El IES Ribera del Tajo (Talavera de la Reina), centro asociado a la Asociación de Centros de Formación Profesional FPEmpresa, se ha consolidado como un referente en la formación en Inteligencia Artificial (IA) y Big Data en el país, tras su inclusión en la Red Estatal de Centros de Excelencia en Formación Profesional. Este reconocimiento se reafirma con la organización del curso “Procesamiento del Lenguaje Natural”, que se ha llevado a cabo al inicio del curso 2024/25.

El curso, dirigido a docentes de toda España, ha tenido como objetivo dotarles de habilidades avanzadas en el uso de modelos de lenguaje sofisticados. Durante la formación, los participantes han aprendido sobre arquitecturas Transformer, técnicas de entrenamiento eficientes como LoRA y qLoRA, y modelos generativos avanzados como los Sistemas RAG (Retrieval Augmented Generation). La metodología del curso ha combinado sesiones teóricas breves con prácticas intensivas en Jupyter Notebooks, garantizando un aprendizaje práctico y profundo.

Un impacto significativo a nivel nacional

El IES Ribera del Tajo, al ser designado como Centro de Excelencia en IA y Big Data, se encarga de fomentar una red colaborativa de expertos en el sector. “La formación no solo mejora la capacidad del profesorado para enseñar estas disciplinas emergentes, sino que también facilita la integración de nuevas tecnologías en el desarrollo del software”, afirma Andrés de las Heras, director del centro educativo.

La repercusión de esta iniciativa es notable tanto a nivel local, donde impulsa el ecosistema tecnológico, como a nivel nacional, al fortalecer la oferta educativa en FP y mejorar la competitividad en el campo de la IA.

Durante la semana de formación, se han promovido asociaciones entre los participantes para desarrollar futuros proyectos de innovación. Un ejemplo destacado de esta colaboración es el proyecto SIRENA, que el IES Ribera del Tajo está desarrollando junto con el Centro Somorrostro y otras instituciones educativas y empresas. Este proyecto busca abordar la sobrecarga de trabajo en entornos profesionales mediante el desarrollo de un sistema inteligente para el procesamiento del lenguaje natural, aplicable tanto en medicina como en el sector energético.

“Este curso ha demostrado nuestro compromiso con la excelencia e innovación en formación. Seguiremos ofreciendo herramientas avanzadas en IA y Big Data para que nuestros docentes y estudiantes estén preparados para el mercado laboral”, concluye Andrés de las Heras.

Artículo escrito por Luis Hueso, asesor de Tecnologías del Conocimiento del Departamento de Educación del Gobierno de Aragón

Desde hace años, la producción de información es creciente y desbordante en todos los ámbitos, también en el mundo educativo y, en particular, en la Formación Profesional. Cada vez es más necesario disponer de herramientas, más allá de los tradicionales y ya casi obsoletos buscadores, que permitan disponer de información útil a cada ciudadano según sus intereses y perfil.

En el caso del mundo educativo podríamos plantearnos las siguientes cuestiones: si soy alumno, ¿quién sabe si mi empresa ideal de prácticas puede estar al lado de mi casa o si va a tener lugar una charla de mi lenguaje de programación preferido? Si soy profesor, ¿cómo sé qué es lo que las empresas están demandando o qué empresas son más adecuadas para un determinado perfil de estudiante? Si soy gestor, ¿cómo sé que cambios curriculares puedo hacer o qué nuevos empleos se están demandando? Si soy padre o madre, ¿cómo sé qué estudios tienen más empleabilidad o qué centros son más interesantes para mi hijo? Aunque hay respuestas, estas suelen ser sesgadas o, como mínimo, limitadas a una búsqueda en Google, un Excel en mi departamento, una conversación casual, etc.

La tecnología emergente nos ofrece formas de resolver estas y otras muchas preguntas de una forma mucho más estructurada, automatizada, realista y, sobre todo, inteligente.

Este artículo pretende definir una herramienta que podría facilitar e integrar la información relevante para que cada uno tenga lo que necesita sin tener que ‘googlear’ y en tiempo real.

Motivación

Cuando lees un libro técnico sobre bases de datos las primeras páginas seguramente hablan de la necesidad de estas. Esto se debe a los problemas asociados a los sistemas de información, es decir, datos no centralizados, repetidos, dispersos en diferentes archivos y ordenadores y muchas veces obsoletas. Todo ello redunda en una información con poca calidad e inconsciente en muchos casos.

Las bases de datos llegaron para resolver estos problemas. Sin embargo, en la actualidad la cantidad de datos relevantes y las fuentes disponibles son tantas que no es posible recurrir a una simple base para su gestión. Empresas, gestores, directores, profesores, alumnos y padres sufrimos diariamente este exceso informativo y, paradójicamente a la vez, estamos aislados en nuestros centros de trabajo y restringidos a un entorno informativo muy limitado.

Hay mucha información relevante y cada uno requiere la suya. Los profesores necesitamos conocer a las empresas; los ciudadanos necesitan conocer qué estudiar; los padres necesitan conocer las salidas laborales; los gestores necesitan saber qué ocurre en el mercado y cuáles son los nuevos empleos; los tutores de prácticas necesitan saber qué empresas trabajan y cuáles son las tendencias; las empresas necesitan saber cómo encontrar al perfil que necesitan o dónde buscar alumnos, etc. Cada perfil requiere una información adaptada a sus necesidades y cada persona dentro de cada perfil requiere una información distinta.

Hoy día esa búsqueda de información pasa por Google, suscripciones a páginas web y el boca a boca, lo cual es arcaico e ineficiente, sobre todo teniendo en cuenta la ingente y creciente información y el potencial de nuevas tecnologías como la IA y el Big Data.

Al mismo tiempo, surgen más herramientas que nos facilitan el trabajo de obtención de información (conviene insistir en que la clave es que sea información útil para que podamos tener la información relevante según nuestros intereses). Dichas herramientas tienen que ver con el ahora tan de moda chatGPT y las tecnologías que lo soportan: Big Data, Inteligencia Artificial y Machine Learning. Muchos las conocen y tienen una idea, pero viene al caso una pequeña definición (fuente chatGPT):

Big Data

“Big data se refiere a un gran volumen de datos, estructurados y no estructurados, que se generan y recolectan a alta velocidad siendo difíciles de procesar utilizando técnicas tradicionales de procesamiento de datos. Se caracteriza por su gran volumen, alta velocidad, gran variedad, y requiere tecnologías y técnicas especializadas para almacenar, gestionar y analizarlo”.

Machine Learning

“Machine Learning es un tipo de inteligencia artificial que permite a los sistemas informáticos aprender y mejorar a partir de la experiencia sin ser programados explícitamente. Implica el desarrollo de algoritmos y modelos que pueden identificar patrones y hacer predicciones o decisiones basadas en los datos de entrada. Existen varios tipos de aprendizaje automático, incluyendo el aprendizaje supervisado, el aprendizaje no supervisado y el aprendizaje por refuerzo”.

Inteligencia Artificial

“La inteligencia artificial es una rama de la informática que se dedica al desarrollo de algoritmos y sistemas capaces de realizar tareas que normalmente requieren inteligencia humana, como el aprendizaje, el razonamiento y la toma de decisiones. La inteligencia artificial se puede dividir en dos categorías: la inteligencia artificial débil y la inteligencia artificial fuerte. La inteligencia artificial débil se refiere a sistemas diseñados para realizar tareas específicas, mientras que la inteligencia artificial fuerte se refiere a sistemas con habilidades cognitivas más complejas, como la capacidad de aprender y razonar. Puede parecer algo muy complejo y, desde luego, entrando en detalle lo es. No obstante, los actuales sistemas de programación permiten una implementación relativamente fácil de los algoritmos para aplicarlos a toda clase de programas y aplicaciones”.

Objetivo

En particular, desde Aragón y en colaboración con varios centros del territorio nacional, estamos promoviendo un proyecto que, mediante el uso de estas tecnologías, permita integrar y procesar toda la información relevante relacionada con la FP. De esta forma, queremos hacerla accesible para que sea útil a los actores educativos y, también, a la ciudadanía en general para que cada uno pueda acceder a la información que más le pueda interesar de manera automática, inteligente y en tiempo real.

Se trata de una herramienta de software que, mediante el uso de algoritmos de inteligencia artificial y técnicas estadísticas, permita extraer conocimiento útil a partir de datos dispersos y diversos, estructurados y no estructurados, relacionados con el ecosistema de la FP (ciclos, empleo, empresas, formaciones, etc.).

Dicha herramienta tendría la forma de una web y/o una aplicación móvil. Sería como una red social de la FP (o un LinkedIn de FP), pero automatizada. Es decir, toda la información sería obtenida mediante canales automáticos programados (por ejemplo, la información de empresas o de ofertas de empleo que publica InfoJobs u otras fuentes como las bases de datos de prácticas). No hay usuarios, solo entidades (alumnos, profesores, empresas, etc.) que publican y consumen información relevante en función de sus intereses y, sobre todo, de sus tags asociados.

Los orígenes de la información serían diversos. Desde una base de datos de empresas de prácticas hasta una red social, pasando por webs de ofertas de empleo o publicaciones de cursos y chatGPT cuya API proporciona información en función de la pregunta o solicitud del usuario. Recordemos que una API es una interfaz o punto de entrada de un sistema informático para obtener datos o información desde otro programa.

Los datos se capturarían, procesarían y almacenarían de forma automatizada para ser explotados, de manera que cada entidad u objeto del que nos interese información (léase empresas y ciclos) se caracterizan por un conjunto de tags o palabras relevantes. Dichos tags permitirían relacionar todas las entidades implicadas y registradas por la aplicación permitiendo realizar búsquedas y estadísticas basadas en las relaciones. Así, por ejemplo, un alumno interesado en empresas que trabajen con JavaScript podría usar ese tag en sus búsquedas o, simplemente, añadir ese tag a su perfil para que otros puedan localizarlo o recibir notificaciones de un evento (congreso, curso, etc.).

Todo el proceso sería dinámico, automatizado y en tiempo real, especialmente en lo que se refiere a la parte de empresa. Esto es debido gracias a que el sistema, mediante los algoritmos mencionados, será capaz de clasificar la información y relacionarla sin intervención humana, de autocompletar las búsquedas con la información semánticamente relevante y, en última instancia, de permitir la interacción usando lenguaje natural, tal como ocurre con chatGPT y tantos otros sistemas que ya están surgiendo diariamente.

Es una forma de disponer de un termómetro en tiempo real del ecosistema de la FP totalmente actualizado y abarcando todo lo ya conocido y lo que vaya apareciendo. No solo a nivel de empresas, sino de currículos, charlas, cursos, etc.

Además, dadas las características citadas evitamos uno de los grandes problemas del desarrollo de software: el mantenimiento. En este caso sería mínimo al requerir una cierta monitorización. Este esquema describe sucintamente el funcionamiento de la aplicación:

Casos de uso

Como ejemplos ilustrativos de las bondades del proyecto se indican varios casos de uso:

1. Prospección de empresas

Un tutor de prácticas quiere buscar empresas para sus alumnos y quiere información sobre su función para adaptar al estudiante a la compañía en la que mejor encaje.

La herramienta le permitiría buscar empresas según los tags que indique o, simplemente, que estén asociadas al sector vinculado a su ciclo o familia profesional. Dicha información sería más detallada y precisa que la que pudiera obtener por cualquier otro mecanismo. En un caso ideal, la propia empresa podría tener permisos para añadir información/tags adicionales.

2. Detección necesidades y tendencias

Un profesor de FP, de cara a planificar sus clases y las herramientas/conceptos a utilizar o enseñar, quiere saber qué es lo que están haciendo las empresas en su sector, qué tipo de necesidades demandan y qué tipo de tecnologías utilizan.

La información que genera la aplicación, basada en los tags comentados, permitiría ver/extraer/analizar la información o palabras clave más relevantes de cada sector o familia profesional.

En el ámbito tecnológico es muy claro, ya que evoluciona rápido y hay una gran diversidad de tecnologías, pero también sucede en otros sectores, como en el industrial.

3. Orientación

Un estudiante, ciudadano nuevo o neófito de la FP quiere ver qué ciclos formativos pueden interesar más en función de sus propias destrezas o intereses. Por lo que mediante la consulta a la aplicación o marcando los tags de interés podría obtener dicha información, así como enlaces a los contenidos de los distintos ciclos. En un estadio más avanzado del proyecto se podría usar incluso lenguaje natural para comunicarse con el sistema y obtener esta y otras informaciones.

4. Información

Suscribirse a tags o a temáticas puede ayudar al alumnado y al profesorado a estar al tanto de cursos y eventos afines a su especialidad (incluyendo cursos de especialización, entre otros) tanto en forma de notificaciones como en consulta directa.

5. Decisión

Detectar las demandas de las empresas permite a los gestores públicos definir/redefinir los contenidos curriculares en función de la evolución del mercado laboral y sus tendencias.

6. Búsqueda alumnos/empresas

La empresa puede buscar alumnos asociados a los tags de interés, del mismo modo que el alumno o tutor del centro puede buscar empresas asociadas a los intereses y/o capacidades del estudiante. Para ello, las distintas entidades se darán de alta usando un correo y tags propios con los que caracterizarse.

7. Clustering

Ver entidades relacionadas, ya sean eventos, noticias, ciclos, entre otros, con una dada.

8. Nube de tags

Ver etiquetas más populares de cada entidad considerada. Por ejemplo, tags populares en un ciclo formativo.

9. Verificación CV en Blockchain

Posibilidad del alumnado o de los usuarios para subir su currículum y validarse en una Blockchain por parte de profesores o validadores habilitados.

10. Gestión de la demanda

Mediante la monitorización de la aplicación se puede detectar o medir la demanda de cada ciclo o módulo. Existen otros métodos más indirectos a través de técnicas de Sentiment Analysis en redes sociales o encuestas por medio de la web/aplicación. Del mismo modo, se puede medir el pulso del mercado laboral relativo a las distintas modalidades de FP y las competencias involucradas.

11. Notificaciones

El uso de notificaciones personalizadas permite a cada usuario recibir la información relevante según sus necesidades y en tiempo real. Por ejemplo, un profesor o estudiante de cocina podría suscribirse a todos los eventos o cursos que impliquen el uso de la técnica de fuego lento.

12. Percepción de las empresas

Usando técnicas de Sentiment Analysis podemos detectar la percepción de las empresas por parte de los alumnos. Para ello, disponemos de las informaciones de las bases de datos de prácticas, así como de redes sociales, etc. Esto facilitaría la gestión de prácticas y motivaría a las empresas a ser ‘mejores’ en su desempeño.

Ventajas

● Es una red horizontal que requiere una intervención mínima y que permite conectar a todo el mundo según sus intereses profesionales y formativos.

● Es una herramienta que complementa, no excluye, el trabajo orientador.

● Incluyendo notificaciones se evita el acceso explícito de los usuarios.

● Sencillez de acceso a la información.

● Flexibilidad para añadir/modificar funcionalidades.

● Es casi totalmente automatizada con intervención mínima humana.

● Transparente en cuanto a la calidad y objetividad de los datos.

● Muy escalable tanto en nuevas fuentes y contenidos como en el ámbito geográfico.

Reflexión final

En definitiva, se trata de desarrollar una herramienta que permita integrar toda la información que afecta al ecosistema de FP y facilitar su acceso y consulta. Todo ello mediante una interfaz sencilla y amigable y de una forma eficiente, automatizada, escalable e interactuable con información dinámica y en tiempo real. Una herramienta que sea de código libre y esté disponible para que cualquiera pueda auditar, usar y corregir.

La información es un lujo que no nos podemos permitir desperdiciar. Este proyecto permitiría explotarla para que beneficie a todos y mejore el sistema. Es casi una obligación.

Ahora mismo algunos centros de FP de distintas regiones de España estamos colaborando para promover el desarrollo y promoción de dicha herramienta. Esperamos tener financiación y, con suerte, tener un prototipo para finales de año. Y, por supuesto, siempre abiertos a vuestras sugerencias y otras posibles colaboraciones.

Nota:

Actualmente, varios centros de varias comunidades autónomas estamos trabajando para promover y desarrollar un proyecto similar al descrito. Por supuesto, estamos abiertos a cualquier colaboración, ya sea en lo que respecta a fuentes de financiación, a ideas o sugerencias para su mejora y, por supuesto, a cualquiera que quiera más detalles del mismo. En tal caso podéis dirigíos a mi cuenta personal: lhueso@aragon.es.