Informe OBS: El Learning Analytics evoluciona a pasos agigantados
El Learning Analytics es una tendencia tecnológica que está en constante evolución y que pasa por recoger, contextualizar y analizar datos relacionados con los estudiantes y los entornos en los que realizan su proceso de aprendizaje, con el objetivo principal de incrementar sus posibilidades de éxito y su rendimiento académico. Además, es una tendencia que está cada vez más extendida ya que a lo largo de este 2018, cualquier búsqueda de “Learning Analytics” en Google Scholar arrojaba más de medio millón de resultados.
Según el informe “OBServatory” de Eulalia Torras y Andreu Bellot, investigadores de OBS Business School, el Learning Analytics utiliza la misma metodología que el Big Data, aunque con algunas diferencias. Ambos utilizan los principios de las cinco Vs, refiriéndose al volumen de datos, la velocidad a la hora de recoger dichos datos, la veracidad y variedad de los mismos, además de la valencia reflejándolos en forma de gráficos. Ambas tendencias quieren dar una respuesta efectiva a la creciente cantidad de datos Sin embargo, el campo de aplicación del Big Data es mucho más amplio que el Learning Analytics, que se ciñe exclusivamente al ámbito educativo.
Actualmente, los modelos teóricos que sostienen al Learning Analytics son claramente tecnológicos. El modelo Chatti pone el foco en la necesidad de extraer información para facilitar la toma de decisiones, mientras que el modelo Picciano lo hace en la necesidad de ofrecer a los estudiantes una plataforma que les permita interactuar en línea, además de mejorar la eficiencia de las instituciones educativas en el análisis de datos. El modelo Gartner, por su parte, se centra en la oferta de un aprendizaje con un mayor grado de personalización que ofrezca experiencias más efectivas. Otro de los tipos de modelos es el de Clow, que interpreta el Learning Analytics como un ciclo que consta de unos estudiantes que generan unos datos, que éstos producen unas métricas que derivan en la toma de algún tipo de decisión.
Finalmente, el modelo Siemens profundiza en ofrecer plataformas que tengan un mayor grado de interactividad y nivel visual para facilitar el desempeño de los estudiantes. Los avances en programación permiten la utilización de herramientas que no requieren de un alto grado técnico como por ejemplo Blackboard, que utiliza plataformas para analizar los datos y las acciones de los propios estudiantes.
Estos modelos teóricos son fundamentales para encontrar las métricas adecuadas para analizar de forma efectiva la gran cantidad de datos que generan los estudiantes y, responder así, a todas las preguntas de las instituciones educativas. Las métricas deben ser la guía que permita conseguir una integración efectiva de dichos datos facilitando su interpretación. Sin embargo, al inicio del proceso es necesario partir de expectativas que no sean demasiado elevadas ya que, como ocurre con cualquier tendencia tecnológica, presenta la necesidad de conseguir un enorme cambio. La aplicación de un método permitirá dar respuesta a los retos de gestión que puede presentar el Learning Analytics.
La parte humana también resulta fundamental para afrontar efectivamente a todos estos retos. Contar con un equipo interdisciplinar formado por un psicólogo experto en la educación en línea, un informático y una persona que sea experta en la gestión de la institución son roles claves que deben ser cubiertos para dotar a los estudiantes de las herramientas necesarias en todo momento. A su vez, deben plantearse preguntas de investigación, que serán el eje del uso del Learning Analytics, y que darán respuesta a todas las demandas que puedan tener las instituciones en su día a día.
El creciente aumento de la cantidad de datos también presenta el reto de organización de los mismos. Almacenar y conservar todos los datos que tengamos presenta un claro riesgo de no ser capaz de entender todo lo que tenemos. Por tanto, es necesario encontrar un equilibrio entre almacenar todo lo que podamos necesitar y nos sea útil en el futuro, y saber aquellos que han quedado obsoletos y que por tanto hay que eliminar. Aplicar esta metodología será necesario para que las técnicas del aprendizaje supervisado y no supervisado, que contempla el Learning Analytics, puedan tener el efecto esperado entre los estudiantes.