Hard skills
En learning analytics es típico conceptualizar su acción en evitar abandonos, intentar que los alumnos saquen mejores notas, procurar que los recursos sean los adecuados y que el contexto incluso sea personalizado -adaptado incluso-. Gracias a esta aproximación analítica la predicción educativa es posible, se utiliza y es muy útil cuando se detectan de forma clara las causas de fracasos, recursos inservibles o contextos inadecuados.
Es típico también situar esta ciencia de la analítica de datos educativos en un entorno escolar, de instituto o universitario. Se puede decir que en general se encuentra aplicada en un entorno de aprendizaje en el que se aprenden hard skills. Esto es debido a que es más fácil comprobar por computación qué conocimientos han adquirido los alumnos a que si saben expresarse bien oralmente.
Partiendo de que la analítica del aprendizaje utiliza datos educativos se puede abrazar con esta afirmación cualquier contexto en el que se aprenda, y no únicamente en los entornos virtuales de aprendizaje (EVA). La analítica del aprendizaje -learning analytics- es útil en contextos tanto formales como no formales, y a la vez tanto en entornos virtuales como en entornos presenciales.
Soft skills
En un EVA se pueden analizar los soft skills de los alumnos con algoritmos de inteligencia artificial que permiten detectar sentimientos, lenguaje natural y formas de escritura relacionadas con la negociación, la venta, el diálogo, la argumentación o la discusión. No obstante, en este análisis se pierden las connotaciones físicas de las interacciones como pueden ser la postura corporal, movimientos de los ojos, micromovimientos musculares y aspectos físicos que el ser humano es capaz de detectar -por muy sutiles que sean-.
La variante Multimodal Learning Analytics (MLA) aporta un modelo macro en el que se permite salir de los EVA para analizar el contexto físico del aprendizaje. Entran en juego dispositivos como cámaras, micrófonos, detectores de movimiento y cualquier otro dispositivo que pueda capturar las interacciones de los alumnos en los entornos físicos. La cuantificación personal -pulsaciones, sudoración…- también entra en juego en este modelo analítico, donde los wereables son una una parte importante. En consecuencia, las posibilidades del MLA rompen con las limitaciones del análisis EVA.
Análisis de presentaciones con MLA
Poder analizar la posición corporal de cualquier persona, incluso las contracciones musculares de la cara, así como si se rasca la cabeza cuando habla o si abre poco o demasiado la boca cuando dialoga con un compañero abre un sinfín de posibilidades en la enseñanza. La capacidad de ofrecer feedback en este tipo de análisis aportaría a los alumnos un valor de mejora en muchos sentidos incalculable.
¿Qué pasaría si en los centros de aprendizaje hubiera un aula de público virtual? En una presentación oral se trabajan tanto los hard skills como los soft skills. Los alumnos deben conocer los conceptos y además saberlos expresar debidamente… Imagina un entorno computerizado en el que se proyecta un público virtual que además responde -en voz, en gestos…- a los outputs de los presentadores. Un output sería un gesto corporal del que presenta, una frase de un contenido específico, un tono de voz… En un espacio como este se podría practicar un sinfín de veces con un público configurado para estar dispuesto a escuchar, para escuchar cuando el alumno presente adecuadamente o para realizar cualquier acción que pueda suponer un aprendizaje para el alumno.
Este aula de público virtual también supondría un aprendizaje para los profesores e incluso para directivos -e incluso empresas y negocios-. Sería posible practicar reuniones para padres, para captar posibles socios o incluso para preparar las propias clases si se pudiera introducir la configuración «alumnos de primero de primaria». Un aula de este tipo abre puertas a la imaginación para mejorar el entorno educativo de una manera distinta, computerizada y utilizando la analítica del aprendizaje más allá de evitar abandonos y fracasos.