Si algo falla en el sistema educativo mundial, aunque sea un contrasentido, es la falta de análisis científico. Si algo nos enseña el Big Data, o mejor, las técnicas modernas de análisis de datos, es a aplicar el enfoque científico a cualquier campo en el que dispongamos de datos ordenados, estructurados y en cantidad suficiente.
¿Por qué digo que nos falta análisis científico? Por la sencilla razón de que aun sabiendo que el sistema tienes muchos fallos y no da los resultados esperados, seguimos atados a antiguas creencias sobre lo que enseñamos y cómo lo enseñamos. No somos capaces de salirnos de un modelo diseñado en el siglo XIX: asignaturas, clases magistrales y exámenes.
Las personas no aprendemos escuchando en clase, las asignaturas de los programas son totalmente arbitrarias, teóricas y desconectadas del mundo en el que vivimos. En esencia, un examen no es una buena forma de evaluar lo que alguien sabe “hacer”, que es lo que realmente importa.
También sabemos que los modelos de análisis de datos pueden estar muy sesgados, en función de la ideología del analista. El lector puede encontrar buenos ejemplos de algoritmos erróneos en el libro Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy de Cathy O’Neill.
Dentro del paradigma tradicional de “clase, asignaturas y examen”, cualquier análisis que se haga puede llevar fácilmente a conclusiones absurdas, como lo que plantea la Universidad Estatal de Arizona que, con la ayuda de un software que analiza cómo y qué teclean los estudiantes, creen poder analizar su proceso de aprendizaje. El programa reúne la información de los ordenadores del campus y lo compara con las notas, sus habilidades y los patrones de decision-making del ratón (¡según informan!). No queda claro que conclusiones sacan, ya que serán, con toda seguridad, sesgadas.
Hay muchos análisis que se pueden hacer sobre el sistema educativo, que serían de gran utilidad, si se enfocan correctamente. Aquí van algunas sugerencias:
– ¿Qué grado de transferibilidad tiene lo estudiado en el aula a la vida real y profesional de los alumnos? The learning transfer problem es, posiblemente, el tema más relevante de todo el modelo educativo.
– ¿Cuánto dura en la memoria de los alumnos la clase magistral de esta mañana?
– ¿Cuánto dura en la memoria de los alumnos la información retenida “temporalmente” para pasar el examen?
Son preguntas simples, de las que conocemos, sin ninguna duda, las respuestas, pero que los guardianes de la ortodoxia del actual sistema se niegan a aceptar.
No creo que los datos actuales que tenemos sobre los alumnos y el sistema educativo vayan a aportar grandes conclusiones que nos permitan avanzar en mejoras significativas. Especialmente, cuando las underlying assumptions del modelo son erróneas.
Sin ir más lejos, la experiencia ya nos demuestra que el hecho de tener la información no es suficiente para aprovecharla correctamente. Un estudio de la OCDE (Centre for Educational Research and Innovation) muestra que los procesos de autoevaluación para el desarrollo y la mejora en algunas escuelas de Polonia se vieron obstaculizados por un énfasis excesivo en las comparaciones entre centros educativos. La ausencia de un buen proceso de evaluación llevó a estos centros a limitar su enfoque. Es decir, se centraron única y exclusivamente en los resultados de los exámenes. Dado que la calidad de las escuelas no está determinada solo por estos resultados, al final todo este esfuerzo no sirvió para mejorar la calidad educativa.
La polémica, pues, está servida. Los defensores del actual sistema tratarán de utilizar los datos para sacar unas conclusiones que no serán válidas. Además, cuando los análisis nos den estas conclusiones absurdas, puede que nos ayuden a ver qué es el sistema por si mismo y empecemos a romper tabús y a superar creencias. Puede ser que, al fin y al cabo, el Big Data nos ayude, por reducción al absurdo, a desenmascarar al farsante que se esconde detrás del sistema actual.
