Ingrid Mosquera Gende
A partir de la OpenClass Analítica del Aprendizaje en entornos online, conducida por el Dr. Daniel Burgos, Catedrático de Tecnologías para la Educación y la Comunicación, y desarrollada por el Dr. Abelardo Pardo, profesor de la Universidad de Sidney, se comentan las posibilidades y limitaciones del uso educativo del Big Data, de la Analítica de Aprendizaje y del Aprendizaje Adaptativo.
Últimamente se está hablando mucho de Big Data, de Learning Analytics o de Minería de Datos. Un primer punto a considerar sería la definición de todos estos términos y la relación que se establece entre ellos. A grandes rasgos, y para entenderlos, podríamos decir que, en el ámbito educativo, el Big Data supone el empleo de herramientas tecnológicas para la recolección y tratamiento de datos masivos.
El uso de estos datos ofrece la posibilidad de llevar a cabo Minería de Datos (Educational Data Mining), esto es, una búsqueda de patrones, dando lugar a una Analítica de Aprendizaje que supone un paso más allá de la recolección, ya que sirve para analizar e interpretar esos datos, mediante técnicas pedagógicas y algoritmos propios de la Minería de Datos, con la finalidad de obtener información para mejorar la práctica educativa, optimizando el rendimiento de alumnos y profesores, así como el modelo educativo.
Además de la Analítica de Aprendizaje (Learning Analytics), también se distingue la Academic Analytics, que es la llevada a cabo por instituciones y comunidades o gobiernos, siendo la primera implementada en experiencias concretas de profesores o centros.
Un excelente ejemplo del uso educativo de Big Data, a través de Learning Analytics, es el desarrollado en la ASU (Arizona State University), como se comenta en el vídeo anterior.
Posibilidades de la Analítica de Aprendizaje
Todo lo comentado hasta el momento tiene una finalidad clave: personalizar el aprendizaje de los estudiantes. Big Data y Learning Analytics suponen más posibilidades que pasamos a enumerar brevemente:
–Guiar a los estudiantes a través de itinerarios personalizados, suponiendo una mayor motivación para los alumnos, al ver que tienen una enseñanza que se adapta a ellos.
–Predecir el abandono y desempeño de los participantes en un curso o asignatura.
–Adaptar las clases a los conocimientos reales de los alumnos.
–Identificar necesidades de aprendizaje.
–Conocer el comportamiento de los estudiantes en relación a la plataforma de trabajo.
–Optimizar los recursos formativos, teniendo en cuenta el empleo efectivo de los contenidos y herramientas de un curso o una asignatura.
–Comprobar el número de visitas de una página, descargas de un documento o visualización de un vídeo.
–Obtener y proporcionar feedback en tiempo real, o de un modo muy rápido, y poder actuar en consecuencia.
–Transformar enfoques, modelos, metodologías, técnicas y estrategias de enseñanza y evaluación.
–Mejorar la comunicación entre tutores, alumnos y otros agentes educativos.
–Evaluar cursos o asignaturas en línea para adaptarlos según las posibilidades de mejora detectadas.
Uno de los principales objetivos de la Analítica de Aprendizaje es la personalización y la mejora del rendimiento de los alumnos.
Aprendizaje Adaptativo
El uso del Big Data y del Learning Analytics deriva, necesariamente, en la incorporación de nuevas metodologías activas que pueden beneficiarse de esa recopilación y análisis de datos. En este sentido, el Aprendizaje Adaptativo, anteriormente mencionado, es el máximo exponente de la propuesta en torno a la que giran los dos elementos mencionados. Como su nombre indica, supone un aprendizaje personalizado que se va adaptando y modificando en tiempo real según las necesidades y progresos detectados a través del análisis de datos.
Las nuevas tecnologías son parte fundamental de la propuesta adaptativa. A través del uso de herramientas y plataformas digitales se recopilan los datos que posteriormente serán monitorizados para plantear, de forma automática, nuevas propuestas personalizadas y adaptadas a cada alumno.
De todo ello, el profesor podrá obtener información de cómo aprenden sus alumnos, a qué ritmo, con qué estrategias, qué recursos les son más útiles o qué aspectos les están resultando más complicados. Al mismo tiempo, los alumnos desarrollarán la competencia digital.
El Aprendizaje Adaptativo es una metodología activa basada en el uso educativo del Big Data y del Learning Analytics a través de las nuevas tecnologías
Prejuicios y miedo al Big Data
Como todo, siempre surgen recelos, prejuicios y miedos. En el uso de datos, en este caso de alumnos, aparecen numerosas críticas al respecto:
-Que se pueda convertir en una herramienta de discriminación, al predecir lo que podría pasar sin que realmente haya pasado. Filtrar a los estudiantes simplemente por datos y predicciones puede resultar peligroso y puede obviar otros aspectos que se deberían considerar.
–Que podamos ser valorados por nuestro pasado, simplemente analizando datos, y no por lo que podamos llegar a ser.
-Que haya una intromisión en nuestra intimidad o una invasión de privacidad.
Nunca se debe olvidar el objetivo educativo del uso de los datos, que debe ser su única finalidad.
Conclusión: una apuesta de futuro
En el interesantísimo vídeo presentado como imagen principal del post, el Dr. Abelardo Pardo, profesor de la Universidad de Sidney y subdirector de docencia en el Departamento de Ingeniería Electrónica y de la Información, explica todo lo anterior en detalle y de forma muy clara, con ejemplos prácticos, introducido y moderado en su ponencia por el Dr. Daniel Burgos, Catedrático de Tecnologías para la Educación y la Comunicación.
El uso educativo de Big Data y de Learning Analytics es una apuesta de futuro y un modo de aprovechar los datos que están ahí, son millones y se pierden día tras día si no se emplean para poder mejorar el proceso de enseñanza y aprendizaje. No deberíamos darnos ese lujo.
Llegamos tarde al uso de datos en el entorno educativo.
Descubre otras perspectivas y más información al respecto
Analíticas del aprendizaje: una perspectiva crítica
Big Data: cómo afrontar las nuevas oportunidades laborales
Cómo introducirse en el universo Big Data
Community Marketing y Big Data: evolución de programas de fidelización
Experto Universitario en Data Science
Máster Universitario en Análisis y Visualización de datos masivos /Visual Analytics and Big Data
Programa de Desarrollo Profesional en Big Data for Businness
- Doble Grado en Maestro en Educación Primaria e Infantil
- Máster Universitario en Formación del Profesorado de Educación Secundaria
