Vivimos rodeados de datos. A diario consumimos una cantidad de información difícil de cuantificar, hablamos de zettabytes, petabytes, terabytes…, pero no somos meros consumidores de datos, los últimos cálculos nos dicen que generamos aproximadamente 2,5 exabytes de datos al día, y el volumen de datos crece exponencialmente al igual que la velocidad a la que se producen dichos datos.
El volumen y variedad de los datos, así como la velocidad a la que se generan han dado paso a una nueva revolución tecnológica conocida como Big Data. La democratización del acceso a Internet, la tecnología móvil y sus aplicaciones, el impacto de las redes sociales o la facilidad con la que los usuarios pueden generar y publicar sus propios contenidos son sólo algunos de los factores que han contribuido a crear un nuevo paradigma en el almacenamiento, gestión y análisis de la información.
El conjunto de tecnologías asociadas a Big Data han sido aplicadas con éxito en múltiples ámbitos de nuestra vida. Gracias a Big Data las empresas pueden predecir nuestros comportamientos de compra, analizar nuestro estado de ánimo o establecer nuevos modelos de interacción entre los usuarios. El ámbito educativo también ha encontrado en las herramientas Big Data un poderoso aliado, así hablamos de “Learning Analytics” o analítica del aprendizaje para referirnos al uso inteligente de los datos producidos por el estudiante que nos permitan generar modelos analíticos dirigidos a personalizar el aprendizaje, comprender y predecir los procesos implicados, así como optimizar los entornos en los que dicho aprendizaje se produce.
Tanto si hablamos de análisis de datos en general, como si nos referimos a analítica del aprendizaje en particular tenemos que recordar lo siguiente:
Los datos por sí solos no nos dicen nada y por lo tanto es necesario convertir esos datos en información útil.
¿Cómo conseguimos esto? Mediante un proceso que consiste en: generar los datos, almacenarlos, gestionarlos y analizarlos. Porque… ¿para qué vamos a almacenar tantos datos si no vamos a utilizarlos de manera rentable y eficiente? Recuerda:
Big Data y por extensión learning analytics nos permite construir patrones de aprendizaje inteligentes a partir de la información, logrando un valor de retorno cuantificable y, en definitiva, una experiencia de aprendizaje única y personal.
Antes de continuar quisiera recordar que “Learning analytics” puede aplicarse a cualquier dinámica de aprendizaje y formación. Pero, ¿Por qué es necesario analizar el aprendizaje? ¿Qué información podemos extraer de los patrones de interacción de los alumnos? ¿Es posible mejorar los procesos de aprendizaje a partir de los datos disponibles? Aún más importante, ¿disponemos en la actualidad de los mecanismos para generar, almacenar, gestionar y analizar los datos académicos de los estudiantes en las etapas de primaria, secundaria y bachillerato?
Bien, empezaré respondiendo a la última pregunta con un rotundo NO. Me explico. ¿No contamos actualmente con múltiples herramientas incluidas en la categoría de plataformas educativas que permiten el acceso a contenidos online, que facilitan el registro y seguimiento de la actividad de los alumnos, que ofrecen soluciones colaborativas y de interacción entre los participantes y facilitan la evaluación y autoevaluación del proceso de aprendizaje? ¿No han desarrollado las empresas del sector editorial nuevas herramientas bajo el formato de libros de texto digitales que presentan innovadoras experiencias multimedia, favorecen la investigación y el desarrollo de actividades interactivas incluso más allá del ámbito escolar? SÍ, pero nada de esto es analítica del aprendizaje, esto es, si me permitís la referencia bíblica, “vino nuevo en odres viejos”.
Las plataformas educativas generan grandes cantidades de datos de bajo nivel (RAW DATA) en la forma de eventos, archivos log, etc., pero son difíciles de interpretar o convertir en información útil o (HIGH LEVEL INFORMATION). Nuestro sistema educativo no dispone de un modelo estándar para la generación y captura de datos, no se han definido procedimientos funcionales para la transformación de datos, para establecer relaciones, estudiar las causas, realizar predicciones y por supuesto no sabemos qué hacer con la información de alto nivel una vez obtenida.
Además de lo mencionado anteriormente los nuevos escenarios educativos emergentes tales como mobile Learning, MOOC, gamificación, flipped classroom, etc., añaden nuevos desafíos que es necesario tener en cuenta a la hora de desarrollar modelos analíticos lo suficientemente definidos como para contemplar todas y cada una de las variables implicadas en el contexto de un proceso de aprendizaje.
Desde hace algún tiempo Álogos trabaja en el diseño y desarrollo de un sistema LAS (Learning Analytics System) exportable al sector educativo, de implantación en los centros escolares para las etapas de primaria, secundaria y bachillerato y que permita establecer unmodelo estándar para la captura, almacenamiento, gestión y análisis de datos de aprendizaje.
¿Por qué es necesario un sistema LAS estándar?
Hace algún tiempo tuve la oportunidad de leer el estudio desarrollado por el Gabinete de Comunicación y Educación de la Universidad Autónoma de Barcelona y aulaPlaneta con el sugerente título de “Perspectivas 2014: Tecnología y pedagogía en las aulas”; en dicho informe se analizan las tecnologías, servicios y metodologías que previsiblemente formarán parte del proceso de aprendizaje en el aula en los próximos seis años. En la página 60 del informe, y bajo el apartado “Aprendizaje analítico” dice lo siguiente:
En la actualidad, el análisis de grandes datos, el análisis sistemático del comportamiento de los usuarios de la web y desarrollos específicos de la estadística aplicada al uso de la tecnología facilita y amplía las posibilidades del aprendizaje analítico. En este sentido, una de las áreas de la educación más influidas por el desarrollo de las técnicas analíticas es la evaluación.
Además se señala al curso 2017/18 como año probable de implementación, si bien se reconoce que “no será hasta 2020, como mínimo, que se pueda hablar de generalización del sistema.”
Por otro lado, en las conclusiones del estudio se plantea la siguiente reflexión: “las políticas de digitalización de las aulas y el uso de servicios digitales actuarán como catalizadores de este cambio. Es decir, la utilización, por ejemplo, de libros de texto digitales favorecerá la transición hacia nuevos modelos pedagógicos.”
Y yo me pregunto… ¿Cómo será posible llegar a esta idílica situación cuando todavía no hemos definido el marco de trabajo que permita crear las condiciones necesarias para ese nuevo modelo pedagógico que facilite la interacción entre todos los actores inmersos en el proceso educativo? ¿De verdad pensamos que los actuales libros de texto digitales pueden ser los motores del cambio hacia nuevos modelos pedagógicos?
Desgraciadamente en la actualidad no disponemos de un almacén de datos diseñado para perfilar nuestra estrategia de aprendizaje óptima desde que iniciamos nuestra educación en la escuela, por lo que nuestro rol de alumno siempre se encuentra en continuo estado de «reinicio» o «reset» al no disponer, por ejemplo, de un registro de interacciones con el grupo, o de respuestas ante determinados estímulos o de cómo han evolucionado nuestras expectativas o motivaciones, etc.
Construcción de un LAS (Learning Analytics System) para el sector educativo basado en un modelo estándar de 4 capas.
A estas alturas puede que te preguntes… ¿Qué es un LAS (Learning Analytics System)? Es un sistema que permite registrar y monitorizar todo el proceso de aprendizaje de un estudiante a lo largo de su vida escolar, de esta forma, con el tiempo, el estudiante va configurando su “huella digital cognitiva” vinculando así esa huella a la construcción inteligente de contenidos digitales basados en su propio patrón de aprendizaje.
Trataré de explicar de forma muy condensada el proceso de construcción de un Learning Analytics System. Comenzamos buscando la respuesta a tres preguntas básicas:
- ¿Qué datos son necesarios?
- ¿Qué obtener y cómo obtenerlo?
- ¿Qué hacer con la información de alto nivel que obtenemos?
Conocer las respuestas a estas preguntas nos permitirá iniciar el proceso de desarrollo que comprende las siguientes 4 fases:
- Análisis de la base de datos. En este paso incluimos la elección preliminar de indicadores y preposiciones métricas.
- Diseño del Back-End. Es decir, la estrategia de captura y tratamiento de datos.
- Elaboración de cuadro de mando. Sistema de recomendación y etiquetado de contenidos.
- Evaluación y difusión.
¿Qué es el modelo estándar de 4 capas? El modelo estándar de 4 capas garantiza la compatibilidad de los contenidos educativos con el LAS basándose en un sistema de agregación de contenidos modular, reutilizable y autosuficiente. Su estructura es la siguiente:
- Polimorphic Learning Object (PLO)
- Distributed Content Units (DCU)
- Smart Interactive e-Books (SIB)
- Learning Analytics System (LAS)
Estas cuatro capas o niveles de agregación de contenidos convergen en un núcleo de gestión de datos denominado “Cognitive Fingerprint Database” (CFD).
Este modelo nos permite determinar los patrones de aprendizaje que resultan más óptimos para nuestros alumnos, qué elementos del aprendizaje han sido más difíciles de superar, qué momentos del día han sido los más productivos, qué tipo de recursos se han compartido con mayor frecuencia, cuál es el nivel de frustración ante determinada tarea o actividad, etc…, es decir, nos proporcionan un feedback de incalculable valor y en tiempo real.
Es más, la correcta gestión y análisis de los datos de aprendizaje de nuestros estudiantes a través de un sistema LAS nos permite crear un engranaje analítico dinámico e inteligente, un modelo predictivo de aprendizaje con capacidad para aprender por sí mismo, memorizando e interpretado comportamientos e interacciones del estudiante, detectando patrones de estudio modélicos. Un sistema diseñado para la toma de decisiones, que pueda reaccionar automáticamente a necesidades concretas, tomando la iniciativa en la búsqueda de objetos de aprendizaje y organizando la información mediante criterios dinámicos.
