Avui dia, la IA té la capacitat de predir amb un 84% d’encert la probabilitat d’abandonament escolar, o el nivell de satisfacció d’un estudiant amb una assignatura, en analitzar una plètora de variables dels estudiants (des de l’acompliment acadèmic fins als patrons d’assistència i l’entorn socioeconòmic) . Fins i tot pot recomanar grups de treball basats en diversos criteris com a amistats, competències i trets de personalitat. Des de la perspectiva dels docents, la IA té el potencial de convertir-se en aliada durant la tutorització en observar els processos d’aprenentatge dels estudiants, analitzar les dades i generar un model únic per a cada alumne destinat a fer prediccions sobre diferents facetes del seu rendiment acadèmic. La seva capacitat de processar grans volums de dades pot arribar a proporcionar una visió holística i detallada del panorama educatiu de cada estudiant, identificant patrons que podrien passar desapercebuts per a l’ull humà i brindant alertes primerenques que permeten una intervenció proactiva.

Aquests sistemes de predicció estan sustentats en models que simplifiquen i representen una realitat complexa. La dificultat de crear aquests models per part de la comunitat científica i tecnològica radica a aconseguir que siguin prou senzills per a comprendre els seus resultats, però al mateix temps prou complets per a abastar la majoria dels casos que intenten preveure. No obstant això, és essencial tenir present que un dissenyador de programari o un científic computacional pot considerar reeixit un model que simuli la majoria de les situacions comunes en aquesta fracció de la realitat que s’estudia. Això no garanteix, tanmateix, que un model ben dissenyat sigui capaç de preveure situacions excepcionals. Per tant, aquests mètodes de predicció seran sempre més efectius en condicions habituals i poden fallar si es presenta un gir inesperat dels esdeveniments. En tals casos, el criteri del docent deu sempre prevaler per sobre de  les prediccions del model, permetent dissenyar estratègies d’actuació primerenca per part del centre educatiu.

En l’àmbit de la IA, sorgeix una disjuntiva entre algorismes de caixa negra i de caixa blanca. Un algorisme, en essència, és una seqüència d’instruccions organitzades i precises que resolen un problema o executen una tasca específica. Com a curiositat, la seva història es remunta molt abans de l’era dels ordinadors i el terme “algorisme” prové d’Al-Juarismi, un destacat matemàtic, astrònom i geògraf nascut al voltant de l’any 780 d. C., el nom del qual va ser llatinitzat com “Algorithmi”. Quan aquest procés el realitza un ordinador en lloc d’una persona, el diem algorisme computacional. Encara que comparteix similituds amb els algorismes tradicionals, s’expressa en termes lògics i matemàtics, la qual cosa és essencial per a l’enteniment de les màquines. 

Els algorismes de caixa negra, com els empleats en les xarxes neuronals, són programes informàtics que busquen determinar els càlculs necessaris per a classificar una dada d’entrada  en un grup o categoria. Malgrat la seva eficàcia, les complexes operacions que realitzen són difícils d’interpretar, fins i tot per als seus propis programadors. Aquesta opacitat planteja controvèrsies, especialment en l’àmbit educatiu formal. Des d’una perspectiva ètica, es desaconsella la seva utilització en prediccions futures que guiïn polítiques actuals a causa de la dificultat d’interpretar-les sense prejudicis i a la irreversibilitat de les accions basades en prediccions errònies.

D’altra banda, els algorismes de caixa blanca, si bé encara no han aconseguit l’impressionant acompliment dels de caixa negra en la majoria dels àmbits, no han de ser subestimats. El seu principal avantatge radica en el fet que en mostrar el model a un expert o a un usuari que comprengui el seu ús sense necessitat de conèixer el seu disseny intern, aquests podran reproduir i explicar la seqüència de raonaments que van portar a la predicció final.

Sigui com sigui la seva naturalesa (caixa negra o caixa blanca), tots els algorismes basats en dades corren el risc de generar prediccions esbiaixades si les bases de dades d’entrenament  estan desequilibrades (i.e. bases de dades que contenen una sobrerepresentació  d’alguna mena d’exemple, o bases de les quals es poden inferir prediccions esbiaixades). No obstant això, alguns models poden ser més propensos a perpetuar aquests biaixos que uns altres. Si les dades històriques reflecteixen desigualtats en el sistema educatiu, els algorismes poden aprendre i mantenir aquests biaixos. Per tant, és essencial implementar mesures per a mitigar aquests prejudicis i assegurar que la IA proporcioni prediccions justes i precises.

En aquest context de canvi vertiginós, la comunitat educativa emergeix com una peça clau en la integració efectiva i ètica de la IA en l’educació. Professors i estudiants han de conrear un enteniment bàsic de com funcionen aquestes eines per a prendre decisions informades sobre el seu ús, brindant la capacitat de discernir quan confiar en les prediccions i quan aplicar el seu propi criteri. Els professors, com a facilitadors claus entre la tecnologia i els estudiants, interpreten i apliquen les prediccions de la IA de manera efectiva, permetent una intervenció personalitzada i centrada en l’estudiant. Els pares, per part seva, han de ser informats i participar en el procés per a garantir un suport integral als estudiants en risc d’abandonament escolar, establint una comunicació oberta entre l’escola i la llar, fonamental per a establir un sistema de suport efectiu.

La irrupció de la IA marca una fita transcendental en la història de l’educació. Aquest avanç tecnològic ofereix innombrables possibilitats, però no està exempt de desafiaments ètics i socials. La predicció de l’abandonament escolar a través de la IA representa un avanç significatiu en la lluita per un sistema educatiu més inclusiu i equitatiu. No obstant això, aquest progrés ha d’anar de bracet d’un compromís indestructible amb l’ètica, la transparència i la responsabilitat, per part de les conselleries d’educació i òrgans legislatius. La comunitat educativa té el poder d’aprofitar al màxim aquesta eina, assegurant que cap estudiant es quedi enrere i que tots tinguin l’oportunitat d’aconseguir el seu màxim potencial.  

La implementació efectiva de la IA en la predicció de l’abandonament escolar no sols requereix tecnologia avançada, sinó també un compromís col·lectiu amb el benestar i l’èxit de cada estudiant. En unir forces, educadors, estudiants i pares poden crear un entorn educatiu que empoderi a tots i promogui un futur educatiu equitatiu i sostenible.