Comenzando la cuarta semana de confinamiento en casa y con la sospecha bastante fundada de que las restricciones de movilidad se prolongarán más allá del último plazo anunciado, no son pocos los que se preguntan si se volverá a las aulas durante este curso.
Italia ya ha puesto una fecha límite para tomar esa decisión: el 18 de mayo; pero sea como fuere, será con tutti promossi, es decir, que el alumnado italiano, vuelva o no a las aulas este curso, promocionará de forma automática aunque según ha anunciado la ministra de Educación, se evaluará «el esfuerzo demostrado».
El Bel Paese, tendrá que determinar en esa fecha qué ocurrirá con la prueba de acceso a la universidad, la maturitá italiana, nuestra EvAU. Según diferentes fuentes, Italia se plantea dos escenarios, uno casi normalizado aunque con alguna adaptación y otro muy diferente y online. La que están llamando «maturitá light» ya fue usada en 2009 por los estudiantes de la región de L’Aquila afectada por un terrible terremoto que los dejó sin escuelas desde el 6 de abril. La prueba se compone de un examen de Italiano, otro de especialidad (de idioma extranjero para los institutos lingüísticos, matemáticas para los técnicos…), y una entrevista oral.
Como escribía Jose María Ruiz Palomo, director del IES Cartima, en este post, en la actual coyuntura no tiene sentido seguir con las programaciones didácticas que planificamos en el primer trimestre dando la espalda a la realidad. No tiene sentido que todo lo que habíamos planeado con un escenario concreto, siga adelante cuando el escenario ha cambiado de forma radical. No podemos ser la orquesta que sigue tocando mientras se hunde el Titanic, como si nada ocurriese. Estamos todos en un experimento, en algo nunca vivido hasta ahora, algo que nos cambia de raiz, y por tanto, necesitamos soluciones radicales.
Si la selectividad no se celebrase, y comparásemos el expediente de una alumna que este año curse segundo de bachillerato, con otro de otra promoción, de las tantas habidas, encontraríamos lo que en análisis de datos se llama missing data o «datos faltantes»: uno de los expedientes tendría algunas «casillas en blanco». En Educación no parece normal, siempre tenemos una nota para todas las asignaturas todos los trimestres, pero en Medicina es de lo más habitual, existen muchos historiales de pacientes en los que alguna prueba no se realizó o se olvidó anotar un valor (entre los científicos de datos, el personal médico no goza de muy buena fama en este sentido). Los algoritmos de aprendizaje automático no se llevan muy bien con los conjuntos de datos incompletos, y casi siempre requieren de un preprocesado previo que rellene estas casillas en blanco; es a lo que llamamos: data imputation.
Así, si no conocemos el valor de la analítica en sangre de la ferritina para un determinado paciente, pero sabemos que miles de pacientes, con un cuadro clínico y unos valores similares en muchos de los parámetros, tienen la ferritina entre 141 y 147 ng/mL, quizás no sea una barbaridad suponer que en esta horquilla pueda estar el valor que desconocemos. Y si este algoritmo trata de buscar candidatos para un tratamiento experimental que puede salvarles la vida, seguro que nuestro paciente prefiere que supongamos su dato a que lo excluyamos del estudio.
Para predecir o estimar estos valores que no tenemos en nuestra muestra existen diversas técnicas, en este artículo se ilustran las más habituales, pero casi todas parten de dividir en grupos «similares» a los diferentes patrones (historias médicas, o pacientes, en nuestro ejemplo). Una vez que hemos juntado a los que son casi iguales, tomamos los valores faltantes de estos conjuntos utilizando funciones de resumen, como moda o media, o cálculos más complejos como regresiones. Es decir, para calcular el valor de la ferritina de nuestro paciente tomaremos como referencia aquellos que sean casi iguales en el resto de valores, edad, sexo, y demás indicadores que consideremos relevantes.
Del mismo modo, si conocemos miles de expedientes de Primaria, Secundaria, Bachillerato y resultados de selectividad de millones de chicas y chicos, de miles de centros, con una trayectoria modelable matemáticamente. Sabemos cómo se han comportado los diferentes «perfiles» de alumnos y alumnas ante estas pruebas, sabemos cuál ha sido su desempeño. Toda esa información está disponible. Quizás no sea una mala idea usarla.
Confiamos en los algoritmos para comprar y vender activos en bolsa, confiamos en la ciencia de datos para recomendar tratamientos médicos, confiamos a la inteligencia artificial cada vez más cosas cotidianas que nos pasan desapercibidas. ¿Por qué no puede suponer una solución a la selectividad?,¿por qué confiamos tanto en los exámenes?
Ya sé que esta solución puede parecer experimental, pero acaso… ¿no lo es el escenario al que nos enfrentamos?
Ya sé que esta solución puede parecer radical, pero… ¿podemos salir mañana a la calle como si no hubiera pasado nada?
Ya sé que esta solución puede parecer injusta, pero… ¿de verdad creemos que puede ser más injusta que un examen?
La escuela trata de eliminar, dentro de sus posibilidades, las diferencias sociales y dar igualdad de oportunidades al alumnado. Pero si no hay escuela en meses, la distancia entre estudiantes en los que su entorno familiar y doméstico acompaña al estudio, y los que no disfrutan de estas ventajas puede acrecentarse de forma muy significativa.
Si esta no vale, diganme entonces cuál es la fórmula justa.
