Learning Analytics, analítica del aprendizaje, estudio del comportamiento -verbal, físico, emocional…- de los alumnos o uso de modelos estadísticos como predictores de comportamientos son catalogados dentro de la etiqueta ciencia de datos en educación. Y esto parece que sea algo de connotación poco positiva.
En la red social Twitter he leído -parafraseando- «que esta ciencia de los datos ha perdido ante la pseudociencia del aprendizaje». Esta reflexión -que seguramente iba por otros derroteros- me hizo pensar en cómo se está entendiendo el objetivo de la analítica del aprendizaje, cómo se esta usando la ciencia de datos en educación, cuál es su proyección de futuro o qué relevancia debe darse como substituto de algunos procesos educativos.
La mayoría de detractores de lo cuantitativo huyen de todo aquello relacionado con un acercamiento numérico del aprendizaje. Creo que huir del uso de estrategias analíticas -uso estadístico de datos educativos- para mejorar el entorno de aprendizaje es por causa de un uso indebido a niveles superiores -de intereses institucionales/gubernamentales/políticos-. Quiero creer que las críticas recibidas trascienden el uso de esta ciencia de datos en el aula, por parte de roles educativos claro.
Mis ideales como autor de este blog defienden una analítica del aprendizaje libre de usufructo político, institucional o gubernamental en pro de mejorar el contexto educativo del proceso enseñanza-aprendizaje del que forman parte los alumnos. Quien las use no es el problema, es el modo en que se usa y la forma insensata en la que puede afectar a los alumnos, y finalmente a la sociedad. En este último sentido, la ciencia de datos se está demonizando, como una perfecta herramienta de control y gestión gerencialista. Déjame dudar que sus orígenes se definan para el usufructo del gerencialismo. No voy a entrar ahora en consipraciones gubernamentales. La analítica del aprendizaje se aplica y debe aplicar a todos los niveles educativos.
No obstante, esta demonización puede alejar su uso en el aula y minimizar su impacto positivo. La analítica del aprendizaje nace de un era tradicionalmente científica, en la que la recolección, medición y análisis de datos la define. Trasladar este campo científico al contexto educativo uniéndolo a las técnicas informáticas como machine learning, deep learning o inteligencia artificial genera unas sinergías y oportunidades únicas.
Evidentemente toda aproximación es una moneda de dos caras, una de positiva y la otra de negativa. Su uso la definirá. Y defino a continuación algunos aspectos que destacan en esta demonización y críticas hacia la analítica del aprendizaje:
La aceptabilidad juega un papel importante en la comprensión de esta aproximación. ¿Es aceptable que un profesor cambie el discurso si ve que las caras de sus alumnos muestran aburrimiento? ¿Es aceptable que un ordenador muestre otro tipo de recurso si detecta que un alumno muestra signos de cansancio? Entramos en aspectos profesor vs algoritmo, uno con un supuesto libre albedrío y otro con un marco de ejecución predeterminado e inamovible. El debate sobre el cambio de una era en el que se le puede dar más protagonismo a la tecnología que al profesor pone en entredicho la analítica del aprendizaje.
El contenidismo lo que viene a ser aprendizaje por contenidos precocinados o para superar tests. El uso de las tecnologías facilita entornos de aprendizaje guiados por el propio «ordenador», en base a algoritmos y contenidos enlatados. Volvemos a estar en el punto de debate sobre qué uso se le da a los algoritmos, qué rol debe tener el profesor y en que medida utilizar las dos aproximaciones para buscar un equilibrio sostenido y beneficioso. A este uso de tecnología de contenidos enlatados y tests conductistats se le llama aprendizaje adaptativo.
Uso de datos educativos. Este concepto incluye todos los datos que un alumno puede generar como fuente de su aprendizaje, tanto en entornos virtuales como físicos. Se entiende por lo tanto todos los clics generados en un entorno virtual de aprendizaje, las calificaciones de las tareas, las faltas de asistencia o mensajes enviados en un foro. Aspectos multimodales en los que se miden las emociones, sudoraciones, palpitaciones u otros aspectos físico-anímico de los estudiantes también caben dentro de la etiqueta «datos educativos». El debate transcurre en la intrusión tecnológica en la captura de estos datos.
Es una herramienta de aprendizaje. Hay que entender que la analítica del aprendizaje no es una aproximación para que los alumnos aprendan mejor -primero habría que definir qué es aprender mejor, más importante definir qué es aprender-, aprendan más o para poderlos controlar más eficazmente. Esta ciencia de datos educativos alimenta el feedback que puede obtener el profesor de cualquier alumno participante del proceso de enseñanza-aprendizaje. La analítica del aprendizaje no responde a qué procesos mentales concurren en el cerebro del alumno, o qué estrategias lleva a cabo para resolver un reto. Responde a cómo se comporta ante situaciones de aprendizaje. Con estos datos el profesor podrá mejorar su tutoría y evaluación. En aspectos académicos o institucionales la mejora del contexto se centra en otros aspectos que siguen la misma línea anterior, obtener feedback.
Todos los puntos anteriores pueden tratarse de forma que se pueda controlar, manipular o extender la jerarquía de poder en instituciones educativas haciendo uso de tecnología automatizada. Lo anterior es despectivo. La analítica del aprendizaje responde a preguntas que sirvan al profesor para motivar, animar, propiciar o activar comportamientos positivos del alumno hacia su aprendizaje. Para las instituciones responde a preguntas para reciclar, readaptar, mejorar y optimizar proceso internos o oferta formativa.
Sin lugar a dudas la analítica del aprendizaje es un arma de doble filo -¿qué herramienta no lo es y en qué lugar no hay intereses?-. Yo prefiero el filo del interés por una educación positiva.