P. 20 P. 24 - E-Learn
19
use los datos y optimice las experiencias educativas ANALÍTICA DEL APRENDIZAJE: EDICIÓN ESPECIAL Entrevista: Niall Sclater - Consideraciones éticas sobre la analítica del aprendizaje Mesa Redonda: Analítica del aprendizaje alrededor del mundo: experimentos y retos Infografía: Diez razones para implementar analítica del aprendizaje en instituciones educativas www.elearnmagazine.com P . 20 P . 14 P . 24
Transcript of P. 20 P. 24 - E-Learn
use los datos y optimice las experiencias educativas
ANALÍTICA DEL APRENDIZAJE:
EDICIÓN ESPECIAL
Entrevista:Niall Sclater - Consideraciones éticas
sobre la analítica del aprendizaje
Mesa Redonda:Analítica del aprendizaje alrededor
del mundo: experimentos y retos
Infografía: Diez razones para implementar analítica
del aprendizaje en instituciones educativas
www.elearnmagazine.com
P. 20P. 14 P. 24
Escríbanos a [email protected] para más información.
Comparta su experiencia en una entrevista, su perspectiva en una columna o su campo de trabajo en un artículo. Usted puede sugerir nuestro siguiente tema, solo debe contactar a nuestro equipo.
¿Quiere participar? Nos gustaría escuchar de usted
que busca la colaboración entre la
comunidad de la enseñanza y del
aprendizaje. E-Learn es el espacio ideal para que
los educadores compartan ideas,
perspectivas y prácticas con el fin de mejorar el
éxito del estudiante.
LA ANALÍTICA DEL APRENDIZAJE HA SIDO TENDENCIA
en los últimos años. A pesar de que sigue siendo un campo en crecimiento, algunos países han adoptado esta tecnología más rápido que otros y algunos hasta ahora han empezado a descubrir sus posibilidades. Una cosa si es segura: La analítica del aprendizaje está aquí para quedarse.
Las instituciones educativas usan la analítica del aprendizaje para utilizar los datos que nunca han sido tratados y convertirlos en conocimiento accionable para mejorar los resultados en toda la institución. Desde administrativos, profeso-res y estudiantes, esta visión puede mejorar el rendimiento institucional y ayuda a superar los desafíos que hoy enfrenta la academia.
Nuestro objetivo en Blackboard es proveer continuamente información actualizada y rele-vante sobre el tema. La analítica del aprendizaje promete involucrar a los profesores y estudian-tes para mejorar los resultados educativos y lograr el éxito institucional. Con eso en mente, hemos reunido aquí, información significativa que puede ayudarlo a lo largo de este viaje.
Comenzamos el recorrido con una pieza que presenta Timothy Harfield, Blackboard’s senior product marketing manager, donde nos muestra su punto de vista acerca de las posibilidades
Carta editorial
Atentamente, Equipo E-Learn
y retos que afronta la analítica del aprendizaje hoy en día y nos aclara que la analítica no puede reemplazar el criterio humano, sino que es una herramienta informativa. Descubra cómo las instituciones pueden interpretar los datos obteni-dos, las posibilidades de los profesores para analizar futuras perspectivas y cómo identificar las barreras institucionales.
Conozca cómo el Dr. John Whitmer y su equipo de científicos están desarrollando y mejorando nuevas funciones para servir a la comunidad educativa y obtener mejores resultados en el aprendizaje. Obtenga información sobre cómo la democratización de los datos puede beneficiar a los estudiantes y profesores y conozca como ve a las instituciones, educadores y estudiantes con relación a esta tecnología en un futuro cercano.
Tome en cuenta las consideraciones éticas relacionadas con la analítica del aprendizaje, y explore 10 factores por los cuales las instituciones de educación superior deberían implementar esta tecnología. Examine los conocimientos y experiencias de expertos en tres distintas regiones, y aprenda cómo la Concorida University Wisconsin está aprovechan-do el poder de la analítica del aprendizaje para identificar a los estudiantes en riesgo y ayudarlos a tener éxito.
Esperamos que encuentre esta información oportuna y valiosa, y como siempre invitamos a los miembros de la comunidad de la enseñanza y el aprendizaje a compartir sus experiencias, practicas e ideas para el beneficio de todos. Si está interesado en compartir su historia, nos gustaría escuchar de usted.
UNA INICIATIVA GLOBAL Y ABIERTA DE BLACKBOARD
Para cualquier inquietud o correspondencia editorial, dirigirse a:[email protected]
EDITOR
Manuel Rivera
CORRECCIÓN DE ESTILO
María José Correa
PERIODISTAS
Priscila Zigunovas, Leonardo
Tissot, Cristina Wagner.
FOTOGRAFÍA
AFP
DIRECCIÓN DE ARTE
TRiiBU Estudio
Camilo Higuera, Enny Rodríguez,
Camila Mejía, Laura Naranjo,
David Peña, Juana Molina.
PRODUCCIÓN
Carolina Pintor
AGRADECIMIENTOS
Katie Blot, Phill Miller,
Katie Gallagher,
Carl Marrelli, Lynn
Zingraf, Timothy Harfield,
John Whitmer.
PROYECTOS SEMANA
Editor de fotografía
Mario Inti García Mutis
©2018 E-Learn algunos derechos reservados. Las opiniones expresadas en esta revista son de los autores y no reflejan opiniones, políticas o posiciones oficiales de Blackboard. Las declaraciones sobre futuros, planes o prospectos son hechas en la fecha presente y no pretenden ser una predicción de eventos futuros. No asumimos ninguna obligación de actualizar cualquier declaración en cualquier momento.
Tabla de ContenidoAnalítica del aprendizaje / Febrero 2018
Analítica del aprendizaje:
Posibilidades y retos para la ciencia de
los datos en la educación superior .......... 4
La analítica del aprendizaje para mejorar
la calidad de la enseñanza ........................10
Consideraciones éticas sobre
la analítica del aprendizaje ................... 14
Diez razones para implementar
analítica del aprendizaje en
instituciones educativas ............................20
Analítica del aprendizaje alrededor
del mundo: experimentos y retos ............24
El camino al éxito de
Concordia University Wisconsin hacia
un récord de retención estudiantil .............30
E-LEARN
4 5
Patrocinado por Blackboard ANÁLISIS DE EXPERTO
Analítica del aprendizaje: posibilidades y retos para la ciencia de los datos en la educación superiorA pesar de ser un concepto relativamente nuevo, las instituciones de educación superior consideran que la analítica del aprendizaje constituye un recurso muy útil para mejorar la toma de decisiones y obtener mejores resultados.
p o r : p r i s c i l a z i g u n o v a s
Timothy HarfieldSenior Product Marketing Manager para Blackboard Analytics en Blackboard Inc.
“LO QUE SE MIDE, SE ADMINISTRA”. LOS INVESTIGADORES Y
estudiosos de la analítica del aprendizaje usan esta cita de Peter Drucker, padre de la gerencia moderna, para ilustrar cómo los datos pueden servir como apoyo para tomar decisiones, una práctica que podría beneficiar a muchas instituciones educativas. “La medición es clave para poder administrar apropiadamente nuestros sistemas, procesos y el éxito de nuestros estudiantes, ya que nos da acceso a información y conocimiento aplicable para obtener ciertos resultados”, dice el doctor Timothy Harfield, Senior Product Marketing Manager de Blackboard Analytics.
El reto más grande para la educación en los últimos años ha sido el aumento de su escala, la cual no solo tiene un impacto
sobre el número de personas al alcance de las instituciones, sino que también, limita su capa-cidad de interactuar con los alumnos cara a ca-ra; la analítica del aprendizaje puede ser la clave para superar este reto. Según Harfield, quien estudió filosofía y sociología y ha realizado nu-merosas publicaciones sobre cómo se puede uti-lizar la analítica del aprendizaje para garantizar el éxito del estudiante con valores humanistas, “mientras más aumenta la escala y mayor es la asincronía de la educación, más crece la importancia de la analítica como herramienta de apoyo para prácticas de
E-LEARN
6 7
ANÁLISIS DE EXPERTO
FOTO
S: A
FP T
ami C
happ
ell
La analítica del aprendizaje está en boga y las posibilidades
que ofrece son amplias. Las instituciones y profesionales de la educación pueden sacar provecho de esta potente
tecnología, pero no deben olvidar nunca que cualquier trabajo con
datos también requiere de la inteligencia humana.
enseñanza y aprendizaje de alta calidad capaces de satisfacer las necesidades de los estudiantes opor-tunamente”. Sin embargo, la mayoría de las institucio-nes aún no explotan todas las bondades de la analítica.
Grandes esperanzas
La analítica del aprendizaje es aún muy joven como campo y c omo disciplina, puesto que apenas cuenta con seis años de existencia; por ello, las instituciones e investigadores continúan experimentando de diversas formas con esta herramienta. De acuerdo con Harfield, durante los últimos años algunas instituciones han tenido mucho éxito al im-plementar la analítica, mientras que otras se decepcionaron y ahora dudan de las posibilidades que ésta brinda. “Un día amanecimos con acceso a todo tipo de datos, y todos nos emocionamos. Había muchas expectativas y promesas, pero poca claridad sobre qué era realmente posible y cómo las instituciones podían sacar provecho de los datos”.
Todas las novedades que plantea esta área y la falta de experien-cia de las instituciones, administradores y usuarios, proveedo-res e investigadores, llevaron a que ninguno pudiera discernir cuáles podían ser las políticas y prácticas capaces de garantizar el éxito de una iniciativa de analítica. Con el tiempo, cuando la
tasa de innovación resultó no ser tan rápida como las instituciones esperaban, la emoción inicial se convirtió en decepción. En efecto, los datos en sí mismos no alcanzan para desarrollar iniciativas con un impacto significativo: se requiere un alto nivel de dedicación por parte de las instituciones.
Ya con esta etapa superada, el futuro de la analíti-ca del aprendizaje promete mucho. “Ahora que las instituciones, medios y proveedores tienen expec-tativas más realistas, estamos mejor informados y podemos ponernos manos a la obra. Tenemos la madurez suficiente para saber qué se debe hacer para obtener resultados reales”, nos dice Harfield.
El criterio humano aún es clave
Para Harfield, la analítica es nada más y nada menos que la representación visual de la in-formación evaluada. Sin embargo, capturar la actividad como datos para luego transformarla en representaciones visuales, tales como tablas, cuadros y gráficos, necesita del criterio humano, y las instituciones deben tener eso claro. En la experiencia de Harfield, las instituciones más efectivas en el manejo de la analítica del aprendizaje cuentan con profesionales pru-dentes que estudian los datos en un contexto de conocimiento profundo de los estudiantes, prácticas institucionales y factores culturales.
“La analítica no es una excusa para dejar de pen-sar, evaluar y tomar decisiones, sino una herra-mienta informativa que se debe estudiar junto con otras fuentes de conocimiento, incluyendo el jui-cio humano resultante de la experiencia, dirigido a resolver problemas específicos”, explica Harfield. “La analítica no fue concebida como una forma de reemplazar el criterio humano: es una forma de información para inter-pretar, y eso requiere raciocinio humano.”
Identificar las barreras institucionales
Con el tiempo, las instituciones usarán los datos para fundamentar sus decisiones con cada vez más frecuencia. Uno de los retos más grandes para ellas es evitar abrumarse por la cantidad de datos, por lo cual es importante invertir en estructuras como repositorios de datos, los cuales permiten acceso a la información cuando sea necesario. “Sin embar-go, luego de invertir en esa infraestructura, deben olvidarse de los datos y concentrarse en la pregunta clave, como ‘¿Cuáles son los problemas que debe-mos revolver a nivel institucional?’”, dice Harfield.
El experto sugiere basarse en esa pregunta, y pensar en cómo reformularlas de manera
tal que los datos disponibles puedan responderlas y, por último, concebir estrategias capaces de nutrir y mejorar los resultados deseados por las instituciones con base en todo lo anterior. “No debemos olvidar que la universidad es una institución muy antigua y, como tal, es extrema-damente compleja; esto hace que para el estudiante sea difícil moverse dentro de ese contexto”, explica Harfield.
El resultado más común se expresa en una paradoja: las ins-tituciones quieren que sus estudiantes tengan éxito, pero su complejidad crea barreras sistemáticas que evitan tal éxito. La analítica puede ser la fuente de datos necesarios para identificar esos obstáculos, lo cual generaría un impacto positivo tanto sobre el éxito del estudiante como sobre el de las instituciones. “La analítica, por así decirlo, es una especie de espejo para las instituciones: les permite observar su propio funcionamiento a nivel global e identificar cómo los
E-LEARN
8 9
ANÁLISIS DE EXPERTO
1.Fritz, J. (2013, April 30). Using Analytics at UMBC: Encouraging Student Responsibility and Identifying Effective Course Designs. Retrieved Novem-ber 8, 2017, from https://www.educause.edu/ir/library/pdf/ERB1304.pdf.
FUENTE
ESTUDIO LONGITUDINAL
Dado que mantener datos requiere de un enorme espacio de almacenamiento, la mayoría de los LMS suelen almacenar la información por períodos cortos, generalmente uno o dos años. “Sin embargo, al almacenar esa información en un repositorio o sistema distintos, como Blackboard
Analytics for Learn, es posible recolectar información y
analizar patrones a lo largo de varios años”, explica Harfield.
COMBINACIÓN DE DATOS
DE MULTIPLES FUENTES
Analytics for Learn hace posible combinar información no solo desde el LMS, sino también
desde el sistema de información estudiantil. “Esto nos permite hacer cosas muy interesantes,
todo en aras de entender comportamientos específicos
implementando factores demográficos y otra información
que sólo se almacena dentro del sistema de información estudiantil”, dice Harfield.
Además, algunas instituciones han empezado a integrar
datos de otras herramientas y sistemas de aprendizaje.
DATOS AGREGADOS
El Sistema de Gestión de Aprendizaje(LMS) registra
toda la actividad de los estudiantes, hasta el último clic. “De estos datos surgen tablas muy complejas que dificultan la escritura de
consultas. Además, escribir estas consultas tan complejas
implica el riesgo de sobrecargar el sistema operativo”, explica Harfield. Al utilizar Analytics for Learn, el flujo de datos
se envía a otro sistema y se transforma, para asegurar el
fácil acceso a esa información.
2 31
Entienda cómo funciona la tecnología de la analítica
NUEVA VERSIÓN
La versión 4.3.5 de Analytics for Learn ofrece soporte para Rubrics y Tool Detail.
estudiantes se ven sistemáticamente beneficiados o afectados por su funcionamiento”, explica Harfield.
Posibilidades para los profesores
Una de las maneras en las que los profesores están utili-zando la analítica para mejorar sus cursos consiste en crear soluciones para identificar estudiantes en riesgo. Esto podría automatizarse con el uso de analítica predictiva con Blackboard Predict, así como con herramientas como Retention Center en Blackboard Learn 9.1. Esta herramienta permite a los profesores establecer un umbral guiado por los factores que consideren más importantes y al mismo tiempo monitorear a los estudiantes según sus necesidades. “Acceder a este tipo de información sobre actividad estudiantil y las consecuencias de esa actividad para su éxito importan menos cuando se está en un aula de clase, pero se vuelven clave en cursos y clases en línea muy numerosas, donde no hay con-tacto directo”, dice Harfield. La asesoría proactiva con analí-tica predictiva será una tendencia predominante en el futuro, pues ayuda a los instructores e instituciones a determinar cuáles son los estudiantes en riesgo antes que se descarrilen.
Harfield recuerda que la razón por la cual la asesoría acadé-mica tradicional no funciona es porque los estudiantes que suelen necesitarla más (estudiantes de bajos ingresos, de primera generación y de minorías) son quienes menos proba-bilidades tienen de buscar ayuda. “La analítica predictiva nos puede ayudar a identificar estudiantes en riesgo con antelación, antes que reprueben o abandonen los cursos”, explica Harfield. Se puede citar a esos estudian-tes a hablar con los profesores, profesionales en éxito del estudiante, consejeros académicos o capacitadores para ayu-darles a entender las posibles barreras que podrían encontrar, así como para desarrollar estrategias para que las superen.
Otra forma de emplear la analítica es dándole acceso a los estudiantes a su propia información para generar un sentido de aprendizaje auto-regulado, un área en la cual la investiga-ción ha dado resultados muy interesantes. John Fritz, de la University of Maryland, Baltimore County (UMBC), encontró
que los estudiantes que emplearon una herra-mienta de retroalimentación llamada “Check my Activity” tenían 1,92 veces más oportunidades de obtener una calificación de ‘C’ o superior en comparación con los estudiantes que no usaron la herramienta.1 “Además, realizamos una investigación junto con la Universidad de Michigan la cual mostró que los beneficios del acceso a este tipo de analítica para estudian-tes tienen un efecto desproporcionado sobre los estudiantes con desempeño bajo: es decir, la analítica está ayudando a los estudiantes que nos interesa ayudar”, dice Harfield.
Según el experto, a nivel pedagógico, la analítica del aprendizaje brinda a los profesores una oportunidad de crear asignaciones muy intere-santes como, por ejemplo, analizar los datos de analítica accesibles para los estudiantes. “Sabe-mos que el sólo hecho de presentar información a los alumnos no tiene impacto alguno sobre su comportamiento, pero la oportunidad de re-flexionar activamente sobre esos datos y lo que implican para ellos sí lo tiene”, dice Harfield.
Con la vista puesta en el futuro
Aunque aún hay muchas preguntas sin respuesta sobre el uso de los datos en la educación, también existen muchas opor-tunidades de innovación pedagógica para el uso de la analítica del aprendizaje que los profe-sores, instructores y capacitadores no han aprove-chado. En el futuro, a Harfield le gustaría ver más reflexión e investigación sobre cómo aprovechar estas nuevas tecnologías analíticas. “Me emociona imaginar el avance de la tecnología y las maneras en las que podremos adaptar nuestras estrategias, enfoques y maneras de concebir la pedagogía para emplear esas tecnologías en beneficio de los estudiantes más efectivamente”, dice el experto.
La solución de Blackboard que se enfoca en el uso de datos para impulsar la innovación en la educación se llama Analytics for Learn, y fue diseñada para ayudar a los administradores, diseñadores de contenido educativo y profesores a identificar estudiantes en riesgo y optimizar los ambientes de aprendizaje dentro de las universidades en aras de obtener mayores tasas de éxito del estudiante.
Analytics for Learn incluye tres características notables: la agregación de datos, la posibilidad de realizar estudios longitudinales y la capacidad de combinar datos de múltiples fuentes. A continuación, encontrará una breve descripción de cada uno de esos conceptos.
E-LEARN
10 1 1
Patrocinado por Blackboard ANÁLISIS DE EXPERTO
John Whitmer Blackboard’s Learning Analytics and Research Director
FOTO
: AFP
Joh
n H
efti
perfeccionar atributos existentes, así como desarro-llar nuevas funciones de análisis”, explica Whitmer.
La evolución de la recopilación de datos
Antes de que surgiese la analítica del aprendizaje y debido a la dificultad que significaba acceder a datos sobre comportamien-to a gran escala, la investigación sobre el uso de la tecnología académica en el campus dependía generalmente de encuestas y entrevistas a estudiantes, que no siempre eran muy exactas. En efecto, las tasas de respuesta eran bajas y los estudiantes que se to-maban la molestia de responder estaban parcializados y a menudo resultaban ser usuarios expertos o gente con opiniones extremas.
El campo de la analítica del aprendizaje crea y aplica nuevas técnicas estadísticas para ayudar a los investigadores a entender en profundidad lo que ocurre en la clase.
“La analítica del aprendizaje nos ofrece una nueva forma de conocer lo que ocurre en la clase y esto, a su vez, nos permite crear mejores materiales de aprendizaje y experiencias educativas, así como interactuar con estudiantes duran-te la clase, intervenir en el momento en que aún se puede hacer algo, e incluso cambiar el rumbo de un estudiante en esa clase para que alcance el éxito”, afirma Whitmer.
LA ANALÍTICA DEL APRENDIZAJE Y LAS CONCLUSIONES
sobre el comportamiento de los estudiantes, basadas en datos, se han convertido en una nueva forma de conocimiento que no estaba disponible antes de la aparición de las tecnologías educativas y su profunda integración en el aula de clases. Al menos esa es la opinión del Dr. John Whitmer, Analytics and Research Director para Blackboard.
Whitmer encabeza un equipo de analistas científicos distribuidos por todo el mundo quienes están dedicados a la investigación y al análisis de datos. Estos científicos especializa-dos en estadística, formados en computación y aprendizaje con herramientas tecnológicas y con una amplia experiencia en aprendizaje en línea, se dedican a buscar respuestas a interrogantes relacionados con la forma en que instituciones, estudiantes e instructores usan este tipo de productos, en colaboración con los equipos de Gerencia y Diseño de Productos de Blackboard.
“Analizamos la forma en que profesores y estudiantes usan nuestros productos para ayudarlos a tomar decisiones sobre có-mo desarrollar nuevas características o
La analítica del aprendizaje para mejorar
la calidad de la enseñanzaA medida que avanza la investigación y la implementación de la analítica del aprendizaje,
vamos vislumbrando cómo las funciones basadas en datos serán esenciales para ayudar a instructores y estudiantes a tomar mejores decisiones en el futuro.
p o r : p r i s c i l a z i g u n o v a s
A continuación les presentamos los principales ha-llazgos de la investigación del equipo de Whitmer, así como algunas funciones innovadoras que pueden mar-car la diferencia para profesores y estudiantes.
¿La analítica del aprendizaje es una posible fórmula para el éxito del estudiante ?
A veces, el mayor descubrimiento es demostrar que no se puede demostrar una hipótesis. De hecho, uno de los ha-llazgos más interesantes de la investigación del equipo de Whitmer, basada en la observación a escala de todos los cur-sos y las instituciones, es que no existe una estrecha relación entre el uso que los estudiantes le dan a Blackboard Learn y su calificación final; en realidad, la relación es mínima1.
“En el campo de la analítica del aprendizaje se asume fre-cuentemente que si tienes acceso a información sobre lo que hacen los estudiantes con la plataforma y cuán seguido lo hacen, tendrás una especie de varita mágica que revelará
todos los factores que inciden en el éxito de los estudiantes y en su aprendizaje. Sin embargo, cuando hacemos esto a gran escala, nos damos cuenta de que no es cierto”, explica Whitmer.
Según Whitmer, su equipo ha llegado a la conclusión de que lo más importante es eva-luar detalladamente el diseño del curso y los usos específicos de Blackboard Learn. “Por ejemplo, los estudiantes que pasan una gran cantidad de tiempo mirando sus calificaciones suelen tener mejores resultados que aque-llos que pasan menos tiempo haciéndolo”.
Además, en aquellas clases que recurren frecuen-temente al uso de foros de discusión y evaluación, el tiempo que los estudiantes dedican a esas actividades está directamente relacionado con sus calificaciones. Al final, lo más importante gira alrededor del esfuerzo del estudiante, los enfoques pedagógicos y las prácticas de instrucción.
E-LEARN
12 13
ANÁLISIS DE EXPERTO
¿Cómo el acceso generalizado a la analítica del aprendizaje podría beneficiar a profesores y estudiantes?
La investigación educativa generalmente está en manos de pequeños grupos de expertos y, tal como lo demuestra la experiencia, los resultados sólo circulan entre los líderes y algunos profesores de una institución. Y finalmente, son esos líderes los que pueden escoger si difunden o no la información.
“Pero muchas veces los profesores y los estudiantes tienen mu-chas preguntas y están realmente interesados en datos e informa-ción que puedan ayudarlos a tomar decisiones”, señala Whitmer. Generalizar el acceso a la analítica de datos significa poner a disposición datos y conclusiones para profesores, estudiantes y otros interesados que puedan utilizarlos para su beneficio.
Para Whitmer, la ética también debe considerarse cuidadosa-mente: “la ética es un aspecto importante de la tarea de Black-board, ya que nos permite asegurar que las poderosas técnicas de las que disponemos sean coherentes con nuestro deber, en-tendido como las obligaciones éticas hacia nuestros estudian-tes. Ahora bien, esas obligaciones difieren en todo el mundo, dependiendo de las diferentes leyes y normativas o las restric-ciones culturales sobre los datos de los estudiantes”, agrega.
¿Cómo puede un profesor comenzar a usar la analítica del aprendizaje?
En resumen, la analítica del aprendizaje consiste en que el pro-fesor pueda estudiar las acciones de los estudiantes y cuán fre-cuentemente acceden a materiales y actividades de aprendizaje.
“Antes de la aparición de la analítica del aprendizaje, no sabíamos, o al menos no sabíamos tan detalladamente, lo que ocurría con los estudiantes durante la clase, cada cuánto tiempo estudiaban, cómo estudiaban, cuán frecuentemente revisaban los materiales, cómo interactuaban con eso”, subraya Whitmer.
El experto sugiere que los profesores comiencen a usar la analítica identificando las preguntas más importantes
para así obtener aquellos datos que los ayuden a responder dichos interrogantes.
“Por ejemplo, ¿mis estudiantes más exitosos acceden y participan en sus actividades de aprendizaje? o ¿mis estudiantes menos exitosos no participan en ciertos tipos de actividades? Al observar detalladamente aspectos como, la relación entre la actividad del estudian-te en el aprendizaje, los foros de discusión, sus materiales de lectura, y la revisión de sus notas, los instructores pueden obtener una panorámica real de la actividad de los estu-diantes en el curso y cómo esta se relaciona con el éxito que obtienen”, apunta Whitmer.
A propósito de esto, una iniciativa de Blackboard po-dría facilitar dicho proceso en el futuro. Gracias a la analítica integrada, Blackboard incluye la ana-lítica dentro del flujo de trabajo actual de los profesores, un enfoque único en el mercado.
“En general, los profesores no tienen tiempo en sus ocupadas vidas y horarios de clases para tomar distancia y reflexionar acerca de esos asuntos. Así, en lugar de tener que ir a un área separada para realizar informes o a un menú analítico, Blackboard incluye la analítica en el flujo de trabajo en el que ya los profeso-res están involucrados”, explica Whitmer.
En la práctica, esto significa que cuando un instructor ingresa al LMS recibe un resumen actualizado de la actividad de sus estudiantes y le indica cuáles necesitan atención. Al momento de calificar, los profesores obtienen información sobre la participación del estudiante. Además, cuando los profesores revisan los foros de discusión, obtienen información sobre la calidad de las publicaciones del estudiante, por ejemplo. “Nosotros les llevamos la analítica a los profesores”, afirma Whitmer.
¿Los estudiantes toman en cuenta las notificaciones?
La posibilidad de enviar notificaciones automá-ticas a los estudiantes con base en su desempeño y actividad es una característica innovadora de Blackboard Learn Ultra Experience. Estas alertas se incluyen directamente en el curso y al hacer clic en una de ellas, el estudiante recibe informa-ción detallada, así como acciones sugeridas2.
De acuerdo con Whitmer, esta característica ya ha si-do bastante discutida por educadores, pero las insti-tuciones se muestran recelosas sobre si deben enviar notificaciones directas a los estudiantes porque les pre-ocupan las posibles repercusiones negativas de las mis-mas. De hecho, las personas ya reciben tantas alertas y notificaciones a diario que la distracción y la falta de enfoque se están convirtiendo en un problema grave3.
Sin embargo, algunas investigaciones han hallado que enviar notificaciones basadas en reglas a los estudiantes resulta beneficioso y hasta recomendable. “Hemos encontrado que los estudiantes se muestran muy interesados en recibir esas notificaciones y alertas, y que acceden mucho más frecuentemente a esas notificaciones de lo que lo hacen a otro tipo de correos electrónicos o notificaciones provenien-tes de instituciones educativas”, afirma Whitmer. “Los estudiantes quieren saber cómo lo están haciendo en relación con sus compa-ñeros, aunque el resultado sea negativo”.
En tal sentido, la analítica del aprendizaje puede orientarse a identificar los aspectos más impor-tantes y ponerlos en el centro de la experien-cia educativa, de manera que los estudiantes puedan prestar mayor atención y enfocarse.
“Los estudiantes tienen sus propias opiniones acerca de lo que necesitan obtener al acceder a la analítica del
aprendizaje e identificar patrones exitosos o no del pasado. Noso-tros podemos identificar esos comportamientos y prácticas y llamar la atención de los estudiantes sobre los mismos”, afirma Whitmer.
¿Cuáles son los próximos pasos?
• Soluciones más sofisticadas, mejores conclusiones - La analítica del aprendizaje apenas está dando sus primeros pasos. A medida que las tecnologías educativas ganan más terreno, se incrementa la cantidad de datos disponibles para análisis, así como las nuevas técnicas de análisis para extraer conclusiones significativas de esos datos. Las soluciones dirigidas a instituciones, educadores y estudiantes tienden a ser más sólidas y sofisticadas con el paso del tiempo.
• Usuarios más exigentes - A medida que se generaliza la analítica del aprendizaje, estudiantes y profesores adquieren más experiencia y se convierten en usuarios más críticos de esas soluciones. Como resultado, los usuarios experimentados podrán distinguir, por ejemplo, entre analítica del aprendizaje e informes convencionales.
• Mayor efectividad - La analítica del aprendizaje se utilizará cada vez más para ayudar a instructores, administradores y estudiantes a tomar decisiones. Además, los estudiantes tendrán más éxito en la consecución de sus metas académicas. Esto no significa que la analítica remplazará el proceso de toma de decisiones humano. “No vislumbramos un escenario en el que la analítica esté siquiera cerca de remplazar el raciocinio humano”, afirma Whitmer. “En cierta forma, la analítica del aprendizaje viene a ser un apoyo de la inteligencia”.
1. Whitmer, J. (2016, March 18). Research in progress: Learning analytics at scale for Blackboard Learn. Retrieved November 22, 2017, from http://blog.blackboard.com/research-in-progress-learning-analytics-at-scale.
2. Whitmer, J., Nasiatka, D., & Harfield, T. (2017, July 26). Do notifica-tions get noticed? New study finds that embedded alerts to students promote action at high rates. Retrieved November 22, 2017, from http://blog.blackboard.com/new-study-notifications-promote-student-action
3. Rosen, L. (2012, April 09). Attention Alert! Study on Distraction Re-veals Some Surprises. Retrieved November 22, 2017, from https://www.psychologytoday.com/blog/rewired-the-psychology-technol-ogy/201204/attention-alert-study-distraction-reveals-some..
FUENTES
14 15
ENTREVISTAE-LEARN
14
Consideraciones éticas sobre la analítica del aprendizajeLas instituciones educativas que implementen una estrategia de analítica del aprendizaje pueden recolectar datos importantes sobre los estudiantes y hacer reportes basados en la actividad estudiantil. Pero, ¿es ético usar esos datos? ¿Es una responsabilidad ética de los educadores decirles a los estudiantes cómo se utilizarán? Y, por último, ¿acaso estas instituciones protegen correctamente la privacidad y los derechos de los estudiantes? El actual debate sobre la analítica del aprendizaje y la ética en la comunidad educativa se ha orientado a analizar las implicaciones del manejo de estos datos. Este es un asunto complejo y existen varios elementos que debemos tomar en cuenta, en especial cuando las innovaciones en el área de la analítica del aprendizaje no dejan de avanzar a pasos agigantados.
p o r : c r i s t i n a w a g n e r
g l e n f r u i n , e s c o c i a , r e i n o u n i d o
EN ENTREVISTA CON E-LEARN, EL CONSULTOR NIALL Sclater explica que la analítica del aprendizaje se enfrenta a varios retos éticos, legales y logís-ticos, y aborda algunas de las preocupaciones éticas relacionadas con los datos estudiantiles y la analítica del aprendizaje. Sclater también ha participado en muchos proyectos colabora-tivos nacionales e internacionales relaciona-dos con el uso de la tecnología para mejorar la enseñanza y el aprendizaje. Además, es el autor del libro “Learning Analytics Explained”
Niall SclaterConsultant and Director en Sclater Digital
FOTO
S: A
FP A
ndy
Buc
hana
n
Principales problemas éticos relacionados con la analítica del aprendizaje
• Datos insuficientes o de poca calidad - “Intentar aplicar la analítica con pocos datos o con datos de poca calidad sería inútil. Se debe depurar el conjunto de datos y compensar la mala calidad”, dijo Sclater. Un ejemplo de esto son las llamadas ‘identidades enredadas’, que es cuando los estudiantes trabajan juntos en línea y los datos no se pueden diferenciar entre la persona autenticada y otros miembros del grupo. “En la analítica del aprendizaje las dos
E-LEARN
16 17
ENTREVISTA
principales fuentes de datos son el sistema de gestión de aprendizaje (LMS) y el sistema de información estudiantil (SIS), que capturan sólo una pequeñísima parte del aprendizaje ocurrido y algo de información contextual. Lo ideal es obtener más y mejores datos.”
• Analítica inválida - Los datos no sólo deben ser de alta calidad, sino que además la analítica debe ser válida. “Una de las principales razones de ser, de la analítica del aprendizaje predictiva, radica en la existencia de una relación directa entre el compromiso del estudiante con sus actividades de aprendizaje y su éxito a futuro. Mientras más se involucren los estudiantes en el proceso de aprendizaje, es más probable que completen su curso y saquen mejor nota. Pero el involucramiento no es lo mismo que el éxito y es muy frecuente ver cómo la gente confunde los conceptos de causalidad y correlación”, explica Sclater.
• Pérdida de la autonomía en la toma de decisiones - Este asunto ético se discute con frecuencia, particularmente cuan-do hablamos de sistemas adaptativos de aprendizaje que cambian continuamente el aprendizaje en función del desempeño de los estudiantes. “A algunas personas les preocupa dar a los estudiantes demasiadas sugeren-cias automáticas porque esto podría volver menos exigente el proceso de aprendizaje”.
• Comportamiento de los estudiantes - Otro asunto tiene que ver con el cambio de comportamiento - consciente o inconsciente - que pueden tener los estudiantes si saben que sus actividades están siendo monitoreadas. “Si la institución monitorea el e-book que el estudiante lee, por ejemplo, ¿cambiará esto su comportamiento? Esto
puede hacer que el estudiante mejore su aprendizaje, pero también podría incrementar los niveles de estrés. Algunos estudiantes incluso podrían decidir no participar en ciertas actividades porque se sienten incómodos”.
• Engañar al sistema - Los estudiantes pueden hacer trucos para tratar de mejorar sus calificaciones o su compro-miso. Por ejemplo, en una institución, Sclater supo de un estudiante que introdujo varias veces su carnet de identidad en el sistema de la biblioteca para mejorar su puntaje de participación en la biblioteca. “Este es un ejemplo de los po-sibles resultados imprevistos cuando los estudiantes están conscientes de que se están evaluando ciertos factores”.
Adicionalmente, las instituciones deberían definir distintos tipos de intervención, como recordatorios automáticos enviados al estudiante, preguntas, avi-sos, una invitación a reunirse con un tutor o incluso un mensaje de aliento. “Todas estas medidas pue-den incluirse en un plan de intervención”, dice. Las instituciones también deberían pensar en la fre-cuencia y los momentos oportunos en que se deben hacer las intervenciones para que sean efectivas.
Sin embargo, uno de los grandes temas para las instituciones es cómo lograr que el personal cambie sus prácticas de trabajo y entienda que la analítica podrá ayudarlos en sus actividades diarias y tendrá un impacto en los estudiantes. Por último, Sclater señala: “No tiene mucho sentido realizar interven-ciones a menos que se vaya a evaluar su éxito”.
Para la analítica del aprendizaje, los estudiantes son individuos y no números
Es muy fácil ver el tablero u otro tipo de herramienta analítica y detectar que un estudiante ha reprobado sin considerar que él o ella pueden tener todo tipo de razones potenciales para esa predicción: una enfermedad u otros problemas personales, dificultad para entender los conceptos o un trabajo demasiado exigente que no les permite estudiar apropiada-mente. “La única manera de saber lo que pasa sería incluir un humano en el proceso”, dice Sclater.
Esto implica tratar a los estudiantes como humanos y no como números. “Muchas universidades usan la analítica como una forma de iden-tificar al estudiante que podría necesitar hablar con alguien en algún punto” Mayores fuentes de datos pueden ayudar a saber más sobre el estudiante y confeccionar la intervención de acuerdo a sus circunstancias. “Pero nunca se va a conseguir toda la historia sobre un estudiante. Para muchos
• Obligación de actuar - Finalmente todo esto apunta a otro asunto ético que se considera importante: si la institución tiene o no la obligación de actuar en función de la analítica. “Si se tienen muchos datos de los estudiantes ¿existe la obligación de hacer algo con ellos? Es decir, si es posible evitar que un estudiante abandone los estudios, ¿no esta-mos obligados a usar esos datos?”, se preguntó.
Los datos deben usarse con cuidado
Para Sclater está claro que los estudiantes deberían estar al tanto del tipo de datos que se recolectan sobre ellos y de lo que se hace con esos datos. Menciona cómo la ley en algunos países dictamina que, si algún usuario pre-gunta sobre lo que la institución almacena sobre ellos, ésta debe ser capaz de decirle al estudiante exactamente cuáles datos almacena y para qué fin. “No creo que existan actualmente muchas universidades e institutos capaces de hacer eso”, afirma. “La única manera de avanzar es asegurarse de entender todos los datos reco-lectados sobre los estudiantes individualmente y poder compilarlos y proporcionarlos rápidamente a cualquier estudiante que los pida”, sugiere Sclater
¿Hay un método ideal para realizar intervenciones a los estudiantes?
La analítica del aprendizaje sólo es constructiva si viene acompañada de intervenciones para cambiar el comporta-miento del estudiante o mejorar el curso. La decisión sobre cuándo hacer una intervención varía de acuerdo a diferentes procesos en las instituciones. Sclater cree que las institu-ciones deben definir lo que él llama “una alerta”, es decir, lo que vuelve necesaria una interven-ción. “En algunas instituciones, puede ser un estudiante que no se ha conectado al sistema por dos semanas, por ejemplo. En otras, cuando no han entregado una tarea a tiempo. Y, en otras, los tutores personales o consejeros del estudiante pueden revisar regularmente cómo va el estudiante, cuatro veces por semestre, por ejemplo”.
E-LEARN
18 19
ENTREVISTA
PREPARAR A LOS MAESTROS
Y APRENDICES
Ellos necesitan entender algunos de los procesos para adoptar la analítica del aprendizaje y estar conscientes de sus impactos y ventajas.
CULTURA
Las instituciones deben construir una visión para la iniciativa alrededor de la visión institucional, y hacer de la analítica del aprendizaje parte de su plan estratégico.
Niall Sclater ofrece algunos consejos para que las universidades e institutos vean si están preparadas para desarrollar un proyecto de analítica del aprendizaje y a lidiar con los asuntos relevantes:
LIDERAZGO
Alguien en la institución debe liderar y promover la iniciativa. Esta persona debe ser lo suficientemente experimentada para darle credibilidad y contar con un alto nivel de conocimiento sobre la analítica del aprendizaje.
mantener esos datos anónimos, asegurar que cada es-tudiante tenga derecho a que sus datos se eliminen si lo solicitan y desarrollar controles de acceso cuidadosos.
Desarrollar una política para la analítica del aprendizaje
Sclater dice que las instituciones educativas deberían desarrollar una política institucional acordada entre sus actores relevantes, incluyendo a los estudiantes. A continuación, sugiere algunos de los principales temas que esta política debería incluir:
• Qué tipo de datos se recolecta
• Quién es el responsable de toda la iniciativa
• Cómo la institución maneja la transparencia, dejando claro qué se está haciendo y cuál consentimiento se está solicitando a los estudiantes
• Qué se está haciendo en lo relativo a confidencialidad y para garantizar la seguridad de los datos
• Cómo garantizar que los datos y las analíticas son válidas
• Cómo los estudiantes tendrán acceso a sus datos personales
• Cómo se llevarán a cabo las intervenciones
• Cómo asegurar que no habrá o se minimizarán los potenciales impactos adversos para los estudiantes
También recomendó el desarrollo de una guía estudiantil sobre la analítica del aprendizaje para responder a los estudiantes lo que quieran saber (él desarrolló un modelo de esta guía que se puede descargar aquí: {https://analytics.jiscinvolve.org}), así como un documento técnico de mayor profundidad que muestre cómo las analíticas funcionan realmente. Sugiere que la transparencia algorítmica será cada vez más importante.
6 Factores clave para constatar si una institución está lista para implementar
una estrategia de analítica del aprendizaje
2
3
5
4
6
1
de ellos, reunirse con una persona y hablar de sus pro-blemas es la única forma de avanzar”, alerta Sclater.
Los educadores deberían concentrarse en lo positivo
Una de las principales preocupaciones para los educadores es que, si la analítica les muestra a los es-tudiantes su posición en el grupo, esto podría desmo-tivar a algunos de ellos. Según Sclater, mientras que muchos estudiantes quieren ver si van bien compara-dos con sus pares, decirles o mostrarles que pueden reprobar podría desmotivar a otros. “Es importante decirles a los estudiantes al comienzo del curso que deben revisar esta analítica habitualmente”, dice. “Y entonces, si no les está yendo bien, lo más apropiado sería que el estudiante salga del curso y se inscriba en uno diferente. No creo que la posibilidad de desmotivar a un estudiante sea una buena razón para no mostrarles su predicción de desempeño”.
Para Sclater, debemos indagar más a fondo en cuanto a la mejor manera de dar esta informa-ción a los estudiantes. “Si podemos lograr que los sistemas computarizados entiendan más sobre qué motiva a cada individuo, entonces seremos más capaces de confeccionar mensajes y el tipo de información que presentaremos a los estudiantes más apropiadamente”. A Sclater le emocionan las posibilidades que ofrece la personalización. “Estamos sólo al principio de este viaje. Creo que el potencial de esto es inmenso”.
Cómo manejar los datos de los estudiantes
Los requerimientos legales relativos a los datos de estudiantes varían de país a país. Según Sclater, las instituciones deben prestar atención a ciertos aspectos como saber con claridad qué datos están siendo recolectados y por qué, poder
INVERSIÓN
La institución debe examinar los recursos que utilizará para la analítica, ya sea para compra de software, enlazar fuentes de datos al software de analíticas, etc., así como los costos de implementar la analítica del aprendizaje, tales como los costos de personal.
ESTRUCTURA Y GOBIERNO
“Los proyectos de analítica del aprendizaje revolucionan los papeles y estructuras de poder dentro de las instituciones, puesto que distintas personas deben involucrarse en el proceso. Por esto, a algunos individuos les puede preocupar que su supuesta posesión de información o influencia se vean amenazadas por un nuevo proyecto”, dice Sclater.
TI
Aparte de la tecnología que se adoptará, se deben limpiar diferentes fuentes de datos y ponerlas en el formato correcto. También es necesario asegurarse que el personal tenga las habilidades para manejar, interpretar y visualizar los datos.
E-LEARN
20 21
INFOGRAFÍA
Diez razones para implementar analítica del aprendizaje en
instituciones educativas
Cuando utilizamos datos para identifi-car a los estudiantes que podrían tener dificultades en un curso, es posible anticiparse a la situación y brindar al estudiante el apoyo que necesita en el momento oportuno. La analítica del aprendizaje saca a la luz información relevante sobre las interacciones de los estudiantes y su desempeño aca-démico; esto resulta fundamental para el trabajo de los asesores académicos y los especialistas en el éxito del estu-diante1. De esta forma, los profesores tienen la posibilidad de acercarse a los alumnos e intervenir más temprano de lo que hubiera sido posible utilizando otros enfoques y así animar a los estudiantes a que persistan en sus esfuerzos a pesar de las dificultades1. Las herramientas de analítica predicti-va como Blackboard Predict permiten a profesores y asesores, por ejemplo, identificar estudiantes que corren el riesgo de aplazar un curso antes de la segunda semana del semestre⁸.
La analítica del aprendizaje puede ayudar a identificar el estilo de instrucción más exitoso para cada programa y curso. Al poner en debate el uso que profesores y estudiantes dan a la herramienta con los resultados de aprendizaje, las instituciones son capaces de identificar y dar prioridad a prácticas de alto impacto con el fin de respaldar los objetivos de programas y currículos específicos¹⁰.
La analítica del aprendizaje permite a los instructores identificar asignaciones que están estrechamente vinculadas a la nota final del estudiante y también aquellas que tienden a relacionarse con una caída súbita en el rendimiento y los retiros del curso. Gracias a esta característica, los instructores pueden identificar rápidamente aquellas evaluaciones que dan resultado y aquellas que pueden necesitar una revisión.
Las universidades y los centros de educación superior deben cumplir con una amplia variedad de informes institucionales, y muchos
de ellos tienen que ver con la calidad de la enseñanza y el impacto de la inversión en tecnología educativa. La herramienta de la análitica, obtiene datos de la actividad de aprendizaje y automatiza la creación de informes, además, permite aumentar la exactitud y la eficiencia de los informes institucionales, de forma que libera al analista para reflexionar sobre otros aspectos y no a estar atado solamente a la elaboración de informes, al tiempo que le permite usar esos mismos datos para respaldar otras iniciativas estratégicas en el campus. Por ejemplo, la California Baptist University recurrió a la herramienta Analytics for Learn para automatizar el proceso de seguimiento de la asistencia, que antes era una tarea ardua y proclive al error¹¹. Gracias a un incremento en la eficiencia institucional, ahora esta universidad puede usar esa misma información para identificar estudiantes con alto riesgo de reprobar e intervenir de forma oportuna y personalizada, y así ayudar a todos a mantener el rumbo hacia su graduación.
PROMUEVE LA REFLEXIÓN Y EL CONTROL DEL APRENDIZAJE INDIVIDUAL
ENTIENDE EL IMPACTO DE LOS PATRONES DEL DISEÑO INSTRUCCIONAL EN EL RENDIMIENTO ESTUDIANTIL
AUMENTA LA EFICIENCIA DE LOS INFORMES
IDENTIFICA ESTUDIANTES CON PROBABILIDADES DE FRACASO
OPTIMIZA LAS EVALUACIONES
1 2
5
3
4
p o r : c r i s t i n a w a g n e r i n f o g r a f í a : t r i ib u Estudio
La analítica del aprendizaje convierte datos no procesados en valiosa información estratégica, pues ofrece conclusiones que pueden mejorar la enseñanza, el aprendizaje y
los ambientes en los que estos se producen. A continuación les mostramos diez razones por las que la analítica del aprendizaje tiene la capacidad de mejorar la experiencia educativa.
Las reuniones de discusión de resultados per-miten a los estudiantes mejorar su rendimiento, pues les brindan información sobre sus activi-dades en el curso y así pueden comparar su desempeño con el de otros compañeros. Este tipo de dinámica permite a los estudiantes ver aspectos claros de su evolución en general, así como identificar aquellas áreas en las que nece-sitan esforzarse más. Al poner a disposición de los estudiantes la analítica del aprendizaje, las instituciones promueven el control académico individual. Esta práctica no solo mejora los re-sultados de los aprendices, sino que también fo-menta una forma de pensar que podría ayudar a los estudiantes a tener éxito una vez graduados1.
E-LEARN
22 23
INFOGRAFÍA
FUENTES
1. Blackboard. Nine things you can do with Blackboard Analytics for Learn [PDF].
2. Harfield, Timothy. From LMS Reporting to Learning Analytics: Exciting updates to Analytics for Learn. Retrieved November 17, 2017, from http://blog.blackboard.com/from-lms-reporting-to-learning-an-alytics-exciting-updates-to-analytics-for-learn.
3. Everhart, Deb. Learning Analytics: The Future is Now. Re-trieved November 17, 2017, from https://edtechdigest.word-press.com/2012/05/10/learning-analytics-the-future-is-now
4. Whitmer, John. Do notifications get noticed? New study finds that embedded alerts to students promote action at high rates. Retrieved Novem-ber 17, 2017, from http://blog.blackboard.com/new-study-notifications-promote-student-action
5. Blackboard. X-Ray Learning Analytics. Retrieved November 17, 2017, from http://www.blackboard.com/resources/pdf/datasheet-xray-rev20170228_002_.pdf
6. Osborn, Eliana. Dashboards for Success. Retrieved November 17, 2017, from https://www.insidehighered.com/digital-learning/article/2017/03/15/pierce-col-lege-uses-data-dashboards-improve-graduation-rates
7. Blackboard. Learn how Indian River State College grew their online enrollments by 35% in two years. Retrieved No-vember 17, 2017, from http://pages.blackboard.com/cam-paign/analytics/indian-river-state-college-case-study.aspx
8. Rattiner, Marlen. Walking the line of predictive analytics in higher education. Retrieved December, 2nd 2017, from http://blog.blackboard.com/walk-ing-the-line-predictive-analytics-higher-education/.
9. John, A., Mansureh, K., Sandra, N., & Theresa, K. (n.d.). Learning Analytics Methods, Benefits, and Challenges in Higher Education: A Systematic Lit-erature Review. Retrieved November 16, 2017, from http://files.eric.ed.gov/fulltext/EJ1105911.pdf
10. Harfield, Timothy. Analytics for Learn: Using data science to drive innovation in higher education. Retrieved December 4, 2017, from http://blog.blackboard.com/ana-lytics-for-learn-data-science-innovation-higher-education/
11. Simpson, Rich. Using analytics to track non-attending students. Retrieved December4 2017, from http://blog.black-board.com/using-analytics-to-track-non-attending-students/
12. Harfield, Timothy. Analytics From LMS Reporting to Learning Analytics: Exciting updates to Analyt-ic. Retrieved December 4, 2017, from http://blog.blackboard.com/from-lms-reporting-to-learning-an-alytics-exciting-updates-to-analytics-for-learn/
13. Mead, M. (Director). (2017, June 13). Learn-ing analytics and faculty development [Video file]. Retrieved December 4, 2017, from https://www.youtube.com/watch?v=BSJKVU6Ltys
El acceso a los datos longitudinales sobre los resultados relativos de estudiantes en diferentes secciones del curso puede ayudar a las instituciones a identificar áreas donde el curso en sí, tiene obstáculos para alcanzar el éxito. Por ejemplo, las instituciones a menudo observan variaciones importantes entre las calificaciones de cursos impartidos en línea y de los cursos presenciales. En muchas instituciones, los patrones de calificación de los profesores difieren ampliamente entre secciones del curso. El Pierce College⁶ y el Indian River State College⁷ son ejemplos de instituciones que se han beneficiado del acceso a este tipo de datos.
IDENTIFICA Y ELIMINA FUENTES SISTEMÁTICAS DE INEQUIDAD
10
La analítica del aprendizaje puede ayudar a los instructores a entender la actividad individual de los estudiantes en los foros de discusión, así como su pensamiento crítico y la originalidad de sus intervenciones. Asimismo, puede poner a prueba el impacto de asignaciones específicas del foro de discusión por la cantidad y la calidad de la participación de los estudiantes en el ambiente en línea. Gracias a las conclusiones obtenidas a partir de las herramientas de analítica como X-Ray Learning Analytics, los instructores pueden crear actividades para mantener la participación de los estudiantes⁵.
ENTIENDE EL IMPACTO DE LAS ASIGNACIONES EN LA DISCUSIÓN
9
La analítica del aprendizaje puede usarse para mejorar el éxito del estudiante al suministrarle información importante sobre su rendimiento y alertarlo de antemano sobre si corre el riesgo de reprobar un curso. Cuando los estudiantes pueden ver su desempeño, esto incrementa su sentido de control sobre su propio aprendizaje y los empodera8. Blackboard Learn Ultra tiene la capacidad de automatizar las notificaciones incluidas directamente dentro del curso. De esa forma, los estudiantes pueden recibir información más detallada, así como acciones sugeridas que les permitan mantenerse al día con sus tareas y mejorar aquellas áreas en las que tienen dificultades⁴.
ANIMA A LOS ESTUDIANTES A MEJORAR SUS HÁBITOS DE APRENDIZAJE8
Gracias al acceso a la información sobre las interacciones de los estudiantes, el uso del LMS y las prácticas de diseño instruccional, la analítica del aprendizaje ayuda a los desarrolladores docentes a mostrar evidencia que respalde prácticas educativas de alto impacto. El acceso a la información sobre el comportamiento de los profesores antes y después de las actividades de desarrollo profesional también ayuda a las instituciones a evaluar el impacto de las iniciativas de desarrollo de sus docentes¹³. Los instructores también pueden identificar y promover prácticas efectivas de enseñanza, pues pueden inmediatamente salvar brechas y desafíos y ajustar sus cursos según sea necesario³. Además, los datos pueden ayudar a identificar áreas que los instructores deben mejorar para facilitar y mejorar la relación instructor-estudiante en los ambientes educativos⁹.
MEJORA EL DESARROLLO DE LOS PROFESORES
7
Al tener acceso a los datos sobre la actividad del Sistema de Gestión de Aprendizaje (LMS), las instituciones pueden obtener un panorama realista de la forma en que se usa el LMS y tratar de incrementar su adopción en las áreas en que podría tener un mayor impacto¹². Además, las instituciones pueden evaluar cuando otros actores utilizan las herramientas, ya que, en algunos casos, solo pueden ser usadas por algunos miembros del cuerpo docente lo cual no justifican su elevado costo. Ese proceso es fundamental para establecer el valor de la inversión en una tecnología educativa, así como para que los diseñadores instruccionales y el cuerpo docente busquen evidencias que respalden las dudas con respecto a las mejores prácticas².
MIDE LA ADOPCIÓN Y EL IMPACTO DE LAS HERRAMIENTAS6
24 25
MESA REDONDAE-LEARN
Dragan Gasevic
Professor and Sir Tim O’Shea Chair in Learning Analytics and Informatics and Co-Director, Centre
for Research in Digital Education,
The University of Edinburgh,
Scotland
FOTO
: AFP
And
y B
ucha
nan
Analítica del aprendizaje alrededor del mundo: experimentos y retosDesde la primera conferencia sobre analítica del aprendizaje celebrada en Canadá en 2011, el campo ha crecido aceleradamente.1 Algunas de las áreas más investigadas del tema son, la analítica predictiva y la retroalimentación automática. También se ha visto un alza en el uso de tecnologías de procesamiento de lenguajes naturales y de la analítica multimodal. E-Learn entrevistó a expertos de Norteamérica, Latinoamérica y Europa para entender estas tendencias y averiguar cómo los conocedores del tema en todos los rincones del mundo utilizan de manera novedosa la analítca de la información en la educación, así como para conocer sus opiniones sobre el futuro de este campo.
p o r : p r i s c i l a z i g u n o v a s
LA ANALÍTICA DEL APRENDIZAJE SIGUE SIENDO UN CONCEPTO MUY
novedoso, y por eso su nivel de adopción en instituciones internacionales es muy disparejo. Países como Estados Unidos, Reino Unido, Canadá y Australia son los pioneros y líderes en el área, mientras que regiones como Latinoamérica apenas empiezan a explorar las posibilidades que ésta brinda.
Las instituciones de educación superior en Estados Unidos han mostrado un gran interés en la analítica según Alyssa Wise, Profesor Asociado de Ciencias del Aprendizaje y Tecnología Educativa y Directora de la Learning Analytics Research de la Universidad de Nueva York (NYU-LEARN).
“En cualquier conversación con los directores de casi cual-quier institución de educación superior en EEUU, notará
conocen la analítica del aprendizaje, e incluso ya hay varios experimentos. Sin embargo, los retos a los que se enfren-tan los académicos del viejo continente en su camino hacia la adopción de la analítica son similares a los de sus pares norteamericanos: existe una falta de habilidad o conocimien-to para entender cómo implementarla en beneficio de las instituciones y una carencia de habilidad estratégica. Esto significa que no hay líderes institucionales capaces de iden-tificar los dilemas más importantes y las maneras de utilizar la analítica del aprendizaje para resolver dichos problemas.
Un tercer obstáculo son los problemas referentes a la protección de la privacidad y la ética, un tema grave en algunos países. Por ejemplo, “En la Alemania de la Segunda Guerra Mundial, se cometieron grandes abusos con respecto a la información privada. Por esto, a los alemanes les preocupa mucho la ética y la privacidad”, nos cuenta Gasevic. “Como resultado del proyecto europeo SHEILA,2 hemos visto que los estudiantes están conscientes de los problemas relacionados con la ética y la protección de la privacidad. Por este motivo, ellos tienen altas expectativas de que las instituciones protejan su infor-mación pero, al mismo tiempo, la utilicen efectivamente”.
En América Latina, el estudio realizado por Xavier Ochoa, profesor y director del Centro de Tecnologías de la Informa-ción de la Escuela Superior Politécnica del Litoral (ESPOL), ubicada en Guayaquil, Ecuador, confirmó una verdad conocida por los expertos: la adopción de la analítica del aprendizaje en la región apenas ha dado sus primeros pasos. Según Ochoa, “aunque existe interés, hay pocas instituciones comprometidas
que saben sobre la analítica del aprendizaje y quieren utilizar los datos que ésta arroja para mejorar la experiencia de sus estudiantes. Sin embargo, aún no se han concretado suficientes acciones”, explica Wise. “Creo que nadie está realmente consciente de las posibilidades: creen que todos los demás lo hacen maravillosamente, pero la mayoría de las universidades se enfren-tan a los mismos problemas, con algunas nota-bles excepciones. Esto sucede porque existen varios obstáculos para poder instaurar sistemas formales de analítica del aprendizaje”, agrega.
Algunos de esos obstáculos son técnicos y de infraestructura, pero también existen
interrogantes sobre la forma en que se debe administrar y acceder a la información. “Uno de los mayores retos para los proyectos de analítica del aprendizaje es que a veces surge una idea excelente, pero nadie sabe quién puede autori-zar el acceso a las fuentes de datos, necesarias para ponerla en práctica. Este es un problema al que las universidades no se habían enfrenta-do hasta ahora, sencillamente porque nadie se hacía estas preguntas”, nos explica Wise.
En contraste, según Dragan Gasevic, profe-sor y director de analítica del aprendizaje e informática en la Universidad de Edimburgo, en Europa la mayoría de las universidades
Países como Estados Unidos, Reino Unido, Canadá y Australia son los pioneros y
líderes en el área, mientras que regiones como Latinoamérica apenas empiezan a
explorar las posibilidades que ésta brinda.
E-LEARN
26 27
MESA REDONDA
a implementar la analítica del aprendizaje. De hecho, todos los administradores con los que he discutido el tema están dispuestos a intentarlo”. Para el experto, el principal reto para la analítica en la región es la falta de investigadores y profesionales de la educación con conocimiento del tema.
A pesar de todos estos obstáculos y desafíos, varias insti-tuciones en todas partes del mundo están llevando a cabo una gran gama de experimentos en el área. A continua-ción, le presentamos algunos de los más destacados.
Analítica predictiva: Una tendencia que gana terreno
Alyssa Wise, de la Universidad de Nueva York, participa en varios proyectos de apoyo proactivo al estudiante con modelado predictivo. Con la analítica predictiva, en la NYU crean un modelo computarizado que usa los datos de estudiantes que ya han cursado una materia y los aplican a nuevos estudiantes de la misma materia, en aras de identificar desde un principio quiénes podrían tener dificultades. “Nuestro modelo tiene un alto nivel de exactitud: desde el primer día, podemos determinar cuáles estudiantes podrían tener dificul-tades con un curso. El reto, entonces, es descubrir cómo responder ante esas dificultades”, dice Wise. Esto evidencia que solo predecir los potenciales problemas de los estudiantes no es suficiente: los investigadores y educa-dores aún deben encontrar la mejor manera de aplicar esa información para mejorar la educación y el aprendizaje.
A modo de ejemplo, Wise relata cómo los problemas de estudian-tes universitarios, del curso, introducción a la matemática, vienen de una mala formación previa. “En este caso, el plan de acción es muy simple: le ofrecemos a los alumnos con dificultades recursos de aprendizaje y ejercicios que los ayuden a ponerse al día con aquellas habilidades y conceptos que no dominen”, explica.
Sin embargo, hay casos donde el modelo puede predecir quiénes tendrán problemas, pero los factores de predicción no dejan cla-ros los motivos. “En estos casos, sabemos quiénes tendrán pro-blemas pero no por qué o cómo. Esto dificulta definir la manera
apropiada de aplicar el modelo y surgen preguntas como: ¿le mostramos las predicciones a los profe-sores? Y ¿Cómo abordarán ellos a los alumnos con potenciales problemas?”, explica Wise. “Debemos ser muy cuidadosos, porque la idea no es decirle a los estudiantes que les irá mal en una materia el primer día de clases. Esto podría desmotivarlos y potencialmente crear estereotipos, convirtiendo la predicción en una profecía autocumplida”, agre-ga. “Lo más importante es mantenerse positivos y concentrarse en las acciones necesarias para sobreponerse a las dificultades y alcanzar el éxito”.
La experta continúa y cuenta que la NYU ha empe-zado a crear tableros para profesores con resúme-nes de las actividades digitales de los estudiantes. Esto se puede utilizar tanto para evaluar elemen-tos específicos de la clase como para identificar a
los estudiantes que necesitan atención especial. “El siguiente paso sería analizar cómo los profe-sores usan esas nuevas fuentes de información para enriquecer su enseñanza y encontrar la mejor manera de apoyarlos en el proceso de toma de decisiones fundamentada en datos estudiantiles”, relata Wise. Esto demuestra cuánta importan-cia se le da a cómo las instituciones utilizan los datos y modelos para dar soporte a la enseñan-za y aprendizaje de manera ética y eficiente.
Circuitos de retroalimentación: Un gran beneficio para estudiantes y profesores
Para Dragan Gasevic, de la Universidad de Edimburgo, poder crear o mejorar los circuitos de retroalimentación entre profesores y alumnos es
el principal beneficio de la analítica del aprendizaje. Esto puede ser particularmente útil en grupos de cientos de estudiantes, donde la interacción particular del profesor con cada alumno es prácticamente imposible. “La analítica del aprendiza-je nos ayuda a entender los patrones de aprendizaje de cada uno de nuestros estudiantes, incluyendo su progresión de aprendizaje, gestión del tiempo e ideas erróneas”, explica Gasevic. Esto provee a los profesores mucho más conocimiento sobre lo que sucede en sus aulas, en especial cuando se trata de modelos invertidos y mixtos.
Ese es precisamente el objetivo del proyecto OnTask, en el cual trabaja el profesor Gasevic. Este proyecto empezó en 2016 en la Universidad de Sydney, en colaboración con la Universidad Tecnológica de Sydney, la Universidad de Nueva Gales del Sur, la Universidad de Australia del Sur, la Universidad de Texas en Arlington y la Universidad de Edimburgo. “Con la analítica del aprendizaje y el apoyo del software OnTask, los profesores pueden ofrecer retroalimentación personalizada que surte un rápido efecto positivo. Con una carga de trabajo similar a dar apoyo a 3 o 5 estudiantes, se puede generar retroalimenta-ción personalizada para cientos o incluso miles de estudian-tes”, explica Gasevic. Los resultados del proyecto muestran un aumento del desempeño y la satisfacción estudiantil, y una mejora en el proceso de aprendizaje de los alumnos.
La conexión entre la analítica y el diseño del aprendizaje es otra cuestión importante, puesto que la analítica puede ayudar a los profesores a estudiar la efectividad de su diseño del aprendizaje. “Por ejemplo, cuando dicto un curso puedo analizar qué funciona y qué no, y así realizar cambios en mi diseño. De tal manera que en poco tiempo, puedo lograr una estructura de enseñanza más efectiva”, relata Gasevic.
Este profesor de la Universidad de Edimburgo y su equipo de-sarrollaron un premiado software llamado LOCO-Analyst, una herramienta para ofrecer retroalimentación a los profesores sobre los aspectos relevantes del aprendizaje en un ambiente en línea. “Cuando creamos LOCO-Analyst, queríamos analizar distintos tipos de rastros digitales generados por los estudiantes al usar e interactuar con recursos digitales en línea, así como
Alyssa Wise Associate Professor of Learning Sciences & Educational Technology and Director, NYU Learning Analytics Research Network (NYU-LEARN), New York University, United States
FOTO
: AFP
Dom
inic
k R
eute
r
E-LEARN
28 29
MESA REDONDA
1. LAK11. (2011). 1st International Conference on Learning Analytics and Knowledge 2011. Retrieved November 15, 2017, from https://tekri.athabascau.ca/analytics/program.
2. SHEILA. (n.d.). Using data wisely for education futures. Retrieved November 16, 2017, from http://sheilaproject.eu.
FUENTES
dentro de ambientes de aprendizaje como Black-board Learn”, explica Gasevic. Según el experto, una de las funciones del software que los profe-sores aprecian más, es que ofrece perspectivas no solo sobre recursos particulares, sino también a nivel conceptual, de la manera como los alumnos crean conocimientos sobre ciertos conceptos y de las distintas interacciones entre los estudiantes.
Según Gasevic, existe una gran brecha entre lo que profesores y estudiantes necesitan y lo que ofrece el mercado. “La realidad es que la mayoría de los profe-sores y estudiantes no entienden el contenido de sus tableros. Hay varias razones para esto y, a mi modo de ver, el más importante es la ausencia de estudios etnográficos para comprender cómo los profesores y estudiantes pueden incorporar y usar la analítica en sus actividades individuales”, dice Gasevic.
Más allá del LMS: Analítica del aprendizaje multimodal
En un principio, la analítica del aprendizaje funcionaba únicamente con datos obtenidos desde herramientas en línea, como los sistemas de gestión de aprendizaje o juegos en línea. Sin embargo, estos modelos no toman en cuenta lo que ocurre fuera de la computadora. Aquí es don-de entra la analítica del aprendizaje multimodal, una rama que se concentra en capturar y medir datos del mundo real, tales como la actividad en clase, grupos estudiantiles, o incluso los tiempos que tardan los estudiantes en realizar sus tareas.
Esta es la vertiente de experticia de Xavier Ochoa, quien explica: “la analítica del aprendi-zaje multimodal surge de una necesidad natural de entender el aprendizaje dentro del ambiente donde éste se produce. Por ejemplo, se da un gran aprendizaje cuando los estudiantes trabajan juntos para resolver un ejercicio o problema, y
si no hay una computadora presente, no queda rastro alguno de esas actividades. Se puede ver el resultado del trabajo, pero se pierde mucha información si ese es el único recurso”. Esta rama de la analítica aprovecha grabaciones de audio y video, así como todo lo que los estudiantes escriben, ven y dicen, y lo usa para crear un panorama más amplio y claro del proceso de aprendizaje. “Los seres humanos somos multimodales por naturaleza, pues obtenemos información a través de todos nuestros sentidos. Nuestra meta es lograr algo similar con las computadoras”, explica Ochoa.
Para Ochoa, desarrollar la multimodalidad se ha vuelto posible en los últimos años porque la tecnología se ha vuelto más accesible, y dos factores importantes en este proceso han sido la inteligencia artificial y la disponibilidad de sensores baratos. “Imagina un aparato de precio muy bajo con cámara y micrófono. Con esa tecnología y el software apropiado se podría, por ejemplo, analizar la postura de los estudiantes, crear transcripciones de lo que estos dicen o captar la emoción en sus voces. Las computadoras ahora pueden ver y oír, y nuestra meta es explotar esas capacidades para entender mejor el proceso de aprendizaje”, explica el experto. Ochoa estima que un 30% de los estudios actuales sobre analítica del aprendizaje incluyen algún tipo de multimodalidad lo cual, para el profesor, muestra que las instituciones han entendido que deben aplicar un enfoque más holístico al estudiar los procesos de aprendizaje.
Uno de los proyectos de analítica del aprendizaje multimodal desarrollado por ESPOL consiste en un ambiente de tutoría donde los estudiantes practican realizando presentaciones. Los alumnos entran a un salón, cierran la puerta y se encuentran con una audiencia virtual para presentar sus diapositivas. “Du-rante la exposición, el sistema analiza al estudiante (incluyendo su postura, mirada, el volumen de su voz o si tartamudean) y también a la presentación (si tiene mucho texto o si la letra es muy pequeña). Esto le permite generar retroalimenta-ción inmediata sobre toda la presentación”, detalla Ochoa.
Además, la ESPOL utiliza la analítica del aprendizaje mul-timodal para diagnosticar cuáles estudiantes han alcanzado experticia en un tema dado y cuáles necesitan más apoyo. Este
tipo de sistema implementa la analítica multimodal para brin-darle retroalimentación al profesor, en vez de al alumno: “Con el programa, podemos entender si un estudiante es experto en un tema con solo mirarlo. Eso es precisamente el trabajo del profesor, observar el comportamiento de sus estudiantes”.
¿Cuáles son las tendencias?
• Los avances técnicos y teóricos posibilitan la recolección de más y mejores datos.
• Esto se puede lograr no solo con herramientas en línea, sino también con contadores, sensores y
detectores de movimiento que recogen datos del mundo real. Esto es analítica del aprendizaje multimodal.
• Se ha vuelto cada vez más común proveer retroalimentación automática y personalizada analizando el comportamiento de los estudiantes, en especial en grupos grandes.
• Se están utilizando tecnologías de procesamiento de lenguajes naturales para analizar la producción de los estudiantes, lo que permite a los instructores dejar atrás las preguntas de selección múltiple y dar mejores respuestas y retroalimentación a los trabajos creativos de sus estudiantes.
• Los investigadores también han mostrado interés en cómo la analítica puede ayudar a entender las emociones de los estudiantes y no solo su estado cognitivo.
• Uno de los grandes retos para los investigadores en la actualidad es que las herramientas deben diseñarse para aplicarse en contextos de aprendizaje específicos, pero al mismo tiempo deben ser lo bastante generales para poder utilizarlos en distintos cursos o instituciones.
• La analítica del aprendizaje se utilizará cada vez más para apoyar la toma de decisiones de los estudiantes, profesores, instituciones e incluso gobiernos.
Xavier Ochoa Full Professor, Director of the Information Technologies Center, Escuela Superior Politécnica del Litoral (ESPOL), Ecuador
FOTO
: AFP
Rod
rigo
Bue
ndia
31
Patrocinado por Blackboard HISTORIA DE CLIENTE
30
E-LEARN
Elizabeth Polzin
Assistant Vice President of
Academics for Student Success de Concordia
University Wisconsin
FOTO
: AFP
Dar
ren
Hau
ck
El camino al éxito de Concordia University Wisconsin hacia un récord de retención estudiantilGracias a Blackboard Intelligence y a las soluciones de analítica del aprendizaje, el personal de Concordia University Wisconsin (CUW) logró identificar los problemas de sus estudiantes y ayudarlos a tiempo.
p o r : l e o n a r d o t i s s o t
m e q u o n , w i s c o n s i n , e s t a d o s u n i d o s
ANTES DE IMPLEMENTAR ESTAS TECNOLOGÍAS, LOS INFORMES DE
los profesores eran la única manera de diagnosticar si los estudiantes tenían problemas en su aprendizaje. Sin embargo, para el momento en que los estudiantes recibían los informes, ya era demasiado tarde para ayudarlos a recu-perarse y aprobar su semestre. “Ahora podemos intervenir desde mucho antes”, nos dice Elizabeth Polzin, Assistant Vice President of Academics for Student Success de la CUW.
El trabajo en el área de analítica del aprendizaje en esta universidad empezó hace aproximadamente un año y se concentró inicialmente en los estudiantes de pregrado del campus, con el fin de garantizar la confiabilidad de los datos obtenidos de esta población estudiantil. Has-ta el momento, los resultados no podrían ser mejores.
El otoño pasado, la CUW tuvo una tasa de retención de 72%. Un año después, este número aumentó un 10% que permitió a la institución alcanzar una cifra récord de 82%. Para Polzin, este resultado es el reflejo de la unión de dos factores: la analítica y la intervención admisnistrativa y de los profesores en
la universidad. “Los datos que recolec-tamos en este último año nos ayudaron a entender mejor los retos que enfrenta-ban nuestros estudiantes y a intervenir a tiempo para ayudarlos”, agrega Polzin.
En búsqueda de una experiencia más personalizada
En la CUW, los estudiantes son mucho más que “solo números”. “Aquí nos enorgullece saber que conocemos a cada uno de nuestros estudiantes por su nombre. Usar la analítica para mejorar la atención al estudiante garantiza una experiencia personalizada. En vez de esperar a finales del semestre para diagnosticar las fallas, podemos notar inmediatamente cuando dejan de asistir a clase o de hacer sus tareas”, señala Elizabeth.
La tarea más importante es determinar el nivel de compromiso académico de los estudiantes, por ejemplo, cuando estos, no se esperan hasta final de semestre para recuperar las malas notas. Ese es el verdadero objetivo del apoyo académico.
E-LEARN
32 33
prácticas
ideasperspectivas
reflexiones
Visite E-Learn en línea y permanezca al día con las tendencias en el mundo de la educación.
Conozca todas nuestras historias y descubra cómo usted y su organización se pueden beneficiar:
www.elearnmagazine.com
Desde hace cinco años, nos hemos concentrado en apoyar a la comunidad de la enseñanza y del aprendizaje, compartiendo:
Lea todo el contenido acerca de la analítica
del aprendizaje aquí
“Gracias a las herramientas de analítica del aprendizaje de Blackboard, este año hemos nota-do un cambio radical, tan pronto como comenza-mos a concebir los tipos de informe que podemos crear para planificar mejores estrategias. Creo que una de las razones que explica el crecimien-to de nuestra tasa de retención es el enfoque personalizado en los estudiantes desde mucho antes de finalizar el semestre”, dice Polzin.
los factores de riesgo ya identificados a comienzos del semestre nos permite intervenir desde mucho antes”.
La CUW también creó un equipo de intervención que está capacitado para manejar temas que van desde finanzas hasta salud mental, todo con la intención de ayudar a los estudiantes a reconocer qué tipo de problemas enfrentan y así formular soluciones apropiadas. Por ejemplo, la función de control de asistencia del dashboard permite ver cuándo un estudiante no va a clase por un período de tiempo considerable; con esta información en tiempo real, un miembro del personal académico puede hacer seguimiento a este estudiante y determinar el tipo de ayuda que necesita. “En vez de enviar correos electrónicos automáticos, gracias a la herramienta, el docente puede comunicarse directamente con los estudiantes que además ya lo conocen”, explica Elizabeth.
En pro de una mejor relación entre los profesores y los estudiantes
Gracias al análisis de datos, la CUW creó un sistema de referen-cia para los profesores que mejoró notablemente las relaciones profesor-estudiante. Antes, cuando un estudiante obtenía malas calificaciones, los profesores se sentían obligados a lidiar con el pro-blema por sí solos; sin embargo, no todos los profesores se sentían cómodos con este enfoque. Ahora, hay un sistema que les permite a los profesores referir a los estudiantes en riesgo a un equipo de apoyo académico capaz de ayudarlos usando los datos obtenidos.
La analítica y el aumento de ingresos para las universidades
Además de mejorar la experiencia de los profesores y estudiantes, la analítica del aprendizaje también ha tenido un impacto positivo sobre los ingresos de la CUW por concepto de apoyo académico. “En gene-ral, la analítica constituye un mejor uso de tiempo y recursos huma-nos. Como supervisora, no quiero a mi equipo trabajando día y noche en algo que no traerá resultados; usar la analítica nos centra y nos muestra la mejor dirección para ayudar a nuestros estudiantes”, ana-liza Polzin. “Lo fundamental es que usar la analítica nos ayu-da a tomar decisiones bien fundamentadas, lo cual explica en gran parte nuestros resultados positivos”, concluye.
EL IMPACTO DE LA ANALÍTICA DEL APRENDIZAJE EN LA CUWTASA DE RETENCIÓN
(Nuevo récord)
2016
2017
71,62%81,7%
Mejor calidad en el monitoreo estudiantil
Con base en los datos obtenidos, la CUW im-plementó dashboards que se concentran en el rendimiento estudiantil y en diversos factores de riesgo, los cuales están siempre al alcance de todos sus consejeros. Por ejemplo, “los consejeros pue-den determinar fácilmente cuando los estudiantes desmejoran su promedio en comparación con el período anterior, si tienen bajo rendimiento o si su promedio sufre una caída significativa con respec-to a su promedio acumulado”, entre otros factores.
Los dashboards permiten que la universi-dad pueda diseñar métodos más eficientes para ayudar a sus alumnos, incluyendo aquellos que necesitan intervención desde el principio para evitar problemas futuros en su educación. Según Polzin, “revisar
Elizabeth Polzin Assistant Vice President of
Academics for Student Success en Concordia University Wisconsin
“La única manera de avanzar es asegurarse de entender todos los
datos recolectados sobre los estudiantes individualmente y poder compilarlos y
proporcionarlos rápidamente a cualquier estudiante que los pida”.
“La analítica no fue concebida como una forma de reemplazar el criterio humano: es una forma de información para interpretar, y eso requiere raciocinio humano”.
“En la CUW, los estudiantes son mucho más que solo números. Nos enorgullece
saber que conocemos a cada uno de nuestros estudiantes por su nombre”.
Niall Sclater Consultant and Director
en Sclater Digital
Timothy HarfieldSenior Product Marketing Manager for Blackboard Analytics
