Nuestra voluntad de mejorar el contexto educativo, de ayudar a los alumnos, de administrar una enseñanza adecuada a distintos niveles o de adaptar el aprendizaje a la persona o individuo nos lleva a niveles de uso de la tecnología y analítica que puede ofuscarnos en el uso de los datos educativos. El mero hecho de que existan herramientas educativas no significa que por el hecho de categorizarse como «educativas» sean implícitamente buenas. Lo mismo sucede en los alumnos. El mero hecho de que los alumnos vean a los adultos como personas que procuren su bien en un entorno protegido no significa que estén realizando acciones en su beneficio aunque a todos se lo parezca.
Puede hacerse un símil en el caso del análisis de datos educativos. Integrar la analítica del aprendizaje en un contexto educativo conlleva resultados opuestos sin una política de privacidad de datos adecuada (por parte de todos los agentes implicados). La analítica de datos educativos y la privacidad de los mismos deben entenderse como dos caras de la misma moneda, que más que opuestas, se complementan como una única. De esta manera, y de una forma genérica, podemos definir tres tipos de monedas:
- La bienintencionada: Identifica una analítica de datos en la que se respetan y protegen los datos de los estudiantes.
- La neutra: El uso de la analítica de datos educativos está supeditada a las necesidades y objetivos académicos sin importar a veces qué uso se hace de los datos.
- La orientada a resultados: El fin justifica los medios sin importar el impacto que puede tener ante el mal uso de datos educativos.
La filtración de datos son escándalos que no gustan oír y menos en educación. La cuestión es que sucede y más a menudo de lo que parece. Las causas pueden ser entre otras por desconocimiento, por negligencia por descuido o por desatención. La especificación en esta materia conlleva tener un asesor en datos educativos que entienda y que aconseje ante el uso de herramientas y prácticas que pueden poner en peligro los datos educativos generados en la entidad y además incurrir en ilegalidades.
Descubrir filtraciones significa que ya es tarde para reaccionar, puesto que los datos ya han sido expuestos y la privacidad e identidad de los alumnos desveladas. La única manera de luchar ahora mismo en contra de todo mal uso de dato educativo es ceñirse a legislaciones, aplicar sobretodo el sentido común y recurrir a un asesor experto en caso de desconocimiento. Actualmente no existe tecnología que aplique y proteja este tipo de situaciones. Así que nosotros debemos ser esta tecnología, y cualquier fallo puede suponer la exposición de nuestros alumnos a entidades que los utilizarán en su propio beneficio.
Muestro en el siguiente recuadro los extremos de situaciones creadas en un contexto analítico-educativo. En todos los casos de la primera columna se requiere asegurar que el uso de la analítica educativa no conlleva a la segunda columna.
| Lo deseado | Lo indeseado |
| Conclusiones rápidas a partir del uso de herramientas educativas con analítica | Uso, reuso y transferencia sin consentimiento de datos de los alumnos por parte de los proveedores |
| Alumnos beneficiados por algoritmos | Alumnos perjudicados por los mismo algoritmos |
| Uso de herramientas en la nube | Cesión gratuita de todo el conocimiento generado al proveedor de servicios |
| Instalación de plugins analíticos en el EVA | Transferencia de datos y resultados analíticos |
| Comunicaciones entre plataformas educativas | Recopilación de datos personales |
El tratamiento de datos educativos es una situación delicada. Puede que la siguiente pregunta nos ayude a ser más conscientes y evitar «lo indeseado»: ¿comprometes o proteges?