Inteligencia artificial para la mejora de la evaluación docente en una universidad privada peruana

Abstract

El presente trabajo se desarrolla en una universidad peruana con sedes a nivel nacional y que actualmente cuenta con más de 72,000 estudiantes y 3,666 docentes. Para esta institución, al tener una plana docente y estudiantil considerable, se vuelve prioritario el contar con información cuantificable de la percepción de los alumnos hacia el desempeño de los docentes. Para solucionar esta necesidad se propone el análisis de las encuestas de los alumnos, haciendo uso de un análisis de sentimiento y la clasificación de las respuestas de una pregunta abierta, a partir de la inteligencia artificial. Los objetivos de esta propuesta de innovación se enfocan en optimizar la interpretación de los resultados de encuestas de evaluación docente a partir de la inteligencia artificial, mediante la automatización del análisis de las preguntas abiertas de las encuestas utilizando procesamiento de lenguaje natural y con estos resultados proveer métricas cualitativas referenciales. Finalmente, utilizando la clasificación se plantea entrenar un modelo que pueda identificar respuestas resaltantes que ayuden a identificar un problema particular con un curso o un docente. La solución planteada busca ser una herramienta que permita actuar con rapidez, por parte de los gestores de la universidad y poder considerar las respuestas abiertas de las encuestas. Esta información, frecuentemente susceptible de pasar inadvertida, cobra especial relevancia en entidades de gran envergadura como la presente institución académica.This work is carried out at a Peruvian university with multiple campuses, which currently has more than 72,000 students and 3,666 teachers. For this institution, having a considerable teaching staff and student body, it becomes a priority to have quantifiable information on students' perception of teachers' performance. To address this need, the analysis of student surveys is proposed, using sentiment analysis and classification of responses to an open-ended question, based on artificial intelligence. The objectives of this innovation proposal focus on optimizing the interpretation of teacher evaluation survey results using artificial intelligence. Specifically, it seeks to automate the analysis of open-ended survey questions using natural language processing and provide qualitative reference metrics with these results. Finally, using classification, it is proposed to train a model that can identify outstanding responses that help identify a particular problem with a course or a teacher. The proposed solution aims to be a tool that allows for quick action by university administrators and to consider the open-ended responses of surveys, which is often information that can go unnoticed, particularly in large institutions like this one.