha recogido y analizado datos de los alumnos en tres períodos clave: prepandemia, pandemia y postpandemia. Los resultados evidencian un ligero descenso en el hábito de estudiar de forma continua en 2021 comparado con el año 2020, aunque estos valores se mantienen por encima de los registrados antes de la pandemia.

El hecho de que este descenso se produzca de manera más gradual que la levantación de las restricciones nos lleva a pensar que estos nuevos hábitos podrían mantenerse en el tiempo, aunque probablemente no al mismo nivel que durante el confinamiento.

“El hecho de que este descenso se produzca de manera más lenta que el levantamiento de las restricciones, nos lleva a pensar que los buenos hábitos adquiridos podrían extenderse aún durante un tiempo o quedarse implantados para siempre, aunque en menor medida que durante el confinamiento”, afirman los autores.

IA e innovación pedagógica

Por otra parte, el estudio, publicado en la revista PloS ONE, también indagó en el potencial de la IA para predecir el rendimiento académico de los estudiantes.

De acuerdo con los resultados, los datos más útiles para una buena predicción son los que se obtienen a partir de las actividades de los estudiantes en el último mes antes de los exámenes finales. Por tanto, los estudiantes que adelantan este tipo de actividades en el tiempo (trabajando de forma continua) ofrecen un mejor perfil para que se puedan hacer predicciones fiables y con tiempo suficiente.

Estas predicciones basadas en IA no se limitan al rendimiento académico. También pueden aplicarse para detectar trabajos realizados de manera fraudulenta, un aspecto de creciente preocupación debido al desarrollo de herramientas como ChatGPT.

“Sin embargo, solamente serán útiles si se obtienen los datos suficientes y con suficiente antelación. En este contexto, se deben redoblar los esfuerzos para mantener los hábitos de estudio continuado, donde estrategias de aumento de la motivación como la gamificación se plantean como imprescindibles en el futuro cercano”, aseguran los autores.

En conclusión, el estudio abre una ventana de oportunidad para la mejora de los procesos educativos a través de la consolidación de los hábitos de estudio y la aplicación de la IA. Aun así, se necesitan más investigaciones para explorar cómo la IA y las innovaciones pedagógicas pueden trabajar conjuntamente para adaptarse a las necesidades cambiantes de los estudiantes en un mundo post pandémico.

_____________________

Referencia bibliográfica:

Subirats, L., Palacios Corral, A., Pérez-Ruiz, S., Fort, S., Gómez-Moñivas, S. 2023. Temporal analysis of academic performance in higher education before, during and after COVID-19 confinement using artificial intelligence. PLoS ONE 18(2): e0282306. doi: 10.1371/journal.pone.0282306

Más cultura científica en UAM Gazette