Volver al listado

Big data en la escuela: analizando la educación

Las analíticas del aprendizaje (learning analytics) son aplicaciones educativas derivadas del big data. A nivel general, dichas aplicaciones no dejan de crecer y el debate en torno a su uso ha comenzado a plantearse a diferentes niveles, desde lo académico hasta lo público (llegando incluso a ser objeto de exposiciones) con el objetivo de discernir si nos encontramos ante un paso más en la vigilancia masiva, un maná económico o una nueva oportunidad para construir la sociedad del conocimiento.

Los orígenes del análisis masivo de datos provienen de una rama del análisis estadístico que las empresas utilizaron para identificar tendencias de gasto, predecir el comportamiento del consumidor y analizar actividades comerciales. De esta idea inicial han surgido diversas técnicas para tratar datos como el data mining o el clustering y su uso se ha extendido a otros campos como el deporte o la salud. Obviamente, la educación no iba a quedar de lado y esta nueva tendencia ha comenzando a tener cada vez más presencia en entornos de educación superior al mismo tiempo que se comienza a implantar en educación secundaria. De hecho, actualmente podemos encontrar diferentes aproximaciones como la minería de datos educativa, el academic analytics y las analíticas del aprendizaje. Todas estas aproximaciones tienen el mismo propósito: el análisis de datos de carácter educativo.

Analíticas del aprendizaje

Tras esta breve introducción os estaréis preguntando qué tipología de datos podemos analizar. Se pueden analizar desde datos más o menos comunes (edad, estudios previos, lugar de residencia) que nos puedan ayudar a realizar un perfil del estudiante hasta realizar un seguimiento de espacios visitados, documentos consultados, enlaces a los que acceden los alumnos mayoritariamente, etc.  gracias, por ejemplo, a un entorno virtual de aprendizaje. También podemos caracterizar la actividad del estudiante según estudiantes proactivos, reactivos (responden a acciones de estudiantes proactivos) o pasivos, o averiguar si se trata de un estudiante “central” (con muchas conexiones con sus compañeros) o periférico (con menos relaciones con otros estudiantes).

De hecho, los profesores Simon Buckingham y Rebecca Ferguson (de la Open University del Reino Unido) han establecido diferentes categorías de social learning analytics de donde poder extraer información y que engloban tanto datos objetivos como aquellos más sujetos a interpretación:

  • Redes sociales: nos permite conocer y/o promover las conexiones entre alumnos y entre alumnos y profesores o entre comunidades de aprendizaje.
  • Análisis del discurso: se trata de una aproximación a una amplia variedad de eventos comunicativos, desde nuevas formas de entender textos generados online (por ejemplo por los estudiantes) a conceptos vinculados al estudio del lenguaje
  • Contenidos: permite filtrar y evaluar recursos de aprendizaje.
  • Disposición: permite valorar la motivación de los alumnos, su relación con otros alumnos o la propia capacidad individual para el aprendizaje.
  • Contexto: tipo de participación del alumnos (tiempo de conexión, lugar, etc.).

Suponemos que tras estas líneas alguien habrá pensado: el Gran Hermano nos vigila… ¡ahora también en clase! Y sin embargo, no se trata de ningún método de control orwelliano si no que tiene unos objetivos bastante definidos. En primer lugar, las analíticas buscan establecer patrones de desempeño y de rendimiento, es decir, qué hace que unos estudiantes obtengan mejores cualificaciones y qué consigue lo opuesto, pudiendo establecer variaciones en el modelo pedagógico o implementando uno nuevo en el caso de que podamos “predecir” unos malos resultados. En segundo lugar, estos análisis se enmarcan en un intento por personalizar la educación, de hecho la universidad de Stanford (EEUU) ya está creando itinerarios personalizados en base a los resultados obtenidos. También se busca minimizar tanto el abandono escolar como posibles problemáticas concretas que sufra algún estudiante. Y, por último, a gran escala, puede ser útil para legisladores y administradores a la hora de establecer políticas educativas a nivel nacional, regional o local.

Learning Analytics en la práctica

Como habréis podido imaginar hay un vínculo directo entre nuevas tecnologías y analíticas del aprendizaje, existiendo ya diferentes tipos de webs y de software que permiten realizar tareas de análisis y de visualización de resultados. En otros casos, algunos entornos virtuales de aprendizaje ya incluyen herramientas propias, como Blackboard o han establecido alianzas como es el caso de Moodle y Watchdog, que crearon el proyecto Moodog.

Al mismo tiempo que cobra importancia esta innovación educativa van surgiendo diferentes proyectos para aplicarla. Por ejemplo, la UNIR (Universidad a distancia de La Rioja) ha creado un programa (iLime) que ayuda a los estudiantes generando una orientación personalizada para cada uno, por otro lado tenemos a la Universidad de Michigan (EEUU) y su proyecto Gradecraft que usa las analíticas tanto para guiar a los estudiantes en el curso que realizan como para informar a los profesores su progreso y, a nivel europeo, tenemos LACE un proyecto donde diferentes socios investigan y ponen en práctica aplicaciones de learning analytics. Como siempre podemos encontrar multitud de artículos en la red e incluso, páginas dedicadas en su totalidad a este tema.

Así pues, nos encontramos con una nueva práctica educativa que nos puede permitir una mayor atención a la diversidad del alumnos, nos puede ayudar a reducir el abandono escolar e incluso ayudar a implementar nuevas políticas educativas. Habrá que estar atento a su desarrollo ya que puede convertirse en una gran herramienta para los educadores del futuro y si alguno de vosotros se ha adelantado al este futuro estaremos encantados de que lo comparta con todos nosotros.

 

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *