“Actividad 4 — Diseño de investigación” Pregunta 2

ANALISIS.png

  1. INTRODUCCIÓN.

Con el auge de las tecnologías de la información y la comunicación en la era digital y en la sociedad del conocimiento en las que estamos inmersos, surgen nuevos y muy diversos contextos formativos online, donde las personas pueden aprender, profundizar y desarrollar nuevos conocimientos, alejados de la tradicional enseñanza presencial, adaptándose al ritmo de vida, necesidades e intereses de cada uno de nosotros.

El crecimiento y generalización de la tecnología educativa, la formación virtual y el uso de Internet como vehículo de aprendizaje ha dado lugar a la aparición de rastros o huellas digitales y su registro que nos permiten tener datos cuya medida, análisis y estudio posterior permitirá obtener conclusiones prácticas. De ahí, es donde surge la analítica de datos en el aprendizaje.

Learning Analytics, se ha considerado “el camino natural de la evolución de la educación” y es una disciplina emergente relacionada con el desarrollo de métodos para explorar series de datos procedentes de ecosistemas educativos. Y con el uso posterior de los resultados del análisis para entender mejor al alumnado, sus comportamientos y así mejorar el diseño de los entornos en los que aprenden.” (Dietz-Uhler y Hurn, 2013).

Así pues, con esta intención se ha creado un nuevo curso llamado “Learning Analytics Essentials”.

  1. DESCRIPCIÓN DEL CURSO.

“Learning Analytics Essentials” nace con el fin de ofrecer un curso abierto sobre ‘learning analytics’ con la intención de utilizarlo para experimentar sobre métodos de analítica de datos. Pero sobre todo, para que los resultados obtenidos a través de estos métodos resulten verdaderamente útiles para la mejora de la enseñanza digital.

El diseño del curso es una estructura modular muy parecida a los de un XMOOC. Los contenidos estarán disponibles en forma de manuales y el sistema de evaluación consistirá en la realización de cuestionarios al final de cada entrega de tareas.

Además, este curso se enriquece con el uso de Twitter   como principal herramienta de comunicación, además de un blog, un canal de YouTube y una lista de distribución en TinyLetter donde se ofrecen orientaciones y asistencia para todos los interesados en la temática, sean o no estudiantes del curso. No se requieren requisitos para la realización de este curso online y está destinado a todas aquellas personas interesadas en dicha temática.

 

  1. Medir qué competencias adquieren los estudiantes al final del curso.
  2. Medir cómo evoluciona la adquisición de esas competencias durante el ciclo del curso.
  3. Conocer las causas que explican la adquisición de las competencias por parte de los estudiantes.
  4. Profundizar en los métodos de learning Analytics.
  5. Aumentar la participación de los alumnos en el curso online.
  6. Reducir la tasa de abandono de los alumnos.
  1. Metodología.

La metodología que se llevará a cabo está compuesta por varias técnicas y métodos propios de la analítica de datos. Su fin es la obtención, recopilación, almacenamiento, análisis y organización de los datos. Es imprescindible que estas técnicas y métodos sean eficaces para que los datos que se obtengan sean fiables, útiles y aquellos que estamos buscando, para conseguir los objetivos propuestos. Así pues, estará compuesta por diversos métodos como:

 

  • Arquitectura de software. Se concibe una arquitectura que permita mezclar datos que provienen desde distintas fuentes (de todas las plataformas analizadas en la pregunta anterior: Twitter, Youtube, Plataforma del curso, Tinyletter, y blog), para que sean procesados en conjunto de forma eficiente por un módulo de visualización de datos.
  • Observación no participante directa: tanto por parte de la empresa promotora del curso para detectar posibles errores como por parte de los profesores, para seleccionar datos de los alumnos.
  • Análisis académico: Cifras de retención y éxito, utilizadas por la institución para evaluar el rendimiento del alumno.
  • Minería de datos educativos (data Mining): nos permite descubrir información nueva y potencialmente útil de grandes cantidades de datos y búsqueda de patrones en los datos.
  • Análisis del aprendizaje: El uso de datos, que pueden incluir grandes volúmenes de datos (Big Data), para proporcionar inteligencia útil para los estudiantes y los profesores.
  • Método predictivos: utiliza el análisis de datos para realizar predicciones basadas en los datos. En este proceso se hace uso de los datos junto con técnicas analíticas, estadísticas y de aprendizaje automático a fin de crear un modelo predictivo para predecir eventos futuros.
  1. Instrumentos de obtención de datos.

Los principales instrumentos que se van a utilizar para obtener datos son los siguientes:

  1. Software que permita extraer, recopilar y almacenar datos necesarios que serán utilizados en métodos de analítica del aprendizaje.
  2. Plataformas y redes sociales de las que obtendremos estos datos: Twitter, Youtube, Tinyletter, plataforma del curso y un blog. (las evidencias y datos que recogeremos y utilizaremos son los expuestos en la pregunta 1, reflejada en la entrada anterior de este blog). Además, algunas de estas plataformas tienen herramientas que nos pueden servir para analizar datos dentro de la misma como son por ejemplo: Youtube Analytics o Google Analytics.
  3. RapidMiner(anteriormente, YALE, Yet Another Learning Environment) es un programa informático para el análisis y minería de datos. Permite el desarrollo de procesos de análisis de datos mediante el encadenamiento de operadores a través de un entorno gráfico. Se usa en investigación, educación, capacitación, creación rápida de prototipos y en aplicaciones empresariales. En una encuesta realizada por KDnuggets, un periódico de minería de datos, RapidMiner ocupó el segundo lugar en herramientas de analítica y de minería de datos utilizadas para proyectos reales en 20091​ y fue el primero en 2010.

 

  1. Interpretación.

Una vez empleada la metodología y utilizados los instrumentos para la obtención de datos, llega el momento de la interpretación de los mismos.

Así pues, algunas de las interpretaciones que se obtendrán siguiendo las evidencias que se recogieron en la primera tabla serán las siguientes:

  • Según la actividad en redes sociales y la frecuencia de conexión podemos obtener la disponibilidad del usuario para realizar el curso y cumplimentar las actividades y objetivos propuestos.
  • Según la participación en redes sociales, y plataforma del curso, además de la frecuencia de conexión y el horario de la misma, podremos obtener datos sobre la implicación y el compromiso del usuario con el curso.
  • Según los contenidos compartidos en redes, los videos subidos y visualizados podemos interpretar los gustos e intereses de los alumnos.
  • Sin embargo, una baja participación, el no uso de redes sociales o la no participación en la plataforma del curso, puede ser interpretado como un riesgo de abandono, desmotivación o problemas del usuario. En este caso, se detecta a este tipo de alumnado para intervenir y diseñar un plan más personalizado y contribuir a una mejora del rendimiento del mismo.

Es esencial hacer una interpretación objetiva y real de los datos pues, de la obtención de estos datos dependen las conclusiones y predicciones que se utilizarán para hacer modificaciones y mejoras aumentando la calidad y eficacia del curso.

  1. Garantías éticas.

Nuestro diseño de investigación garantiza la privacidad, seguridad, derecho al anonimato y a conservar la identidad propia de todos y cada uno de los usuarios de nuestro curso.

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.

Por ello, es importante que exista una política educacional y de privacidad que proteja los datos de nuestros estudiantes, implicando y garantizando lo siguiente:

  • 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.
  • Privacidad y Vigilar la seguridad de los datos. Los datos recogidos deben estar protegidos por algún tipo de regulación estatal ya que es imprescindible conocer en todo momento quien tiene acceso a estos datos, qué uso se hará de ellos y de qué forma será compartida la información resultante.

REFERENCIAS BIBLIOGRÁFICAS:

Domínguez Figaredo, Daniel, Big Data, analítica del aprendizaje y educación basada en datos (Big Data, Learning Analytics & Data-driven Education) (February 15, 2018). Available at SSRN: https://ssrn.com/abstract=3124369

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