Detección precoz de dificultades en el aprendizaje. Herramienta para la predicción del rendimiento de los estudiantes

Inspirados por las estrategias de detección precoz aplicadas en medicina, proponemos el diseño y construcción de un sistema de predicción que permita detectar los problemas de aprendizaje de los estudiantes de forma temprana. Partimos de un sistema gamificado para el aprendizaje de Lógica Computacional, del que se recolectan masivamente datos de uso y, sobre todo, resultados de aprendizaje de los estudiantes en la resolución de problemas. Todos estos datos se analizan utilizando técnicas de Machine Learning que ofrecen, como resultado, una predicción del rendimiento de cada alumno. La información se presenta semanalmente en forma de un gráfico de progresión, de fácil interpretación pero con información muy valiosa. El sistema resultante tiene un alto grado de automatización, es progresivo, ofrece resultados desde el principio del curso con predicciones cada vez más precisas, utiliza resultados de aprendizaje y no solo datos de uso, permite evaluar y hacer predicciones sobre las competencias y habilidades adquiridas y contribuye a una evaluación realmente formativa. En definitiva, permite a los profesores guiar a los estudiantes en una mejora de su rendimiento desde etapas muy tempranas, pudiendo reconducir a tiempo los posibles fracasos y motivando a los estudiantes.

Inspired by the early detection strategies applied in medicine, we propose the design and construction of a prediction system to early detect learning problems of students. A gamified system to learn Computational Logic is the starting point from which a massive set of usage data and learning outcomes about problem solving is collected. All these data are analysed using Machine Learning techniques. As a result, a prediction of the performance of each student is obtained. The information is weekly presented as a progression chart, which is easily interpretable and contains valuable information. The resulting system has a high degree of automation, is progressive, provides results from the beginning of course with increasingly accurate predictions, uses learning outcomes as well as usage data, allows the evaluation and prediction of the acquired skills and abilities, and contributes to a truly formative assessment. In short, it allows teachers to guide students in their performance improvement from very early stages and can redirect possible failures in time and motivate students.