Hace unos días os hablábamos de LearningML, una herramienta que pretende contribuir al aprendizaje de la inteligencia artificial (IA) en centros educativos. Hoy os presentamos un resumen de la primera investigación que hemos desarrollado en el grupo KGBL3 para comprobar, precisamente, si LearningML puede ser útil a la hora de enseñar sobre IA, aprendizaje automático y sus implicaciones sociales.

La investigación

Al tratarse de las primeras intervenciones con la herrramienta organizamos dos pequeños talleres preliminares con estudiantes de FP, uno en el IES Polígono Sur y otro en el IES Ramón del Valle Inclán, ambos de Sevilla, en los que participaron 14 estudiantes que ya sabían programar pero no habían estudiado cuestiones relativas a la IA.

La estructura fue la misma en los dos talleres, que se desarrollaron a lo largo de dos horas: primero el alumnado rellenó un cuestionario para medir sus conocimientos previos sobre IA; a continuación uno de los investigadores realizó una presentación de introducción a la IA; cada estudiante programó entonces un proyecto con LearningML resolviendo un reto; y por último, el alumnado rellenó un cuestionario final para poder medir el impacto del taller. Tanto la presentación, como el cuestionario y las propias respuestas de los estudiantes están disponibles en el paquete de replicación de la investigación.

Resultados

En el primer conjunto de preguntas, que son de tipo Likert, la media en el cuestionario inicial fue de 12,79 puntos, mientras que la media en el cuestionario final fue de 14,50, tal como se muestra en la siguiente figura, lo que representa una diferencia significativa. Además, para medir el impacto de usar LearningML se calculó el tamaño del efecto, que para este conjunto de preguntas fue 0,68 -un tamaño moderado que indica que la intervención educativa ha logrado los efectos perseguidos.

Para el segundo conjunto de preguntas la media del cuestionario previo fue de 1,57 puntos mientras que en el cuestionario posterior fue de 2,29. De nuevo una diferencia significativa. En este caso el tamaño del efecto fue 0,85, considerado un efecto grande que indica que la intervención ha contribuido a alcanzar los objetivos.

Las preguntas abiertas sirven para ilustrar la diferencia entre la idea que tenía el alumnado sobre la IA antes y después del taller. Por ejemplo:

Estudiante 1:

  • Pre: La IA es un tipo de inteligencia que se lleva a cabo por robots.
  • Post: La IA es una tecnología que intenta lograr que las máquinas aprendan a través de prueba y error.

Estudiante 2:

  • Pre: La habilidad de emular la mente humana en una máquina.
  • Post: Cuando una máquina tiene la capacidad de realizar acciones para las que se considera necesario razonar y pensar como un humano.

Conclusión

Los resultados de la intervención son muy prometedores, especialmente si se tiene en cuenta que el efecto se experimentó tras tan solo dos horas de intervención, lo que pone de manifiesto el potencial de LearningML como herramienta para fomentar el aprendizaje de la IA. Sin embargo, cuando se hagan talleres con estudiantes más jóvenes o con alumnado sin experiencia previa en programación quizás se obtengan resultados diferentes. Por tanto, muy pronto vamos a comenzar a realizar nuevos talleres con muestras de aprendices más diversas para seguir validando la herramienta. Y los vamos a hacer en red, así que sigue atento a nuestro blog porque en unos días explicaremos cómo poder participar en ellos 🙂

Si quieres conocer todos los detalles de la intervención puedes leer este artículo publicado en nº 63 de la Revista de Educación a Distancia:

Rodríguez García, J. D., Moreno-León, J., Román-González, M., & Robles, G. (2020). LearningML: A Tool to Foster Computational Thinking Skills Through Practical Artificial Intelligence Projects. Revista De Educación a Distancia, 20(63). https://doi.org/10.6018/red.410121

Disponible en: https://revistas.um.es/red/article/view/410121