Analítica del aprendizaje: Utilizando los datos digitales de los estudiantes para mejorar la enseñanza

Por Daniel Domínguez[i] y José A. Ruipérez-Valiente[ii]

 

 

i Universidad Nacional de Educación a Distancia

ii Universidad de Murcia

 Palabras clave: RIED, Analítica del aprendizaje, pedagogía digital, tecnología educativa, ciencia de los datos; ciencias de la educación, investigación educativa.

Con la creciente adopción de la tecnología, las escuelas y universidades tienen una oportunidad sin precedentes de mejorar la calidad de la enseñanza analizando los datos digitales que generan sus estudiantes. Las numerosas aplicaciones que están a disposición de los centros educativos proporcionan una información muy valiosa, que es de gran utilidad para comprender el aprendizaje.

Los datos digitales de los estudiantes comenzaron a estudiarse con la intención de descubrir situaciones de riesgo y aplicar las intervenciones más adecuadas. A partir de ahí, los métodos empleados se hicieron cada vez más sofisticados hasta que surgió una nueva disciplina, denominada analítica del aprendizaje (learning analytics). En este campo se trabaja con distintas aproximaciones, que van de la ciencia de los datos a los métodos de la pedagogía, con el fin de comprender y mejorar la forma en la que participamos en la enseñanza y el aprendizaje. Hoy en día, con un panorama dominado por la enseñanza remota, combinada e híbrida, la analítica del aprendizaje se ha convertido en un apoyo fundamental para diseñar las experiencias educativas que suceden en espacios digitales.

Con el fin de profundizar en esta temática, la RIED. Revista Iberoamericana de Educación a Distancia ha publicado un volumen especial sobre las analíticas del aprendizaje (Domínguez, Reich & Ruipérez-Valiente, 2020a), que muestra el estado de la cuestión y avanza las tendencias más destacadas del análisis de datos con fines educativos. El volumen tiene interés tanto para los que se están iniciando en la materia, como para los ya conocedores de la misma.

Según se explica en el artículo de introducción al monográfico (Domínguez, Reich & Ruipérez-Valiente, 2020b), apoyarse en la investigación para informar las decisiones pedagógicas es un proceso que no está exento de complejidad. La aplicación de determinadas medidas que proceden de experimentos con datos genera tensiones en asuntos que son de gran importancia para las instituciones educativas. Por ejemplo, es frecuente que los académicos se interesen por conocer y analizar los datos digitales de sus estudiantes, pero en muchas ocasiones sus expectativas se frustran al comprobar la distancia que hay entre las soluciones a las que apunta la información disponible y las rutinas asentadas en el aula. Otras veces, es el propio marco normativo el que impide llevar a cabo esas propuestas, aun cuando se haya llegado a un consenso previo entre todos los agentes interesados.

Por ese motivo las últimas investigaciones se están centrando cada vez más en las formas de superar el desequilibrio entre las percepciones de los docentes y los estudiantes, para conseguir de ese modo que las intervenciones didácticas basadas en datos tengan un mayor impacto en la práctica educativa.

Para ayudar a comprender el alcance de esta nueva disciplina, se repasan los objetivos más inmediatos de la analítica del aprendizaje. En lo más básico, su misión es la de comprender los procesos de aprendizaje y los contextos en los que ocurre. Su principal interés —el objeto de investigación— son las prácticas que suceden en los espacios educativos digitalizados, y eventualmente en entornos mixtos y en el aula. Y en cuanto a los productos de las investigaciones, consisten principalmente en orientaciones sobre el diseño de intervenciones pedagógicas y el tipo de tecnologías que se necesitan para mejorar la enseñanza.

El campo de la analítica del aprendizaje también se interesa por las cuestiones de tipo conceptual. Cuando se investiga con datos digitales, especialmente si éstos proceden de entornos educativos, es necesario prestar atención a algunos elementos que son sustantivos. Aquí destacamos dos de ellos: la dificultad de estudiar la cognición humana por medio de instrumentos indirectos, y el reto que supone gestionar el volumen creciente de información que está a disposición del profesorado.

En cuanto a los instrumentos de obtención de datos, se trataría de seguir revisando las cuestiones que han sido del interés de los pedagogos durante mucho tiempo y a las que ahora se le añade un componente tecnológico. Entre otras cuestiones, los investigadores de datos se preguntan si las herramientas capturan verdaderamente la información que dicen recoger, o si el tiempo de respuesta a una tarea es un buen indicador del rendimiento académico, o sobre los vínculos entre la realización de determinadas actividades de aprendizaje y el desarrollo de procesos cognitivos internos.

El segundo desafío —gestionar la enorme cantidad de datos disponibles— sí es un tema enteramente nuevo y que demanda un enfoque multidisciplinar. Alrededor del uso de los datos digitales de los estudiantes surgen multitud de debates que tienen que ver con la forma como se trata esa información. Se consideran datos muy sensibles, de manera  que los investigadores están llamados a reflexionar sobre el marco ético y normativo a su alrededor. De ahí se derivan aspectos concretos sobre la regulación del consentimiento informado, o la idoneidad de utilizar los datos de los estudiantes para diseñar algoritmos o para entrenar sistemas de aprendizaje automático (machine learning).

Por último, la analítica del aprendizaje también posee una dimensión aplicada, que consiste en proporcionar nuevas herramientas y recursos didácticos al profesorado y a los responsables de diseñar los espacios educativos. La necesidad de disponer de esas herramientas se hace más evidente en el caso de la enseñanza a gran escala. Si un docente tiene diez estudiantes en un aula, probablemente no necesite ninguna herramienta añadida, ya que puede observar las interacciones y modular su intervención sobre la marcha. Cuando hay cientos o miles de estudiantes, esa capacidad de observación cambia. Se podría limitar el aprendizaje a escala, y disponer de docentes para formar a miles de personas en aulas donde predomine la observación. Pero como es poco probable que eso suceda, el profesorado necesita los recursos adecuados para conocer la progresión de sus estudiantes, especialmente cuando se trata multitudes interactuando en espacios digitales.

El volumen especial de la RIED presenta un conjunto de artículos que dan cuenta de estas casuísticas y plantean numerosas reflexiones sobre la educación basada en datos. Un aspecto a destacar es la variedad de los enfoques de investigación empleados: hay revisiones de la literatura y del estado del arte (Amo, Alier, García-Peñalvo, Fonseca & Casañ, 2020); estudios con aproximaciones cuantitativas y cualitativas (Evans & Hidalgo, 2020); investigaciones que recurren a la minería de datos (Napier, Huttner-Loan, & Reich, 2020); aproximaciones desde el ámbito del software educativo (Vázquez-Ingelmo & Therón, 2020); y casos que buscan conocer más profundamente los mecanismos de aprendizaje de los estudiantes (Gutiérrez, Guerrero, Conde & Fernández, 2020; Urteaga, Siri, & Garófalo, 2020). En cuanto a las temáticas, hay contribuciones que exploran los aspectos pedagógicos del análisis de datos educativos (Domínguez, 2020; Ruipérez-Valiente, 2020), las tendencias de la analíticas del aprendizaje (Martínez-Monés et al., 2020), y artículos que contienen reflexiones sobre la ética y la privacidad de datos, así como su gestión a nivel institucional (Aznarte, 2020).

En suma, este volumen especial es una oportunidad para encontrar nuevas respuestas a algunas de las preguntas habituales en la educación digital: cómo utilizar la información disponible para tomar mejores decisiones sobre la forma de enseñar y aprender, qué tipo de cosas pueden —y no pueden— decirnos los datos acerca de lo que sucede en un curso digital; y qué consideraciones deben tenerse en cuenta a nivel institucional para que tengan éxito las medidas planteadas. Ofrecer pistas para responder a esas cuestiones y ayudar a identificar los problemas relacionados con el aprendizaje digital son, probablemente, las aportaciones más destacadas del monográfico.

Referencias bibliográficas:

Amo, D. F., Alier, M., García-Peñalvo, F. J., Fonseca, D., y Casañ, M. J. (2020). Privacidad, seguridad y legalidad en soluciones educativas basadas en Blockchain: Una Revisión Sistemática de la Literatura. RIED. Revista Iberoamericana de Educación a Distancia, 23(2), 213–236. http://dx.doi.org/10.5944/ried.23.2.26388

Aznarte, J. L. (2020). Consideraciones éticas en torno al uso de tecnologías basadas en datos masivos en la UNED. RIED. Revista Iberoamericana de Educación a Distancia, 23(2), 237–252. http://dx.doi.org/10.5944/ried.23.2.26590

Domínguez, D. (2020). Data-driven educational algorithms pedagogical framing. RIED. Revista Iberoamericana de Educación a Distancia, 23(2), 65–84. http://dx.doi.org/10.5944/ried.23.2.26470

Domínguez, D., Reich, J., & Ruipérez-Valiente, J.A. (Eds.). (2020a). Monográfico. Analítica del aprendizaje y educación basada en datos: Un campo en expansión [Monográfico]. RIED. Revista Iberoamericana de Educación a Distancia, 23(2). https://doi.org/10.5944/ried.23.2

Domínguez, D., Reich, J., & Ruipérez-Valiente, J.A. (2020b). Learning analytics and data-driven education: A growing field. RIED. Revista Iberoamericana de Educación a Distancia, 23(2), 33–43. http://dx.doi.org/10.5944/ried.23.2.27105

Evans, G., & Hidalgo, R. (2020). Analytics for Action: Assessing effectiveness and impact of data informed interventions on online modules. RIED. Revista Iberoamericana de Educación a Distancia, 23(2), 103–125. http://dx.doi.org/10.5944/ried.23.2.26450

Gutiérrez, A., Guerrero, A. M., Conde, M. A., & Fernández, C. (2020). Evaluación del resultado académico de los estudiantes a partir del análisis del uso de los Sistemas de Control de Versiones. RIED. Revista Iberoamericana de Educación a Distancia, 23(2), 127–145. http://dx.doi.org/10.5944/ried.23.2.26539

Martínez-Monés, A., Dimitriadis, Y., Acquila-Natale, E., Álvarez, A., Caeiro-Rodríguez, M., Cobos, R., Conde-González, M. A., García-Peñalvo, F. J., Hernández-Leo, D., Menchaca, I., Muñoz-Merino, P. J., Ros, S., & Sancho-Vinuesa, T. (2020). Achievements and challenges in learning analytics in Spain: The view of SNOLA. RIED. Revista Iberoamericana de Educación a Distancia, 23(2), 187–212. http://dx.doi.org/10.5944/ried.23.2.26541

Napier, A., Huttner-Loan, E., & Reich, J. (2020). Evaluating Learning Transfer from MOOCs to Workplaces: A Case Study from Teacher Education and Launching Innovation in Schools. RIED. Revista Iberoamericana de Educación a Distancia, 23(2), 45–64. http://dx.doi.org/10.5944/ried.23.2.26377

Ruipérez-Valiente, J. A. (2020). El Proceso de Implementación de Analíticas de Aprendizaje. RIED. Revista Iberoamericana de Educación a Distancia, 23(2), 88–101. http://dx.doi.org/10.5944/ried.23.1.26283

Urteaga, I., Siri, L., & Garófalo, G. (2020). Predicción temprana de deserción mediante aprendizaje automático en cursos profesionales en línea. RIED. Revista Iberoamericana de Educación a Distancia, 23(2), 147–167. http://dx.doi.org/10.5944/ried.23.2.26356

Vázquez-Ingelmo, A., y Therón, R. (2020). Beneficios de la aplicación del paradigma de líneas de productos software para generar dashboards en contextos educativos. RIED. Revista Iberoamericana de Educación a Distancia, 23(2), 169–185. http://dx.doi.org/10.5944/ried.23.1.26389

Cómo citar esta entrada:

Domínguez, D. y Ruipérez-Valiente, J.A. (2020). Analítica del aprendizaje: Utilizando los datos digitales de los estudiantes para mejorar la enseñanza. Aula Magna 2.0. [Blog]. Recuperado de: https://cuedespyd.hypotheses.org/8450


[i] Daniel Domínguez Figaredo

Profesor e investigador de la Universidad Nacional de Educación a Distancia (UNED, España). Su investigación se centra en la mediación digital y las teorías que apoyan el aprendizaje abierto y conectado a lo largo de la vida. En su trabajo reciente ha profundizado en el análisis de la educación abierta basada en datos y la gestión del conocimiento en entornos digitales y mixtos. Es miembro del grupo de innovación docente CO-Lab: Laboratorio abierto y colaborativo para la innovación docente, y patrono de la Fundación Prácticas en la CiberSociedad.

Web, http://www.daniel-dominguez.com

Twitter, https://twitter.com/danidominguez

[ii] José A. Ruipérez-Valiente

Investigador Juan de la Cierva en el Departamento de Ingeniería de la Información y las Comunicaciones, de la Facultad de Informática en la Universidad de Murcia (España). Investigador afiliado al MIT Playful Journey Lab (USA). Sus líneas de investigación se centran en el aprendizaje mejorado por tecnología, con un alto grado de foco en la analítica de aprendizaje y minería de datos educacionales.

Web, http://joseruiperez.me/

Twitter, https://twitter.com/JoseARuiperez


Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.