Construir Un Chatbot, Inmejorable Desafío En Educación Y Diseño Instruccional Moderno

713
How Building An LMS Chatbot Will Make You A Better Instructional Designer And Teacher

Available in English

WIRIS

¿Qué nos puede enseñar la lógica y estructura de un chatbot en términos del pensamiento computacional, la psicología del aprendizaje, y el papel del Software Libre en un futuro dominado por algoritmos inteligentes y sistemas abiertos integrados?

No es una rareza que con el tiempo más personas quieran elaborar paralelos desbordados entre la inteligencia artificial y lo que ocurre en el interior de la mente de un aprendiz. Supongo que el término “redes neuronales” no contribuye al debate.

Pero esto no quiere decir que la inteligencia artifical no esté jugando un papel crítico a la hora de examinar concienzudamente los procesos, métodos y finalidades de la educación actual. En particular, adentrarse en el entendimiento de un flujo de conversación generado artificialmente, acaso bajo la útopica pretensión de convencer al estudiante de que está interactuando con otro humano (o que en última instancia esto no es requerido), revela principios funcionales de un diálogo que pueden ser reveladores a la hora de pensar en las dinámicas que toman partido durante una conversación.

Los 4 pilares de un chatbot: Intenciones, Declaraciones, Entidades, Cumplimientos

Tomar la decisión de elegir una plataforma, entre las varias ya disponibles, para crear un chatbot, también me resulta familiar al problema de seleccionar un enfoque pedagógico. En un principio, pareciera que los elementos son los mismos. Pero al adentrarse en una exploración más intensiva aparecen mecanismos únicos difíciles de trasladar de un ecosistema a otro. Como resultado, optar por Google Dialogflow, Amazon Lex, Microsoft Bot o similar, no dista mucho de optar por un partido o equipo deportivo.

En un intento de iniciar bajo un esquema generalmente aceptado, encontramos que por lo menos los siguiente componentes esenciales son compartidos por las mayoría de plataformas.

Intenciones (Intents)

Los tutoriales de cada plataforma suelen comenzar aquí. El término Intent es generalmente aceptado, probablemente por su procedencia, del campo de diseño de aplicaciones y experiencia de usuario (UX). No es del todo fácil definirlo, pero podríamos intentar afirmando que una Intención es una representación computacional de aquello que un usuario desea por parte del chatbot.

En diseño, un término complementario a Intención, pero desde el punto de vista del diseñador, es Affordance. Difícil de traducir en español, alude a las funciones y atributos del sistema que hacen al usuario capaz de realizar cosas. Idealmente, las cosas que el chatbot hace posible reflejan aquellas que el usuario desearía que lo fuesen.

Declaraciones (Utterances)

Si bien una Intención refleja una idea “superior” de lo que el estudiante busca, una Declaración es la forma literal o textual que utiliza para obtener respuesta.

Reconozco que “superior” quizás no sea la mejor palabra. Otras más comunes pueden ser “abstracta” o “general”, pero en realidad una Declaración puede ser más o menos específica que la Intención con la que está asociada.

En todo caso, una Declaración por parte del estudiante hace que el chatbot identifique la Intención y active un estado de satisfacción correspondiente. Listar las Declaraciones asociadas a una Intención es el tedioso proceso de listar todas las posibles maneras en que las personas solicitan una misma cosa o hacen una misma pregunta. Afortunadamente, aquí es donde los algoritmos de procesamiento de lenguaje (NLP o NLU) entran a jugar.

Entidades (Entities, también Slots)

Es la información requerida o generada durante la conversación. Esta puede depender del sistema y el contexto específico (hora, fecha), del chatbot, o del usuario. Este último conjunto de Entidades es el que más atención merece. Incluye datos básicos, pero idealmente debería capturar todas aquellas variables asociadas a su manera de aprender. Los algoritmos juegan otro papel importante aquí toda vez que en gran medida estas preferencias no son conocidas por el educador o el estudiante.

Cumplimientos (Fulfillments)

El objetivo último (temporal) del chatbot. Por Cumplimiento nos referimos tanto a la idea del deber cumplido del chatbot, así como a los mecanismos necesarios para confirmar que en efecto el chatbot ha cumplido.

Con este esquema básico podemos vislumbrar el esquema más básico posible:

  • El aprendiz acude al chatbot y le envía una Declaración,
  • El chatbot identifica y “activa” la Intención detrás de la Declaración, posiblemente tomando en cuenta Entidades como contexto
  • El chatbot también identifica las Entidades faltantes y necesarias para conducir el diálogo hacia su estado de Cumplimiento
  • El chatbot procura completar las Entidades faltantes mediante el diálogo
  • Tan pronto completa las Entidades requeridas, el chatbot genera y verifica el Cumplimiento

Si te parece demasiado simple, estás en lo cierto

Este punto de partida, más complicado de llevar a la práctica de lo que parece, es apenas un esbozo de lo que las expectativas, cada vez crecientes, que el usuario promedio impone en una conversación con un chatbot.

No obstante, que quede claro: El usuario no necesariamente espera que el chatbot reproduzca la experiencia de conversación con el humano. Lo que también indica que no hay por qué ocultar el hecho de que el chatbot es artificial. Lo que sí espera es que la experiencia sea amena y productiva.

Alcanzar el estado de Cumplimiento en el menor tiempo posible tampoco es un mandato de un chatbot, especialmente cuando estamos hablando de un chatbot educativo. Reconsiderar supuestos en el tipo de conversación que un chatbot puede llevar a cabo puede ser el secreto detrás de una relación más efectiva y una tasa de adopción más masiva. Por ejemplo: Un chatbot diseñado para estimular la curiosidad podría tener como objetivo incrementar el número de Intenciones activadas por el usuario, incluso supeditando su Cumplimiento.