GNOSS promueve el proyecto Analytics for Everyday Learning (AFEL) que investiga y desarrolla modelos de evaluación predictiva y de personalización de las estrategias e itinerarios de aprendizaje. Un proyecto concebido tanto para sistemas educativos como para organizaciones cuando activan procesos de aprendizaje formal e informal que afectan a sus diferentes audiencias: trabajadores, clientes, aprovisionadores y público en general.

GNOSS promueve el proyecto europeo Analytics for Everyday Learning (AFEL)

GNOSS participa como socio industrial en el proyecto Analytics for Everyday Learning (AFEL) junto a centros universitarios europeos de referencia con expertos en modelos cognitivos, interacción con grandes volúmenes de datos (gestión, transformación, enriquecimiento), y visualización avanzada de información.

El proyecto AFEL está financiado por el programa Horizon 2020, en el marco de las convocatorias centradas en Technologies for better human learning and teaching.

GNOSS promueve el proyecto europeo Analytics for Everyday Learning (AFEL) -- AFEL

Socios del proyecto  AFEL

Socios del proyecto  AFEL -- Socios

Inteligencia Artificial para personalizar el aprendizaje

Los modelos cognitivos se traducen en algoritmos que procesan el gran volumen de datos provenientes de la actividad online del usuario, aprendiendo de cómo aprende, y explotando esos datos en aplicaciones para un aprendizaje personalizado: grafos de aprendizaje, itinerarios y ritmos a medida. De esta forma se pretende alentar y orientar tanto el estudio autónomo­­­­­­­ como el trabajo guiado o colaborativo.

Las tecnologías y modelos de Inteligencia Artificial en Educación desarrolladas en el proyecto AFEL se integran en Didactalia como caso de plataforma educativa soportada por la tecnología de GNOSS que se utiliza en un escenario real.

Inteligencia Artificial para personalizar el aprendizaje  -- Inteligencia Artificial

Tecnologías y modelos cognitivos para mejorar la eficacia del aprendizaje

El proyecto AFEL proporciona herramientas, construidas a partir de modelos cognitivos, que analizan y comparan el comportamiento del usuario a través de su huella digital, identifican patrones de aprendizaje y ofrecen recomendaciones personalizadas para aprender mejor y más rápido. Así, el usuario puede optimizar su propio aprendizaje, y los profesores pueden guiar a sus alumnos a través de las rutas de aprendizaje más convenientes, monitorizando su avance mediante herramientas analíticas. 

Tecnologías y modelos cognitivos para mejorar la eficacia del aprendizaje -- Tecnologías y modelos cognitivos

Visual Analytics para monitorizar, motivar y supervisar el aprendizaje

Los desarrollos del proyecto AFEL proporcionan un conjunto de indicadores significativos y visualizaciones gráficas que, mostrando datos procesados en tiempo real, permiten construir paneles de control que informan sobre las actividades de los usuarios, su evolución en el aprendizaje, y la comparación con respecto a otros grupos.

Esta información permite al usuario ajustar su actividad motivado por lograr sus objetivos de aprendizaje. Asismismo, facilita las intervenciones oportunas y específicas a profesores, centros educativos y gestores de plataformas formativas:

  • - evaluación predictiva: permite a los profesores detectar situaciones de riesgo, así como rediseñar y ajustar la instrucción
  • - información relevante para la toma de decisiones: información de interés para diseñar y organizar todos los recursos de aprendizaje (centros e instituciones educativas)

 

Visual Analytics para monitorizar, motivar y supervisar el aprendizaje -- Visual Analytics