Metrics de Ouriginal como una herramienta de análisis del aprendizaje
En las dos últimas partes de esta serie (parte 1 y parte 2) sobre lingüística computacional y análisis del estilo de escritura, hemos hablado sobre todo de cómo se puede utilizar la estilometría para detectar escritores fantasma. Además de esta situación, Metrics de Ouriginal también podría utilizarse como una herramienta de análisis del aprendizaje para analizar los estilos de escritura de los estudiantes y ayudarlos a mejorar sus habilidades de escritura.
Un cambio de perspectiva: ¿nuevas medidas y flujos de trabajo para Metrics de Ouriginal?
Si Metrics de Ouriginal con el tiempo se convierte en una herramienta de análisis del aprendizaje, el objetivo sería identificar no solo a los estudiantes individuales que tienen un desempeño excepcional o bajo, sino también a los grupos de estudiantes que tienen dificultades en determinadas medidas. Esto puede proporcionar importantes datos cuantificables que son necesarios para ayudar a estos estudiantes a alcanzar el nivel de los objetivos de aprendizaje previstos mediante la intervención pedagógica. Estos hallazgos serían un recurso valioso para las instituciones académicas con pruebas estandarizadas al proporcionar a los educadores o a los estudiantes información sobre el desempeño en tiempo real.
Las situaciones para extender Metrics de Ouriginal al análisis del aprendizaje pueden requerir el establecimiento de un flujo de trabajo fluido, en lugar de desarrollar algo nuevo. Si un alumno concreto obtiene una puntuación inferior a la media en una medida, probablemente no sea algo significativo. Si el bajo rendimiento se observa sistemáticamente en todas las tareas y el alumno obtiene peores puntuaciones que sus compañeros académicos, este resultado puede indicar la necesidad de una intervención pedagógica.
Situación de uso adicional para los análisis del estilo de escritura: ¿qué hay que agregar para convertir a Metrics de Ouriginal en una herramienta de análisis del aprendizaje?
Las implementaciones del análisis del aprendizaje pueden variar. Una posibilidad sería mostrar los resultados de Metrics de Ouriginal solo al profesor. La otra opción sería proporcionar al estudiante los resultados del análisis. Por último, cada estudiante podría ver los resultados del análisis en comparación con los resultados anónimos del grupo de compañeros. En esta última implementación, los estudiantes pueden ser informados de su rango en determinadas tareas.
Como ocurre con todos los algoritmos, hay muchas suposiciones ideológicas tácitas incorporadas en las medidas de Metrics de Ouriginal. Por ejemplo, es importante señalar que no todas las medidas de Metrics de Ouriginal pueden ser apropiadas para el análisis del aprendizaje. Las frases cortas (un factor que afecta al índice de niebla de Gunning) y los bajos niveles de originalidad léxica pueden ser apreciados en algunas culturas o géneros, pero vistos con desdén en otros. La longitud de las frases es otra medida que varía de una lengua a otra. Dicho esto, los objetivos de aprendizaje que se persiguen pueden ser diferentes en distintos contextos educativos.
Al adaptar Metrics de Ouriginal para el análisis del aprendizaje, puede ser necesario reelaborar el sistema de puntuación de manera que considere efectivamente las puntuaciones bajas de las medidas, así como también las puntuaciones medias. La suposición operativa actual que hace nuestra herramienta al puntuar los valores atípicos altos es que los escritores fantasma profesionales tendrán una composición más meticulosa que un estudiante en apuros que recurre a terceros para la realización de sus trabajos.
Estilometría: ¿una forma de atrapar a los escritores fantasma y mejorar las habilidades de escritura de los estudiantes?
Lo que es realmente emocionante es que la estilometría no solo ayuda a detectar nuevas formas de engaño o mala conducta académica, como los trabajos que son realizados por escritores fantasma o las llamadas «fábricas de ensayos», sino que también puede utilizarse para mejorar las habilidades de escritura de los estudiantes. Si se investiga adecuadamente, la lingüística computacional y el análisis del estilo de escritura pueden ayudar a los estudiantes a reforzar su propia voz creativa mejorando su estilo de escritura particular.
En este momento, estamos trabajando en el desarrollo de Metrics de Ouriginal para permitir el uso de la herramienta con el objetivo mencionado anteriormente de mejorar las habilidades de escritura de nuestros usuarios.
¡Nos encantaría conocer tu opinión sobre el uso de la estilometría para ayudar a los profesores a identificar las habilidades de escritura de los alumnos! Debate los temas con nosotros en Twitter.
En caso de que te hayas perdido las partes I y II, puedes encontrarlas aquí: Detección de la escritura fantasma y análisis del estilo de escritura: aspectos básicos – Ouriginal Lingüística computacional para descubrir escritores fantasma y la realización desleal de trabajos por parte de terceros (junto con sus limitaciones) – Ouriginal
