0
  • An empty cart

    You have no item in your shopping cart

Enter your keyword

post

Learning analytics: instrumento para la mejora del aprendizaje competencial

Learning analytics: instrumento para la mejora del aprendizaje competencial

Learning Analytics o analítica de aprendizaje es una herramienta novedosa -relacionada con el análisis de redes sociales (SNA) y el Big Data- que mediante el registro y estudio crítico de determinados indicadores discentes y docentes, contribuye a la personalización y adaptación del aprendizaje así como coopera en la planificación educativa con el objetivo de mejorar el desarrollo competencial y la significatividad de lo aprendido.

Hasta hace unos años, tras completar un programa formativo (educación primaria, secundaria, universitaria, postgrado, curso desarrollo profesional) el único registro disponible era un documento con las evaluaciones finales de las asignaturas y un diploma que acreditaba la superación. No teníamos indicios de cómo fue el proceso de aprendizaje, ni sobre cuáles fueron las encrucijadas de ese camino, ni los puntos débiles-fuertes del programa, ni de una comparativa de evolución cognitiva-competencial con los compañeros de promoción.

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 a su registro- que permiten saber cómo se relacionan los nodos de una red determinada (personas, dispositivos, colectivos, etc.), con qué frecuencia, en qué condiciones… En definitiva, nos permiten tener datos cuya medida, análisis y estudio posterior permitirá obtener conclusiones prácticas.

Learning Analytics (LA), o analítica del aprendizaje, es la denominación de esta reciente disciplina con potencial transformador -relacionado con el aprendizaje personalizado y adaptativo- y con incidencia en todas las disciplinas educativas, particularmente en e-Learning (García-Peñalvo, 2014). De hecho, con cierto carácter hiperbólico, se ha caracterizado como “el camino natural de la evolución de la educación”

Y además de estar enfocada en el aprendizaje, es una disciplina que interactúa con otras de gran relevancia en esta década como la Minería de datos educativos (EDM), la inteligencia empresarial (BI), el análisis de redes sociales (SNA) y lo relativo a Machine Learning (ML) (Santamaría, 2012).

Ahora bien, ¿qué es Learning Analytics?
Para contestar a esta cuestión recurriremos a tres definiciones complementarias que, desde su perspectiva particular, aportan elementos de interés para que confeccionemos nuestra propia respuesta:

  • “Learning Analytics (LA) son los datos generados durante el desarrollo de propuestas formativas virtuales que habitualmente se relacionan con el número de accesos, materiales revisados, participaciones, puntuaciones y similares. Por su parte, la minería de datos educativa (EDM) consiste en obtener datos analizables a fin de facilitar investigaciones posteriores o bien con objetivos comerciales futuros.” (Long y Siemens, 2011)
  • “Learning Analytics (LA) es el uso inteligente de datos derivados del comportamiento del alumnado en un curso. Está directamente relacionado con la minería de datos educativa pero también puede considerar los datos de hábitos-comportamientos particulares de un solo aprendiz. En general, la minería de datos trabaja con grandes cantidades de datos y no particulariza.” (Siemens, 2010).
  • “Learning Analytics (LA) 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).

De la lectura previa es posible deducir cuáles son los tres aspectos clave que es necesario establecer en el proceso de LA:

  • qué variables se van a medir (de todos los agentes educativos involucrados y del contexto en el que se trabaja).
  • cómo se medirán, esto es, la identificación de criterios e indicadores mensurables así como la selección de herramientas y procedimientos de análisis,
  • cuál será la interpretación, aspecto en el que además del propio estudio estadístico va a ser muy significativa la experiencia y el bagaje (know-how) del analista (que bien puede ser un docente/instructor).

En el campo particular del e-learning las variables más obvias son el tiempo de conexión, el momento de acceso al campus/plataforma LMS, interacciones con sus pares en redes sociales o PLN (redes personales de aprendizaje), tiempo de revisión de contenidos didácticos… Todas ellas aplicadas al discente. Pero también puede recurrirse a la definición de variables relacionadas con el trabajo docente, vinculadas a varios grupos específicos de estudiantes e incluso abarcando todo un proyecto formativo (puesto en comparación con otros similares o con ediciones previas).

Y al tratar este aspecto, conviene aclarar que el LA no es un instrumento de control o supervisión directa de la tarea tutorial. Es un proceso de medida-análisis cuantitativo y estudio cualitativo que derivará en la adopción de medidas que ayudarán a modificar, mejorar y diferenciar proyectos educativos (Véase figura 1). Y que además, permitirá estudiar el componente informal que complementa lo establecido en el itinerario formativo.


Figura 1. 
Proceso de Learning Analytics (Siemens, 2012).

Una influencia que es particularmente significativa en tres áreas:

  • Aprendizaje personalizado.
    • Ayuda a que los estudiantes puedan configurar sus Entornos Personales de Aprendizaje (PLE) combinando el análisis de los datos obtenidos en las LMS con los usos de las RR.SS. y otros espacios 2.0 integrados en el desarrollo del curso.
    • Facilita el refuerzo de la motivación individual y colectiva del alumnado pues su mejor conocimiento ayuda a diseñar estrategias de coaching educativo más adecuadas.
    • Mejora la confección de esquemas de docencia-aprendizaje multidispositivo, abiertos y flexibles que promuevan la investigación individual y la experimentación.
    • Sus conclusiones sirven para diseñar itinerarios formativos personalizables, con diferentes contenidos instructivos así como para estructurar los grupos de estudio y prever el carácter de sus interacciones.
  • Aprendizaje adaptativo.
    • Contribuye a adaptar la metodología, el ritmo de trabajo y el diseño instructivo a los esquemas cognitivos de los aprendices, identificando las áreas donde los participantes encuentran más dificultades.
    • Permite establecer los tiempos óptimos para la tutorización y rectificar carencias de información o errores implícitos en las pruebas de evaluación propuestas.
    • Mejora la distribución y etiquetado de elementos en las plataformas LMS y la selección de herramientas educativas así como de los tipos de tareas y estrategias de evaluación.
  • Intervención educativa.
    • Es un instrumento útil para combatir el fracaso educativo y promocionar el aprendizaje basado en competencias.
    • Posibilita sacar conclusiones sobre la actitud y el comportamiento que previsiblemente adoptará un aprendiz ante un determinado contenido, una tarea de evaluación, un conflicto de equipo o un proyecto formativo completo.

Sin embargo, en este último ámbito conviene recordar que la escala de aplicación o alcance de las analíticas de aprendizaje también ha de tenerse en cuenta. No es lo mismo analizar los datos de una comunidad de diez miembros que los datos generados por los participantes en un xMOOC (miles de participantes). En los primeros, las conclusiones tendrán una aplicación inmediata mediante la introducción de reformas en el curso o incluso en un módulo, ajustándolo durante su desarrollo a los estilos metacognitivos y ritmos de trabajo detectados. En los segundos, los resultados serán más genéricos pero facilitarán la apertura de líneas de investigación, el diseño de políticas educativas y la verificación de postulados de nuevas teorías y propuestas de cambio didáctico-pedagógico.

Y entre estas “precauciones” también es interesante considerar el conflicto entre el derecho a la privacidad digital y la recopilación de datos tanto con fines institucionales (Academics analytics) como en el aprendizaje (Learning analytics) –y por extensión con la minería de datos y el uso de Big Data (relacionado con el Internet de las cosas o IoT). ¿Qué datos tienen derecho a recopilar? ¿Quién da los permisos? ¿Quién nos protege de intromisiones?

Conflictos aparte, LA es un instrumento -aún en desarrollo- relacionado con el aprendizaje continuo en continua transformación. Un aprendizaje –tanto virtual como presencial e híbrido/blended- con carácter práctico, proactivo, colaborativo e interactivo en el que la recopilación y el análisis crítico de datos (cuantitativo y cualitativo) jugarán un papel fundamental como ya lo despliegan en las decisiones estratégicas empresariales a través del BI (Business Intelligence).
¿Nos animamos a aprovechar sus beneficios?

Palabras clave:
Learning Analytics; Aprendizaje personalizado; Aprendizaje adaptativo; Tecnología educativa; Intervención educativa.

 

Rubén Gutiérrez-Priego. Madrid (España). IBERCIENCIA. Comunidad de Educadores para la Cultura Científica.