LEARNING ANALYTICS

 

20543912596_520de1ecf5_b

 

En la actualidad, estamos inmersos en la era digital y en ella, la irrupción de las tecnologías de la información y la comunicación (TIC) está modificando todos los ámbitos de la sociedad de una forma amplia, constante y veloz. La tecnología nos permite entrar a un nuevo mundo donde lo que antes estaba lejos de nuestro alcance, ahora está más cerca de nosotros. También, ha cambiado el modo en que las sociedades se relacionan con su entorno y con ella, llega la innovación para las diferentes necesidades de la vida de las personas.

 

Siguiendo el informe: The NMC Horizon Report: 2017 Higher Education Edition (documento en el cual se identifican y describen seis tecnologías emergentes que tendrán un impacto significativo en la educación superior en los próximos cinco años (2017-2021), encontramos la analítica del aprendizaje, también conocida como Learning Analytics.

 

Sobre esta tendencia educativa y haciendo un análisis de las principales ideas recogidas en el documento: Data & Civil Rights: Education Primer de Alarcón, Zeide, Rosenblat, Wikelius, Boyd, Peña y Corrine Yu (2014), gira el presente ensayo, cuya idea principal es la utilidad de Learning Analytics & Process Mining para transformar el pensamiento y la práctica en la educación desde Big Data.

 

Como bien sabemos, la sociedad que hoy nos atrapa es una red comunicativa e informacional, en la que todos estamos conectados a escala mundial a través de los dispositivos tecnológicos (móviles, smartphone, tablets, ordenadores…) e internet. La actual sociedad del conocimiento (Kruger, 2006), aboga que el poder está en el conocimiento y en la información, y desde el campo de la educación es el lugar perfecto para incidir en ese aspecto.

Pero como en todos los ámbitos, también en el de la educación, existen desigualdades y personas pertenecientes a grupos vulnerables que no tienen igualdad de oportunidades a la hora de acceder a una educación de calidad y equitativa.  Estas desigualdades son generadas por el nivel cultural de las familias, nivel económico, familias desestructuradas y/u otras condiciones personales que impiden una educación de calidad.

Por ello, en el artículo de Alarcón et all (2014), se manifiesta la necesidad de conseguir equidad en la educación desde nuevas perspectivas como son el Learning Analytics combinado con el Big Data.

Cada vez que navegamos por internet dejamos, lo que actualmente llamamos, una huella digital.  Según Segura, A. (2015): esto último significa que nuestra experiencia de navegación deja un rastro informático, el cual puede ser analizado mediante sistemas algorítmicos capaces de visualizar y tratar cantidades masivas de datos, lo que se conoce como Big data.

Relacionando, el big data y el campo de la educación, existe una nueva  tendencia llamada Learning Analytics, que consiste en la medición, recopilación, análisis y presentación de datos sobre los estudiantes, sus contextos y las interacciones que allí se generan.  Su objetivo principal es el de comprender el proceso de aprendizaje que se está desarrollando y optimizar los entornos en los que se produce y convertir el aprendizaje actual, en un aprendizaje más personalizado, atendiendo a sus necesidades y contemplando la diversidad.

 

El análisis del aprendizaje, proporcionará una gran interdisciplinariedad a las nuevas perspectivas de la educación. Por ello, se destacan dos principales y grandes beneficios:

  1. El propiamente académico: extraer datos e interpretarlos para la mejora académica.
  2. La posibilidad de mejorar del propio estudiante ante este aprendizaje sin límite y continúo, sin barreras y totalmente social (individualizando la enseñanza).

 

Muchos reformadores ven el futuro de la educación en la fusión de datos, análisis predictivo, herramientas de procesamiento y en la instrucción basada en la tecnología como la clave para conseguir una educación de calidad. (Alarcón et all., 2014).

 

Así pues, “la educación está cada vez más impulsada por los datos” (…). Lo que permite una instrucción más personalizada, la maximización de los recursos y un mayor acceso a servicios asequibles o incluso gratuitos” (Alarcón et all, 2014).

 

Y, ¿esto cómo es posible?

Con el reclutamiento de datos de los estudiantes como información relativa a su nivel de competencia general, sus intereses, el estilo preferido de aprendizaje, motivación, su nivel socioeconómico y el de sus familias, su comportamiento, calificaciones… y otros datos extracurriculares y el posterior análisis de los mismos, se obtiene información individualizada y exclusiva de cada uno de los alumnos, destacando sus fortalezas y debilidades. Una vez conociendo cuales son estas, se le puede proporcionar una enseñanza personalizada según sus necesidades, una orientación individualizada, una mejor evaluación o una tutorización eficiente. Pero la recogida y análisis de datos, no solo sirve para proporcionar una enseñanza de calidad, sino que además, sirve para detectar desigualdades económicas, de recursos o incluso estudiantes desatendidos, y así y como afirman muchos defensores de este sistema basados en datos, poder identificar y ayudar a los estudiantes en riesgo de exclusión, absentistas o con alto grado de fracaso escolar, potenciando la eliminación de desigualdades.

Así pues, algunas tecnologías de gran importancia para el análisis del aprendizaje, según Santamaría, F. (2012) son: la minería de datos (Data Mining), el aprendizaje automático, el análisis de redes, la Estadística y Técnicas de sensores.

A consecuencia de esto, cabe mencionar, la importancia de las plataformas digitales y los entornos de aprendizaje virtuales, tales como los actuales MOOCs (Massive Online Open Course), o Khan Academy, que proporcionan una enseñanza personalizada, impulsada por los datos que los alumnos proporcionan, para optimizar la educación. Y la combinación de esta instrucción digitalizada y otros cursos personalizados, puede resultar muy beneficiosa para aquellas personas que no tengan acceso de otra forma a una educación de calidad.

Además, y siguiendo con la idea anterior, cabe resaltar lo que autores como Vaillant, Rodríguez y Bernasconi (2017) enuncian:

“Las investigaciones recientes, y las contribuciones de la literatura especializada en el aprendizaje en línea y masivo, como los MOOC, coinciden en destacar que el análisis de los datos y de los registros de los estudiantes, o de las huellas que los estudiantes van dejando en la web, tienen un enorme potencial educativo a efectos de estudiar, diseñar y reformular los ambientes de aprendizaje basados en tecnología.

Por último, en cuanto a los beneficios del análisis del aprendizaje, es importante mencionar los grandes beneficios que supone el análisis del aprendizaje para los docentes, tales como enuncia Mentxaka Sierra, I. (2016):

  • Predecir tendencias y patrones en el comportamiento de los estudiantes, para personalizar y adaptar las metodologías para que sean más eficientes.
  • También resulta interesante estudiar cuáles son las interacciones que se producen entre los estudiantes en entornos sociales de aprendizaje para conocer el nivel de implicación de cada uno, conocer qué alumno es el que más influencia tiene en el grupo, descubrir patrones de comunicación, detectar qué alumnos trabajan mejor juntos o incluso detectar alumnos aislados.

Hasta ahora, hemos mencionado algunos beneficios que esta tendencia educativa conlleva, pero ¿existen riesgos y desafíos en ella?

La respuesta es sí.

En el artículo de Alarcón et all (2014) los principales riegos de la educación basada en datos son el reforzamiento de las desigualdades existentes y en vez de subsanar las mismas, contribuir a un problema de desventaja cada vez mayor y acumulativo.

Otro de los riesgos que se extrae de esta analítica del aprendizaje es la manipulación de las estadísticas de estos datos voluntariamente para apoyar la discriminación y potenciar las desigualdades.

Por otra parte, el Learning Analytics, Data Mining, Big data y la enseñanza impulsada por datos puede también contribuir a fomentar el etiquetado persistente de los estudiantes, pues una vez etiquetados es posible que no se pueda eliminar ese registro, promoviendo la estratificación y segregación de los estudiantes, y por consiguiente contribuir a aumentar las diferencias. Además, existen herramientas de organización de datos que realizan análisis predictivos. Esto quiere decir que se promueve la formulación de juicios previos sobre las capacidades de los estudiantes. Esto crea falsas conclusiones sobre ellos, infravalorando o sobrevalorando sus capacidades, e impidiendo personalizar la enseñanza a cada individuo, estableciendo más desigualdades. Según Amo Filvà, D. (2016), estos prejuicios, pueden fomentar el efecto Pigmalión. Pero, también puede provocar una inmediata acción sin meditar sus posibles consecuencias -sesgo cognitivo-. En este sentido es importante aprender a racionalizar los resultados de predicción y las acciones recomendadas de los algoritmos.

 

Otro desafío que presenta, es en relación a la privacidad de los estudiantes. Existe una preocupación sobre quién, cómo y con qué fin puede acceder a los datos de los estudiantes, y a qué datos. Atendiendo a Hendrik Drachsler (2016): “temores y realidades se mezclan a menudo indistintamente, dando lugar a un ambiente de incertidumbre entre los posibles beneficiarios de Learning Analytics”.  Según Amo Filvà, D. (2016): “La privacidad de datos en la analítica del aprendizaje es una cuestión que preocupa, tanto a los ejecutores del proceso analítico como a los afectados.

 

Los datos personales y el derecho a la privacidad es un principio fundamental en la sociedad de hoy en día. Por ello, y dado que las tecnologías almacenan datos sobre la geolocalización, la conducta, los gustos y los sentimientos de las personas, se perciben cada vez más como intrusión en la vida privada.

 

Una vez reflexionado sobre los beneficios y desafíos del Learning Analytics, me resulta paradójico como se ven beneficiados y a la vez, pueden ser mermados los derechos humanos de las personas.

Por una parte, el Learning Analytics promueve el derecho a la educación, a la igualdad de las personas independientemente de su condición, raza, sexo… y a la prohibición de la discriminación. También, promueve el derecho a la igualdad de oportunidades tanto en el acceso a la educación como a la instrucción en sí misma, ayudando todo esto a contribuir y luchar por una sociedad más justa y democrática.

Pero a la vez, se pueden ver mermados el derecho a la privacidad, al anonimato, la libertad de expresión, y libertad de la persona en general, dependiendo de con qué fin y quién acceda a los datos de las personas.

 

Por ello, y a modo de conclusión, es importante que exista una política educacional y de privacidad que proteja los datos de los estudiantes. Esto implica:

  • Previo consentimiento de recogida de datos y que este sea informado.
  • La recogida de datos debe seguir la normativa vigente para no atentar contra los derechos de las personas.
  • Los datos deben utilizarse exclusivamente para lo solicitado y no usarlos en beneficio propio.
  • Recae sobre la persona física o jurídica responsable de la base así como los encargados de tratamientos, usuarios y terceros, con diferente alcance.

 

Así pues, existe la necesidad de entrelazar los avances tecnológicos en entornos educativos con los derechos y libertades fundamentales de las personas.

Para ello, y siguiendo a Patricia Díaz, Matías Jackson, y  Regina Motz (2015): “se aconseja la adopción de una actitud proactiva a favor de la protección de datos personales por parte de las instituciones educativas e investigadores en el marco del desarrollo de actividades de Learning analytics.”

Para terminar, y a modo de curiosidad y profundización, os proporciono un interesante enlace, donde se le realiza una entrevista a Miguel Ángel Azorín López, educador innovador que utiliza el Learning Analyticcs como práctica educacional en su día a día en el aula, y cómo a través de ella motiva a sus alumnos.

http://www.eduliticas.com/2018/03/divulgacion/educando-con-learning-analytics-miguel-angel-azorin/

 

Bibliografía.

Amo, Filvá, D. (2016). Lista de comprobación DELICATE: hacia una Analítica del Aprendizaje de confianza http://www.eduliticas.com/2016/05/divulgacion/lista-de-comprobacion-delicate-hacia-una-analitica-del-aprendizaje-de-confianza/

Amo, Filvá, D. (2016). Doble factor de comprobación para la predicción analítica. Recuperado de: http://www.eduliticas.com/2017/10/divulgacion/doble-factor-de-comprobacion-para-la-prediccion-analitica/

Díaz, P., Jackson, M.,  Motz, R. (2015 ). Learning Analytics y protección de datos personales. Recomendaciones. Recuperado de: www.br-ie.org/pub/index.php/wcbie/article/download/6199/4336

Instituto Nacional de las Tecnologías Educativas y de Formación del Profesorado. (2017). Resumen Informe Horizon. Recuperado de: http://educalab.es/documents/10180/38496/Resumen_Informe_Horizon_2017/44457ade-3316-418e-9ff9-fd5e86fc6707

KRÜGER, K. (2006): “El concepto de Sociedad del Conocimiento”, Biblio 3W Revista Bibliográfica de Geografía y Ciencias Sociales. ISSN: 1138-9796. Depósito Legal: B. 21.742-98. Vol. XI, nº 683, 25 de octubre de 2006. (Disponible en el apartado de Materiales del curso).

Mentxaka Sierra, I. (2016). Cómo mejorar la enseñanza-aprendizaje utilizando Learning Analytics. Recuperado de: https://blogs.deusto.es/aprender-ensenar/learning-analitics/

 Santamaria, F. (2012). Learning Analytics – Análisis del aprendizaje. Recuperado de: http://fernandosantamaria.com/blog/learning-analytics-analisis-del-aprendizaje-2/

SEGURA VÁZQUEZ, A. (2015): “Digitalizar y controlar: un collage de tecnologías vigilantes”. Fuhem ECOsocial. Disponible en: https://www.fuhem.es/media/cdv/file/biblioteca/Boletin_ECOS/29/digitalizar-ycontrolar_A_SEGURA.pdf

Vaillant, Rodríguez y Bernasconi (2017).  Modalidad MOOC para educación media básica: enseñanzas de una experiencia. Recuperado de: http://www.scielo.org.mx/scielo.php?pid=S0185-26982017000200103&script=sci_arttext

ANALÍTICA DEL APRENDIZAJE

BIG DATA Y ANÁLITICA DEL APRENDIZAJE

 

 

Anuncios

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s