Grigoris Tzionis: «desarrollo modelos predictivos para identificar el riesgo de abandono en formación»

En Femxa llevamos muchos años de esfuerzo y dedicación a proyectos europeos que suponen innovación y desarrollo aplicados al entorno de la formación, y ahora queremos presentar a algunas de las principales figuras implicadas.

En esta entrevista hemos querido compartir el trabajo del personal directamente implicado en las investigaciones que dan lugar a las innovaciones educativas más actuales.

Grigoris Tzionis ha sido el elegido para contarnos de primera mano el trabajo de un investigador que aplica las nuevas herramientas digitales a la investigación educativa.

Grigoris forma parte del CERTH, Centro de Investigación y Tecnología de Grecia, situado en el Parque Científico de Salónica, uno de los centros de investigación más importantes de la Unión Europea en cuanto a proyectos Horizon. Participa en una colaboración de este centro con Femxa sobre el análisis de los resultados de la formación en diferentes tipos de cursos aplicando tecnología de aprendizaje automático e inteligencia artificial.

Entrevista a Grigoris Tzionis

Grigoris, nos interesa la organización profesional de un investigador: ¿planeas muchas reuniones? ¿Compartes tus avances con tus colegas? En definitiva, ¿cómo es el día a día de un investigador en el ámbito de la formación?

En el ámbito de la investigación, especialmente en el de la formación, la comunicación eficaz y la información son pilares fundamentales de nuestro día a día. Participo en bastantes reuniones y creo que desempeñan un papel crucial a la hora de fomentar la colaboración y la sinergia entre los miembros del equipo.

Estas reuniones no sólo nos mantienen alineados con los objetivos de nuestro proyecto, sino que también nos proporcionan una plataforma para intercambiar ideas y perspectivas. Cuando se trata de compartir avances, suelo ponerme en contacto con mis colegas más veteranos para asegurarme de que vamos por el buen camino, ya que sus ideas y orientaciones son inestimables para dar forma a la dirección de nuestros esfuerzos de investigación. Además, ayudan a mantener un sentido de la responsabilidad y garantizan que nuestro trabajo progrese constantemente.

En el campo de la formación, mantenerse al día de las últimas tecnologías y tendencias es primordial. Para lograrlo, dedico aproximadamente 2 horas cada semana al aprendizaje continuo, ya que esto me permite explorar las nuevas tecnologías emergentes, adquirir nuevas competencias y adaptarme a la evolución del panorama.

Estar bien informado garantiza que nuestra investigación siga siendo pertinente y se mantenga a la vanguardia en nuestro campo. Así que las reuniones forman parte de nuestra rutina y sirven como medio para un fin: fomentar la colaboración y garantizar que nuestros proyectos van por buen camino.

Compartir los progresos con colegas de alto nivel aporta perspectivas valiosas, y dedicar tiempo al aprendizaje nos mantiene a la vanguardia del siempre cambiante panorama de la formación.

¿Podrías explicarnos cómo surgió la oportunidad de colaborar con Femxa en tu actual estudio?

La oportunidad de colaborar con Femxa en el estudio que estamos llevando a cabo surgió de nuestro objetivo común de abordar un problema acuciante: el abandono en los cursos.

En el ámbito de la educación y los cursos en línea, las tasas de abandono pueden ser un reto importante y, para abordar este problema con eficacia, reconocimos la necesidad de aprovechar el poder de los algoritmos de IA explicable (XAI).

Nuestra colaboración con Femxa comenzó cuando identificamos una preocupación común: comprender las razones subyacentes detrás de los abandonos de los cursos. Los análisis tradicionales proporcionaban algunas ideas, pero buscábamos una comprensión más profunda y aquí es donde entra en juego la XAI.

Creíamos que aprovechando los algoritmos de XAI no sólo podríamos predecir los patrones de abandono, sino también explicar por qué se producían, y Femxa como empresa con visión de futuro y comprometida con la mejora de la experiencia de aprendizaje, compartía nuestro entusiasmo por este enfoque.

Vieron el potencial del uso de XAI para proporcionar información práctica y recomendaciones para reducir el abandono de los cursos, lo que dio lugar a una fructífera colaboración en la que ahora trabajamos juntos para implementar y perfeccionar modelos XAI adaptados a los casos de uso específicos de Femxa.

En resumen, nuestra colaboración con Femxa surgió de un interés mutuo en aprovechar XAI para abordar el reto del abandono educativo. Una asociación emocionante que nos permite aplicar técnicas de IA de vanguardia para comprender y mitigar este problema de manera eficaz y, al mismo tiempo, proporcionar explicaciones claras para cada escenario de abandono.

 

Grigoris Tzionis gestiona actualmente una base de datos de puntuaciones y resultados de nuestros cursos para desarrollar un algoritmo, basado en aprendizaje automático, que busque correlaciones entre datos demográficos y los resultados de esos cursos.

Danos los detalles de la investigación que estás realizando actualmente para nosotros: ¿cómo se puede entrenar la inteligencia artificial para analizar los resultados de las evaluaciones de los estudiantes?

Actualmente participo en un proyecto de investigación destinado a aprovechar el poder de la Inteligencia Artificial (IA), en particular del Aprendizaje Automático (AM), para analizar los resultados de las evaluaciones de los estudiantes y predecir el abandono de los cursos.

El objetivo principal es desarrollar modelos predictivos que puedan identificar a los estudiantes en riesgo de abandonar un curso, permitiendo una intervención temprana y apoyo para mejorar las tasas de retención.

Estos son los componentes clave de la investigación:

– Recogida y gestión de datos: Hemos creado una amplia base de datos que recoge y almacena las puntuaciones y los resultados de varios cursos. Esta base de datos se actualiza continuamente con nuevos datos para garantizar su exactitud y pertinencia.

– Ingeniería de características: Un aspecto crítico de nuestra investigación es la ingeniería de características, en la que identificamos y extraemos variables y atributos relevantes de los datos. Estas características incluyen información demográfica como la edad, el sexo y la formación académica, así como métricas de rendimiento de evaluaciones y tareas.

– Modelos de aprendizaje automático: Estamos desarrollando y perfeccionando modelos de aprendizaje automático, como árboles de decisión, regresión logística y, potencialmente, técnicas más avanzadas como las redes neuronales. Estos modelos se entrenarán a partir de datos históricos para predecir la probabilidad de que un estudiante abandone los estudios en función de sus características demográficas y de rendimiento.

– IA explicable (XAI): Una parte esencial de nuestra investigación implica el uso de técnicas de IA explicable (XAI). Una vez que nuestros modelos ML hacen predicciones, los algoritmos XAI intervienen para proporcionar explicaciones claras e interpretables de estas predicciones. Esta transparencia es crucial para comprender por qué un estudiante concreto corre el riesgo de abandonar los estudios, ya que revela los factores que contribuyen a ello.

– Estrategias de intervención temprana: Basándonos en las predicciones de nuestros modelos y en las explicaciones generadas por XAI, nuestro objetivo es diseñar estrategias de intervención temprana. Estas estrategias pueden incluir apoyo personalizado, recursos adicionales o itinerarios educativos adaptados para ayudar a los estudiantes en riesgo a mantener su compromiso y tener éxito.

Nuestra investigación se basa en la creencia de que la IA puede desempeñar un papel fundamental en la mejora de los resultados de los estudiantes mediante la identificación precoz de los problemas y la aportación de información práctica a educadores e instituciones.

Combinando las capacidades predictivas del ML con la interpretabilidad de la XAI, pretendemos capacitar a las organizaciones educativas para que tomen decisiones informadas y, en última instancia, reduzcan las tasas de abandono educativo.

Esta investigación representa un enfoque proactivo para abordar un reto importante en la educación y demuestra cómo se puede aprovechar la IA en beneficio tanto de los estudiantes como de las instituciones educativas.

 

Una vez que obtengamos ese análisis, ¿Qué beneficios aportarán estas tareas automatizadas a un centro de formación?

Una vez que obtenemos el análisis y los conocimientos sobre los factores que contribuyen al abandono escolar, los beneficios para un centro de formación son significativos y polifacéticos. Las ventajas que se producen son las siguientes:

Intervención temprana

Identificar las características y factores específicos que contribuyen al abandono de los alumnos permite al centro de formación intervenir a tiempo. Al reconocer a los estudiantes de riesgo, el centro puede poner en marcha mecanismos de apoyo específicos para evitar que abandonen el curso prematuramente.

Apoyo personalizado

Con esta información, el centro de formación puede ofrecer apoyo personalizado a los estudiantes con dificultades. Esto podría incluir tutorías adicionales, planes de estudio personalizados o recursos adaptados para abordar los problemas identificados.

Optimización de recursos

Comprender las causas del abandono escolar ayuda a asignar recursos. El centro de formación puede asignar los recursos de manera más eficiente centrándose en las áreas que tienen un impacto directo en la retención de los estudiantes, en lugar de gastar los recursos indiscriminadamente.

Mejora del plan de estudios

La información obtenida del análisis puede servir para mejorar los planes de estudios. El centro de formación puede adaptar el contenido de los cursos, los métodos de enseñanza y las evaluaciones para que se ajusten mejor a las necesidades y retos de los estudiantes, reduciendo potencialmente las tasas de abandono.

Mejora de la experiencia del estudiante

Al abordar de forma proactiva los factores que contribuyen al abandono, el centro de formación puede mejorar la experiencia general del estudiante. Los estudiantes son más propensos a persistir en sus estudios cuando se sienten apoyados y sienten que se satisfacen sus necesidades específicas.

Mejora de la reputación

Un centro de formación que demuestre su compromiso con el éxito de los estudiantes y utilice estrategias basadas en datos para reducir el abandono puede mejorar su reputación. Esto puede atraer a más estudiantes y conducir potencialmente a un aumento de las matriculaciones.

Ahorros financieros

La reducción de las tasas de abandono puede suponer un ahorro económico para el centro de formación. Menos abandonos significa que más estudiantes completan sus cursos, lo que potencialmente conduce a un aumento de los ingresos y el ahorro de costes asociados con la contratación de estudiantes y la incorporación.

Toma de decisiones basada en datos

El análisis proporciona al centro de formación información valiosa basada en datos. Esta información puede servir de base para la toma de decisiones estratégicas relacionadas con el desarrollo de programas, el marketing y el apoyo a los estudiantes.

En resumen, obtener un análisis detallado de las características que causan los abandonos y tenerlas en cuenta ofrece una serie de beneficios a un centro de formación y conlleva una mejora de los resultados de los estudiantes, una mayor eficacia operativa y una reputación más positiva dentro de la comunidad educativa.

En último lugar, este enfoque permite al centro de formación cumplir mejor su misión de proporcionar una educación de calidad y fomentar el éxito de los estudiantes.

¿Cómo percibes el sistema educativo en Europa? ¿Ves muchas diferencias entre países? ¿Crees que la digitalización de los centros de formación mejorará los resultados académicos de los estudiantes?

La percepción del sistema educativo en Europa varía de un país a otro y en ella influyen diversos factores, como el desarrollo económico, los recursos y el contexto cultural.

Europa es conocida por su diversidad, y esto se extiende a sus sistemas educativos. Cada país tiene su propio enfoque de educación, su propio plan de estudios y sus propios métodos de evaluación. En estas diferencias pueden influir factores históricos, culturales y económicos.

El nivel de inversión y los recursos asignados a la educación pueden variar considerablemente de un país europeo a otro. Algunas naciones pueden tener sistemas educativos bien financiados y tecnológicamente avanzados, mientras que otras pueden enfrentarse a limitaciones de recursos.

He aquí algunos puntos clave para responder a sus preguntas:

Impacto de la digitalización: La digitalización de la educación tiene el potencial de provocar varios cambios positivos, ya que puede dar lugar a oportunidades de aprendizaje más flexibles y accesibles, experiencias de aprendizaje personalizadas y un mayor compromiso de los estudiantes. Las herramientas digitales y el análisis de datos también pueden ayudar a los educadores a comprender mejor las necesidades de los alumnos y adaptar los métodos de enseñanza en consecuencia.

Retos y oportunidades: Aunque la digitalización ofrece oportunidades para mejorar la educación, también presenta desafíos, ya que no todos los estudiantes tienen el mismo acceso a los recursos digitales, lo que puede exacerbar las desigualdades. Además, la integración efectiva de la tecnología en la enseñanza requiere formación y apoyo para los educadores.

Resultados académicos: El impacto de la digitalización en los resultados académicos es un tema de constante investigación y debate. Aunque la tecnología puede apoyar el aprendizaje, su éxito depende de cómo se aplique y se integre en el plan de estudios. Cuando se utiliza estratégicamente, puede contribuir a mejorar los resultados académicos.

 

En conclusión, el panorama educativo europeo es diverso, con variaciones entre países, y la digitalización promete mejorar la educación proporcionando herramientas para un aprendizaje más personalizado y eficaz. Sin embargo, para hacer realidad estos beneficios es necesario abordar los retos relacionados con el acceso y garantizar que la tecnología se utilice de forma que mejore la experiencia educativa.

El impacto final en los resultados académicos dependerá de la eficacia con que se aborden estos retos.

 

 

English Version

Interview to Grigoris Tzionis

In this interview, we wanted to share the work of the staff directly involved in the research that leads to the most current educational innovations.

At Femxa we have spent many years of effort and dedication to European projects that involve innovation and development applied to the training environment, and now we would like to introduce some of the main figures involved.

Grigoris Tzionis has been chosen to tell us first-hand about the work of a researcher who applies new digital tools to educational research.

Grigoris is part of the Certh, Centre for Research and Technology Hellas (CERTH), located in the Thessaloniki Science Park, the one of the most important research centers in the European Union in terms of Horizon Projects. He is involved in a collaboration with Femxa on the analysis of training results in different types of courses applying machine learning and artificial intelligence technology.

 

Grigoris, we are interested in the professional organization of a researcher: do you plan a lot of meetings? Do you share your progress with colleagues? In short, how is the day-to-day life of a researcher in the training field?

In the realm of research, especially within the training field, effective communication and staying informed are key pillars of our day-to-day routine. While I do find myself involved in quite a number of meetings, I believe they play a crucial role in fostering collaboration and synergy among team members.

These meetings not only keep us aligned with our project goals but also provide a platform to exchange ideas and perspectives.When it comes to sharing progress, I typically connect with my senior colleagues to ensure we are on the right track.

Their insights and guidance are invaluable in shaping the direction of our research endeavors. Additionally, it helps maintain a sense of accountability and ensures that our work is consistently progressing.

In the training field, staying updated with the latest technologies and trends is paramount. To achieve this, I dedicate approximately 2 hours every week to continuous learning. This allows me to explore emerging technologies, gain new skills, and adapt to the evolving landscape.

Being well-informed ensures that our research remains relevant and at the cutting edge of the field. So, while meetings are a part of our routine, they serve as a means to an end: fostering collaboration and ensuring our projects are on track.

Sharing progress with senior colleagues adds valuable perspectives, and dedicating time to learning keeps us at the forefront of the ever-changing training landscape.

Could you please explain to us how the opportunity to work with Femxa in your current study arose?

The opportunity to collaborate with Femxa in our ongoing study emerged from our shared goal of addressing a pressing issue: course dropouts.

In the field of education and online courses, dropout rates can be a significant challenge. To tackle this issue effectively, we recognized the need to harness the power of Explainable AI (XAI) algorithms.

Our journey with Femxa began as we identified a common concern: understanding the underlying reasons behind course dropouts. Traditional analytics provided some insights, but we sought a deeper understanding. This is where XAI comes into play.

We believed that by leveraging XAI algorithms, we could not only predict dropout patterns but also explain why they occurred. Femxa, being forward-thinking and committed to enhancing the learning experience, shared our enthusiasm for this approach.

They saw the potential of using XAI to provide actionable insights and recommendations to reduce course dropouts. This shared vision led to a fruitful collaboration where we’re now working together to implement and fine-tune XAI models tailored to Femxa’s specific use cases.

In summary, our collaboration with Femxa arose from a mutual interest in leveraging XAI to address the challenge of course dropouts. It’s an exciting partnership that allows us to apply cutting-edge AI techniques to understand and mitigate this issue effectively while providing clear explanations for each dropout scenario.

 

Grigoris Tzionis is currently managing a database of scores and results from our courses to develop an algorithm, based on machine learning, that looks for correlations between demographic data and the results of those courses.

Give us the details of the research you are currently conducting for us: How can artificial intelligence be trained to analyze student assessment results?

I’m currently engaged in a research project aimed at harnessing the power of Artificial Intelligence (AI), particularly Machine Learning (ML), to analyze student assessment results and predict course dropouts.

The primary objective is to develop predictive models that can identify students at risk of dropping out of a class, allowing for early intervention and support to improve retention rates.

Here are the key components of the research:

• Data Collection and Management: We have established a comprehensive database that collects and stores scores and results from various courses. This database is continually updated with new data to ensure its accuracy and relevance.
• Feature Engineering: One critical aspect of our research involves feature engineering, where we identify and extract relevant variables and attributes from the data. These features include demographic information such as age, gender, and educational background, as well as performance metrics from assessments and assignments.
• Machine Learning Models: We’re developing and fine-tuning machine learning models, such as decision trees, logistic regression, and potentially more advanced techniques like neural networks. These models will be trained on historical data to predict the likelihood of a student dropping out based on their demographic and performance-related features.
• Explainable AI (XAI): An essential part of our research involves the use of Explainable AI (XAI) techniques. Once our ML models make predictions, XAI algorithms step in to provide clear and interpretable explanations for these predictions. This transparency is crucial for understanding why a particular student is at risk of dropping out, as it reveals the contributing factors.
• Early Intervention Strategies: Based on the predictive insights provided by our models and the explanations generated by XAI, we aim to design early intervention strategies. These strategies may include personalized support, additional resources, or tailored educational pathways to help at-risk students stay engaged and succeed.

Our research is driven by the belief that AI can play a pivotal role in enhancing student outcomes by identifying challenges early and providing actionable insights to educators and institutions.

By combining the predictive capabilities of ML with the interpretability of XAI, we aim to empower educational organizations to make informed decisions and, ultimately, reduce dropout rates.

This research represents a proactive approach to addressing a significant challenge in education and demonstrates how AI can be leveraged for the benefit of both students and educational institutions.

 

Once we get that analysis, what benefits will these automated tasks provide to a training centre?

Once we obtain the analysis and insights into the factors contributing to dropouts, the benefits to a training center are significant and multifaceted. Here’s a breakdown of the advantages:

Early Intervention

Identifying the specific features and factors that contribute to student dropouts allows the training center to intervene early. By recognizing at-risk students, the center can implement targeted support mechanisms to prevent them from leaving the course prematurely.

Personalized Support

Armed with insights, the training center can offer personalized support to struggling students. This might include additional tutoring, customized study plans, or resources tailored to address the identified issues.

Resource Optimization

Understanding the causes of dropouts helps in resource allocation. The training center can allocate resources more efficiently by focusing on areas that directly impact student retention, rather than spending resources indiscriminately.

Curriculum Enhancement

Insights gained from the analysis can inform curriculum improvements. The training center can adapt course content, teaching methods, and assessments to better align with the needs and challenges of students, potentially reducing dropout rates.

Enhanced Student Experience

By proactively addressing factors contributing to dropout, the training center can enhance the overall student experience. Students are more likely to persist in their studies when they feel supported and their specific needs are met.

Improved Reputation

A training center that demonstrates a commitment to student success and utilizes data-driven strategies to reduce dropouts can enhance its reputation. This can attract more students and potentially lead to increased enrollment.

Financial Savings

Reducing dropout rates can result in financial savings for the training center. Fewer dropouts mean more students complete their courses, potentially leading to increased revenue and cost savings associated with student recruitment and onboarding.

Data-Informed Decision Making

The analysis provides the training center with valuable data-driven insights. These insights can inform strategic decisions related to program development, marketing, and student support.

In summary, obtaining a detailed analysis of the features causing dropouts and taking them into account offers a host of benefits to a training center. It leads to improved student outcomes, enhanced operational efficiency, and a more positive reputation within the education community.

Ultimately, this approach positions the training center to better fulfill its mission of providing quality education and fostering student success.

 

How do you perceive the education system in Europe? Do you see many differences between countries? Do you think that training centres digitalisation will improve students’ academic results?

The perception of the education system in Europe varies from country to country and is influenced by a range of factors including economic development, resources, and cultural context.

Europe is known for its diversity, and this extends to its education systems. Each country has its own approach to education, curriculum, and assessment methods. These differences can be influenced by historical, cultural, and economic factors.

The level of investment and resources allocated to education can vary significantly between European countries. Some nations may have well-funded and technologically advanced educational systems, while others may face resource constraints.

Here are some key points to address your questions:

Digitalization’s Impact The digitalization of education has the potential to bring about several positive changes. It can lead to more flexible and accessible learning opportunities, personalized learning experiences, and improved engagement for students. Digital tools and data analytics can also help educators better understand student needs and adapt teaching methods accordingly.

Challenges and Opportunities: While digitalization offers opportunities for enhancing education, it also presents challenges. Not all students have equal access to digital resources, which can exacerbate inequalities. Additionally, the effective integration of technology into teaching requires training and support for educators.

Academic Results: The impact of digitalization on academic results is a topic of ongoing research and debate. While technology can support learning, its success depends on how it is implemented and integrated into the curriculum. When used strategically, it can contribute to improved academic outcomes.

 

In conclusion, the European education landscape is diverse, with variations between countries. Digitalization holds promise for improving education by providing tools for more personalized and effective learning. However, realizing these benefits requires addressing challenges related to access and ensuring that technology is used in ways that enhance the educational experience.

The ultimate impact on academic results will depend on how effectively these challenges are addressed.