"Ciencia de Datos en la Educación: Análisis de grandes volúmenes de datos usando métodos computacionales para detectar y prevenir problemas de violencia y deserción en entornos educativos."

El objetivo principal de la presente propuesta busca reducir los niveles de violencia y deserción en entidades educativas (colegios, institutos, universidades), con la finalidad de tornar estos ambientes más seguros y adecuados para los estudios. Para esto, nuestra propuesta se enfocará en 3 objetivos específicos, basados en Data Science, Machine Learning, Deep Learning, Computer Vision, Sentiment Analysis, Parallel Programming: (Obj 1) Análisis de Video, (Obj 2) Análisis de Redes Sociales, (Obj 3) Análisis Socioeconómico y Académico. (Obj 1) La intimidación o agresión entre estudiantes es un problema global que causa problemas psicológicos y comportamentales negativos a largo plazo, sea para la víctima como para el agresor. El acoso puede tener consecuencias duraderas no sólo para los agresores y las víctimas, sino también, para comunidades enteras. Este objetivo está dividido en tres tareas, (1) Analizar y detectar en video agresiones físicas y alertar a las autoridades del local académico, tornandola más segura para los estudiantes. (2) Por otro lado, analizar la participación de los estudiantes es muy importante para mejorar el aprendizaje y la enseñanza. Si bien un profesor experimentado puede evaluar el nivel de atención con precisión, en una clase grande es difícil de mantener. Para este propósito usaremos algoritmos de detección de rostros, unidades de acción y de identificación de la dirección de la mirada del estudiante con el objetivo de establecer un modelo de relación entre la orientación la mirada y la atención. (3) En esa misma dirección, usaremos el mismo algoritmo de detección de rostros para identificar alumnos y hacer un registro automático de asistencias. (Obj 2) Las agresiones no solo se dan a nivel físico, ellas también pueden ser verbales, en ambientes virtuales. Esta forma de acoso es más difícil de solucionar y generalmente son insultos, burlas, difusión de rumores, etc. En este punto usaremos técnicas de deep learning para detectar incidencias de cyberbullying al analizar comentarios en redes sociales. Asimismo, usaremos técnicas de social network analysis para mejorar esta detección, al analizar las interacciones entre alumnos y grupos sociales. (Obj 3) Otro problema que impide el desarrollo educacional en nuestro país, es la alta tasa de deserción. Esto se relaciona a muchos factores, como sociales, económicos, de aprendizaje y de enseñanza, entre otros. Dicho problema, puede ser detectado tempranamente mediante el análisis de dichas variables, sin embargo no existe ningún mecanismo usado por las instituciones nacionales que responda ante dicha necesidad. Otro de nuestros objetivos es analizar datos para entender los factores que motivan la deserción, y generar un sistema automático de detección por medio de algoritmos de machine learning, dando la oportunidad a que puedan ser tomadas decisiones basadas en conocimiento por parte de profesores, directores y responsables del bienestar estudiantil.

Data Science, Computer Vision, Data Visualization, Bullying-Cyberbullying, Statistical Model Checking, Deserción estudiantil.

INVESTIGACIÓN CIENTÍFICA

BM

AREQUIPA

UNIVERSIDAD

PERÚ

CIENCIAS NATURALES / COMPUTACIÓN Y CIENCIAS DE LA INFORMACIÓN

PERÚ

AREQUIPA

20/11/2019 al 19/07/2022

CIENCIAS DE LA COMPUTACIÓN