Las recomendaciones forman parte de nuestra vida. Qué libro leer, en qué tienda comprar, en qué restaurante comer o qué ciudad visitar son, a menudo, decisiones basadas en la experiencia de amigos o expertos de confianza. Son útiles y prácticas porque nos ayudan a simplificar el proceso de elección. En el mundo digital, ante un catálogo infinito de productos y servicios, este sistema es especialmente útil para los usuarios.
En este entorno, las recomendaciones les permitirán filtrar el gran volumen de información disponible para tomar la decisión que cumpla mejor con su criterio. Estas sugerencias o consejos se desarrollan empleando herramientas como los algoritmos de Inteligencia Artificial (IA), el Machine Learning o el Big Data. La gran diferencia es que, en lugar de pedir consejos a dos o tres personas, las consultas equivaldrían a hablar con todos los habitantes de una ciudad.
Inteligencia Artificial, Machine Learning y Big Data
Cada día, a través del uso de herramientas digitales y dispositivos móviles, las personas y las organizaciones generan una gran cantidad de datos. Estos, procesados y analizados de forma adecuada, son una fuente infinita de información que puede ser utilizada con múltiples fines. Esta colección de datos se denomina Big Data.
Si el Big Data permite dar sentido a esa gran cantidad de datos, el aprendizaje automático o Machine Learning, dota a las máquinas de la capacidad de aprender y realizar tareas complejas sin haber sido programadas para ello de forma explícita. Esta automatización de un razonamiento concreto basado en los datos para la toma de decisiones se llama algoritmo.
La Inteligencia Artificial, a través del Big Data y del Machine Learning, permite crear algoritmos que replican la lógica que se sigue en la vida antes de tomar una decisión. El sistema es capaz de descubrir patrones y comportamientos basados en los datos que recibe para hacer predicciones o tomar decisiones automáticas en función de la información, las condiciones y las restricciones iniciales.
Los sistemas de recomendación
Cuando existe un entramado con muchísimos ítems, es necesario contar con una herramienta que ayude al usuario a filtrarlos para descubrir los más relevantes. ¿Cómo se realiza esta selección? Construyendo un sistema de recomendación.
Un sistema de recomendación es un conjunto de algoritmos que intenta predecir los contenidos o ítems de interés de un usuario en particular. Para ello, se analizan y procesan datos históricos del usuario (gustos, preferencias, patrones de conducta, calificaciones, compras, etc.) de una serie de ítems (marcas, productos, contenidos, servicios, precios, etc), transformándolos en información interesante que facilite la toma de decisiones.
Los sistemas de recomendación más comunes son los que se basan en el contenido, encontrando similitudes entre productos; los que se centran en las acciones de los usuarios, realizando predicciones automáticas a partir de la recopilación de interacciones de otros consumidores con intereses comunes; o aquellos que mezclan ambos modelos.
Sistemas de recomendación en plataformas e-learning
Como hemos visto, los sistemas de recomendación ayudan a las compañías a afinar su oferta para aumentar la tasa de aciertos entre sus potenciales clientes. Orientar al usuario a través de una propuesta de productos y servicios personalizada, que tiene en cuenta su historial, sus gustos y sus preferencias, mejora su experiencia de compra.
Sin embargo, ¿para qué puede necesitar una plataforma de aprendizaje un sistema de recomendación? Muy sencillo. Añadamos a «compañías» «instituciones educativas». Sustituyamos «potenciales clientes» por «empleados y alumnos», «productos y servicios» por «cursos de formación» y «compra» por «aprendizaje». Este sería el resultado: los sistemas de recomendación ayudan a las compañías e instituciones educativas a afinar su oferta para aumentar la tasa de aciertos entre sus empleados y alumnos. Orientar al usuario a través de una propuesta de cursos de formación personalizada, que tiene en cuenta su historia, sus gustos y sus preferencias, mejora su experiencia de aprendizaje.
La tecnología plantea así un nuevo paradigma para la educación. Las plataformas e-learning pueden utilizar la Inteligencia Artificial y los algoritmos para orientar a los alumnos en su proceso de aprendizaje de una forma más efectiva. Tener en cuenta la formación previa del usuario, sus necesidades, sus habilidades y sus intereses permite crear una oferta formativa personalizada que cumpla con sus expectativas.
Learnifit, un caso de uso
Alumne, la compañía española especializada en ofrecer soluciones de formación continua a empresas e instituciones, ha desarrollado Learnifit, una plataforma e-learning que permite crear, de forma automática, planes de formación personalizados para todos los empleados de una compañía.
¿Cómo funciona la plataforma? La compañía importa el background del empleado (su formación y desarrollo, su trayectoria profesional y sus referencias profesionales). Se le asigna un rol dentro de la empresa, en función de su puesto de trabajo o del departamento al que pertenece. Con toda esta información se crea su perfil de usuario en Learnifit.
La plataforma incorpora un sistema de recomendación que tiene en cuenta la información importada sobre el empleado, los conocimientos básicos que debería tener un profesional que ocupe dicho rol en la actualidad (según avalan estudios oficiales) y las tendencias de mercado, que se actualizan continuamente. Los algoritmos cruzan estos tres ítems para asesorar al usuario de manera automática sobre su ruta de formación ideal.
Learnifit también permite analizar la progresión del usuario y examina aquellas habilidades que debe potenciar, ofreciendo sugerencias, también personalizadas, para lograrlo. Además, los contenidos se actualizan continuamente para que el aprendizaje no tenga límites. Los usuarios pueden realizar la formación, a su ritmo, desde su ordenador o desde cualquier dispositivo móvil.
Leave a Comment