domingo, 19 de mayo de 2019

Actividad 4 — Diseño de investigación


1. Introducción
Hoy nos encontramos en la era de los datos, por ello desde esta misma empresa ofrecemos un servicio de analítica de aprendizaje que resulta ser una herramienta de gran utilidad para mejorar las experiencias formativas del alumnado. Este servicio está destinado a facilitar la tarea del docente y a apoyar las prácticas de éxito de los alumnos y alumnas. El mismo nos permite llevar a cabo la metodología de la analítica del aprendizaje conectado. Desde este servicio recopilamos y analizamos los datos que produce el alumnado al utilizar las plataformas online en las que se desarrollan los cursos. Y posteriormente facilitamos la interpretación de los datos, proporcionando un visualización de los mismo clara e intuitiva. De manera que es posible convertir los datos en acciones de mejora de la práctica docente. 

Pero para poder obtener el máximo rendimiento de este servicio es clave conocer cómo podemos aprovechar los datos e instrumentos que nos ofrece. Para ello, se ha planificado y desarrollado el curso abierto Learning Analytics Essentials que presenta una estructura modular. En él que los contenidos disponibles se presentan en forma de manuales y se valora el aprendizaje mediante un sistema de evaluación con cuestionarios al finalizar cada entrega de tareas. Asimismo, este curso se ve enriquecido por el uso de Twitter como la principal vía de comunicación; un Blog para la consulta y el debate; un canal de YouTube para adquirir y afianzar los aprendizajes; y una lista de distribución en TinyLetter en la que se ofrecen orientaciones y asistencia para todos aquellos interesados en la temática, sin necesidad de ser estudiantes del curso. 

La realización del curso ofrecerá la posibilidad de desarrollar competencias que permitan aplicar la analítica del aprendizaje con éxito desde una perspectiva global para lograr un análisis predictivo y prescriptivo de los datos ofrecidos por el Servicio de analítica de aprendizaje. Y el mismo curso nos ofrecerá una excelente oportunidad para investigar sobre nuevas técnicas y métodos de analítica de datos. Para ello, en el presente diseño de una investigación se explicitan a continuación: los objetivos planteados, la metodología a emplear, los instrumentos para obtener los datos, y el modo de interpretar los mismos. Además, se incluye un anexo para explicar las garantías éticas del análisis.

2. Objetivos
En esta investigación centraremos nuestro análisis el los temas de Reich (2014), estableciéndo como objetivos:
  • Medir las competencias más importantes que adquieren los estudiantes.
  • Medir el cambio en la competencia a lo largo del tiempo.
  • Construir cuidadosamente cadenas de razonamientos causales que permitan comprender cómo afecta el comportamiento de los estudiantes a su aprendizaje.
3. Metodología
Para lograr la consecución de los objetivos propuestos, en nuestro diseño de investigación atenderemos a los datos resultantes de la actividad del alumnado dentro de la plataforma del curso y de los canales y redes sociales abiertos, utilizados en el mismo. Para ello, emplearemos la metodología de la analítica del aprendizaje conectado que consiste en “la medición, recopilación, análisis e informe de datos sobre los alumnos y sus contextos, con el fin de comprender y optimizar el aprendizaje y los entornos en los que se produce” (Learning Analytics, n.d.). Es decir, la analítica del aprendizaje nos permite evaluar el rendimiento educativo gracias a los datos que se generan en las prácticas e interacciones mediadas digitalmente. De esta manera podemos acceder a gran cantidad de información sobre la actividad de los estudiantes en los entornos digitales de aprendizaje (Domínguez, 2018). Para asegurar la efectividad de este análisis nos basaremos en la técnica del análisis predictivo desarrollada por Ekowo & Palmer (2017) que nos proporcionan una serie de herramientas con las que dar soporte a la docencia y el desarrollo de los cursos y diagnosticar las necesidades del alumnado para rediseñar las prácticas y espacios educativos. Se busca, pues, mejorar la calidad del aprendizaje.

De manera que para lograr nuestros objetivos seguiremos la secuencia de pasos descrita por Ekowo & Palmer (2017) con el fin de aplicar el análisis predictivo de manera ética. Esta se compone de las siguientes partes:
    • “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).

Asimismo, para completar nuestro análisis se emplearan cuestionarios de respuesta múltiple para que el alumnado y el profesorado pueda valorar el curso, atendiendo a sus objetivos, contenidos, tareas y evaluaciones.

4. Instrumentos de obtención de datos
En este análisis los instrumentos que emplearemos para obtener los datos necesarios serán:
  • Servicio de analítica de aprendizaje: ofrecido por la empresa en la que se ha planificado, desarrollado e impartido el curso de Learning Analytics Essentials.
  • Twitter Analytics: servicio de Twitter con el que obtendremos los datos de métrica producidos en esta Red Social.
  • YouTube Analytics: servicio de YouTube con el que obtendremos los datos de métrica producidos en esta Red Social.
  • Google Analytics: servicio de Google con el que obtendremos los datos de métrica producidos en el Blog creado en la plataforma de Blogger.
  • TinyLetter: empleando la herramienta que permite la obtención de los datos de métrica que se pueden extraer del uso que realizamos de esta plataforma durante el curso.
  • Cuestionarios de respuesta múltiple: que se realizaran al alumnado y al profesorado.

A través de estos instrumentos podremos extraer los datos que se detallan aquí: https://silviafarga.blogspot.com/2019/05/actividad-4-datos-de-metrica.html. Además, todos ellos serán almacenados, organizados y analizados, atendiendo a la legislación de protección de datos, mediante una herramienta diseñada por la propia empresa que ofrece el curso. 

5. Interpretación
Tras la recogida y organización de los datos será necesario analizarlos con la finalidad de obtener la información necesaria para alcanzar los objetivos planteados. Así, pues, para “Medir las competencias más importantes que adquieren los estudiantes” nos centraremos especialmente en los datos obtenidos en el curso Learning Analytics Essentials a través de la realización de las tareas y los cuestionarios proporcionados tras la entrega de las mismas. También, atenderemos a las intervenciones del alumnado en las plataformas de: Twitter, Youtube, Blogger y TinyLetter.

Asimismo, para “Medir el cambio en la competencia a lo largo del tiempo” se realizará un análisis comparativo entre las competencias adquiridas por el alumnado en cuatro momentos del desarrollo del curso. Siendo uno de ellos el inicio del curso y otro la finalización del mismo. De este modo podremos observar que intervenciones y propuestas educativas implican un cambio mayor en las competencias en desarrollo.

Y para “Construir cuidadosamente cadenas de razonamientos causales que permitan comprender cómo afecta el comportamiento de los estudiantes a su aprendizaje” atenderemos a las acciones del alumnado en los distintos espacios digitales utilizados en el curso y la frecuencia con que las mismas se repiten. Buscando inferir la conexión causal entre dos o más tipos de datos recogidos y los resultados obtenidos por parte del alumnado.

Anexo: Garantías éticas
Con el objetivo de garantizar el anonimato del alumnado y del profesorado y el uso ético de las intervenciones surgidas del análisis predictivo se elaboraran las propuestas atendiendo al contexto y se comunicaran de manera muy cuidada. Lo haremos siguiendo los puntos que indica  Domínguez (2018):

  1. “Comunicar al personal y a los estudiantes el cambio de modelo de intervención, que se basará progresivamente en la información obtenida del análisis de datos. 
  2. Incorporar las intervenciones basadas en la predicción en el seno de un conjunto más amplio de medidas de apoyo a estudiantes y profesores. 
  3. Comunicar a los implicados la puesta en práctica de las intervenciones. 
  4. Formar al personal sobre los sesgos implícitos al análisis predictivo y los límites de los datos para sugerir intervenciones. 
  5. Formar a los estudiantes para utilizar sus propios datos. 
  6. Evaluar y probar la efectividad de las intervenciones antes de su aplicación”. (p. 12).
Además, velaremos siempre por ser trasparentes en el uso de los datos indicando: qué se está realizando con ellos, para qué se están empleado y con qué tipo de datos. Del mismo modo, se estipularan adecuadamente las políticas de privacidad y seguridad lo que nos exigirá solicitar y obtener, siempre, el consentimiento informado de todos los miembros participantes en el curso, antes de emplear el análisis predictivo.

Referencias:
Publicado por en
Etiquetas:

No hay comentarios:

Publicar un comentario

Suscribirse a: Enviar comentarios (Atom)