El uso de la gamificación en el aprendizaje es un método docente cuyo origen del término se atribuye al  programador informático Nick Pelling, dedicado al mundo de los videojuegos, quien en 2002 comenzó a hablar de gamificación para referirse a la “cultura del juego” que estaba, en cierta medida, revolucionando la sociedad, tal y como señala Malvido (2019)[1]. La gamificación consiste en utilizar elementos relacionados con los juegos para ponerlos en práctica en un entorno educativo con el objetivo de lograr una mayor implicación de los estudiantes a nivel actitudinal, conceptual, etc. En este proyecto de innovación educativa se explorará la gamificación para la docencia en el aprendizaje y uso correcto de técnicas de aprendizaje automático.

El aprendizaje automático es un área perteneciente a la inteligencia artificial y de carácter multidisciplinar ya que requiere conocimientos tanto matemáticos como estadísticos y de programación. Estudia los algoritmos que mejoran automáticamente a través de la experiencia (Mitchell, 1997)[2]. Estos algoritmos construyen modelos matemáticos basados en un conjunto de datos, denominados “datos de entrenamiento” para realizar predicciones o tomar decisiones sin ser programados de un modo explícito. Dentro de esta área se diferencian dos aproximaciones dependiendo de la naturaleza de la retroalimentación que tienen los modelos durante el aprendizaje.

• Aprendizaje supervisado: el computador aprende a partir de ejemplos y de las salidas deseadas para cada uno de ellos siendo el objetivo aprender el modelo o regla que asocia las entradas con las salidas. Algunas de las técnicas más exitosas de este tipo son las máquinas de vector soporte, AdaBoost, RandomForest, o la redes neuronales artificiales.
• Aprendizaje no supervisado: ante la ausencia de las salidas deseadas tiene como objetivo descubrir la propia estructura de los ejemplos. Puede servir para descubrir patrones ocultos en los datos que faciliten su interpretación o ser un paso previo para el aprendizaje de las características más relevantes en un proceso de generación de conocimiento. Algunas de las técnicas más utilizadas son k-means, los mapas auto-organizados, análisis de componentes principales, o las redes generativas antagónicas.

Actualmente esta disciplina se ha convertido en una revolución que ha cambiado la forma de hacer negocios, abordar problemas de sanidad, gestionar la política, analizar el rendimiento en la educación y avanzar en el conocimiento en la biología.

Se plantea aquí el proyecto de innovación educativa “Aprendizaje basado en gamificación para el aprendizaje automático” en el curso académico 2022/2023; en la asignatura Aprendizaje Automático del “Máster Universitario en Biología Computacional” organizado por la ETS de Ingenieros Informáticos y la ETS de Ingeniería Agronómica, Alimentaria y de Biosistemas, y en la asignatura de Aprendizaje Automático I del grado en Ciencia de Datos organizado por la ETS de Ingenieros Informáticos.

La Biología computacional emplea la ciencia de la computación y las tecnologías de la información para el modelado de procesos biológicos o el análisis de datos biológicos. En este contexto el uso de técnicas de aprendizaje automático para resolver un problema de Biología Computacional es un caso de uso habitual. Por ejemplo, identificar a través de los SNPs del ADN se puede determinar si una persona reaccionara positivamente a un tratamiento de cáncer.

Se propone en este proyecto de innovación educativa la exploración de la gamificación en el área aprendizaje automático en torno a tres líneas principales de actuación: (1) métodos para la gamificación del aprendizaje automático; (2) herramientas para dar soporte a este tipo de técnicas en el aula y su extensión a otros entornos; (3) diseño y uso de mecanismos de competición  bajo el paradigma de gamificación para la realización de actividades y laboratorios.

El perfil de los estudiantes del Máster Universitario en Biología Computacional es multidisciplinar, perteneciendo parte de ellos al mundo de la biología y parte de ellos a ramas de las tecnologías de la información. El aprendizaje automático y su fin aplicativo, ofrecen un marco excepcional para que se establezcan sinergias entre estos perfiles, combinando la experiencia en campos como la programación y en el dominio concreto de la gamificación. Los estudiantes, además, tendrán la oportunidad de aplicar a casos reales y desafiantes el conocimiento adquirido en otras asignaturas del máster como “Statistical Analysis and Data Visualization”.

Por otro  lado, los estudiantes del Grado en Ciencia de Datos e Inteligencia Artificial tiene un perfil con una base sólida en Matemáticas, Estadística y Computación, junto a habilidades propias de la Ingeniería y de las Técnicas de Negocio. En un entorno tecnológico de rápida evolución, estos estudiantes se preparan para trabajar en equipos multidisciplinares con los que abordar aplicaciones en campos tan diversos como finanzas, salud, biotecnología,  transporte  y  movilidad,  industria,  energía, sostenibilidad,  administraciones públicas, sociedad digital, entre otros.

Los resultados de este proyecto serán directamente aplicables a diversas asignaturas de otras titulaciones de máster que, en esencia, abordan la ciencia de datos dando un gran protagonismo al aprendizaje automático. Entre ellos:

1. Máster Universitario en Innovación Digital Itinerario Data Science
2. Master of Science in Health & Medical Data Analytics
3. Máster Universitario en Ciencia de Datos

También se podrán aplicar los resultados a otras asignaturas de grado, especialmente a “Aprendizaje Automático II” del Grado en Ciencia de Datos e Inteligencia Artificial, asignatura que continúa una de las asignaturas donde se desarrollará este PIE. Dentro del proyecto, los estudiantes se embarcarán en un caso de aplicación y se establecerán elementos de competición, retos, y recompensas para la obtención de puntos haciendo que los estudiantes tengan una mayor involucración.

Este proyecto tiene tres objetivos fundamentales:

O1. Estudio de mecánicas de gamificación para su uso en el área de aprendizaje automático. Este objetivo comprende la documentación y estudio de metodologías y frameworks generales de gamificación al campo específico a tratar. Se analizarán y evaluaran en función de su viabilidad y aplicabilidad al entornos de cada asignatura.

O2. Implementación de mecánicas de gamificación para su uso en el área de aprendizaje automático. Este objetivo comprende la instanciación de metodologías y frameworks generales de gamificación al campo específico a tratar. Siguiendo a Borrás (2015)[1] se establecerá un propósito principal en la actividad a realizar la cual se modificará para adaptarla a la gamificación.  Además, se actualizarán los métodos de gamificación para el aprendizaje automático con las novedades de este campo tan puntero como cambiante.

O3. Integración y documentación de las herramientas para el soporte del gamificación en las asignatura de aprendizaje automático. Este objetivo comprende el análisis y documentación de herramientas disponibles para dar soporte a la gamificación en la asignatura concreta. Existe una plétora de herramientas de aprendizaje automático que se adaptan bien al perfil de los estudiantes por no requerir conocimientos avanzados de programación, como Weka o RapidMiner las cuales también son de prototipado rápido y visuales para la realización de actividades colaborativas. Se evaluarán diferentes herramientas y modos para gamificar actividades del curso. Se diseñarán diferentes aproximaciones valorándolas para su uso en el aula. Será necesario realizar un software de evaluación final para la realización de una competición de resultados.

Gracias a la aplicación de la gamificación, se espera una mejora de la calidad que se podrá reflejar en:

1. Una comprensión más profunda de las técnicas de aprendizaje automático, permitiendo diseñar y aplicar mejor estás técnicas.
2. Un mayor compromiso al involucrar al estudiante desde el principio en el proceso de gamificación con el fin de obtener una mejora en la nota (recompensa).
3. Desarrollo de habilidades para trabajar en entornos reales a través de la competición con otros estudiantes.
4. Fortalecimiento de la conexión entre lo que aprenden en la asignatura y lo que perciben del mundo profesional.
5. Desarrollo de habilidades de comunicación de alto nivel, a través del uso de herramientas sociales y técnicas de producción de medios, para crear y compartir las soluciones desarrolladas por ellos mismos.

Se consideran las siguientes tres grandes tareas, con una clara correspondencia con los tres objetivos ya mencionados:

• T1. Estudio de métodos para la gamificación del aprendizaje automático.
• T2. Analizar  e implementar mecanismos de gamificación concretos en el campo del aprendizaje automático.
• T3. Integrar y documentar herramientas para el soporte de la gamificación en la asignatura de aprendizaje automático.

También se considera, como especifica la convocatoria, el comienzo del proyecto en febrero de 2023, y la finalización el 15 de noviembre de 2023 o antes, existiendo, por tanto 9 meses de ejecución, numerados de M1 a M9.

En un enfoque iterativo e incremental como el de la metodología Scrum, se plantea el siguiente cronograma que permite dar tres iteraciones a cada tarea de manera que los resultados preliminares de cada una de ellas sirvan para realimentar las siguientes fases del proyecto:

• M1 T1 primera iteración
• M2 T2 primera iteración
• M3 T3 primera iteración
• M4 T1 segunda iteración
• M5 T2 segunda iteración
• M6 T3 segunda iteración
• M7 T1 tercera iteración
• M8 T2 tercera iteración
• M9 T3 tercera iteración

La Evaluación del proyecto se realizará por medio de un informe de realización de las actividades de gamificación. Se considerarán a valorar los siguientes apartados:

• Narrativa
• Motivación a lo largo del proceso
• Diversión en la experiencia y motivos de abandono
• Aprendizajes logrados
• Solución propuesta, presentación incluyendo prototipos, conceptos, y el feedback de expertos.
• Implementación y planes de evaluación.
• Resultados de Evaluación.
• Presentaciones finales.
• Diarios con experiencia personal y de grupo.
• Reflexiones finales sobre lo aprendido.

• E1. Informe y análisis sobre métodos y mecanismos adecuados para la gamificación en aprendizaje automático.
• E2. Manual de herramientas para el soporte a la gamificación en el aprendizaje automático.
• E3. Informe sobre la evaluación de los resultados.
• E4. Artículo de revista o conferencia para la divulgación de resultados.

Como se describió en la sección de alcance, estos entregables tienen una aplicación directa en otras asignaturas del máster para el que se propone, otros masters, y otros grados. También puede suponer una ventaja competitiva en la organización de MOOCs, al presentar una filosofía pedagógica distinta a alternativas como los cursos de Ciencia de Datos que ofrece la universidad de Stanford o la universidad Johns Hopkins.

• E2. Manual de herramientas para el soporte a la gamificación en aprendizaje automático.
• E3. Informe sobre la evaluación de los resultados.
• E4. Artículo de revista o conferencia para la divulgación de resultados.

También se considerará:

• la construcción de una web que recoja todos los entregables,
• noticias para la difusión en la UPM,
• entradas de microblogging (Twitter) en el departamento y la escuela,
• entrevistas radiofónicas para divulgación de la innovación educativa.

Se consultará con frecuencia al Gabinete de Tele-Educación (GATE) para buscar soluciones software ya integradas con la Plataforma Institucional de Telenseñanza de la UPM (Moodle) que permitan dar soporte al espacio colaborativo requerido para el aprendizaje basado en retos. También se consultará a GATE las posibilidades de integración de las herramientas y resultados de este proyecto de innovación con Moodle.