Este proyecto propone analizar datos de entornos educativos, con el objetivo de estudiar problemáticas relevantes, desafíos y oportunidades de mejora. Nuestra propuesta estará enfocada en 3 principales objetivos:  (a) Análisis de Video, (b) Análisis de Redes Sociales, (c) Análisis Socioeconómico y Académico, descritos a continuación.

En el Análisis de Vídeo, se estudiarán datos generados a partir de cámaras de seguridad instaladas en ambientes educativos, y está dividido en 3 tareas principales.  La primera está enfocada en la detección del grado de atención de un alumno a clases y su estado anímico/emocional los que pueden afectar su desempeño, p.ej. cansancio, enojo, etc. De esta forma, el profesor podrá identificar cuando sus alumnos pierden el interés y tomar medidas para mejorar sus estrategias de enseñanza. La segunda es la identificación de agresiones físicas entre los alumnos, de forma tal que puedan ser enviadas alertas para mantener la integridad de los mismos. La tercera, se trata de un algoritmo que permita registrar automáticamente la asistencia de los alumnos, de tal manera que la institución tenga datos actualizados del porcentaje de asistencias de sus alumnos y tomar las acciones adecuadas.

En el Análisis de Redes Sociales, se busca procesar las interacciones sociales de las comunidades educativas (alumnos y profesores) para la detección de violencia verbal (cyberbullying) en ambientes virtuales (web), tales como: insultos, burlas, difusión de rumores, entre otros. Esta detección automática será realizada usando deep learning, la cual será complementada con algoritmos de social network analysis para realizar un análisis de las interacciones entre los estudiantes en las redes sociales.

Finalmente, el Análisis Socioeconómico y Académico, busca entender y predecir el comportamiento de estudiantes usando datos socioeconómicos y académicos con el fin de identificar tempranamente casos de deserción y bajo rendimiento escolar. Para esto, se generará un modelo predictivo que permita pronosticar posibles comportamientos en los estudiantes, y que los hallazgos sean útiles, tanto a educadores, directores o involucrados en la toma de decisiones, a plantear estrategias y soluciones para reducir los índices de deserción, y consecuentemente incrementar el nivel académico. Para estos fines serán usados algoritmos basados en ciencia de datos, visión por computador, machine learning, deep learning y modelos estocásticos.