Learning analytics: tecnología al servicio de la educación
En un mundo cada vez más digitalizado, los datos se han convertido en un recurso muy valioso para las empresas, en la medida en que permiten tomar mejores decisiones respecto al negocio.
El sector educativo ha estado utilizando los datos para optimizar sus procesos, especialmente cuando se trata de la formación online o a distancia. Es aquí donde surge el learning analytics. Un término que se ha popularizado y que hoy forma parte habitual de las conversaciones sobre data analysis y big data, que son la base de todo.
En este artículo revisamos en qué consiste el learning analytics, cuáles son sus etapas y cómo se puede aplicar para ayudar a mejorar la experiencia de aprendizaje en la actualidad.
Qué es learning analytics
Learning analytics, o analíticas de aprendizaje, se refiere al uso, análisis y aplicación del big data y la ciencia de datos para optimizar la enseñanza y el entorno en el que esta se lleva a cabo. En otras palabras, se trata de seguir la huella que deja el alumnado en su formación para conocer sus gustos, necesidades y tendencias de comportamiento en línea. De esta manera, el proceso es:
- Más efectivo, pues los estudiantes, bien sean reales o potenciales, obtienen herramientas adaptadas a sus necesidades.
- Más eficiente, ya que las instituciones hacen un mejor uso de sus recursos al impartir conocimientos.
Asimismo, el learning analytics engloba aspectos tecnológicos, comerciales y educativos que no funcionan de manera aislada, sino que se integran y retroalimentan. Por esta razón, es necesario tener una perspectiva completa sobre ellos para lograr sacarles el máximo partido.
Etapas de la analítica de aprendizaje
La analítica de aprendizaje o learning analytics, se lleva a cabo de acuerdo con las circunstancias específicas de cada caso. Por ejemplo, una gran universidad que ofrezca titulaciones online y tenga estudiantes en todo el mundo requerirá de un enfoque muy diferente al que se puede tener en un pequeño instituto que solo imparte clases presenciales en Madrid. Aun así, hay algunas etapas generales que son relevantes en la mayoría de los casos.
DefiniciónAquí se valoran las razones para implementar el learning analytics, además de establecer los objetivos que se buscan alcanzar. También, se definen los indicadores que permitirán evaluar los avances, durante y al final del proceso, y las herramientas que se van a usar. |
RecolecciónEsta es la etapa en la que se obtienen los datos. Las fuentes son muy diversas: registros online, redes sociales o incluso proveedores de datos. Estos últimos utilizan grandes volúmenes de información. |
AnálisisEn este punto es cuando entra en juego el trabajo del analista de datos, limpiando, filtrando y organizando la información recogida para luego poder analizarla. Esta se suele presentar de manera muy gráfica, de modo que su gestión resulte más fácil. Es habitual detectar patrones, prever tendencias y hacer recomendaciones preliminares. |
PlanificaciónLlega el momento de utilizar la información derivada del análisis anterior y ponerla en contexto con la situación del negocio educativo. Después, se diseña la hoja de ruta que se aconseja seguir, siempre de acuerdo con los objetivos que se hayan planteado al inicio. |
ImplementaciónEl learning analytics no tendría sentido sin convertir los datos en acciones concretas, por lo que esta última etapa es tan importante como las anteriores. De igual manera, es necesario hacer un seguimiento para asegurar que todo se ejecute según lo planeado. |
Learning analytics en educación: aplicaciones más importantes
En ocasiones, cuesta ver el potencial del big data en el sector educativo, pues no ha sido de los primeros en utilizar esta herramienta. Por eso, recogemos algunos ejemplos de la manera en la que el learning analytics se puede aprovechar para optimizar el aprendizaje.
- Segmentación de estudiantes: para entender las condiciones de cada aprendiz y ofrecer las mejores alternativas para su educación. Esto incluye datos sociodemográficos, preferencias de aprendizaje, entorno cultural, entre otros.
- Oferta personalizada: se construye poco a poco, de acuerdo con los intereses descritos y los que van surgiendo en el camino. Por ejemplo, si en medio de una formación el estudiante muestra especial entusiasmo por un tema en particular, es posible ofrecerle cursos avanzados o material complementario.
- Prevención de deserciones: con los datos adecuados, es fácil prever cuando un estudiante empieza a mostrar poco interés por su formación. Detectar esto de manera anticipada puede ayudar a impulsar estrategias que lo motiven y ayuden a retenerlo, incluyendo cambios en la forma de evaluar, revisión del contenido, entre otras.
- Innovación en las propuestas formativas: a partir de la evaluación de los intereses detectados en antiguos, actuales y potenciales estudiantes. Con esto, las instituciones pueden mantenerse a la vanguardia y ofrecer siempre programas que se adapten a las exigencias de la sociedad.
- Mejor inserción laboral: puesto que es más fácil conocer las fortalezas y habilidades de cada alumno, lo que facilita su ubicación en trabajos en los que pueda ponerlas en práctica y explotarlas al máximo.
- Desarrollo de herramientas y metodologías: nuevas formas de enseñar que vayan desde la integración de dispositivos inteligentes hasta procesos efectivos de autoevaluación y detección de errores. Al final, lo que se persigue es que la educación se adapte al estudiante y no lo contrario.
Queda claro que el learning analytics es una apuesta prometedora para el presente y futuro del sector educativo.
No solo se trata de impartir contenidos relevantes y de calidad, sino de hacer de toda la experiencia formativa algo útil, motivante y eficiente, desde antes de empezar los estudios hasta mucho después de terminarlos. Porque el aprendizaje es un proceso que nunca se detiene, y es justo esta característica la que hace que sea necesaria una actualización constante y un empeño permanente por mejorar e innovar.