Una nueva línea de investigación en Tecnología Educativa: "Learning Analytics"

Learning Analytics (LA) se define como la «medición, recogida, análisis y presentación de datos sobre estudiantes y sus contextos, con la finalidad de comprender y optimizar el aprendizaje y los entornos en los que éste tiene lugar». Es un término más amplio que el de «Educational Data Mining» (EDM), orientado al desarrollo de métodos para analizar tipos de datos extraídos de contextos educativos. LA se puede aplicar en los diferentes niveles (macro- meso- y micro-) de un sistema educativo. Un modelo LA consta de siete componentes: recolección, almacenamiento, depuración de datos, integración, análisis, representación/visualización y acción.

Como ámbito de conocimiento, LA implica a múltiples disciplinas (Inteligencia Artificial, Estadística, Aprendizaje Automático, Interacción Máquina-Humano o Educación). Entre las líneas de investigación educativa que han contribuido al desarrollo de LA se encuentran las siguientes:

A) Análisis de citas. Es una actividad de investigación que permitió comprender mejor el desarrollo científico mediante el seguimiento de las citaciones entre artículos científicos. Los investigadores pueden observar cómo se difunde su investigación y cómo se valida. El famoso PageRank de Google (el algoritmo que le catapultó al reconocimiento de los internautas) se inspiró en los trabajos originales esta línea de investigación de mediados de los años 90.

B) Análisis de redes sociales. Un ámbito tradicional en la Sociología que se ha orientado al análisis de redes sociales en contextos digitales con especial atención a los adolescentes.

C) Modelado de usuario (User modeling). Supone la adaptación de un sistema computerizado a las necesidades específicas del usuario. El sistema debe responder lo correcto, en el tiempo adecuado y de la manera más eficaz. Y para hacer esto se necesita elaborar una representación interna del usuario. Este modelado permite conocer cómo el usuario interactúa con el software y así diseñar mejores aplicaciones.

D) Modelado educativo/cognitivo. Orientado al desarrollo de sistemas basados en modelos computacionales capaz de resolver problemas como lo haría un estudiante. Este modelado permitió el desarrollo de tutores inteligentes en el proceso de aprendizaje.

E) Tutores. Los ordenadores se han utilizado en las últimas décadas como herramientas para el aprendizaje con tres niveles de «inteligencia»: contenido curricular, evaluación del aprendizaje e intervención pedagógica.

F) Descubrimiento de conocimiento en bases de datos (KDD). Se ocupa del desarrollo de métodos y técnicas para dar sentido a los datos.

G) Hipermedia adaptativo. Tiene como finalidad la personalización y adaptación del contenido de aprendizaje. Los sistemas hipermedia adaptativos definen un modelo de metas, preferencias y conocimientos de cada usuario con el fin de adaptarse a sus necesidades.

H) E-learning. El crecimiento del aprendizaje online, especialmente en la Educación Superior, ha contribuido al avance de LA puesto que permite el acceso a datos del estudiante y su posterior análisis. Por otra parte el rápido desarrollo de los MOOCs está ofreciendo datos a investigadores para evaluar la enseñanza y el aprendizaje en entornos virtuales.

Las herramientas LA se agrupan en dos categorías: comerciales y de investigación. Entre las primeras se encuentra SPSS, Nvivo, Ellucian, Desire2Learn, Google Analytics, Adobe Digital Marketing Suite, Tableau Software, Infochimps, Many Eyes (IBM). Dentro de la categoría de investigación (abiertas) se encuentran R, Weka, SNAPP, Netlytic.

LA también desarrolla técnicas, es decir, algoritmos específicos y modelos para llevar a cabo analíticas, así como aplicaciones o formas en las que las técnicas se utilizan para mejorar el proceso de enseñanza-aprendizaje. La siguiente figura recoge las influencias históricas en el desarrollo de LA.

FIG

FIG

LA requiere fuentes de datos que reflejen la complejidad del proceso de aprendizaje: los sistemas de información del estudiante que generan perfiles del alumnado y sistemas de gestión de aprendizaje (LMS) que hacen un seguimiento del comportamiento del estudiante y se usa para predecir conductas futuras. Muchos modelos actuales de LA dependen de la recogida automática de datos y, por consiguiente, son incompletos. De ahí que para el futuro sea preciso contar con datos adicionales aportados por la observación humana y la interpretación de los conjuntos de datos existentes.

Una importante aportación de LA para el diseño y desarrollo curricular es la personalización y la adaptación. El currículo académico generalmente está pre-planificado. Esto quiere decir que antes que comience la actividad formativa los docentes han seleccionado y creado los contenidos, así como los recursos didácticos que van a ser utilizados. A través del uso de analíticas, las instituciones educativas pueden reestructurar el proceso de diseño instructivo para atender las necesidades de sus alumnos.
La introducción de LA en los sistemas educativos requiere un cambio institucional no sólo para resolver las cuestiones técnicas de estos procesos, sino también para atender adecuadamente las complejidades de su aplicación, significación de los datos, privacidad o normas de acceso y difusión de datos.

Para Siemens, los principales desafíos de LA en Educación no son de carácter técnico, sino de calidad de los datos, que el alcance de la información recogida sea suficiente con relación a la experiencia real de aprendizaje, la protección de datos y las cuestiones de carácter ético.

licencia: 

Copyright

Tags (en español): 

Tags (en ingles): 

Línea temática: