Traducción de Natalia Veronica Lemos publicada em julio de 2023 | Texto original en portugués
¿Sabes cuándo empiezas a recibir publicidad similar a lo que has buscado tras realizar una búsqueda de un producto o servicio en internet? ¿Cómo saben los anunciantes lo que estamos buscando? ¿Cómo saben los anunciantes lo que estamos buscando? ¿Quién le informa a Youtube sobre los vídeos que más nos pueden atraer? ¿Quién ha elaborado esa lista de reproducción en Spotify con las canciones que realmente nos emocionan? ¿Cómo crea Netflix esa lista de películas y series que nos obligan a maratonear? o ¿Cómo Facebook reconoce las caras en las fotos y te plantea la posibilidad de etiquetar a tus amigos en tus publicaciones?
Para las empresas que manejan datos digitales, las «huellas» de su navegación y sus elecciones tienen un valor inmenso. Estas empresas vinculan los algoritmos a otros conceptos informáticos, como la Ciencia de los Datos y la Inteligencia Artificial. La ciencia de los datos consiste en utilizar el potencial de las máquinas computacionales para analizar y obtener conocimientos de un gran volumen de datos. A su vez, la Inteligencia Artificial crea algoritmos que aprenden en base a los resultados y análisis de la ciencia de los datos. Juntas, permiten a una máquina computarizada entender e imitar hasta cierto punto el comportamiento y la inteligencia humanos.
Al utilizar estos productos o servicios, normalmente se almacena el historial de navegación, formando una especie de «huella digital». Y si supones que este rastro se analiza para adivinar tus preferencias, ¡estás en lo cierto! La informática hace este trabajo para las empresas, a través de uno de sus conceptos elementales, el algoritmo: una secuencia de instrucciones que se utiliza para resolver un determinado problema.
Hoy en día los algoritmos están por todas partes y desempeñan un papel cada vez más importante en nuestras vidas. Imagina, por ejemplo, que decides ir a una heladería, y buscas en Google para encontrar algunas opciones. En situaciones como esta, ¿cuántas veces miramos la segunda o tercera página de resultados? En raras ocasiones, ¿verdad? Se consultan dos o tres opciones, se miran las calificaciones de las estrellas y se sigue adelante. Hasta cierto punto, fue el algoritmo de búsqueda de la empresa el que definió el helado que vas a tomar.
Pero todo este conocimiento no se limita a definir mejores caminos hacia la heladería, o elegir la banda sonora que escucharemos en el camino. Cuando hablamos de educación a distancia, enseñanza a distancia o uso de tecnologías en la educación, la ciencia de datos y la inteligencia artificial también están presentes. El volumen y el flujo de datos generados por la gestión de los centros educativos, el trabajo de los profesores y el aprendizaje de los alumnos en contextos online es hoy una de las mayores fronteras en el campo de la informática como ciencia aplicada.
Donde la ciencia de los datos se une a la educación
En este contexto, surge el concepto de Learning Analytics (LA). Es el campo de trabajo de los especialistas en informática que utilizan recursos y técnicas de la ciencia de los datos y la inteligencia artificial para analizar las huellas digitales que dejan las personas al utilizar herramientas y plataformas de aprendizaje online.
La pretensión es reconocer los patrones de comportamiento de los usuarios, calificar los recursos con los que interaccionan y mejorar los resultados de la experiencia educativa. Con este conocimiento, sería posible sugerir a estudiantes, profesores y tutores las mejores estrategias a adoptarse en el uso de los espacios online.
Actualmente, el learning analytics ya se reconoce como un área importante para la evolución de las prácticas educativas mediadas por tecnología. Sus aplicaciones son tan diversas como las necesidades de los responsables de la toma de decisiones en los entornos educativos, incluyendo actividades como: análisis y seguimiento del desempeño de los estudiantes; análisis preventivo con el objetivo de identificar conductas asociadas al abandono escolar; la tutoría inteligente, cuyo objetivo es guiar a los estudiantes en el proceso de aprendizaje; la adaptación y personalización de los entornos de aprendizaje a las preferencias y necesidades de los estudiantes; la recomendación de contenidos y recursos educativos, teniendo en cuenta el perfil del alumno; y la sugerencia de lineamientos para la creación de enfoques pedagógicos o estructura curricular, con el fin de optimizar el aprendizaje en los sitios online.
Las intervenciones realizadas por los miembros implicados en el proceso de enseñanza y aprendizaje a partir del análisis de los datos educativos suelen producirse en dos momentos centrales. Por un lado, las acciones pueden llevarse a cabo al final del proceso educativo, por ejemplo, para apoyar pasos como la evaluación de los estudiantes; así, los resultados se utilizarán en futuras iniciativas formativas.
Por otro lado, también pueden producirse acciones a lo largo de las actividades de enseñanza y aprendizaje, con la intención de modificarlas, ofreciendo, por ejemplo, feedback y recomendaciones a los alumnos, avisos preventivos al profesor sobre el progreso de aprendizaje, o apoyo a la personalización del entorno online para adaptarlo al perfil del alumno.
Estas perspectivas ofrecen dos posibilidades distintas para la toma de decisiones en el proceso pedagógico a partir de los resultados de los análisis: una actitud más moderada, que pretende mejorar el proceso de enseñanza en el futuro, o una conducta más incisiva, que busca desarrollar las acciones formativas a medida que se producen.
Aunque se trate de un ámbito en el que las técnicas computacionales desempeñan un papel decisivo, hay que tener en cuenta que el learning analytics es, sobre todo, una cuestión de educación. El diseño y la aplicación del análisis de datos educativos no solo deben tener en cuenta los intereses que los rigen, sino también, y, sobre todo, las teorías pedagógicas que los sostienen y legitiman. La conexión con dichas teorías, además de posibilitar la comprensión de los fenómenos de aprendizaje y contribuir a una mejor interpretación de los datos educativos, posibilita que los resultados del learning analytics sean utilizados para sugerir los principios que guían la creación o la mejora de los entornos educativos, los objetos de aprendizaje y también ayudar a transformar la información obtenida en las actividades en acciones centradas en las áreas pedagógicas.
Los tres lentes teóricos del learning analytics
En su relación con la Pedagogía y la Psicología Educativa, el área del learning analytics se ha guiado principalmente por tres lentes teóricos: los de base conductual, los de orientación cognitiva y los denominados contextuales. Los investigadores que trabajan en la frontera entre la educación y la informática suelen utilizar la palabra «lentes» para referirse a las teorías utilizadas en las técnicas de learning analytics. Al igual que un fotógrafo puede utilizar una lente de su cámara con determinado objetivo para hacer fotos en determinadas condiciones de luz, una teoría educativa sería más adecuada para entender el aprendizaje en un determinado entorno que en otro, dependiendo de los tipos de datos que ofrezcan y de los objetivos del análisis. Cuando se empezaron a utilizar las computadoras en los espacios educativos, el aprendizaje se veía como un cambio de comportamiento. Desde una óptica conductista, los investigadores se centraron en las respuestas de los individuos al entorno y en las posibles formas de condicionar las respuestas deseadas.
A partir de la segunda mitad del siglo XX, la psicología cognitivista resuena en la Pedagogía y dirige el enfoque hacia los procesos mentales que influyen en el procesamiento y almacenamiento de la información.
Más adelante, la elaboración de proposiciones constructivistas y elementos de la Pedagogía Histórica Crítica componen el lente contextual, a partir del cual se entiende el aprendizaje como resultado de un proceso social, colectivo, delineado a partir de interacciones y colaboraciones que ocurren en grupos, mediado por diversos recursos lingüísticos.
Cada lente teórico proporciona a los investigadores un «filtro» para centrarse en diferentes enfoques o perspectivas de aprendizaje. Esto significa que la característica de una determinada plataforma de aprendizaje u objeto virtual, por ejemplo, dependerá de los objetivos de las instituciones y profesionales que participen en su diseño, desarrollo y aplicación.
En cuanto a la aplicación práctica de las técnicas de learning analytics, los países que tienen resultados más significativos son los de habla inglesa, como Estados Unidos, Reino Unido y Australia. Un caso de éxito reconocido es el de Nottingham Trent University (NTU), en Reino Unido, que creó un sistema para mejorar la experiencia de aprendizaje de sus 28.000 estudiantes, con el objetivo de reducir la deserción y aumentar el sentimiento de pertenencia a la comunidad académica.
Antes del sistema, un tercio de los estudiantes de primer año se planteaba dejar el curso en algún momento. Tenían menos confianza, participaban menos en las actividades online y estaban menos en contacto con los profesores. El sistema establecido comenzó a enviar una alerta por correo electrónico a los profesores cuando el compromiso de los alumnos disminuía o se interrumpía durante una quincena.
Los estudiantes podían acceder al sistema para realizar un seguimiento de su compromiso: dos gráficos mostraban el progreso individual y lo comparaban con el promedio de la clase; los docentes pudieron detallar la participación en actividades de los estudiantes con bajo compromiso. El análisis de los datos de los alumnos de primer año mostró que el compromiso era un indicador de rendimiento más importante que la clasificación del examen de ingreso. Los estudios de los alumnos de último curso mostraron que los estudiantes con un alto grado de compromiso tenían el doble de porcentaje de obtención de títulos de primera clase (con un mínimo del 75% de las notas) en comparación con los estudiantes con un compromiso mediano o bajo. Además, casi un tercio de los estudiantes afirmó haber cambiado su comportamiento a lo largo del semestre académico en respuesta a los datos presentados por el sistema.
La adopción de learning analytics en América Latina aún es pequeña en comparación con América del Norte y Europa, y pocos estudios analizan su efectividad en el contexto brasileño. Sin embargo, es posible mencionar algunas iniciativas aplicadas en la universidad.
Este es el caso de la Universidad del Vale do Rio dos Sinos (Unisinos), en Rio Grande do Sul – Brasil, que utilizó una herramienta para analizar datos de más de dos mil estudiantes de dieciocho cursos de educación superior a distancia, con el fin de detectar riesgos relacionados a la deserción o al bajo rendimiento. La aplicación analizó datos de los estudiantes, como sus interacciones con el entorno online y su participación en foros de discusión.
Los informes semanales con los datos de los alumnos en riesgo eran presentados a los profesores, que a su vez proporcionaban apoyo pedagógico con intervenciones de acogida y atención para revertir este comportamiento. Los resultados mostraron que el sistema fue capaz de detectar más del 80% de los estudiantes con comportamientos de riesgo.
En estos términos, el uso de learning analytics ha demostrado ser una herramienta importante para monitorear las relaciones de enseñanza y aprendizaje, lo que puede tener un impacto positivo en estos procesos. Sin embargo, todavía hay pocos casos de uso de analíticas de aprendizaje que presenten resultados prácticos consistentes, obtenidos a través del uso continuado de técnicas o en contacto real con estudiantes y profesores, especialmente en Brasil.
Las universidades brasileñas podrían mitigar el problema del abandono y el fracaso escolar con la ayuda de este recurso, integrándolo en sus entornos virtuales para controlar el rendimiento de los estudiantes e identificar con mayor rapidez y eficacia las situaciones y comportamientos asociados, por ejemplo, al abandono. Para ello, hay que hacer un esfuerzo por dar a conocer estos instrumentos a la comunidad académica, tratando de superar sus desafíos técnicos y sus costes financieros.
No todo es fácil con learning analytics
A pesar de la reconocida importancia del área de Learning Analytics, como habrás adivinado, no todo son flores: cuestiones como la propiedad y el acceso a la información personal representan grandes desafíos en la era del análisis de datos en la educación. A la medida en que las tecnologías digitales recopilan información privada de las plataformas tecnológicas hace que las cuestiones éticas y de privacidad sean particularmente importantes.
Los estudios académicos han comenzado a entender el análisis de los datos educativos desde las dimensiones ética, legal y económica, por ejemplo. Esto implica un debate sobre el establecimiento de directrices que muestren cómo y qué datos personales se recogen, se almacenan, se analizan y se presentan a las diferentes partes interesadas, como estudiantes, profesores, personal educativo, gestores, patrocinadores e inversores.
Evidentemente, los investigadores deben tener en cuenta las cuestiones relativas a la protección de datos y a la investigación con sujetos humanos a la hora de recopilar y analizar los datos educativos, una vez que es esencial garantizar la confidencialidad y la seguridad de la información en cuestión.
Por tanto, se necesitan leyes y políticas públicas específicas, y algunas iniciativas ya empiezan a tener reverberaciones. Los estudios sobre el learning analytics en Brasil, por ejemplo, deben realizarse en el marco de la Ley General de Protección de Datos, recientemente aprobada por el Congreso Nacional brasileño, y también de las directrices que rigen específicamente el análisis de datos educativos.
El avance de la educación online, especialmente entre los adultos, y la profusión del uso de recursos y plataformas digitales por parte de estudiantes y profesores, en todos los niveles y modalidades de la educación, tiende a hacer del learning analytics un área de estudio e investigación de primera importancia.
Es cierto que el desarrollo del análisis de datos educativos ha contribuido a la construcción de mejores ambientes de aprendizaje y a la toma de decisiones que mejoran la experiencia del proceso educativo mediado por la tecnología. Pero, si el futuro es prometedor, como parece, también representa un desafío, pues dependerá de la articulación de un diálogo colaborativo, creativo y concienzudo entre Informática, Derecho y Pedagogía.
SOBRE LOS AUTORES
Rogério Ferreira da Silva es licenciado en Informática, con maestría en Ciencias de la Computación, doctorando en Ciencias de la Computación y Matemática Computacional, profesor e investigador de la UFPR en el Campus Jandaia do Sul.
Marcelo Valério es biólogo, máster en Educación Científica y Tecnológica, doctor en Educación Científica y Matemática, profesor e investigador de la UFPR en el Campus de Jandaia do Sul.