Learning Analytics para no especialistas: justo lo que necesitas saber.
Podría empezar mencionando que cada día se generan 2.5 000 000 000 000 000 000 bytes de datos (trillones) en el mundo, de los cuales el 90% fue generado solo en los dos últimos años. Que Google, actualmente, procesa cerca de 40,000 búsquedas por segundo y se ven en promedio 4,146,600 videos por minuto en Youtube (Revista Forbes, 2018). Pero creo que no es necesario presentar mayores evidencias para darnos cuenta que los seres humanos estamos generando una gran cantidad de datos como nunca antes en la historia.
Esos datos que originaste cuando te conectaste a Twitter, cuando viajaste en Uber, cuando ‘gugleaste’ la mejor receta para hornear el pavo en la cena navideña, los likes que le diste en Facebook a la publicación de tu deporte favorito o el ‘me encabrona’ a la noticia de Japón anunciando que reactivará la caza tradicional de ballenas, tu conversación en el foro en el aula virtual de la universidad y hasta los pasos que diste el día de hoy y -que de hecho- fueron 5000 pasos menos que ayer; casi TODO permite tener acceso a una gran cantidad de revelaciones acerca de tus hábitos, ideas, relaciones sociales y hasta la forma en cómo aprendes dentro y fuera de entornos digitales. Esta puerta abierta origina lo que denominamos Learning Analytics.
(¿Quién administra y se apropia de estos datos? Sobre la ética y la crítica asociada a la gestión de data y algoritmos escribiré más adelante en otra entrada).
Las nuevas tecnologías, las interacciones sociales en medios digitales, así como el aprendizaje en línea, están dejando tras de sí una cantidad impresionante de datos que podemos aprovechar para entender mejor el aprendizaje como un fenómeno permanente y ubicuo. Ahora tenemos las tecnologías, los conocimientos y las habilidades para lograrlo, por lo que es casi un deber aprovechar esa oportunidad.
¿Qué es Learning Analytics?
Learning Analytics o Analítica del Aprendizaje es un campo de investigación y conocimiento aplicado relativamente nuevo, que viene emergiendo en el mundo de la educación. Lo que hace es utilizar los datos que generan las personas cuando navegan en contextos digitales (LMS, CMS, RRSS), cuando usan dispositivo o dan su consentimiento llenando algún formulario, con el objeto de tomar decisiones informadas para mejorar los resultados y la experiencia de aprendizaje.
La disciplina de la Analítica del Aprendizaje surge de la convergencia del trabajo de investigadores, gestores de proyectos y la participación institucional, principalmente de Educación Superior, en donde también intervienen profesionales de otros campos de conocimiento como por ejemplo la Psicología, Sociología, Estadística, Machine Learning, Ciencias Computacionales, Diseño de Interacción, entre otros.
El Learning Analytics es la medida, recolección, análisis y reporte de los datos que producen los individuos y sus contextos de aprendizaje, con el objetivo de mejorar nuestra comprensión sobre los aprendizajes y los entornos donde estos ocurren.
1st. International Conference on Learning Analytics and Knowledge, 2011.
¿Cuál es el proceso que sigue el Learning Analytics?
Dicho de manera simple, el proceso fluye a través de cuatro fases, principalmente:
1. Recolección de datos
El proceso inicia con la adquisición de los datos que provienen de diferentes procesos y logros de aprendizaje, como por ejemplo, aquellos que surgen de la navegación en los recursos contenidos en un LMS, en la discusiones de los foros, de las inscripciones a cursos virtuales, de la ubicación de las instituciones educativas y otros datos demográficos y socioeconómicos. También se recolectan datos de tecnologías avanzadas, como los sistemas de reconocimiento facial, eye tracking (¿hacia dónde apunta tu mirada cuando estás frente a la pantalla?), otros sensores biométicos, etc.
2. Modelado de datos
Una vez recolectados los datos se procesan mediante métodos estadísticos y de machine learning con el fin de proyectar posibles resultados, predecir desempeños, comportamientos y logros en entornos digitales y fuera de ellos. Podríamos reunir una gran cantidad de datos producidos por un grupo de jóvenes estudiantes universitarios, tomando en cuenta variables como sus registro de notas, sus asistencias, sus participaciones en el aula virtual, sus argumentos en los foros, la calificación que les asignaron a sus docentes, sus conversaciones en medios sociales y su procedencia socioeconómica y predecir, por ejemplo, cuáles de ellos tienen probabilidad de abandonar la carrera antes de que esto suceda. ¿Te imaginas que las instituciones de Educación Superior puedan saber eso de antemano? (El análisis predictivo ya se viene realizando en actividades cotidianas, como en el uso de aplicaciones de taxi, los cuales predicen cuánto te tomará un viaje antes de que te subas al auto, tomando en cuanto la hora, el lugar, la congestión vehicular y la demanda).
3. Presentación de datos
El objetivo de esta fase es presentar los datos que han sido recolectados y/o modelados a un amplio rango de stakeholders que pueden ser los docentes, la coordinación académica, la Alta Dirección y hasta los propios estudiantes y colaboradores; es decir, a todos aquellos grupos de interés que vayan a ser afectados por la toma de decisiones a partir de los datos obtenidos.
4. Intervención de datos
La intervención consiste en todas aquellas acciones informadas que se basan en los datos recopilados a fin de mejorar la experiencia, los resultados y los entornos de aprendizaje; estas pueden ser estrategias vinculadas a los procesos académicos como evaluaciones, registros, etc.
03 casos de uso de Learning Analytics en Educación Superior
Diversas instituciones alrededor del mundo vienen impulsando proyectos de investigación y desarrollo de soluciones en torno a esta disciplina. Aquí comparto tres experiencias que podrían servir para ilustrar de forma general qué resultados se están alcanzando gracias al uso de analíticas del aprendizaje:
- Asistencia preventiva para estudiantes en riesgo de desaprobar: la universidad Charles Darwin de Australia, ha impulsado un proyecto para ayudar a sus estudiantes, a través de estrategias de intervención temprana, a evitar situaciones de riesgo académico que podría terminar en abandono de la carrera, utilizando un sistema informático que mide su desempeño y detecta, de forma oportuna, cuándo existen probabilidades de desaprobar. Además, envía alertas a los estudiantes proporcionándoles acceso a fuentes informativas para asistencia y apoyo de tipo académico o psicológico. ¿Se imaginan lo que podrían lograr los departamentos de Tutoría con esta tecnología?
- Detección oportuna de los ‘fake learners’ en MOOC’s: No es novedad saber que gente deshonesta hay en todos lados. Existen aquellos que, por ejemplo, se atribuyen la propiedad intelectual ajena y otros que participan en cursos online de manera fraudulenta, suplantando identidades o quebrantando las políticas de colaboracion. José Ruipérez-Valiente, un investigador del Teaching Systems Lab del MIT, realizó un estudio para evaluar la solidez de los resultados del análisis del aprendizaje de los MOOC’s cuando estos contienen un número considerable de alumnos falsos. Los resultados mostraron que los estudiantes deshonestos manifiestan una conducta muy diferente en comparación con los estudiantes ‘de verdad’. El estudio concluye que, aunque los ‘fake learners’ son una parte importante de la población estudiantil (∼15%), su efecto en los resultados no es dramático.
- Learning Analytics para el desarrollo de competencias del siglo XXI: La DePaul University viene realizando una investigación para conocer cómo medir efectivamente las denominadas competencias ‘del siglo XXI’, haciendo énfasis en principalmente tres: producción creativa, aprendizaje autónomo y el aprendizaje social, ofreciendo un enfoque para observar la conducta en línea de los estudiantes y sus actividades asociadas a las competencias antes mencionadas.
Este miércoles 09 de enero de 2019 a las 07:00 pm. estaremos en el primer meetup de Learning Analytics Perú, con el tema “Experiencias de éxito en el uso de Learning Analytics en Educación Superior”, en UPC San Isidro (Lima, Perú)¡Entrada libre! Más información> https://laperu.org/primer-meetup-2019/ Para inscribirte> goo.gl/forms/Qwoi69vItItgrqnu1
Desafíos que nos plantea el uso del Learning Analytics
Hasta ahora el Learning Analytics parece ese obsequio que no esperábamos pero que nos hace felices, sobre todo para aquellos que trabajamos en Educación. Pero como todo gran poder conlleva a una gran responsabilidad, es necesario traer a la conversación aquellos retos que surgen por el uso de los datos y el tratamiento de estos, cuya propiedad puede ser de los mismos estudiantes:
- Uso ético y responsable de los datos de los estudiantes: ¿Hasta dónde podemos utilizar los datos que nos proporcionan nuestros estudiantes? ¿Toda la data que administramos y que les pertenece a ellos la hemos obtenido con su consentimiento? ¿Los estudiantes son plenamente conscientes sobre qué tipo de datos posee y administra la institución educativa acerca de ellos? En un creciente uso de plataformas, aplicaciones e interfaces, se propicia la captura masiva de datos y esto puede ser tentador para muchos tomadores de decisión. El reto para las organizaciones educativas es definir, básicamente, qué puede y qué no puede hacer con los datos de sus estudiantes tomando como referencia: a) lo que establece la Ley (para el caso del Perú es la Ley 29733 y su reglamento), b) las políticas de la propia institución vinculadas a la privacidad y el manejo de información y c) lo expresado explícitamente por el estudiante al momento de ceder los datos.
- Creación de una nueva brecha digital: ¿Qué sucedería si es que solo los que pueden pagar pueden favorecerse de las promesas que ofrece el Learning Analytics? Con el rápido desarrollo de nuevas herramientas y estrategias cada vez más sofisticadas y una creciente demanda de este tipo de tecnologías, no tardarán en surgir intereses cuyo objetivo único será ‘enlatarlas’ y ofrecerlas a instituciones cuyos usuarios tengan poder adquisitivo, lo que devendría en soluciones de costo elevado, un costo que los menos favorecidos no podrían solventar, creando así una nueva brecha que divida a aquellos que tienen acceso a actividades de aprendizaje adaptativo, dashboards personalizados, reportes con estrategias de prevención y a aquellos que ni siquiera tienen acceso a una computadora o que son víctimas de la ‘fiebre TIC’ impulsada por iniciativas de gobierno desfasadas.
Una forma de evitar excesos y falsas ilusiones, como con toda nueva tecnología que llega al mundo de la educación, es siendo críticos con sus promesas y limitaciones, recordando la lección bien sabida que la transformación educativa que todos esperamos ver no la alcanzaremos gracias a la tecnología por sí sola, sino a través de nuestra capacidad para autodestruirnos en un proceso iterativo y ágil de mejora continua.
Invito al lector a que conozca nuestra iniciativa Learning Analytics Perú e invitarlo (si está en Perú) a nuestro primer meetup del 2019, en donde estaremos compartiendo experiencias exitosas del Learning Analytics en Educación Superior, de la mano de reconocidos profesionales, gracias a la Universidad de Ciencias Aplicadas UPC.
