Aplicando Inteligencia
Artificial (Machine Learning ) a la Capacitacion Técnica
El proceso de aprendizaje (Learning) es la actividad de convertir experiencia
en conocimiento y capacidad experta en un campo o área determinada, y en
el Aprendizaje Automático (Machine Learning) nos referimos regularmente el proceso que crea
o diseña algoritmos que extraen información valiosa de un conjunto de datos en
forma automática, esta tecnología utiliza una variedad de algoritmos que
aprenden de un conjunto de datos al procesarlos podemos obtener resultados que
pueden predecir comportamientos y modelos de sistemas reales, para tomar
decisiones en base a estos resultados los cuales serán generados por programas
de cómputo basados en los algoritmos encontrados para que este proceso sea automático.
Machine learning requiere una gran cantidad de datos válidos para que puedan ser utilizados en el proceso de entrenamiento del sistema, esta información permite que las tareas de inteligencia artificial como reconocimiento, diagnostico, planeación predicción etc. Se lleven a cabo y produzcan resultados que serán de gran utilidad para el sistema en cuestión. Machine Learning (ML) es un campo multidisciplinario que trata con matemáticas, estadística, base de datos y programación entre otras cosas. La entrada de un algoritmo de aprendizaje ML es los llamados datos de entrenamiento que representan experiencia previa y la salida es la formación de un elemento experto en el área, el cual se genera por medio de un programa de computadora que realiza esta tarea a través de la representación matemática y su conversión a los sistemas digitales. Las técnicas de ML son utilizadas para mejorar y optimizar los modelos que generan, y en consecuencia optimizar al sistema mismo, lo típico en este proceso es producir tareas que se construyen en base a estos modelos de predicción de un objeto en base a sus atributos, el objeto se puede identificar como un cliente de un bien o servicio, un paciente en medicina, un correo electrónico, identificación de voz o imágenes, etc. Los atributos son aquellas características que representan al objeto por ejemplo en un paciente medico los atributos son la temperatura corporal, la presión sanguínea, peso, ritmo cardiaco, etc. Si nosotros tenemos estos datos e información en grandes cantidades se pueden encontrar modelos y algoritmos que representen a este conjunto de datos, posteriormente los podamos utilizar para producir resultados como por ejemplo un diagnóstico médico del paciente en forma automática.
Estos elementos en nuestro caso se pueden trasladar a un proceso de
educación o capacitación teniendo como objeto el resultado final de la
capacitación que es que tanto el participante aprendió y cómo podemos mejorar
este proceso y los atributos en este caso podrían ser las evaluaciones personales
de cada participante y las calificaciones de cada uno de los reactivos a
evaluar en el proceso de capacitación.
Para ello podemos utilizar las evaluaciones de cada uno de los reactivos
presentados usando como herramienta los llamados arboles de decisión (decision
trees). Un árbol de decisión es una estructura tipo árbol con una raíz de la
cual se desprenden ramificaciones que son identificadas como hojas, como las
hojas de un árbol en cada una de las ramificaciones se toma una decisión para
ir por un lado o por otro lado y esta estructura es utilizada para que la
evaluación tome un sentido más complejo o menos complejo con la idea de llevar al
participante por una ramificación (conocimiento) o por otra en base a su
conocimientos previos otorgándole una retroalimentación inmediata para reforzar
su conocimiento. De tal manera que podemos manejar el proceso de aprendizaje de
acuerdo de cada participante dándole en forma particular a su nivel actual los
conocimientos necesarios que requiere.
Con estos elementos le otorgamos al participante herramientas
tecnológicas que le permiten obtener un conocimiento más adecuado en forma
personalizada, así como tener una interactividad con su curso, y la
retroalimentación adecuada para que le refuerce su proceso de conocimiento.
