1 Carmen Pérez Fragoso Universidad Autónoma de Baja California La exploración de los registros de los cursos en línea con fines de investigación

2 Plan de la presentación Orígenes y planteamiento del problema Los contextos (nacionales) en la generación y uso de los datos. La posibilidad de nivelar este desfase ¿???? Analítica del aprendizaje (learning analytics) Definición y delimitación. Niveles de aplicación. Dimensiones del problema Modelo de diseño integrador. Aplicación del modelo. Ejemplos Debate

3 Orígenes La cantidad cada vez más grande de datos electrónicos personales (rastro digital). Los avances en los sistemas de recuperación de la información

4 Planteamiento del problema (datos educativos) Nuevas herramientas para el análisis de los datos almacenados en las plataformas. Desfase de la experiencia tecnológica entre los usuarios por países.

5 No es lo mismo Haber estado siempre «en la punta», incluyendo la investigación. A Tener acceso «de golpe», sin haber vivido –aprovechado la experiencia– de los pasos previos. ¿Es posible –qué implica(ría)– la nivelación? [ ¿Es una «affordance»? ]

6 Definición Analítica del aprendizaje es la medición, recopilación, análisis y reporte (divulgación) de información sobre los estudiantes y sus contextos de aprendizaje, con los propósitos de comprender y optimizar el aprendizaje y los ambientes en los que se produce. Society for Learning Analytics Research (SoLAR, 2012)

7 Enfoque … el análisis de los datos capturados automáticamente en las plataformas para estudiar el comportamiento de los estudiantes. Phillips, et al., 2012

8 MDE vs. LA La Minería de Datos Educativos – el desarrollo de métodos para analizar los datos del aprendizaje. La Analítica del Aprendizaje (LA) – la interpretación y contextualización de esos datos para la mejora del aprendizaje.

9 Institución Maestros ! Maestros Estudiantes!Estudiantes!Estudiantes REFLEXIÓNREFLEXIÓN Políticas educativas P R E D I C C I Ó N Propósito de la inv.:

10 Aplicación en diferentes niveles Macro - para auxiliar a los diseñadores de política educativa con información sobre las poblaciones estudiantiles, inscripciones futuras y a los diseñadores de curriculum para evaluar la oferta (detectar huecos o traslapes, optimizar recursos…) Meso – para auxiliar a las autoridades de las IES al facilitar mejores juicios, predecir resultados y apoyar intervenciones preventivas. Micro – para mejorar el aprendizaje y la enseñanza.

11 Fuente: de la Chezz, Iris (2013). Learning Analytics and Learning management systems Tipo de datosNivel de análisisBeneficiarios Aprendizaje Curso – redes sociales, desarrollo conceptual, análisis del discurso, curriculum adaptativo Estudiantes, maestros Departamento – predicciones, modelado, patrones de éxito-fracaso Estudiantes, maestros Académicos Institucional – perfiles de estudiantes, desempeño de académicos, flujos de tareas Administradores, financiadores Regional – comparaciones entre sistemas institucionales Administradores, financiadores Nacional - comparaciones entre sistemas estatales / nacionales Gobiernos, autoridades educativas

12 Ventajas para la investigación Recopilación-proc. Tradicional Recopilación-proc. Automatizado Cuestionarios, entrevistas, etc. Costo, tiempo, alcance y autenticidad de los datos. Muestra representativa Herramientas ad hoc Disponibilidad sin costo, tiempo real, datos reales (de los procesos reales). Grupos completos. ► Recopilación de la información más comparable a las observaciones que a la recolección intrusiva de otros métodos. ► Información más auténtica, datos reales en contexto ► Mejorará la comprensión de los procesos de E-A ► Resaltará posibles inconsistencias entre el comportamiento y la percepción de los usuarios.

13 Problemas / contexto Campo nuevo – teoría que ayude a decidir la selección de los datos para los análisis. Diversidad de entornos y herramientas. Captura y almacenamiento no estándar. Estudios empíricos en contextos disímiles impiden su replicación.

14 Los sistemas de recuperación de la información La información digital es redundante y dinámica. Es redundante debido al hecho de que muchas fuentes presentarán un informe sobre el mismo evento o situación. Es dinámica debido al valor de tiempo, donde lo que se divulgó como cierto ayer puede ser falso hoy.

15 Modelo de diseño para los análisis (LA) Meta-análisis – basado en los debates sobre el tema en varios foros: Translating Learning into Numbers Greller, W., & Drachsler, H. (2012). Translating Learning into Numbers: A Generic Framework for Learning Analytics, Educational Technology & Society, 15 (3), 42–57.

16 Marco de análisis « Los procesos y requerimientos detrás del uso positivo y ético de LA, así como las consecuencias para el aprendizaje y la enseñanza están aún muy lejos de ser comprendidas. La propuesta explora las dimensiones clave de LA, las áreas problema críticas y algunos peligros potenciales de la explotación de datos educativos. Es un marco de diseño genérico que puede actuar como una guía útil para configurar servicios de LA en apoyo a la orientación de la práctica educativa y el aprendizaje, la mejora de la eficiencia y efectividad del maestro, y la calidad del desarrollo curricular» Greller y Drachsler, 2012, p. 42

17 Limitaciones internas Restricciones externas Objetivos Información INSTRUMENTOS INSTRUMENTOS ACTORESACTORES Maestros Tecnología Algoritmos Teorías Otros Institución Estudiantes Otros Competencias Aceptación Normas Convenciones LA Predicción Abierta Protegida Reflexión

18 Restricciones externas (cuestiones sociales) Convenciones Normas Cuestiones éticas, de privacidad, Leyes, políticas educativas Estándares Investigación tradicional - Consentimiento informado Datos textuales digitales: Los datos personales pertenecen a la persona. Los datos anonimizados pertenecen al dueño de la base de datos. Datos en otros dispositivos – Smas. de rastreo, cámaras con reconocimiento facial etc. almacenan datos del comportamiento de las personas sin su consentimiento (incluso sin su conocimiento).

19 Limitaciones internas (cuestiones personales) Competencias Aceptación Para interpretar y contextualizar los análisis. Pensamiento crítico. A la fecha, limitada. Evaluación empírica de los métodos. Riesgos La simplificación de los procesos de E-A Las predicciones: solo los comportamientos promedio, no las excepciones LA traduce el aprendizaje en números.

20 (un doble esfuerzo) Una doble agenda (un doble esfuerzo) Trabajar en la resolución de los problemas educativos del siglo XX Atender los retos que demanda la formación del siglo XXI Opción: Replicar el desaprovechamiento de la información, ahora de las fuentes digitales.

21 Muchas gracias por su atención Carmen Pérez Fragoso [email protected]