La era digital está transformando de manera constante el contexto educativo. En términos de la analítica del aprendizaje, se presenta a los educadores nuevas formas de entender y evaluar la alfabetización de datos en sus roles1. Varios estudios2 se han centrado en desarrollar herramientas para identificar y evaluar las habilidades, el conocimiento y las competencias necesarias para el análisis de datos educativos, desde el nivel más básico hasta el más avanzado3.
Hoy en día, los Modelos de Lenguaje de Gran Escala (LLM) están cambiando la forma en la que interactuamos con las máquinas. Un ejemplo de ello es el GPT de OpenAI cuyo uso se ha democratizado con la herramienta ChatGPT. Estos modelos nos permiten comunicarnos con las computadoras usando lenguaje natural, lo que significa que cualquier persona que pueda leer, escribir o hablar, puede controlar una máquina para que realice diversas acciones de manera automatizada [entre ellas analizar datos educativos].
Las posibilidades de los LLM para el análisis de datos educativos son abundantes. Se puede solicitar a los LLM, como ChatGPT, que generen informes disintos a partir de datos recolectados de observaciones, notas personales, calificaciones o interacciones con las plataformas digitales:
- De resumen de situación
- De evaluación
- De seguimiento
- De abandono
- De rendimiento
- Comparativos
- De predicción
- De prescripción
Solo es necesario ingresar datos cualitativos y cuantitativos en el prompt y la máquina hará el resto. La calidad de estos informes depende del modelo LLM utilizado, de su entrenamiento y de su perfeccionamiento posterior en el campo de aplicación.
Es importante tener en cuenta que estos modelos son capaces de procesar solicitudes e inferir respuestas de manera coherente, pero pueden cometer errores en ciertos campos, como en el matemático. Los LLM pueden procesar e inferir a partir del lenguaje natural humano, pero no son modelos de cálculo matemático entrenados para ello, por lo que no son capaces de realizar un análisis de datos de alto nivel por sí mismos.
Plugins para aumentar las posibilidades de los LLM
La conjunción de los Modelos de Lenguaje de Gran Escala (LLM) y plugins permite saltar esta barrera marcando un antes y un después en el mundo de la analítica de datos en educación. Antes, la capacidad de generar un análisis de datos sofisticado requería un conocimiento técnico significativo, una comprensión profunda del tratamiento de datos y la capacidad de escribir y ejecutar códigos de programación. Para los educadores no técnicos, esta barrera a menudo ha impedido la adopción y el aprovechamiento del poder de la analítica de datos.
Con los LLM y plugins adicionales, este escenario ha cambiado. Ahora, para realizar un análisis de datos, solo se necesita una capacidad mínima de comprensión textual y matemática. Los LLM, gracias a su capacidad de procesar e inferir a partir del lenguaje natural humano, generan el código de programación a partir de instrucciones simples y directas dadas por el usuario.
Una vez generado este código, los plugins entran en juego ejecutando automáticamente el código proporcionado por los LLM. Esto elimina la necesidad de que el docente requiera de conocimientos técnicos avanzados de programación. En lugar de tener que aprender y dominar un lenguaje de programación complejo, los educadores pueden centrarse en formular las preguntas correctas y en interpretar los resultados.
Oportunidades para el análisis de datos educativos
Esto abre enormes oportunidades para el análisis de datos en la educación. Los educadores ahora tienen a su disposición herramientas poderosas que les permiten explorar y entender sus datos de maneras que antes no eran posibles. Pueden realizar seguimientos de rendimiento, identificar tendencias, detectar problemas y hacer predicciones, todo ello con una inversión mínima de tiempo y esfuerzo.
La conjunción de los LLM y plugins está en sus inicios y aún falta un recorrido a medio/largo plazo para que sean realmente fáciles de usar sin absolutos conocimientos técnicos avanzados de programación o análisis de datos. No obstante, acerca la ejecución de análisis de datos en educación, poniendo el poder del análisis de datos en manos de los educadores para la mejora de procesos de enseñanza-aprendizaje.
Artículo generado con el soporte de ChatGPT 3.5.