En este post vamos a revisar algunos de los conceptos más utilizados en el contexto de Big Data y analítica de aprendizaje en educación. El éxito del big data radica, precisamente, en que permite mejorar los procesos de enseñanza/aprendizaje, en cuatro niveles: descriptivo (qué ocurre); diagnóstico (por qué ocurre), predictivo (qué puede suceder) y prescriptivo (cómo se puede mejorar).

Modelo de Gartner. Fuente: https://www.iadlearning.com/es/analitica-de-aprendizaje-madurez/

• Aprendizaje Adaptativo

El uso del Big Data y del Learning Analytics deriva, necesariamente, en la incorporación de nuevas metodologías activas que pueden beneficiarse de esa recopilación y análisis de datos. En este sentido, el Aprendizaje Adaptativo, supone un aprendizaje personalizado que se va adaptando y modificando en tiempo real según las necesidades y progresos detectados a través del análisis de datos.

• Mastery learning

El término “aprender para el dominio” (Mastery learning) fue introducido por el psicólogo educativo estadounidense Benjamin Bloom en 1968. Su idea era que una meta de aprendizaje debe dividirse en una serie de pequeños objetivos de aprendizaje. El objetivo del dominio de aprendizaje es utilizar distintas estrategias de enseñanza para ayudar al alumno a alcanzar el mismo nivel de aprendizaje que aquellos alumnos que ya lograron un dominio.
El Mastery learning o dominio de aprendizaje, es una estrategia de instrucción que consiste en diseñar un abanico de apoyos y recursos para el aprendizaje que permita que cada estudiante alcance el logro de ese conocimiento, destreza, habilidad, etc. Para ello se pueden presentar recursos de aprendizaje alternativos, materiales adaptados al requerimiento de ese aprendizaje, actividades prácticas, estrategias motivadoras, etc.

• Dataficación

Por dataficación se entiende la transformación de muchos aspectos que pueden ser cuantificables y convertidos en información útil en los procesos de aprendizaje. Estos datos pueden ser incorporados a bases de datos para aplicar diferentes técnicas de medición y procesamiento. Los datos se obtienen de interacciones que realizan los estudiantes cuando cliquean en contenidos, interactúan con otros estudiantes, cuelgan sus trabajos, responden a preguntas y actividades, etc. Los contenidos de cursos digitales, los cursos on line, los libros de texto electrónicos, las simulaciones digitales, etc. con el origen de la producción de macrodatos educativos.

• Educational data mining (EDM) o Minería de datos educacional

Realizamos Minería de datos cuando aplicamos diferentes técnicas para el análisis, clasificación y visualización de grandes cantidades de datos educativos. El objetivo es poder encontrar patrones y modelos en esos datos con el objetivo de poder mejorar los procesos de aprendizaje de los estudiantes. Para ello utiliza los métodos de la Inteligencia artificial, el aprendizaje automático, los modelos estadísticos, etc. Por ejemplo, a partir de esos análisis de modelos de aprendizaje podemos establecer perfiles diferentes de alumnos a los que recomendar materiales o recursos diferentes según sus modelos de aprendizaje, también podemos predecir alumnos en riesgo de fracaso escolar o abandono, etc.

• Academic Analytics

Consiste en aplicar técnicas de Inteligencia de Negocio (Business Intelligence) para ayudar a los centros educativos a tomar decisiones estratégicas cuyo principal propósito es la mejora del contexto y procesos educativos. Para ello se establecen procesos analíticos que permiten la definición de métricas en cuanto a la recolección, análisis, informe de datos y/o predicción que permitan tomar decisiones para actuar en relación a la mejora de la oferta educativa, la retención de alumnos, la eficacia en la administración del modelo de negocio educativo, etc..

• Learning analytics (o analítica del aprendizaje)

Consiste en la medición, recopilación, análisis e informe de datos sobre los alumnos y sus contextos, con el fin de comprender y optimizar el aprendizaje y los entornos en los que se produce. Es un campo relacionado es la minería de datos educativos. Según Long y Siemens (2011) “Learning Analytics (LA) son los datos generados durante el desarrollo de propuestas formativas virtuales que habitualmente se relacionan con el número de accesos, materiales revisados, participaciones, puntuaciones y similares. Por su parte, la minería de datos educativa (EDM) consiste en obtener datos analizables a fin de facilitar investigaciones posteriores o bien con objetivos comerciales futuros.”
Los tres aspectos clave que es necesario establecer en el proceso de LA son:

• qué variables se van a medir (de todos los agentes educativos involucrados y del contexto en el que se trabaja).
• cómo se medirán, esto es, la identificación de criterios e indicadores medibles así como la selección de las herramientas y procedimientos de análisis más adecuados,
• cuál será la interpretación que podemos hacer de esos datos recopilados y qué decisiones nos permitirán tomar.

Consiste en un proceso cíclico centrado en el proceso de enseñanza-aprendizaje. En el primer paso se definen una serie de métricas. A continuación se coleccionan datos de los alumnos y el contexto a partir de los mismos. Finalmente, se analizan y se generan informes decisionales. Su propósito es entender y mejorar los procesos y entornos donde se produce enseñanza-aprendizaje para ayudar a tomar decisiones accionables.