Mejorar el eLearning con Machine Learning es posible

El Machine Learning, puestos a simplificar, es la aplicación de modelos estadísticos de predicción que a partir de muchas y rápidas observaciones sacan unas conclusiones más o menos certeras. A partir de esas observaciones se ejecutan acciones automáticas, sin la intervención humana de por medio.

El Machine Learning no es algo novedoso en matemáticas. Lo que lo hace novedoso es el acceso a la tecnología y la disponibilidad de muchos datos. Esto hace viables  cálculos que antes eran inviables.

El Machine Learning tiene multitud de aplicaciones que no son precisamente en la industria del aprendizaje, pero yo hablaré justamente de eso, la aplicación en la industria del aprendizaje.

Por ejemplo, suponemos tengo una plataforma de elearning (o sea un LMS). Hay mucha gente matriculada en un programa y los alumnos hacen preguntas en el foro al tutor o bien a su propio buzón de consultas. El sistema podría llegar a interpretar que preguntas similares llegan a una determinada respuesta. O de forma más simple, detectar cuando una pregunta debe responderse “manualmente”  o automáticamente

Obviamente, para que un sistema asocie que una pregunta parecida lleva a la misma respuesta debería entrenarse y supervisarse. Una forma de hacerlo es tomar a un tutor de referencia y que compare la respuesta que daría el sistema con la que daría él. Partiendo del supuesto de infalibilidad del tutor, cuando el 99% de las respuestas coincidieran con las que daría él, podríamos considerar que el sistema es eficaz.

Digámoslo claro. Ahorrarse el tutor, en su modalidad de tutoría reactiva. De forma que o bien el margen comercial será más alto a igualdad de precio del producto educativo  o bien se puede vender más barato manteniendo margen.

Ahora los tutores, serán entrenadores de sistemas de aprendizaje automático en elearning, y habrá rentabilidad si el proceso de entrenamiento es corto, los cursos muy recurrentes, con volumen de alumnos considerable y la tecnología de aprendizaje automático asequible.

Recientemente se presentaban los resultados de una tutoría realizada con Whatson el super sistema ideado por IBM en el que se aseveraba que los alumnos no se dieron cuenta de que el tutor era “no humano” y que además lo puntuaron muy bien. No se le puede quitar mérito a Whatson, ni a los talentos de IBM que lo hicieron posible. Pero ¿es esto realmente útil?

Lo cierto es que más del 50% de las preguntas que se hacen en un programa formativo recurrente son siempre las mismas (me atrevería a decir que “he perdido el password” sigue siendo la estrella). Esto es algo que los tutores o en su caso los dinamizadores conocen perfectamente. Es por ello que en los foros generales, se suelen “colgar” las FAQ. Lo que ocurre, es que la lista de FAQ se hace larga de leer y además “da palo” usar el buscador (que además en las de código libre muchas veces ni funciona). En la medida que te sea más fácil preguntarle a Siri que si mañana es festivo en Madrid a buscarlo en google, y Siri acierte, el tutor reactivo automático tiene sentido  en la formación, sea como chatbot o como servicio en un call center.

Por cierto, Hubtype es una solución mucho más asequible que Whatson con un montón de casos off the shelf para un que podría interesarte.

¡Falso! La IA y el Big Data en tecnología educativa son el cambio de paradigma.

Cuidado! No nos quedemos en lo simple de las tutorías reactivas, esas de si tengo una duda, te pregunto. Esto es algo más profundo.

A mi modo de ver, el impacto es más amplio y pongo 5 ejemplos que se entienden fácilmente:

A partir de las búsquedas que hago tanto en google como en portales educativos o temáticos especializados o en mi plataforma colaborativa corporativa, puedo llegar a tener una curación de contenidos a la carta. Bastará que el sistema aprenda de mí, a partir de que los contenidos que me muestre sean relevantes para mí, él lo sepa en función de si los leo o no o si le digo al sistema que son relevantes o no.  

Hoy en día la curación de contenidos tiene sentido para grandes colectivos, pero difícilmente es “pagable” a título individual para cada empleado. Esto lo haría posible. Hace años que Flipboard funciona razonablemente bien, el modelo es de aplicación dentro de un LMS corporativo.

¿Cuántas veces has visto un curso super interesante en UDEMY que no haces porque no encuentras el tiempo o el momento para hacerlo? Los dispositivos móviles y fijos saben perfectamente si estás hablando por teléfono, si estás de camino al trabajo y si estás haciendo algo con Excel, fumando en la puerta de la oficina o mirando Netflix.

Basta con sugerir en esos momentos valle que dediques el tiempo a un microaprendizaje de valor o un programa más largo ocupando determinados espacios. Tu plataforma de elearning conectada a Hubs de contenido y MOOCS puede ayudarte siempre que sea mobile.

Las personas tendemos a pensar que somos únicas, pero en realidad no lo somos tanto. Por eso triunfan los virales y los videos de gatitos. En los entornos corporativos nuestro mismo rol puede estar repetido por decenas e incluso cientos de personas, basta ver la red comercial de un banco, de seguros o de automoción.

Cuando un vendedor de automóvil empieza a buscar información sobre un determinado tipo de vehículo de la competencia, es previsible que esté preparando trabajarse las objeciones a un cliente indeciso. Cuando lo hacen más de 50, hay una alerta de formación urgente, las ventas están en peligro.

Levantar la alerta al learning community manager de forma automática y sugerirle contenidos de interés para divulgar o “bendecir”, previa divulgación automática, es de gran valor. Por descontado, recomendar formaciones que hacen tus iguales es una pista interesante, pero esto es ir mucho más allá.

Por descontado, los LMS no pueden continuar siendo sólo la librería de conocimiento formal e informal homologado y controlado de la empresa. Si queremos que los contenidos relevantes o los aprendizajes de valor fluyan a los empleados hay que combinar varias fuentes de contenido y hacerlas converger. Pero para que el contenido sea relevante para uno, deben fluir datos y en cierta medida compartirlos para obtener otros a cambio.

Si se que un empleado busca mucha formación en portales especializados, ajena a mi catálogo de competencias, es posible que tenga una carencia en mi catálogo de competencias.

Si tengo en un caso médico con determinadas radiografías o TAC y determinó la existencia de una extraña patología, puedo querer ver de inmediato información de tratamientos para esa patología y cursos específicos. Es más, quiero ver otros caso con el mismo patrón identificado y que no se diagnosticaron con esa patología. Apoyo de machine learning en el diagnóstico y big data en la búsqueda de casos y documentación similar.

Compartir datos dentro con otros sistemas es importante: si un modelo detecta que aquellos que regularmente hacen formación de repente cancelan formaciones on line o no las completan se marchan de la empresa antes de dos meses, ¿debería saltar una alerta para intentar retenerlos?.

Obviamente, con la información del LMS no tengo suficiente para sacar una conclusión, necesito una analítica de datos de otros sistemas de RRHH para establecer patrones, ¿pero da pie a una llamada de mi mentor o de RRHH, verdad?

Esto es un punto importante, tanto si anticipamos los alumnos que pueden suspender, como si detectamos el contenido de mayor interés, como prevemos la posible fuga de un empleado lo importante es la acción que realizamos en base al algoritmo de IA: mejorar la impartición, hacer más seguimiento de determinados alumnos, mejorar las condiciones del empleado...

La IA sin gestión no sirve para nada!.

Y antes de terminar quería recordarte algo fundamental que los pedagogos nos recuerdan muchas veces a los gestores de empresa:
 

Sí, que Siri o el training chatbot te sugieran cosas o te respondan todo el dia a tus dudas está bien. Pero como decía Darth Vader, no hay que obnubilarse con los terrores tecnológicos que construimos. No hay nada comparable al poder de la fuerza. Si entendemos la fuerza como “el aprendizaje”, nadie aprende lo que no quiere aprender.

Si yo no quiero llamar al cliente, aunque tenga el argumentario de ventas para rebatir el modelo competidor, si yo quiero tocar la batería en lugar de hacer ese curso de blockchain de UDEMY, o si definitivamente me voy a ir de la empresa porque estoy harto… ni Watson, ni SIRI, ni SKYNET van a ser más fuertes que mi motivación personal.

Y por cierto, también hay algoritmos para saber el estado de motivación del personal que analizan desde las palabras que se usan en los mails, los chats, mensajería instantánea, etc.

¡Todo está por hacer y todo es posible con la AI!