AA30 – 1.2 Usos de la analítica del aprendizaje

La analítica del aprendizaje activa el análisis de comportamientos de los alumnos, extracción de patrones y aplicación de estos patrones a otros alumnos para tener una referencia y ver en qué punto está un alumno en concreto.

Daniel Amo

La anterior descripción puede parecer que tenga connotaciones conductistas, de la que se entienda que los comportamientos se usan para modelar a los alumnos, que se apliquen los patrones para encajarlos en unas predicciones o que se les evalúe en base a unas conductas pre analizadas. Seguramente podría utilizarse en este ángulo y en algunas ocasiones puede haber sido así. Sin embargo, su uso principal puede describirse de la siguiente manera:

La analítica del aprendizaje procura entender cómo los alumnos están progresando, están adquiriendo nuevo conocimiento, están cambiando sus habilidades o están evolucionando dentro del proceso de aprendizaje. Esta comprensión ayudará a cualquier rol educativo a mejorar el contexto de aprendizaje.

Daniel Amo

Personalmente estoy mucho más de acuerdo con esta última descripción. Los profesores tenemos herramientas personales forjadas por la experiencia. No obstante, con la analítica del aprendizaje podemos descender a un nivel de detalle más profundo. Podemos ver si un alumno progresa a un ritmo continuo, a un ritmo más lento de lo que se espera en un inicio o lo hace a un ritmo más rápido que las expectativas definidas.En cualquier caso, podemos empezar a comprender cómo un alumno está progresando y de qué manera.

Es muy importante considerar que la analítica del aprendizaje es un soporte para el profesor. Su objetivo es ayudarle a comprender cómo el alumno está progresando. A través de entender cómo el alumno está cambiando en el transcurso de su proceso de aprendizaje podemos sacar conclusiones y guiarle para conseguir los objetivos propuestos. Se trata de actuar en pro de todos los alumnos, tanto si van por encima de, por debajo de o por el ritmo esperado. Las oportunidades de aprendizaje que podemos ofrecer a los alumnos son infinitas si conocemos el estado de este. Guiarle, ayudarle, alentarle y darle soporte son tareas del profesor analítico donde los datos aportan un valor añadido.

1.2.1 La analítica educativa no sustituye, amplia

La analítica del aprendizaje nos da referencias. Usando el símil de una maratón, estas referencias serían los carteles kilométricos, aquellos indicadores de la distancia recorrida en carrera.

Daniel Amo

Imaginemos una carrera como un camino de aprendizaje, donde los carteles kilométricos indican el avance en el mismo.

Cuando un alumno siempre se encuentra con el mismo cartel kilométrico significa que ha entrado en bucle, recorre siempre el mismo sentido, da vueltas al mismo circuito, pasa por el mismo sitio y no avanza.

Encontrar carteles kilométricos con valores superiores a los anteriores es indicativo que se está avanzando en el aprendizaje. Pero también se pueden encontrar carteles kilométricos con valores inferiores al anterior, hecho que indica que se está haciendo una involución en el aprendizaje.

Con la analítica del aprendizaje, y siguiendo con el símil de la carrera, podremos saber si un alumno va perdiendo kilómetros, si los va sumando, si corre a una velocidad constante o irregular, si la velocidad es demasiado lenta, si va muy rápido pero aún así no está sumando kilómetros o si no se está moviendo en absoluto.

Al trasladar este símil a situaciones reales, podemos entender que un alumno que pierda kilómetros es indicativo de algún problema que puede venir de dentro del aula o incluso de fuera. Un alumno que corre a una velocidad irregular puede ser que no esté organizando bien la maratón y las prioridades. Un alumno que va por encima de lo esperado pero que no suma kilómetros puede ser indicativo que está haciendo muchas cosas pero no las relacionadas con los objetivos a conseguir.

De esto trata la analítica del aprendizaje, de establecer referencias y conocer el progreso de los alumnos. Cualquier dato será significativo para poder accionarlo.

1.2.2 La analítica de estímulos educativos como realidad aumentada educativa

Lo virtual nos debe ayudar en lo real a crear interacciones ricas entre roles educativos.

Daniel Amo

En cierta forma la tecnología nos conecta a la vez que nos deshumaniza, nos aleja de la realidad y puede fomentar un alter ego de los alumnos muy superficial –aquél que trata de adaptarse al sistema y hackearlo para sacar mejores calificaciones-.

Los datos que los alumnos generan, sus trazas en entornos de aprendizaje virtuales o sus accesos a recursos en línea deben servir al profesor como herramienta para animar en lo real una comunidad de aprendizaje viva y reluciente de interacciones sociales. Para ello deben utilizarse estímulos educativos.

Un estímulo educativo es toda actividad, evaluación, tarea, proyecto o interacción alumno-profesor que además arroja datos. La tecnología de aula da pie a analizar todas estas interacciones y a sacar conclusiones accionables. Muchas de ellas incluso pueden automatizarse, sin perder siempre el objetivo de utilizar tales automatismos para activar la comunidad educativa en lo real.

Existe un miedo hacia la automatización de aspectos educativos, por su supuesta capacidad de destrucción de puestos de trabajo. Sin embargo, no hay peligro de que la automatización termine con los profesores. El rol del docente no es automatizable, aunque algunas de sus tareas sí lo sean, motivo por el cual la analítica del aprendizaje tiene absoluta cabida.

1.2.3 Dos estadios en la aplicación del análisis de datos educativos

Sin métricas no hay recolección de datos. Sin recolección de datos no hay análisis. Sin análisis no hay visualizaciones. Sin análisis ni visualizaciones no hay actuaciones. Sin actuaciones no se puede mejorar. Sin ninguna de las anteriores no habría distintas formas de hacer.

Daniel Amo

La analítica del aprendizaje consiste en un proceso cíclico de 5 pasos bien definidos:

• Definir
• Recolectar
• Analizar y Visualizar
• Actuar
• Evaluar

Los tres primeros pasos definen el éxito de una postura analítica. Cualquier fallo en ellos no permitirá seguir con los dos últimos, así de importantes son. Sin embargo, se pueden ejecutar desde distintos estadios bien diferenciados:

1. Estadio 1: Comprensión e Interpretación
2. Estadio 2: Tratamiento y Transformación de datos.

Los profesores analíticos pueden estar en los dos estadios a la vez, no son mutuamente exclusivos. El contexto, los requisitos y el conocimiento condiciona el hecho de que un profesor pivote entre un estadio u otro o esté en ambos a la vez. 

Estadio 1: Comprensión e Interpretación

El estadio de comprensión e interpretación identifica un proceso muy básico del ciclo analítico.

Cuando un profesor está en este primer estadio utiliza herramientas que le permiten trabajar datos crudos de una forma transparente para extraer resultados rápidos y elaborados. No se ensucian las manos y no juegan con los datos con herramientas estadísticas o de análisis. Estas herramientas acostumbran a ser de evaluación, de transmisión de contenidos o incluso de visualización que les permiten generar resultados en poco tiempo.

Por norma general, el objetivo principal de estas herramientas no es mostrar unos resultados elaborados y completos, aunque tengan que generarlos. No obstante, estos son suficientes para que los profesores empiecen a utilizar datos para cambiar su forma de enseñar.

Estadio 2: tratamiento y transformación de datos

El estadio de tratamiento y transformación de datos identifica un contexto donde la alfabetización de datos es de un nivel superior y se demuestra en los resultados analíticos.

Los profesores que están en este segundo nivel utilizan los datos crudos en herramientas estadísticas para extraer resultados a conveniencia. Profundizan en datos generados por estímulos educativos siguiendo todo el ciclo analítico. Se ensucian las manos en la recolección de datos, los unifican en un mismo lugar, los limpian, los transforman, los tratan con herramientas estadísticas, crean visualizaciones y generan incluso visualizaciones para que los alumnos las utilicen. Estos profesores aprovechan todo el proceso analítico con un impacto muy positivo en la docencia y en el aprendizaje de sus alumnos.

1.2.4 El estado de la analítica del aprendizaje

Allí donde unos ven números, otros ven oportunidades de aprendizaje. Allí donde unos ven datos cuantitativos, otros ven retroalimentación de valor incalculable. Allí donde unos ven fórmulas matemáticas, otros ven la capacidad de mejorar el aprendizaje de los alumnos. Allí donde unos ven algoritmos predictivos, otros ven oportunidades para anticiparse y mejorar la tutoría, la evaluación y el seguimiento de los alumnos.

Daniel Amo

Tras mi bagaje como investigador, puedo afirmar que la analítica del aprendizaje es un campo de investigación maduro a nivel mundial. Ya no es un campo novel en el que se está realizando investigación incipiente con resultados imprecisos. Es un campo donde los resultados están lanzando información útil, indicadores que afirman que el uso de datos en el aula aumenta, favorece y mejora el contexto de aprendizaje en distintos sentidos.

Además, la analítica del aprendizaje está sufriendo una revolución que la enmarca en su segunda fase de transformación. La primera se fundamentaba en el análisis de interacciones de alumnos en entornos virtuales de aprendizaje o plataformas en línea en general. Ahora tenemos una transformación en la que la analítica del aprendizaje va más allá de lo virtual y aterriza en lo real con la variante llamada Multimodal Learning Analytics –Analítica del Aprendizaje Multimodal–.

En esta analítica del aprendizaje de modos múltiples tiene cabida cualquier tipo de sensor, algoritmo o artefacto que permita capturar cualquier interacción del alumno, ya sea individual o en grupo. Las cámaras, los sensores biométricos, de temperatura, de pulsaciones o incluso de sudorificación son artefactos que entran en esta categoría multimodal y que ya están siendo usados en el contexto educativo.

Este es un campo más abierto que sin duda hace que la analítica del aprendizaje de un paso hacia delante, pero que también puede conllevar a absurdos o a situaciones más bien rocambolescas.  Drones en el aula que controlan posibles copias, alumnos controlados por cámaras, control facial de acceso a la institución educativa, detección de emociones por reconocimiento facial, bolígrafos que registran lo que escriben los alumnos…

Este paso adelante abre a la vez un debate alrededor de la privacidad de los alumnos, quienes quedan a expensas de unos docentes analíticos a los que se les añade la responsabilidad de velar por su identidad digital y privacidad más allá del acceso en línea.

La analítica del aprendizaje es madura en campo de investigación. Sin embargo, esta situación contrasta fuertemente con la realidad educativa, puesto que aún podría considerarse como emergente en su aplicación en el aula.

Esta situación en España tiene una tendencia muy clara. Se utilizan datos educativos, pero aún se está en un primer estadio de comprensión e interpretación de estos. Existen docentes que transforman datos crudos y crean sus propias visualizaciones, pero la balanza aún se decanta por el primer estadio de uso de herramientas tecno-educativas con resultados rápidos y suficientes para empezar a realizar cambios sustanciales en el aula.

1.2.5 El docente analítico

La alfabetización de datos –data literacy– es aquella competencia que para un rol de docente analítico se adquiere y construye en base a trabajar con datos educativos, conceptos estadísticos y herramientas de análisis o visualización. Existe una tendencia en el uso de herramientas tecno-educativas que arrojan datos constantemente. La alfabetización de datos comprendida como una competencia es esencial para poder aprovechar esta oportunidad.

Ser alfabeto de datos consiste en el conocimiento de conceptos estadísticos, de cómo aplicarlos con datos y de qué manera extraer conclusiones accionables. En definitiva, se trata de usar las matemáticas en el aula para mejorar el contexto educativo.

Las matemáticas aplicadas en educación abren puertas a nuevas experiencias y nuevos resultados. En el capítulo de experiencias podrás comprobar cómo distintos profesores utilizan el conocimiento analítico para desgranar las interacciones de los alumnos gracias a los resultados analíticos sencillos de herramientas digitales.

Con una comprensión elemental de resultados estadísticos es más que suficiente para empezar a cambiar aspectos de aula. De la misma manera, tampoco es necesario conocer en profundidad técnicas de Big Data ni esperar a conseguir grandes cantidades de datos. Los datos generados por alumnos en concreto pueden incluso ser más valiosos.