Ponència de Francesc Balagué, d'Akoranga, presentada en la 18a edició de la Trobada dels Serveis Informàtics de les Universitats de Catalunya (TSIUC) el 30 novembre de 2017 a la Universitat Oberta de Catalunya (UOC).

1. Trobada dels Serveis Informàtics de les Universitats de Catalunya 2017
FRANCESC BALAGUÉ
http://akoranga.org
Les possibilitats del Machine Learning, Big Data i
Blockchain en la docència universitària

2. 1. Context actual
2. Exemples i casos globals
3. Context educatiu
4. Exemples i casos
5. Reptes de futur
Agenda Expectatives

3. 1. Context actual
2. Exemples i casos globals
3. Context educatiu
4. Exemples i casos
5. Reptes de futur
Agenda Expectatives
1. No soc tecnòleg
2. Tecnologia en desenvolupament
3. Poca recerca en usos educatius
4. Prediccions
5. Generar preguntes

4. World Economic Forum, 2016 https://www.weforum.org/agenda/2016/01/the-fourth-industrial-
revolution-what-it-means-and-how-to-respond/ i https://www.youtube.com/watch?v=-OiaE6l8ysg
4ª Revolució Industrial

5. World Economic Forum, 2016 https://www.weforum.org/agenda/2016/01/the-fourth-industrial-
revolution-what-it-means-and-how-to-respond/ i https://www.youtube.com/watch?v=-OiaE6l8ysg
“Una combinació de sistemes
digitals, físics i biològics”
4ª Revolució Industrial

6. The Economist, 2017 https://www.economist.com/news/briefing/21721634-how-it-shaping-up-data-
giving-rise-new-economy
Data are to this century what
oil was to the last one: a
driver of growth and change

7. 90% 2ANYS
EL 90% DE LA INFORMACIÓ
MUNDIAL
S’HA GENERAT EN
ELS DARRERS 2 ANYS
Science Daily 2013 - https://www.sciencedaily.com/releases/2013/05/130522085217.htm

8. Moore’s Law http://www.mooreslaw.org i http://www.wired.co.uk/article/wired-explains-moores-law
2000 2015
37,5 M de transistors 1400 M de transistors
Llei de Moore

9. Big Data
Font: https://ca.wikipedia.org/wiki/Dades_massives
Dades massives (o Big Data) és el nom que reben els
conjunts de dades, els procediments i les aplicacions
informàtiques, que, pel seu volum, la seva naturalesa
diversa i la velocitat a què han de ser processades,
ultrapassen la capacitat dels sistemes informàtics
habituals.

10. Mineria de dades
Font: https://ca.wikipedia.org/wiki/Mineria_de_dades
La mineria de dades és un conjunt de tècniques
encaminades a l’extracció de coneixement
processable, per tal d’identificar informació vàlida,
nova, potencialment útil i comprensible, que es troba
oculta en les dades.

11. Machine Learning
Font: https://ca.wikipedia.org/wiki/Aprenentatge_autom%C3%A0tic
Per Machine learning ens referim a la branca de la
informàtica relacionada amb la intel·ligència
artificial, que estudia els sistemes que aprenen
autònomament. Una de les diferències entre la
manera d’aprendre dels humans i de les màquines,
és que aquestes poden utilitzar conjunts massius de
dades, extreure’n patrons, i aprendre’n.

12. http://www.expansion.com/actualidadeconomica/analisis/2016/03/11/56e1936fe2704e6c588b4575.html
Zara

13. https://www.forbes.com/sites/bernardmarr/2016/12/13/big-data-in-healthcare-paris-hospitals-predict-admission-rates-using-machine-learning
Medicina

14. https://digit.hbs.org/submission/rolls-royce-value-creation-through-big-data/
Rolls
Royce

15. https://www.theguardian.com/football/2014/oct/17/arsenal-place-trust-arsene-wenger-army-statdna-data-
analysts i https://www.forbes.com/sites/bernardmarr/2015/03/25/big-data-the-winning-formula-in-sports/
Big Data
The Winning Formula in Sports
Esports

16. https://www.wired.com/insights/2014/03/big-data-lessons-netflix/ i https://www.uoc.edu/portal/es/news/actualitat/2015/130-netflix-big-
data.html
Netflix

17. https://techcrunch.com/2017/03/06/googles-smarter-a-i-powered-translation-system-expands-to-more-languages/
Google
translate

18. https://www.theverge.com/2017/3/27/15077864/elon-musk-neuralink-brain-computer-interface-ai-cyborgs
Neuralink
Developing ultra
high bandwidth
brain-machine
interfaces to connect
humans and
computers.

19. Expedition 50 Soyuz MS-02 Landing https://www.flickr.com/photos/nasahqphoto/33110046934

20. Font: http://www.swiftelearningservices.com/top-6-elearning-trends-in-2017/

21. 1. Millorar els resultats dels estudiants
2. Crear programes massius personalitzats
3. Millorar l’experiència d’usuari en temps real
4. Reduir l’abandonament
5. Equips d’alt rendiment d’aprenentatge
6. Avaluació
Big Data en educació
https://datafloq.com/read/big-data-will-revolutionize-learning/206

22. El fet de tenir dades en temps real de tot el procés
permet fer intervencions i oferir suport just en el moment
que els necessita, coneixent el seu perfil i els recursos
que més s’hi poden ajustar.
Millorar els resultats dels estudiants
Big Data en educació
https://datafloq.com/read/big-data-will-revolutionize-learning/206

23. El fet de tenir dades en temps real de tot el procés
permet fer intervencions i oferir suport just en el moment
que els necessita, coneixent el seu perfil i els recursos
que més s’hi poden ajustar.
Millorar els resultats dels estudiants
Big Data en educació
https://datafloq.com/read/big-data-will-revolutionize-learning/206

24. Crear programes massius personalitzats
- Els MOOCs estan pensats per estandaritzar una mateixa proposta
- Els MOOCs presenten moltes evidències d’abandonaments
massiu (7-12%)*
- Els MOOCs estan majoritàriament dissenyats com a processos
individuals no interactius
- Els MOOCs no faciliten un seguiment directe i/o interacció per part
del professorat
MOOCs vs. POOCs
http://edtechreview.in/trends-insights/insights/2284-poocs-personalized-open-online-courses-not-moocs
* http://www.mindingthecampus.org/2013/11/why_do_students_drop_out_of_mo/
Big Data en educació

25. Millorar l’experiència de l’usuari en temps real
https://www.youtube.com/watch?v=0JUN9aDxVmI
Advanced Algorithms (COMPSCI 224), Lecture 1
Big Data en educació
1.032.387 visualitzacions

26. - Abans de començar el curs: anàlisis de “requisits previs” i
proposta d’itineraris personalitzats
- Durant el curs: identificar en quins moments comença a
presentar indicadors de perill d'abandonament i oferir recursos i
suport complementari.
- Un cop graduat, traçabilitat de la ocupabilitat per retroalimentar la
definició dels perfils d’estudiants.
Reduir l’abandonament
Big Data en educació

27. A partir de les anàlisis dels perfils d’aprenentatge individuals, i
dels resultats i processos de molts altres equips, els algoritmes
poden determinar perfils de cada membre i analitzar punts forts i
dèbils alhora de crear grups de treball.
Equips més equilibrats i complementaris, amb unes corbes
d’aprenentatge més profundes i millorar els resultats grupals.
Equips d’alt rendiment d’aprenentatge
Big Data en educació

28. - Eines per mesurar el rendiment dels estudiants més detalladament en funció de les tasques,
obtenint més informació per avaluar les habilitats més complexes de forma més ràpida i
contínua.
- El Big Data també pot facilitar incloure elements de les discussions i interaccions online dels
estudiants i combinar-los amb altres indicadors.
- Permet un monitoratge i seguiment longitudinal molt més detallat de tot el procés, facilitant
processos d’avaluació més globals.
Avaluació
Big Data en educació
Dede, D. Andrew, H. I Mitros, P. (2016) Big Data Analysis in Higher Education: Promises and Pitfalls
http://er.educause.edu/articles/2016/8/big-data-analysis-in-higher-education-promises-and-pitfalls

29. - Eines per mesurar el rendiment dels estudiants més detalladament en funció de les tasques,
obtenint més informació per avaluar les habilitats més complexes de forma més ràpida i
contínua.
- El Big Data també pot facilitar incloure elements de les discussions i interaccions online dels
estudiants i combinar-los amb altres indicadors.
- Permet un monitoratge i seguiment longitudinal molt més detallat de tot el procés, facilitant
processos d’avaluació més globals.
Destaquen la tendència desproporcionada a pensar que les anàlisis predictives
seran fiables i correctes, i que realment podran ser usades per professors i alumnes
per millorar l'aprenentatge. Demanen estudis més profunds que contrastin aquest punt.
Avaluació
Big Data en educació
!
Dede, D. Andrew, H. I Mitros, P. (2016) Big Data Analysis in Higher Education: Promises and Pitfalls
http://er.educause.edu/articles/2016/8/big-data-analysis-in-higher-education-promises-and-pitfalls

30. “Beyond Badges: Why Personalized Learning Advocates Need to Care about Blockchain” i
“10 Things To Know about the Future of Blockchain in Education”
Blockchain en educació
- Sistemes de certificació
- Seguretat
- Manetniment de registres i dades
- Accés a registres en qualsevol moment
- Validar credencials dels estudiants

31. Academic Analytics
Academic analytics combines large data sets with statistical
techniques and predictive modelling to improve decision making.
Academic analytics provide data that administrators can use to
support the strategic decision-making process as well as a
method for benchmarking in comparison with other institutions.
Daniel, B.
Daniel, B. (2014) Big Data and analytics in higher education: Opportunities and challenges
https://i.unisa.edu.au/siteassets/staff/tiu/documents/big-data-and-analytics-in-higher-education--opportunities-and-challenges.pdf

32. Academic Analytics
https://datafloq.com/read/big-data-will-revolutionize-learning/206
- Ús dels MOOCS
- Satisfacció usuari
- Reducció de l’abandonament

33. Academic Analytics
https://www.cogbooks.com/2016/10/05/big-data-will-boost-learning-teaching-higher-education/
- Ús dels MOOCS
- Satisfacció usuari
- Reducció de l’abandonament
!
- Començar pel final: a quin objectiu volem arribar?
- Avançar pas a pas: començar identificant un element clau
- Canvi de cultura: entendre i acceptar la cultura de
tecnologies digitals.

34. EXEMPLES EDUCACIÓ

35. Domoscio connecta les ciències cognitives, el Big Data i la IA per crear solucions d’aprenentatge adaptatiu.
Optimitzant l’assimilació i consolidació per millorar els impactes de l’aprenentatge. https://domoscio.com/

36. Knewton és una plataforma d’aprenentatge adaptatiu per a l’educació superior. https://www.knewton.com/

37. Zoomi ofereix una eina d’aplicació de la Intel·ligència Artificial als processos d’aprenentatge. http://zoomiinc.com/

38. CogBooks és una plataforma d’aprenentatge adaptatiu que personalitza el contingut amb les necessitats individuals
dels estudiants. https://www.cogbooks.com/

39. La plataforma d’aprenentatge adaptatiu Area9, combina neurociència cognitiva i informàtica amb els continguts, per
reduir el temps de formació a la meitat, garantir la competència i generar impactes duradors. https://area9learning.com

40. Wildfire és un programari d’intel·ligència artificial que transforma textos en continguts d’aprenentatge actiu.
http://www.wildfirelearning.co.uk/

41. Blockcerts Sistema de certificació basada en la tecnologia Blockchain. http://www.blockcerts.org/
http://certificates.media.mit.edu/

42. edChain és una biblioteca descentralitzada i de codi obert que permet compartir continguts educatius a través de
diferents aplicacions i organitzacions (basada en els protocols de web distribuïda IPFS). https://www.edchain.io/

43. La Open Source University es defineix com la primera universitat distribuïda que proporciona adquisició de
coneixements i habilitats, verificació i validació, a través de tecnologies de blockchain. https://os.university/

44. REPTES IMMINENTS

45. REPTES IMMINENTS
- Grans volums de dades
- Estandarització
- Privacitat i propietat
- Recol·lecció d’activitat presencial

46. Mark van Rijmaenam https://datafloq.com/read/big-data-will-revolutionize-learning/206
Uns estudiants més intel·ligents que
optimitzin i facin més eficient el seu
aprenentatge tindrà importants
beneficis per a la societat”
“

47. Francesc Balagué
info@akoranga.org
@fbalague