Descripción temporal del discurso e identificación de momentos colaborativos: Dos aplicaciones de la inteligencia artificial al estudio de la resolución colaborativa de problemas

Abstract

La Resolución Colaborativa de Problemas (RCP) es una de las habilidades más importan- tes para el siglo 21 dada la complejidad de los problemas del mundo moderno. Sin embargo, a nivel internacional la mayoría de los estudiantes presenta un déficit de proficiencia en es- ta habilidad. Esto ha motivado un nuevo foco de investigación en RCP, generando nuevos instrumentos para analizar los aspectos cognitivos y sociales asociados a esta, los cuales se presentan usualmente en forma de rúbrica. En general, estos son usados por codificadores expertos para anotar las interacciones durante una sesión de RCP, comúnmente utilizando una grabación de vídeo o audio de la misma. Este proceso, aunque extenso y detallado, toma demasiado tiempo, lo que imposibilita el analizar grandes volúmenes de sesiones. Producto de esto, investigadores han aplicado Inteli- gencia Artificial para facilitar el análisis de las sesiones. Sin embargo, trabajos previos utilizan equipamiento dedicado para la investigación, desde micrófonos y cámaras de alta definición, hasta plataformas computacionales especialmente diseñadas para mediar la RCP y sensores electrodermales. Esto merma la escalabilidad y flexibilidad de estos sistemas, dificultando el aplicar estas metodologías de forma masiva. Con esto en mente, en este trabajo se desarrollan dos sistemas basados en Inteligencia Artificial para obtener representaciones temporales de sesiones de RCP, desde grabaciones de Zoom de las mismas. La primera representación temporal, obtenida desde el discurso de los estudiantes, identifica distintos tópicos en el discurso de las sesiones y los representa me- diante sus palabras clave, para posteriormente describir la sesión a lo largo del tiempo en virtud estos. Por su parte, la segunda representación temporal, basada en la toma de turnos de los estudiantes durante la sesión, toma en cuenta que la colaboración no se presenta uni- formemente a lo largo de la sesión y entrega dos índices automatizados de colaboración a lo largo del tiempo, permitiendo identificar los momentos de colaboración efectiva rápidamente. Este trabajo presenta nuevas aplicaciones del aprendizaje no-supervisado al estudio de la RCP en forma de dos representaciones automatizadas para facilitar el análisis de las sesiones de aprendizaje colaborativo, sin necesidad de un equipo de codificadores y con requerimientos básicos de audio. Adicionalmente, las representaciones desarrolladas presentan un mecanismo para analizar de forma más general grandes cantidades de sesiones en poco tiempo. Por consiguiente, se espera que en un futuro estas puedan convertirse en una herramienta útil y valiosa para investigadores de esta área.