En las próximas cuatro entradas que realizaré, en el presente blog, trataré de abordar las características y los conceptos básicos sobre la analítica del aprendizaje en plataformas cerradas. Lo haré mediante la realización de un caso práctico propuesto desde la materia de Analítica del aprendizaje conectado, impartida en el Máster Universitario en Comunicación y Educación en la Red de la UNED. Los detalles del caso práctico creado por Daniel Domínguez y las preguntas a las que trataré de responder en las siguientes cuatro estradas las podéis encontrar aquí: https://goo.gl/forms/CzNwtJI62OKcFYvT2 .
Ocupando el rol de gestoras de productos, junto al equipo de una empresa ya consolidada que tiene una plataforma donde se ofrecen cursos de formación online, tratamos de diseñar un nuevo servicio sobre analítica del aprendizaje; basándonos en el análisis predictivo. Para realizar nuestro encargo se nos solicita que hagamos un esquema básico sobre analítica de datos en entornos educativos. Este se incluirá dentro de un pack de servicios dirigidos a apoyar la digitalización de los centros educativos. En el mismo podremos encontrar: la consultoría integral, la instalación del software, el mantenimiento y un conjunto de servicios de entre los que destacará el de analítica de datos. Ahora bien, nuestro jefe busca que el reclamo comercial se centre en la capacidad de personalizar el aprendizaje gracias al servicio de analítica del aprendizaje, sin embargo somos conscientes de que esto resulta poco realista. No obstante, decidimos llevar a cabo el encargo tratando de respetar las consideraciones éticas necesarias.
Para empezar con la tarea encomendada realizamos una prueba piloto en un curso online sobre Diseño de servicios que se desarrolla en la plataforma Moodle. Con ello, analizamos la manera de emplear los datos generados en el contexto del curso y la información del alumnado con el principal objetivo de reducir las tasas de abandono en el mismo. Con el fin de lograrlo empleamos el método del análisis predictivo de Ekowo & Palmer (2017) que nos permite conseguir tres objetivos clave: identificar a aquellos alumnos y alumnas que precisan servicios de asesoramiento en el curso; elaborar material didáctico de aprendizaje adaptativo; y lograr el aumento del número de personas inscritas en el curso. Teniendo los dos primeros objetivos una mayor relación con la prevención del abandono prematuro.
Este método de análisis busca predecir el éxito que tendrán los estudiantes en el curso; ayudando a analizar los datos demográficos y el rendimiento para conocer si un estudiante se inscribirá y mantendrá en un curso y si, para ello, precisará apoyo. De esta manera las instituciones educativas pueden alcanzar sus objetivos en cuanto a la captación del alumnado porque permite centrar las estrategias de reclutamiento y adaptar su asesoramiento y sus métodos y recursos de aprendizaje con el fin de mejorar el rendimiento estudiantil. Asimismo, la secuencia de pasos a seguir para aplicar el análisis predictivo de manera ética es la siguiente:
- “Tener una visión y un plan
- Construir una infraestructura de apoyo
- Trabajar para garantizar el uso adecuado de datos
- Diseñar modelos de análisis predictivo y algoritmos que eviten los sesgos
- Aplicar intervenciones adecuadas y coordinadas” (Domínguez, 2018, pp. 10-11).
Así pues, respondiendo a la primera pregunta planteada en el caso, a continuación desarrollamos el primer paso del modelo del análisis predictivo de Ekowo & Palmer (2017) para analizar el curso piloto de manera experimental. Por ello, atendemos solamente a las partes más relevantes en nuestro caso: establecer los objetivos a conseguir con la analítica predictiva y determinar la manera de medir los resultados.
Los objetivos que establecemos surgen de las siguientes preguntas:
- ¿Qué características comparte el alumnado que abandona el curso?
- ¿Cuál es el momento en el que más abandonos se producen?
- ¿Cuáles son las causas de este abandono?
- ¿Podemos ofrecer alguna solución para dichas causas?
- ¿En qué puede consistir el asesoramiento que ofrezcamos al alumnado en riesgo de abandono?
- ¿Qué recursos y herramientas del curso son más utilizados?
- ¿Cuáles son los canales de comunicación más empleados?
- ¿Con qué tareas se obtienen mejores resultados y mayor participación?
Así, especificamos los siguientes objetivos:
- Reducir la tasa de abandono
- Detectar al alumnado con mayor probabilidad de abandono
- Reducir la carga académica en los momentos más sensibles del curso
- Ofrecer asesoramiento al alumnado en peligro de abandono
- Mejorar los recursos y herramientas de aprendizaje del curso
- Seleccionar los mejores canales de comunicación
- Adaptar las tareas a los intereses y motivaciones del alumnado.
Y, por último, determinamos los indicadores de logro para evaluar el proceso de análisis y establecer los resultados mensurables a lograr. Lo hacemos empleando KPIs (Key Performance Indicator) que son indicadores de rendimiento elaborados para evaluar el éxito de una organización o actividad, permitiendo una medida cuantitativa (Performance indicator, s.f.):
- Número de personas que abandonan el curso
- Número de personas que se encuentran en riesgo de abandonar el curso
- Número de veces que asesoramos al alumnado
- Numero de veces que el alumnado accede a los recursos propuestos
- Número de veces que modificamos los recursos y herramientas
- Número de canales de comunicación utilizados
- Número de veces que el alumnado emplea los canales de comunicación
- Número de veces que reelaboramos las tareas
- Número de veces que el alumnado realiza con éxito las tareas.
Referencias:
- Domínguez, D. (2018). Big Data, analítica del aprendizaje y educación basada en datos. Recuperado el 20 de abril de 2019 de https://papers.ssrn.com/abstract=3124369
- Ekowo, M., y Palmer, I. (2017). Predictive analytics in higher education: Five guiding principles for ethical use. New America. Recuperado el 22 de abril de 2019 de https://www.newamerica.org/education-policy/reports/predictive-analytics-in-higher-education/#
- Performance indicator. (n.d.). In Wikipedia. Recuperado el 29 de abril de 2019 de https://en.wikipedia.org/wiki/Performance_indicator
No hay comentarios:
Publicar un comentario