CA | ES | EN
IA i educació

El tema de recerca sobre IA i educació pretén aplicar algunes de les tècniques de IA de l'IIIA al camp de l'educació. No té com a objectiu automatitzar completament alguns processos i reemplaçar el component humà, sinó fer costat a l'humà a través de mecanismes com la formació d'equips que permetin construir equips més eficients o avaluacions entre parells que recolzin les avaluacions en cursos massius en línia.

Contacte: Carles Sierra


 

Sempre és un desafiament fer prediccions sobre l'impacte de la tecnologia en un sector econòmic o social. No obstant això, totes les anàlisis recents deixen clar que les tasques repetitives, o d'escàs valor afegit per part dels humans que les realitzen, seran redissenyades per a facilitar la seva automatització mitjançant l'ús de tècniques d'intel·ligència artificial (IA). La banca i el comerç són exemples de sectors que estan experimentant una profunda transformació, en part possibilitada per tècniques de IA com els chatbots o els sistemes de personalització, la qual cosa està provocant una notable reducció de l'ocupació. Per contra, el sector educatiu continuarà necessitant el component humà, i de manera permanent, ja que l'escola compleix una funció socialitzadora imprescindible per al desenvolupament de les persones. Aquesta necessitat no significa que la IA no vagi a impactar en els processos educatius; ho fa i ho continuarà fent.

Avui dia disposem de nombroses aplicacions de IA, no necessàriament desenvolupades específicament per a l'educació, però que són de gran utilitat en el món educatiu. Per exemple, el subtitulat automàtic de vídeos, els sistemes de tutoria que interactuen en llenguatge natural o la conversió realista de text a veu humana.

La IA, en els seus orígens, ja s'aplicava a l'educació, en particular a l'educació personalitzada. Adaptar els continguts a cada alumne és un imperatiu pedagògic difícilment assolible pels docents quan els grups són nombrosos o els recursos econòmics dedicats a l'educació són limitats. Diversos grups de recerca van desplegar sistemes simples d'educació personalitzada en la dècada de 1960. Avui dia, aquests sistemes han aconseguit un notable nivell de sofisticació. Per exemple, durant els últims quinze anys, el sistema ALEKS (aleks.com) dut a terme als Estats Units ha millorat l'acompliment de milions d'estudiants en matemàtiques. Aquest sistema planteja problemes amb resposta oberta, analitza la resposta i, gràcies a un sistema d'aprenentatge automàtic, identifica errors i habilitats no adquirides per a explicar l'error a l'alumne i recomanar nous problemes que ajudin a obtenir les habilitats necessàries. Aquest tipus de sistema continua desenvolupant-se en diferents països. Destaca el creat per Squirrel AI a Xangai amb més de tres milions d'alumnes, i amb una gran millora en el rendiment individual (http://squirrelai.com/product/ials). Sens dubte veurem aquests sistemes amb més freqüència durant la dècada vinent i cobrint àrees cada vegada més distants de STEM, on se centren en l'actualitat.

Aprenentatge col·laboratiu

La psicologia social, la IA i l'ètica juntes poden proporcionar models valuosos per a la retroalimentació entre parells i el treball en equip.

 

Formació d'equips

L'economia global exigeix reestructurar l'educació per a fomentar l'esperit empresarial, la creativitat i l'assumpció de riscos. L'aprenentatge basat en el treball en equip és el camí a seguir. Dins de l'educació col·laborativa i basada en tasques, un dels problemes recurrents és com formar equips d'estudiants. La IA permet l'anàlisi de multitud de factors (sociològics, competencials, psicològics, etc.) per a explorar l'enorme espai de combinacions possibles i trobar els equips òptims d'alumnes en diferents escenaris i contextos.

Avaluació per parells

S'avançarà en processos automàtics i d'avaluació per parells, la qual cosa democratitzarà encara més l'educació en línia i al llarg de la vida. Els avanços en el processament del llenguatge natural i la visió per computadora combinats amb les tècniques d'explicació faran que l'autoavaluació que els sistemes brinden als estudiants sigui molt més informativa i útil. Així mateix, l'avaluació per parells combinada amb tècniques de IA permetrà que l'avaluació de grans grups d'educació en línia sigui acceptable per als docents.

Plans de lliçons

Hi ha una sèrie d'eines disponibles en línia que ajuden als professors en la gestió de plans de lliçons. No obstant això, cap d'ells està centrat en tasques i admet qualsevol forma d'execució del pla de lliçons a través de la web. En l'IIIA estem interessats en el disseny i execució d'aquests fluxos de treball pedagògics. Els nostres plans de lliçons permeten coordinar interaccions, assegurant que se segueixin les regles establertes pel pla i on els plans de lliçons es dissenyin respecte a una rúbrica seleccionada. Una vegada que es defineix el pla de la lliçó, es genera automàticament una interfície gràfica d'usuari (IGU) específica per a permetre que els estudiants naveguin per la lliçó. Cada vegada que el tutor modifica un flux de treball, es genera una nova GUI en conseqüència sense cap esforç de programació.

Aprenentatge personalitzat

Els sistemes híbrids de recomanació i anàlisi d'aprenentatge permeten crear continguts i itineraris d'aprenentatge personalitzats.


Basats en l'anàlisi de dades, els algorismes d'intel·ligència artificial poden proporcionar un context d'aprenentatge per a les necessitats particulars dels estudiants o grups d'estudiants. Estudiem i creem models i algorismes que automàticament recomanen continguts personalitzats i creen itineraris d'aprenentatge per a les necessitats d'aprenentatge dels estudiants.

Jocs seriosos

Combinar realitat virtual, IA i ludificació per a promoure l'aprenentatge jugant.

La intel·ligència artificial i la realitat virtual brinden un entorn ric per a l'aprenentatge basat en jocs, també anomenats jocs seriosos. Desenvolupem noves tècniques de personalització que es poden integrar en jocs virtuals per a crear entorns d'aprenentatge on estudiar i practicar diverses matèries de manera immersiva i entretinguda.

 

L'IIIA desenvolupa components de programari basat en IA per a oferir a escoles i mestres, eines per a implementar a les aules. La nostra caixa d'eines actualment ofereix eines per a avaluacions de parells, composició d'equips i creació i execució de plans de lliçons. A continuació, pot provar els diferents demostradors que mostren algunes de les funcionalitats que ofereixen els nostres components basats en IA.

Formació de equips

El foment del treball en equip, la creació de comunitats i les habilitats de lideratge són objectius valuosos a l'aula que s'introdueixen cada vegada més a les escoles. El nostre objectiu és contribuir amb tecnologies de programari que proporcionin als docents eines per a crear equips que s'exerceixin bé en diferents nivells.

Eina d'equips sinèrgics

Divisió de grups d'estudiants en equips competents i compatibles per a la resolució de problemes. Eduteams és una aplicació web que dona suport a la composició d'equips sinèrgics d'estudiants a l'aula.

Eina d'equips que congenien

Dividir grups d'estudiants en equips de resolució de problemes que estiguin equilibrats quant al gènere i psicològicament. Eduteams és una aplicació web que admet la composició d'equips d'estudiants que congeniïn a l'aula.

Equips Educatius per a Empreses

Suport per a assignar un grup d'estudiants a un projecte o tasca de pràctiques en empreses. Edu2Com és un component d'intel·ligència artificial per a assignar equips a tasques o projectes en funció de les seves competències i preferències.

Avaluació per parells

Involucrar als estudiants en l'avaluació dels altres fa costat als mestres, però també augmenta les habilitats i el coneixement dels estudiants. El nostre objectiu és oferir eines computacionals que donin suport a l'avaluació entre parells dins i fora de les aules.

Avaluació col·laborativa [demo]

Combina avaluacions de mestres i companys per a reduir el nombre d'avaluacions a realitzar.

Plans de lliçons

El nostre objectiu és permetre que els professors i els estudiants participin en un entorn d'aprenentatge en línia més flexible, obert i col·laboratiu. Creem eines per a recolzar formes flexibles de crear, compartir i usar plans de lliçons col·laboratius.

Editor de Pla de lliçons [demo]

Editor de plans de lliçons per a crear lliçons entre parells.

Execució en línia del pla de lliçó [demo]

Un entorn d'aprenentatge en línia on s'executen plans de lliçons entre parells.

Filippo Bistaffa
Tenured Scientist
Phone Ext. 431849

Christian Blum
Scientific Researcher
Phone Ext. 431840

Lissette Lemus del Cueto
Contract Engineer
Phone Ext. 431823

Alejandra López de Aberasturi Gómez
PhD Student
Phone Ext. 431831

Nardine Osman
Tenured Scientist
Phone Ext. 431826

Juan A. Rodríguez-Aguilar
Research Professor
Phone Ext. 431861

Jordi Sabater-Mir
Tenured Scientist
Phone Ext. 431856

Carles Sierra
Research Professor
Phone Ext. 431801

2024
Adrià Fenoy,  Filippo Bistaffa,  & Alessandro Farinelli (2024). An attention model for the formation of collectives in real-world domains. Artificial Intelligence, 328, 104064. https://doi.org/10.1016/j.artint.2023.104064. [BibTeX]  [PDF]
2023
Dimitra Bourou,  Marco Schorlemmer,  & Enric Plaza (2023). An Image-Schematic Analysis of Hasse and Euler Diagrams. Maria M. Hedblom, & Oliver Kutz (Eds.), Proceedings of The Seventh Image Schema Day co-located with The 20th International Conference on Principles of Knowledge Representation and Reasoning (KR 2023), Rhodes, Greece, September 2nd, 2023 . CEUR-WS.org. https://doi.org/https://ceur-ws.org/Vol-3511/paper\_05.pdf. [BibTeX]
Athina Georgara,  Raman Kazhamiakin,  Ornella Mich,  Alessio Palmero Approsio,  Jean-Christoph Pazzaglia,  Juan A. Rodríguez-Aguilar,  & Carles Sierra (2023). The AI4Citizen pilot: Pipelining AI-based technologies to support school-work alternation programmes. Applied Intelligence. https://doi.org/10.1007/s10489-023-04758-3. [BibTeX]  [PDF]
2022
Tomas Trescak,  Roger Xavier Lera Leri,  Filippo Bistaffa,  & Juan A. Rodríguez-Aguilar (2022). Agent-Assisted Life-Long Education and Learning. Proceedings of the 21st International Conference on Autonomous Agents and MultiAgent Systems . International Foundation for Autonomous Agents and Multiagent Systems. [BibTeX]  [PDF]
Athina Georgara,  Juan A. Rodríguez-Aguilar,  & Carles Sierra (2022). Allocating teams to tasks: an anytime heuristic competence-based approach. Dorothea Baumeister, & Jörg Rothe (Eds.), Multi-Agent Systems - 19th European Conference, {EUMAS}2022, Düsseldorf, Germany, September 14-16, 2022, Revised Selected Papers . Springer International Publishing. [BibTeX]  [PDF]
Dimitra Bourou,  Marco Schorlemmer,  & Enric Plaza (2022). Embodied Sense-Making of Diagrams as Conceptual Blending with Image Schemas. Maria M. Hedblom, & Oliver Kutz (Eds.), Proceedings of the Sixth Image Schema Day, Jönköping, Sweden, March 24-25th, 2022 . CEUR-WS.org. [BibTeX]  [PDF]
Dimitra Bourou,  Marco Schorlemmer,  & Enric Plaza (2022). Euler vs Hasse Diagrams for Reasoning About Sets: A Cognitive Approach. Valeria Giardino, Sven Linker, Richard Burns, Francesco Bellucci, Jean-Michel Boucheix, & Petrucio Viana (Eds.), Diagrammatic Representation and Inference - 13th International Conference, Diagrams 2022, Rome, Italy, September 14-16, 2022, Proceedings (pp. 151--167). Springer. https://doi.org/10.1007/978-3-031-15146-0_13. [BibTeX]
Athina Georgara,  Juan A. Rodríguez-Aguilar,  & Carles Sierra (2022). Privacy-Aware Explanations for Team Formation. Proceedings of the 24th International Conference on Principles and Practice of Multi-Agent Systems . [BibTeX]  [PDF]
2021
Nieves Montes,  Nardine Osman,  & Carles Sierra (2021). Enabling Game-Theoretical Analysis of Social Rules. IOS Press. https://doi.org/10.3233/FAIA210120. [BibTeX]  [PDF]
Pablo Noriega,  & Txetxu Ausìn (2021). Ethical, Legal, Economic and Social Implications. Sara Degli Esposti, & Carles Sierra (Eds.), White Paper on Artificial Intelligence, Robotics and Data Science (pp 120-141). Consejo Superior de Investigaciones Científicas (España). [BibTeX]  [PDF]
Athina Georgara,  Juan A. Rodríguez-Aguilar,  & Carles Sierra (2021). Towards a Competence-Based Approach to Allocate Teams to Tasks. Proceedings of the 20th International Conference on Autonomous Agents and MultiAgent Systems (pp. 1504–1506). International Foundation for Autonomous Agents and Multiagent Systems. [BibTeX]  [PDF]
2020
Athina Georgara,  Carles Sierra,  & Juan A. Rodríguez-Aguilar (2020). TAIP: an anytime algorithm for allocating student teams to internship programs. arXiv preprint arXiv:2005.09331. [BibTeX]  [PDF]
  • Declaració de la UNESCO. El maig de 2019, al voltant de 100 estats membres de la UNESCO van realitzar una sèrie de recomanacions que marquen el camí a seguir en els pròxims anys. La primera i més rellevant és que la IA ha d'integrar-se en el sistema educatiu. La IA ha d'ensenyar-se i al mateix temps usar-se per a enfortir l'aprenentatge dels estudiants. Aquesta integració i ocupació ha de basar-se en el respecte escrupolós dels drets humans. Ha de servir per a formar alumnes amb esperit crític respecte a l'ús d'aquesta tecnologia que els permeti comprendre els riscos i aprofitar les oportunitats que ens ofereix. El futur de la IA en el món educatiu és fascinant.
  • SQUIRREL AI. Una empresa d'educació en línia especialitzada en educació adaptativa intel·ligent.