En los estudios de Ingeniería, las asignaturas relacionadas con la Expresión Gráfica suelen encontrarse en los primeros cursos y son de carácter obligatorio. Esto hace que normalmente sean asignaturas con un número muy elevado de alumnos. Asimismo, la metodología de aprendizaje en estas asignaturas suele ser muy práctica, con una gran cantidad de ejercicios, debido a que se busca desarrollar la inteligencia espacial del alumno (entendiendo ésta como la capacidad de percepción de la realidad y sus detalles para la formación de modelos mentales que puedan ser rotados y manipulados de manera abstracta o bien reproducidos gráficamente).  

Lo anterior hace que el profesor se encuentre semanalmente con una gran cantidad de ejercicios para corregir, por lo que no puede dar una retroalimentación adecuada. En muchas ocasiones el profesor corrige los ejercicios con retraso, cerca de la evaluación final, sin que pueda comentar con los alumnos sus aciertos y errores. El aprendizaje del alumno se fundamenta en su práctica, pero es necesario que el alumno pueda evaluar su actividad, con ayuda del profesor, para así mejorar sus competencias, por lo que, si se le priva de dicha retroalimentación, su aprendizaje será deficiente.

Es por ello por lo que el objetivo principal de esta propuesta es buscar soluciones que faciliten la labor de corrección de los ejercicios presentados por los alumnos en asignaturas de Expresión Gráfica, de tal forma que se les pueda dar una retroalimentación adecuada en tiempo y forma.

Por otro lado, la irrupción de la Inteligencia Artificial (IA) en el campo de la Educación es innegable. Desde la apertura de ChatGPT al público general, cualquier profesor y estudiante puede utilizarlo para, entre otras tareas, generar preguntas tipo test a partir de un texto, analizar las ideas principales de un trabajo, etc. La relevancia de la IA en el campo de la Educación se muestra en la proliferación de congresos, como (4th) ICAIE o (25th) AIED, que de manera específica analizan esta temática.  

Sin embargo, no hay casi experiencias del uso de IA en la Educación en el área de la Expresión Gráfica. Esto se debe a que muchas de las herramientas existentes (como ChatGPT, CharacterAI o Poe) se enfocan al análisis de textos que, aunque pueden ser formulaciones matemáticas, no dejan de ser lenguaje escrito. Ya existen herramientas basada en IA para el análisis de elementos gráficos, como Werk24 o Tome, que están empezando a dar el salto al ámbito educativo, aunque su presencia es todavía muy limitada.

A raíz de lo anterior, se quiere emplear este proyecto para analizar la posibilidad de desarrollar herramientas o metodologías que, aprovechando los avances en Inteligencia Artificial, favorezcan el proceso de enseñanza-aprendizaje en el área de la Expresión Gráfica, facilitando la corrección de ejercicios y la retroalimentación a los alumnos.

Se plantean, entonces, las siguientes tres líneas de trabajo:

1. Analizar en qué medida las herramientas de IA disponibles pueden facilitar la corrección de ejercicios de Expresión Gráfica.
2. Desarrollar una herramienta que facilite, a partir de la evaluación del ejercicio por parte del profesor, la retroalimentación al alumno.
3. Desarrollar un código de IA propio para el análisis de ejercicios de Expresión Gráfica.

En la primera de ellas se partirá de un estudio de las diferentes herramientas de IA que permiten el tratamiento de imágenes. Posteriormente, se analizará en qué medida estas herramientas son capaces de leer un dibujo, identificando elementos gráficos como, por ejemplo, rectas y circunferencias. Posteriormente se estudiará: (i) si, a partir de un dibujo con la solución correcta del ejercicio, las herramientas de IA disponibles son capaces de identificar las diferencias con un conjunto de soluciones elaboradas de manera correcta e incorrecta; (ii) si, a partir de un dibujo corregido por el profesor, las herramientas de IA son capaces de extraer las correcciones hechas o realizar una valoración del mismo.

En la segunda línea, se ha pensado en una metodología en la que, a partir de unas indicaciones dadas por el profesor verbalmente al visualizar el ejercicio del alumno, se pueda generar una retroalimentación adecuada de manera eficiente. Así, por ejemplo, el profesor ve el ejercicio del alumno, dice en alto el nombre del alumno y con palabras clave (circunferencia, tangencia…) el sistema genera un correo que el profesor puede enviar directamente al alumno. En este caso también se quieren utilizar herramientas ya disponibles, en las que se analice el reconocimiento de voz y el entrenamiento de la IA en palabras clave. Se considera la línea que tiene más probabilidades de llegar a un producto final, aunque el aspecto clave será su eficiencia.

La última línea es equivalente a la primera, pero realizándose, dentro del proyecto, el programa de IA. Varios de los componentes del equipo de trabajo tienen experiencia en el desarrollo de código de IA, aunque enfocado en otros campos. La ventaja es que se dispone de una gran cantidad de ejercicios ya resueltos por los alumnos para el entrenamiento de la IA. A priori se considera la línea más complicada por lo que se priorizarán las dos primeras.

El objetivo principal de la propuesta es el desarrollo de metodologías que faciliten la evaluación de ejercicios en el área de la Expresión Gráfica en la Ingeniería mediante Inteligencia Artificial.

De manera concreta se pretende:

• Analizar las posibilidades de la IA en el campo de la Expresión Gráfica.
• Elaborar al menos una metodología que facilite la retroalimentación a los alumnos. 
• Analizar la viabilidad y eficiencia de dicha metodología.
• Divulgar la experiencia desarrollada en un congreso o jornada de Innovación Docente.

Teniendo en cuenta los objetivos resaltados en las bases de la convocatoria, este Proyecto de Innovación busca: 

• Incorporar sistemas de evaluación progresiva alineados con metodologías activas, y con estrategias de seguimiento, retroalimentación y tutoría individual y grupal.
• Promover la motivación e implicación de estudiantes en sus procesos de autoestudio dirigido, y de aprendizaje activo, auto-regulado, colaborativo, experiencial y aplicado.
• Incorporar modelos de personalización y atención a la diversidad del alumnado (nivelación en nuevo acceso, heterogeneidad de perfiles, conciliación, diversidad funcional …).
• Utilizar recursos tecnológicos basados en diseño universal para el aprendizaje, considerando la transferencia a otros escenarios de la comunidad educativa.

La propuesta que se realiza está claramente ligada con el primero de estos objetivos, al pretenderse el desarrollo de una herramienta que facilite la evaluación de los alumnos y su retroalimentación. Así mismo, promueve la implicación del alumno al recibir, de una manera más continua, información sobre su proceso de aprendizaje. El tercero de estos objetivos se contempla al desarrollar una herramienta que personaliza el aprendizaje en asignaturas de los primeros cursos de ingeniería, donde la diversidad del nivel académico de los alumnos que acceden a las carreras de Ingeniería en un problema recurrente. Por último, se considera que los desarrollos tecnológicos del proyecto pueden ser útiles en otras asignaturas donde intervienen los aspectos gráficos.  

Se considera que la propuesta contribuye a la mejora de la calidad de la enseñanza por las dos razones siguientes:

1. Se pretende desarrollar una herramienta que mejore la retroalimentación a los alumnos en relación con su desempeño, lo cual es un aspecto clave en el proceso de aprendizaje.
2. La retroalimentación que actualmente se les da a los alumnos no se produce (en ocasiones) o lo hace con retraso y el proyecto trata de resolver esta deficiencia.  

Por otro lado, la IA ofrece una serie de ventajas específicas que pueden resultar de interés para la evaluación de ejercicios en las asignaturas de Expresión Gráfica y que, por lo tanto, resultarán beneficiosas para los alumnos. Aunque, como se comentará más adelante, queda fuera del alcance de este proyecto una comparación entre la retroalimentación dada de manera clásica y por IA, se puede citar algunos beneficios de la evaluación mediante IA: (i) Identificación de errores específicos; (ii) Sugerencias de mejora precisas; (iii) Retroalimentación inmediata; (iv) Evaluación objetiva y consistente; y (v) Análisis de patrones de error.

El proyecto se desarrollará según las siguientes líneas de trabajo:

Línea 1. Empleo de herramientas de IA disponibles para la corrección de ejercicios de Expresión Gráfica.

1. Recopilación y selección de herramientas de IA existentes.
2. Análisis de la identificación de elementos gráficos.
3. Análisis de la identificación de diferencias entre dibujos.
4. Análisis de la valoración de ejercicios.
5. Prueba de las herramientas seleccionadas en un ejercicio real resuelto por los alumnos.

Línea 2. Desarrollo de una metodología para facilitar la retroalimentación al alumno.

1. Análisis de reconocimiento de voz mediante IA.
2. Entrenamiento de la IA en palabras clave.
3. Propuesta de metodología.
4. Análisis de la eficiencia de la metodología con un ejercicio real resuelto por los alumnos.

Línea 3. Desarrollo de una herramienta de IA propia para la corrección de ejercicios de Expresión Gráfica.

1. Elaboración del código de IA.
2. Entrenamiento del código en la valoración de un ejercicio.
3. Aplicación del código para la valoración de un ejercicio.  

Como se ha indicado en el Apto. Descripción, se priorizan las dos primeras líneas de trabajo, por lo que la última de ellas (Línea 3) se desarrollará o no según el progreso en las otras dos.

Además de las fases indicadas, se contemplan las dos acciones siguientes:

• Difusión de los resultados: como se describe en el Apto. Material Divulgativo se han previsto las siguientes tareas para difundir el proyecto:

1. Elaboración de un artículo para difusión.
2. Presentación en congreso.
3. Difusión en redes sociales y página web.

• Elaboración de memoria final del proyecto: se redactará la memoria final del PIE de acuerdo con las bases de la convocatoria.

Se considera que el proyecto presenta una incertidumbre elevada sobre los resultados del mismo. Podría ocurrir, sin considerar las dificultades propias de la Línea 3 de trabajo, que las herramientas disponibles no permitiesen el tratamiento de imágenes o procesado de información para cumplir con los objetivos previstos. (Aunque sí se espera llegar a una metodología razonablemente eficiente con la Línea 2 de trabajo). Es por ello por lo que en este proyecto no se plantea medir la incidencia de las herramientas/metodologías desarrolladas en el aprendizaje del alumno ni se prevé una fase para ello. Se asume que una mejor retroalimentación favorecerá el aprendizaje, pero se deja este análisis para un futuro proyecto en el que se pueda comparar el efecto en el aprendizaje de diferentes formas de retroalimentación, basadas o no en IA.

La siguiente tabla muestra las líneas de trabajo y acciones descritas anteriormente, así como los miembros del equipo de trabajo que desarrollarán cada una de ellas.

Miembros del equipo: Jesús María Alonso Trigueros (JAT); Antonio Arcos Álvarez (AAA); Miguel Ángel Fernández Centeno (MAFC); Laura García Ruesgas (LGR); Tomas Gil López (TGL); Ángela Moreno Bazán (AMB); Salvador Senent Domínguez (SSD); María Amparo Verdú Vázquez (AVV).

Para comprobar la evolución del proyecto y realizar el seguimiento del proyecto se ha establecido el siguiente calendario:   

Como el equipo está formado por profesores de diferentes centros y universidades, se establecen dos reuniones de todo el equipo al principio y final del proyecto para establecer los grupos de cada línea de trabajo y valorar la experiencia. Asimismo, se ha organizado las líneas de trabajo para que en cada una de ellas participen tres profesores, de tal forma que se facilite la coordinación entre ellos.

Por otro lado, debido a la incertidumbre sobre los resultados del proyecto, no se han querido establecer una serie de hitos con resultados concretos, si no que se ha optado por establecer un control cada dos meses del progreso del proyecto. Será el coordinador el encargado de realizar el seguimiento en todas las líneas de trabajo y hablar con los profesores que desarrollan cada una de ellas.

El material resultante del proyecto será:

• Informe sobre las herramientas de IA disponibles valorando su aplicación en las asignaturas de Expresión Gráfica.
• Metodología para facilitar la retroalimentación al alumno, especificando el flujo de trabajo, las herramientas empleadas (incluyendo la configuración de las mismas), así como los resultados que se obtienen. En el documento donde se describa la metodología, se comentarán sus ventajas e inconvenientes, así como su eficiencia.

Se plantean como posibles resultados, aunque sin asegurar que se puedan obtener:

• Descripción de una metodología mediante las herramientas de IA disponibles para la corrección automática de ejercicios en las asignaturas de Expresión Gráfica.
• Códigos de IA elaborados dentro del proyecto para la corrección automática de ejercicios en las asignaturas de Expresión Gráfica.

Se han previsto tres actividades para dar a conocer el Proyecto de Innovación:

1. Presentación del trabajo en un congreso o jornada de Innovación Educativa. Uno de los objetivos del proyecto es realizar una publicación sobre la aplicación de la IA en asignaturas de Expresión Gráfica en un congreso o jornada sobre Innovación Docente. A este respecto, se cuenta con experiencia en este tipo de publicaciones. Así, los anteriores proyectos desarrollados por los miembros del equipo han dado lugar siempre a publicaciones (http://dx.doi.org/10.26754/CINAIC.2017.000001_030; http://dx.doi.org/10.21125/iceri.2018.1069; http://dx.doi.org/10.26754/CINAIC.2019.0066). Al desarrollarse el proyecto durante el año 2024, año par, no habrá congreso CINAIC, por lo que se podría acudir a congresos internacionales, como ICEHE 2024, procurando asistir virtualmente.
2. Presentación en la página web de la Unidad Docente. La Unidad Docente de Expresión Gráfica de la ETIS de Caminos dispone de un espacio dentro del sitio web de la Escuela (http://www2.caminos.upm.es/Departamentos/imt/Expresion_grafica/UD_EG_Portada.html). Se incluirá información sobre el Proyecto de Innovación, mostrando el material elaborado y los resultados obtenidos, de un modo similar al realizado en el proyecto IE1617.0405 (ver “Proyecto de Innovación Educativa. Aula Invertida en la ITAO” en la sección CAD/BIM de la citada página web). 
3. Difusión del proyecto a través de redes sociales. Varios de los profesores que participan en el proyecto disponen de perfil en LinkedIn, en los que se incluirán una entrada con el Proyecto de Innovación.

Además de lo anterior, y como se ha realizado en los años previos, se estará abierto a participar en seminarios o jornadas de intercambio que se organicen en el contexto de nuestra universidad, ya sea durante la realización del Proyecto o en años posteriores.

ETS de Edificación (UPM)

ETS de Ingeniería (US)