Impacto del Procesamiento de Lenguaje Natural en la Educación

Mario Graff

INFOTEC

INFOTEC

Aguascalientes, México

INFOTEC

Centro Público de Investigación del Gobierno Federal, que contribuye a la Transformación Digital de México, a través de la investigación, la innovación, la formación académica y el desarrollo de productos y servicios TIC. Sus alcances abarcan al sector público y privado, habilitando caminos que conduzcan hacia un México moderno y de inclusión digital.

Introducción

Definiciones

Inteligencia Artificial (IA)

Conjunto de teorías, métodos y algoritmos para el desarrollo y estudio de sistemas que presentan un comportamiento que sería identificado como inteligente.

Aprendizaje Computacional

Aprendizaje Computacional es una subárea de Inteligencia Artificial que estudia el desarrollo e implementación de algoritmos capaces de aprender de datos de manera autónoma sin haber sido explícitamente programados.

Procesamiento de Lenguaje Natural

Conjunto de teorías, métodos y algoritmos para el desarrollo y estudio de sistemas que permitan el entendimiento, generación y manipulación del lenguaje humano.

Percepción de Inteligencia Artificial (IA)

Así la vemos

Así está

IA en Educación

Tareas

Chen et al. (2020)

  • Calificar y dar retroalimentación.
  • Creación de planes de aprendizaje personalizados.
  • Predecir deserción.
  • Estilo de aprendizaje basado en información personal.
  • Descubrir dificultades de los estudiantes.
  • Selección de cursos.

Tendencias

Chen et al. (2022)

  • Tutores Inteligentes - educación especial, infancia.
  • Procesamiento de Lenguaje Natural - Enseñanza del lenguaje.
  • Minería de datos - Predicción de rendimiento.
  • Redes neuronales - Evaluación de enseñanza.
  • Computación afectiva - Detección de emociones.
  • Sistemas de recomendación - Aprendizaje personalizado.

Ambiente Educativo Inteligente

(Zatarain Cabada et al. 2023)

Ambiente Educativo

Enfoque educativo, contexto cultural y espacio donde el proceso de enseñanza aprendizaje se realiza.

Sistema de Tutoría Inteligente

Proceso de aprendizaje que usa algún tipo de inteligencia para guiar a los estudiantes.

Ambiente Educativo Inteligente (AEI)

Combinación de un ambiente educativo con un sistema de tutoría inteligente.

Ambiente Educativo Afectivo

AEI con un modelo cognitivo usando medición de estados afectivos como pueden ser rasgos de personalidad y emociones.

Procesamiento de Lenguaje Natural

FractionLearning

https://fractionlearning-env.web.app/form

Ambiente Educativo Afectivo

  • Modelos de personalidad.
  • Voz a texto.
  • Estilos de aprendizaje.
    • Verbal-secuencial.
    • Verbal-global.
    • Visual-secuencial.
    • Visual-global.

FractionLearning (2)

https://fractionlearning-env.web.app/form

FractionLearning (3)

Modelo de Personalidad

  • Amabilidad.
  • Apertura.
  • Neuroticismo.
  • Responsabilidad.
  • Sociabilidad.

Categorización de Texto

Desarrollar algoritmos que identifiquen la categoría de un documento (frase) de un conjunto de clases previamente definido.

Ingredientes

  • Conjunto de entrenamiento.
  • Representación de texto.
  • Clasificador / Regresor.

Conjunto de entrenamiento

https://ingeotec.github.io/Delitos

texto etiqueta
0 #Ahora\n#LaPaz\n#Sucre\n@CulturasBolivia aclar... N
1 #ns Un hombre fue asesinado a balazos en perif... P
2 Vidal le pide el voto a desaparecidos   | La G... N
3 Un niño en estado crítico, tras tiroteo en jue... P
4 El inge se puso emo y está poniendo canciones ... N
5 Capturan en Monterrey a Uriel Isaac, alias ‘El... P
6 El Presidente Juan Orlando Hernández anunció e... N
7 Camión atropella a motochorros en gasolinera d... P

Clasificador

Representación de Texto

Bolsa de palabras

  • Asociar cada palabra a un identificador.
    • de \(\rightarrow\) 1.
    • que \(\rightarrow\) 2.
    • buenos \(\rightarrow\) 216.
    • dias \(\rightarrow\) 101.

buenos días

\((216, 101)\)

La bolsa no tiene orden

\((101, 216)\)

Modelo lineal

\(y = \sigma( \sum_{i \in (100, 215)} w_i x_i + w_0)\)

Parámetros

\(x_i\) TFIDF / \(w_i\) valor estimado

Representación de Texto (2)

Bolsa de Palabras / Limitantes

  • No existe similitud entre palabras.
  • Se pierde el orden.
  • Vector disperso.

Embeddings estáticos

  • Hipótesis distribucional.
  • Similitud entre palabras.
  • Vector denso.

Embeddings estáticos / limitantes

  • Se pierde el orden.
  • Independientes del contexto.

Representaciones con Contexto

Attention is All you Need

(Vaswani et al. 2017)

BERT

(Devlin et al. 2019)

Entrenamiento de Transformers

Aprendizaje auto-supervisado

Proceso automático que transforma un conjunto no etiquetado en uno etiquetado.

Cloze test

(Bormuth 1968)

México exporta ___ que se ___ en Michoacán.

Predicción de la siguiente frase

Clasificación binaría.

Categorización de Texto

Identificación

  • Personalidad.
  • Emociones.
  • Polaridad.
  • Agresividad.

Características

  • Problemas de clasificación.
  • No hay comunicación.
  • Específico.

Modelo de Lenguaje

Fundamentos

Modelo del Lenguaje

Es un modelo probabilístico de un lenguaje natural que asigna probabilidades a una secuencia de palabras.

Michoacán es el mayor productor de

  • camarones
  • aguacate

Modelo \(n\)-gram

\(P(w_i | w_1, \ldots, w_{i-1}) = \frac{C(w_1, \ldots, w_{i-1}, w_i)}{C(w_1, \ldots, w_{i-1})}\)

Modelo general

\(P(w_i | w_1, \ldots, w_{i-1}) = f(w_1, \ldots, w_{i-1})\)

Redactar

https://grammarly.com

Redactar (2)

https://www.whitesmoke.com

Calificar

https://www.gradescope.com

Aprender Idiomas

https://www.ets.org/erater.html

https://www.ets.org/speechrater.html

https://duolingo.com

Identificación de Plagio

Aplicaciones

https://latam.turnitin.com

Modelos Grandes de Lenguaje

https://gemini.google.com

https://llama.meta.com

Conclusiones

Definiciones

  • Inteligencia Artificial
  • Aprendizaje Computacional
  • Procesamiento de Lenguaje Natural

Aplicaciones

  • Clasificación de texto
  • Comprensión
  • Generativas

Retos

Chen et al. (2022)

  • Privacidad - Aprendizaje personalizado.
  • Incentivar el uso de IA por los docentes.
  • Nuevos modelos de Aprendizaje Computacional.

Foros importantes (index H)

  • International Journal of Artificial Intelligence in Education.
  • International Conference of Artificial Intelligence in Education.
  • Computers & Education.

Referencias

Bormuth, John R. 1968. «Cloze test readability: Criterion reference scores». Journal of educational measurement 5 (3): 189-96.
Chen, Lijia, Pingping Chen, y Zhijian Lin. 2020. «Artificial intelligence in education: A review». IEEE Access 8: 75264-78.
Chen, Xieling, Di Zou, Haoran Xie, Gary Cheng, y Caixia Liu. 2022. «Two decades of artificial intelligence in education». Educational Technology & Society 25 (1): 28-47.
Devlin, Jacob, Ming-Wei Chang, Kenton Lee, y Kristina Toutanova. 2019. «BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding». En Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long and Short Papers), editado por Jill Burstein, Christy Doran, y Thamar Solorio. Association for Computational Linguistics. https://doi.org/10.18653/v1/N19-1423.
Vaswani, Ashish, Noam Shazeer, Niki Parmar, et al. 2017. «Attention is All you Need». En Advances in Neural Information Processing Systems, editado por I. Guyon, U. Von Luxburg, S. Bengio, et al., vol. 30. Curran Associates, Inc. https://proceedings.neurips.cc/paper_files/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf.
Zatarain Cabada, Ramón, Héctor Manuel Cárdenas López, y Hugo Jair Escalante. 2023. Multimodal Affective Computing. 1st ed. Springer.

¡Gracias!