Desarrollo e implementación de un sistema para la analítica de clases sincrónicas virtuales basado en procesamiento de lenguaje natural

Abstract

El crecimiento de los Ambientes Virtuales de Aprendizaje (AVA) ha generado grandes volúmenes de datos audiovisuales provenientes de clases virtuales sincrónicas, cuya explotación sistemática representa un desafío relevante para la mejora de los procesos educativos. Este trabajo presenta el diseño, desarrollo e implementación de un sistema denominado SAC-SG (Sistema de Analítica de Clases Sincrónicas Grabadas), orientado al procesamiento automatizado de grabaciones mediante técnicas de procesamiento de lenguaje natural (NLP) y aprendizaje automático (ML). El sistema opera a través de un pipeline automatizado que parte de la ingesta de grabaciones, la transcripción de audio y el procesamiento de texto. En este contexto, se analizan las interacciones en dimensiones conductual, emocional y cognitiva, permitiendo el cálculo de indicadores de compromiso, enfoque y experiencia, así también como la identificación de interacciones en la dinámica estudiante-docente, docente-estudiante. SAC-SG se ejecuta completamente en entornos locales, garantizando la privacidad de los datos, y se caracteriza por ser automatizado y escalable. Actualmente se encuentra en fase de evaluación con grabaciones reales. Los resultados preliminares evidencian su potencial para mejorar la calidad educativa y optimizar la experiencia de aprendizaje en entornos virtuales. Los resultados pretenden aportar valor en la mejora de los procesos educativos en línea para optimizar la experiencia de aprendizaje.