Glosario de Termos e expresións relacionados coa IA

Un algoritmo é un conxunto de regras e instrucións que utiliza un ordenador para completar unha tarefa.

 Hai moitos tipos diferentes de algoritmos, dependendo do tipo de tarefa que deban realizar,
da saída que deban xerar ou da predición que deban facer.

Por exemplo, os algoritmos de agrupación determinan o nivel de semellanza e tentan atopar espectadores
 aos que lles gusta o mesmo tipo de películas, mentres que os algoritmos de clasificación usan cálculos
preditivos para decidir se un correo electrónico é spam.

Os algoritmos naïve Bayes calculan a probabilidade de que ocorra un determinado evento en función de datos anteriores,
como a detección de plaxio.
 
Na educación, os algoritmos pódense usar para preparar recomendacións de recursos de aprendizaxe en función dos intereses dos estudantes e do rendemento previo.

A analítica de aprendizaxe é a aplicación de técnicas e tecnoloxías de big data ao ámbito educativo,
co obxectivo de mellorar o proceso de aprendizaxe, o rendemento dos estudantes e a eficacia do profesorado.

A análise de aprendizaxe implica recoller, limpar e analizar datos sobre os estudantes,
as súas actividades de aprendizaxe e o seu rendemento.

 Os coñecementos xerados a partir destes datos pódense utilizar para personalizar a aprendizaxe,
 mellorar os resultados dos estudantes e avaliar a eficacia dos programas e iniciativas educativas.

A análise preditiva é o uso de modelos estatísticos, algoritmos de aprendizaxe automática
e técnicas de minería de datos para analizar datos actuais e históricos co fin de facer predicións
 sobre resultados futuros.

 No ámbito educativo, a analítica preditiva pódese utilizar para prever o rendemento dos estudantes
e as taxas de abandono escolar ou identificar os estudantes que corren o risco de quedar atrasados
 ​​en función dos datos sobre a asistencia dos estudantes, as cualificacións ou as puntuacións das probas.

Tamén se pode usar para facer recomendacións personalizadas para os estudantes,
como suxerir cursos, actividades de aprendizaxe ou recursos que esteñan aliñados cos seus puntos fortes e intereses.

A aprendizaxe automáticaé un subcampo (subconxunto) da IA.
 É un proceso no que os algoritmos poden mellorar continuamente o seu rendemento mediante a observación de datos relevantes,
 a identificación de patróns, a creación de modelos de datos que poidan facer predicións e, a continuación, a iteración da aprendizaxe.
A aprendizaxe automática utilízase nunha variedade de aplicacións, como o recoñecemento de imaxes e de voz,
o procesamento da linguaxe natural e a análise preditiva.
 Hai varios tipos de aprendizaxe automática, incluíndo a aprendizaxe supervisada, a aprendizaxe non supervisada e a aprendizaxe por reforzo.

Na aprendizaxe non supervisada, proporcionamos ao sistema conxuntos de datos sen etiquetas nin estruturas
 e sen orientación nin instrucións explícitas sobre como organizar os datos ou describir a súa estrutura.

 O sistema funciona por si só para descubrir patróns e información.

 A aprendizaxe non supervisada é especialmente útil en situacións nas que non hai datos etiquetados dispoñibles
 ou cando o obxectivo é descubrir patróns ocultos nos datos.

 En educación, a aprendizaxe non supervisada utilizarase na extracción de datos educativos cando necesitamos analizar
 grandes cantidades de datos educativos para obter información sobre a aprendizaxe dos estudantes,
 como a hora do día en que os estudantes participan máis nos cursos en liña ou os temas que lles resultan máis desafiantes.

A aprendizaxe profunda é un subconxunto da aprendizaxe automática. Representa unha versión avanzada da aprendizaxe automática e a miúdo considérase unha evolución da aprendizaxe automática. Usa redes neuronais artificiais para analizar e comprender patróns complexos e relacións nos datos e para determinar se unha predición que fai é precisa ou non sen ningunha axuda ou orientación dos humanos. Na educación, os algoritmos de aprendizaxe profunda pódense usar para analizar os datos do comportamento dos estudantes, como o tempo dedicado aos deberes, a participación en discusións en liña e o rendemento en probas, para identificar os estudantes que corren o risco de quedarse atrasados (para proporcionarlles a información específica e o apoio oportuno)

Na aprendizaxe automática supervisada, proporcionamos ao sistema conxuntos de datos etiquetados ou estruturados.
Os datos actúan como profesores e "adestran" a máquina, mellorando a súa capacidade para facer unha predición ou decisión e, con sorte,
determinar etiquetas e estruturas para novas instancias non vistas.

Esta forma de aprendizaxe automática necesita a entrada humana.
A retroalimentación que recibe o sistema de IA utilízase para corrixir os erros e mellorar.
A aprendizaxe supervisada é moi utilizada en aplicacións como a clasificación de imaxes, o recoñecemento de voz e a detección de fraudes, entre outras.
 No ámbito educativo, pódense usar algoritmos de aprendizaxe supervisada para predicir os resultados dos estudantes en función de datos históricos
ou para crear probas adaptativas que axusten o nivel de dificultade segundo o rendemento do alumno.

Os asistentes virtuais son un software alimentado por intelixencia artificial que se utiliza para
manter conversas reais con usuarios humanos, proporcionarlles respostas personalizadas
e realizar tarefas para eles.

Empregan tecnoloxía de recoñecemento de voz para interactuar cos usuarios.
 Alexa, Siri e Cortana son os asistentes virtuais máis utilizados.

No ámbito educativo, os asistentes virtuais poderían utilizarse para axudar aos profesores nas tarefas administrativas,
como o mantemento de rexistros ou para axudar aos estudantes proporcionando comentarios personalizados
 oportunos e respondendo ás preguntas máis frecuentes.

Utilízanse a nivel de todo o centro educativo para proporcionar información sobre o centro, as matrículas ou a programación de citas.

Big data refírese a conxuntos de datos grandes e complexos que son xerados por varias fontes,
como as redes sociais e as transaccións en liña.

 En educación, o big data refírese ás cantidades masivas de datos xerados polos estudantes
 e as súas interaccións coas tecnoloxías educativas, como as plataformas de aprendizaxe en liña,
os sistemas de xestión da aprendizaxe e os dispositivos móbiles.

Big data proporciona materia prima para a aprendizaxe e análises preditivas que se usan para analizar
os datos recollidos co fin de tomar decisións informadas.

 O BigData ten algúns retos como a privacidade e a seguridade, así como a transparencia e a responsabilidade,
todos eles especialmente relevantes para a educación.

 É importante protexer a privacidade e a seguridade de profesores e estudantes.

Un chatbot é un programa informático usado para simular conversas con usuarios humanos.

Os chatbots adoitan estar deseñados para tarefas específicas, como atención ao cliente, mercadotecnia
ou recuperación de información.

Poden usar a Linguaxe de procesamento natural para comprender as solicitudes dos usuarios e
responder coas respostas adecuadas, pero as súas capacidades adoitan ser limitadas.