Carmen Pérez Fragoso Universidad Autónoma de Baja California

1. Carmen Pérez FragosoUniversidad Autónoma de Baja California La exploración de los registros de los cursos en línea con fines de investigación

2. Plan de la presentación • Orígenes y planteamiento del problema • Los contextos (nacionales) en la generación y uso de los datos. • La posibilidad de nivelarestedesfase ¿???? • Analítica del aprendizaje (learning analytics) • Definicióny delimitación. • Niveles de aplicación. • Dimensiones del problema • Modelo de diseñointegrador. • Aplicación del modelo. Ejemplos • Debate

3. Orígenes • La cantidad cada vez más grande de datos electrónicos personales (rastro digital). • Los avances en los sistemas de recuperación de la información

4. Planteamiento del problema(datos educativos) • Nuevas herramientas para el análisis de los datos almacenados en las plataformas. • Desfase de la experiencia tecnológica entre los usuarios por países.

5. No es lo mismo • Haber estado siempre «en la punta», incluyendo la investigación. A • Tener acceso «de golpe», sin haber vivido –aprovechado la experiencia– de los pasos previos. ¿Es posible –qué implica(ría)– la nivelación? [ ¿Es una «affordance»? ]

6. Definición Analítica del aprendizaje es la medición, recopilación, análisis y reporte (divulgación) de información sobre los estudiantes y sus contextos de aprendizaje, con los propósitos de comprender y optimizar el aprendizaje y los ambientes en los que se produce. Society for Learning Analytics Research (SoLAR, 2012)

7. Enfoque … el análisis de los datos capturados automáticamente en las plataformas para estudiar el comportamiento de los estudiantes. Phillips, et al., 2012

8. MDE vs. LA • La Minería de Datos Educativos – el desarrollo de métodos para analizar los datos del aprendizaje. • La Analítica del Aprendizaje (LA) – la interpretación y contextualización de esos datos para la mejora del aprendizaje.

9. Políticaseducativas Propósito de la inv.: Propósito de la inv.: REFLEXIÓN P R E D I C C I Ó N

10. Aplicación en diferentesniveles • Macro - paraauxiliar a los diseñadores de políticaeducativa con informaciónsobrelaspoblacionesestudiantiles, inscripcionesfuturas y a los diseñadores de curriculum paraevaluar la oferta (detectarhuecos o traslapes, optimizarrecursos…) • Meso – paraauxiliar a lasautoridades de las IES al facilitarmejoresjuicios, predecirresultados y apoyarintervencionespreventivas. • Micro – paramejorar el aprendizajey la enseñanza.

11. Fuente: de la Chezz, Iris (2013). Learning Analytics and Learning management systems

12. Ventajas para la investigación Recopilación-proc. Tradicional Recopilación-proc. Automatizado • Cuestionarios, entrevistas, etc. • Costo, tiempo, alcance y autenticidad de los datos. • Muestra representativa • Herramientas ad hoc • Disponibilidad sin costo, tiempo real, datos reales (de los procesos reales). • Grupos completos. ► Recopilación de la información más comparable a las observaciones que a la recolección intrusiva de otros métodos. ► Información más auténtica, datos reales en contexto ► Mejorará la comprensión de los procesos de E-A ► Resaltará posibles inconsistencias entre el comportamiento y la percepción de los usuarios.

13. Problemas / contexto • Campo nuevo – teoría que ayude a decidir la selección de los datos para los análisis. • Diversidad de entornos y herramientas. • Captura y almacenamiento no estándar. • Estudios empíricos en contextos disímiles impiden su replicación.

14. Los sistemas de recuperación de la información • La información digital es redundante y dinámica. • Es redundante debido al hecho de que muchas fuentes presentarán un informe sobre el mismo evento o situación. • Es dinámica debido al valor de tiempo, donde lo que se divulgó como cierto ayer puede ser falso hoy.

15. Modelo de diseño para los análisis (LA) • Meta-análisis – basado en los debates sobre el tema en variosforos: • Greller, W., & Drachsler, H. (2012). Translating Learning into Numbers: A Generic Framework for Learning Analytics, Educational Technology & Society, 15 (3), 42–57.

16. Marco de análisis « Los procesos y requerimientos detrás del uso positivo y ético de LA, así como las consecuencias para el aprendizaje y la enseñanza están aún muy lejos de ser comprendidas. La propuesta explora las dimensiones clave de LA, las áreas problema críticas y algunos peligros potenciales de la explotación de datos educativos. Es un marco de diseño genérico que puede actuar como una guía útil para configurar servicios de LA en apoyo a la orientación de la práctica educativa y el aprendizaje, la mejora de la eficiencia y efectividad del maestro, y la calidad del desarrollo curricular» Greller y Drachsler, 2012, p. 42

17. Limitacionesinternas Restriccionesexternas Convenciones Aceptación Competencias Normas I N S T R U M E N T O S Tecnología A C T O R E S Institución LA Algoritmos Maestros Estudiantes Teorías Otros Otros Reflexión Protegida Predicción Abierta Objetivos Información

18. Restricciones externas (cuestiones sociales) Convenciones Normas Investigación tradicional - Consentimiento informado Datos textuales digitales: Los datos personales pertenecen a la persona. Los datos anonimizados pertenecen al dueño de la base de datos. Datos en otros dispositivos – Smas. de rastreo, cámaras con reconocimiento facial etc. almacenan datos del comportamiento de las personas sin su consentimiento (incluso sin su conocimiento). • Cuestiones éticas, • de privacidad, • Leyes, políticas educativas • Estándares

19. Limitaciones internas (cuestiones personales) Competencias Aceptación • Para interpretar y contextualizar los análisis. • Pensamiento crítico. • A la fecha, limitada. • Evaluación empírica de los métodos. Riesgos La simplificación de los procesos de E-A Las predicciones: solo los comportamientos promedio, no las excepciones LA traduce el aprendizaje en números.

20. Una doble agenda(un doble esfuerzo) • Trabajar en la resolución de los problemas educativos del siglo XX • Atender los retos que demanda la formación del siglo XXI • Opción: Replicar el desaprovechamiento de la información, ahora de las fuentes digitales.

21. Carmen Pérez Fragoso cperez@uabc.edu.mx Muchasgracias porsuatención