En busca de las buenas preguntas : una aplicación de machine learning a la investigación educativa

Abstract

La importancia de la formulación de preguntas para la tarea docente y para el aprendizaje ha sido ampliamente estudiada y validada en la tradición constructivista y en las ciencias de la educación en general. Entender, por ejemplo, qué tipos de preguntas formulan los docentes en clase o cuánto tiempo transcurre hasta que las auto-responden o realizan nuevas puede ayudarnos a comprender mejor cómo pensar la formación docente inicial y continua de modo de fortalecer las prácticas de enseñanza. Por su parte, el análisis de clases apoyándose en herramientas tecnológicas para recolectar datos, tales como sensores que detectan la posición de la mirada de los estudiantes, softwares adaptativos que registran y retroalimentan las respuestas de los alumnos a una tarea o herramientas de grabación de clases capaces de identificar diferentes dinámicas en el aula, están comenzando a brindar en los últimos años herramientas novedosas y anteriormente impensables a investigadores y a los propios docentes para el análisis y la gestión de la enseñanza y el aprendizaje y nos presentan potenciales nuevos escenarios para la investigación y la práctica que resulta importante conocer y poner en debate. En el marco de este campo denominado analíticas de la enseñanza es que nos proponemos llevar adelante el siguiente trabajo que tiene por fin el desarrollo de una herramienta que permita clasificar las preguntas que realizan los docentes en el aula en preguntas abiertas o cerradas, una categoría valiosa para comprender los diálogos que se generan en el marco de una situación de enseñanza-aprendizaje. Para hacerlo utilizaremos inteligencia artificial o más precisamente técnicas de análisis de lenguaje natural. Estas técnicas utilizan machine learning, un subcampo de la inteligencia artificial interesada en la aplicación y desarrollo de algoritmos que ayuden a las máquinas a aprender (Segaran, 2007), para crear clasificaciones de objetos como imágenes, palabras u oraciones (o en este caso de preguntas) sin que se necesite de intervención humana para realizar la clasificación. Nos proponemos crear una herramienta que pueda servir como insumo para el análisis de clases y que pueda ir evolucionando de forma autónoma a lo largo del tiempo. Para llevar a cabo este análisis se optó por un modelo de aprendizaje supervisado que consistió en la clasificación previa de 757 preguntas formuladas por docentes en clases reales y 251 preguntas elaboradas inspiradas en las preguntas reales observadas. Para esta clasificación se tomaron de referencia y simplificaron las tipificaciones de preguntas propuestas por Anijovich y Mora (2010), Burbules (1999) y Martens (1999), categorizándolas en abiertas o cerradas. Con los tipos de preguntas ya clasificados se entrenó a un modelo sobre el que luego se aplicaron preguntas nuevas para entender con qué porcentaje de acierto era capaz de clasificarlas. Los resultados que obtuvo la herramienta al clasificar preguntas reales formuladas en una clase de Ciencias Naturales de la Provincia de Buenos Aires fueron: 82,91% de seguridad al clasificar preguntas cerradas y 74,82% al clasificar preguntas abiertas. Estos resultados son alentadores para el uso de esta herramienta en la investigación de las prácticas docentes.