RESUMEN para Infografía del VIDEO: Analíticas de Aprendizaje: una perspectiva crítica (Jordi Adell)
RESUMEN a Video Analíticas del aprendizaje: una perspectiva crítica (Jordi Adell)
RESUMEN Y NOTAS DE BORRADOR DEL VIDEO
ANALÍTICAS DE APRENDIZAJE. BIG
DATA de Jordi Adelle en Youtube
El presente resumen se basa en EL VIDEO INCLUYE CUATRO
ASPECTOS antes de un debate que no aparece en el mismo
1.
Definición
2. Promesas
3. Tipos – Aplicaciones
4. Críticas: Los peligros de “datificar” la enseñanza y el aprendizaje
5.
Debate
ANTECEDENTES: INTERNET ha
traído BIG DATA provocada por muchos dispositivos.
Un conjunto de datos que generan
un gran número de datos, la cantidad de datos que genera la humanidad pueden
ser estructurados y no estructurados. Los datos pueden ser EXHAUSTIVOS. Los datos están relacionados entre sí, es
decir que tienen campos comunes y puede crecer en extensión, tanto en filas
como en columnas como que fuera una tabla.
Para 2017 se hacían 2.4 millones de búsquedas en Google y en Youtube
2.78 millones; cada minuto. Para Julio
del 2021 se hacían 5.7 millones en Google y en Youtube se cambió la métrica de
500 horas de contenido subido. Esto representaba en dos años; casi el doble de lo
que indica Jordi Adell en el video.
Figura 1
2021This is What Happens in Internet Minute
Las analíticas del aprendizaje
son la aplicación de las ideas tecnologías, procesos, etc. sobre Big Data a la
educación ( 13’30” )
1.
DEFINICIÓN cercana:
La analítica del
aprendizaje es la medida, recolección, análisis y presentación de datos sobre
los estudiantes y sus contextos con el propósito de comprender y optimizar el
aprendizaje y el entorno en que tiene lugar. (Long y Siemens, 2011). Esta es una definición “canónica”, según
indica Adell, Jordi.
“La idea es simple pero potencialmente
transformadora: Las analíticas
proporcionan un nuevo modelo para que los líderes universitarios mejoren la
enseñanza, el aprendizaje, la eficiencia organizacional y la toma de decisiones
y, como consecuencia, sirva de base para el cambio”
Esta toma de decisiones
viene desde el político como el ministro de educación, universidades, etc.
Cuadro 1
FUENTE: Elaboración Propia a partir de la explicación de Jordi Adell del VIDEO en Minuto 20’ 27” (traducción y transcripción por Francisco E Martínez)
|
Explicación
o Definición |
Propósito
Enfoque a |
Algunos
proyectos |
|
|
Analytics
|
Concepto que es definido como el manejo de datos y la decisión de
hacerlos |
Todos los niveles |
Reportes que ayudan a tomar decisiones Dashboards
|
|
Academic Analitycs |
Datos y números que ayudan a los administradores a tomar decisiones
tanto operacionales y financieras |
Institución |
Reportes que ayudan a tomar decisiones (Fuentes
efectivas) Effectiveness Sources Portal (ESP) Sponsored
Project Excellence
Achieved through Redesing (SPEAR)
|
|
Learning Analytics |
Ayudar a tomar decisiones para aspectos instruccionales o pedagógicos |
Aprendiz o Departamento |
Asignación de cursos así como chequeo de actividades |
|
Predictive Analytics |
Analíticas predictivas Capacidad de los primeros datos obtenidos de un estudiante, para
conocer si continua o deja un curso y en base a ello actuar. |
Todos los niveles |
Planes de mejora para estudiantes. |
...
FUENTE: Elaboración Propia a partir de la explicación de Jordi Adell del VIDEO en Minuto 20’ 27” (traducción y transcripción por Francisco E Martínez)
PROMESAS
DE LA ANALITICA DE APRENDIZAJE en la Educación (de nueve)
1.
Herramienta para mejorar la
calidad de la enseñanza
2. Herramienta para retener tasas de retención de estudiantes o evitar
deserción escolar
3. Herramienta para evaluar y actuar sobre resultados de poblaciones
escolares
4.
Herramienta para
facilitador del aprendizaje adaptativo.
Desde aproximadamente el
año 2004 se aproximaba hasta el año 2011 en la analítica del aprendizaje
Figura 3. El ciclo de la analítica
del aprendizaje
(Aprendizaje, Datos, Métricas e Intervenciones)
Fuente: https://learning-analytics.info/index.php/JLA/article/view/7697/7611 Pag. 4
3. TIPOS DE APLICACIONES: CUATRO NIVELES Básicos de Learning Analytics.
1.
Descriptivo: Fotos , panoramas
2. Diagnostico: por qué ocurren las
cosas
3. Predictivo. Posibilidades de lo
que ocurrirá en el futuro que los estudiantes
4.
Prescriptivo. Aplicaciones que recomiendan a estudiantes, o
hacen aplicaciones.
Figura 4 - ANALITICAS MACRO, MESO Y MICRO
Fuente: UNESCO- Policy Brief of Learning Analytics . Nov 2012 Pagina 3
LAS GRANDES CATEGORIAS en los que están interesados en Learning Analytics. Universidades, Administradores, Instituciones educativas; entre otras. (25’ 50”)
1.
¿QUÉ? Extractado del LMS (Learning Management System) o su aula virtual y el
SIS, DE la actividad y estadísticas de exámenes y de datos estáticos para juntarlos
y que tengan coherencias.
2. ¿QUIÉN? Para Estudiantes, profesores, administradores,
diseñadores de sistemas y de acuerdo a lo que ellos buscan así será su
información suficiente para poder seguir aprendiendo.
3. ¿PARA QUE? Monitoreo, predicción,
tutorización, evaluación, adaptación, personalización y recomendación para
reflexión. De acuerdo a esta información
un estudiante podría cambiar su comportamiento y mejorarlo.
4.
¿CÓMO? Con estadística, Visualización (Dashboards)
y minería de datos (asociaciones, clasificaciones) y técnicas de análisis de
redes.
4. CRITICAS y FINAL
EXISTEN VARIAS PLATAFORMAS para el Learning analytics, aquí algunas mencionadas:
· Ejemplo Moodle y en 2016 tenía una incorporación e implementar en su núcleo
, realizar las analíticas del aprendizaje
· Santillana también se planeó uso de ODDO varias escuelas de IBERO y
LATINOAMERICA.
· Hay otras aplicaciones mas que se están utilizando ya, ejemplos, tomar
captura de pantallas y revisar qué es lo que un estudiante está haciendo y para
qué está allí y el tiempo que permanece.
· En Reino Unido publicó un informe: “From Bricks to Clicks” se ha puesto en
marcha un plan de 50 universidades en
Reino Unido utilizando Analítica del Aprendizaje. Objetivo es convertir al Reino Unido en líder
en el mundo en desarrollar las analíticas del aprendizaje. (Report: From Bricks to Clicks - The Potential of
Data and Analytics in Higher Education, 2016)
ULTIMAS FRASES a manera de conclusión:
SIMON BUCKINGHAM SHUM
“Nuestra analítica de aprendizaje es nuestra pedagogía”
Lo que no se
evalúa se devalúa, pero lo que se evalúa mal se deteriora” Ángel Gabilondo
¿Estamos listos para que la
educación se convierta en una empresa guiada por datos?
Se
recomiendan algunas otras lecturas como: Selwyn N. (2014) Data Entry: Towards
the Critical Study of Digital data and Education. Learning, Media and
Technology, http://dx.doi.org/10.1080/17439884.2014.921628
PREGUNTAS
QUE DEBEN HACERSE
1.
¿Cómo
transforma la enseñanza y el aprendizaje universitarios el análisis sistemático
y constante de las “huellas digitales” de los estudiantes y profesores? Esto ayudará a mejorar la relación de
confianza entre docentes y estudiantes derivado de la entrega y socialización
de tareas.
2.
¿Cómo
transforma la AA os contenidos del currículum y la comunicación (online y
offline) entre profesores y estudiantes y entre los propios estudiantes? Es decir lo que podemos y no usar mientras
realizamos nuestra tarea docente. Cambiaría
en las clases si los estudiantes pueden saber si la computadora pueda cambiar
la nota en base a lo que estudia.
3.
¿Qué
precauciones y garantías es necesario adoptar para el uso de datos personales? Elaboración e implementación de códigos de
privacidad de los estudiantes.
4.
¿Cómo
cambia la toma de decisiones y el gobierno de las universidades la analítica
del aprendizaje? Cambiará de acuerdo al “dashboard”
si están o no están los estudiantes y un balance entre vigilancia y
control.
5.
¿Caminamos
hacia una “universidad panóptica”? Transformación de una sociedad panóptica “un
edificio visto desde un solo punto”. (RAE, 2022)
Todo esto ya es parte de un GERENCIALISMO y
posteriormente mejorar la información de las métricas de PISA en cuanto a la
alfabetización cálculo matemático, lengua española y ciencia pero no mide historia, geografía y
otras cosas y esto cambiará la metodología de PISA.
Las oportunidades y retos que implicó la realización de la infografía.
|
OPORTUNIDADES |
RETOS |
|
Mejorar la forma de visualizar información. |
Tiempo que significó aprender herramientas nuevas como
el uso, elaboración y presentación de la INFOGRAFIA |
|
Investigar a consciencia del tema |
Lectura
de al menos 12 documentos |
|
Autogestionar el uso de tecnología |
Utilización y elaboración de infografía en VISME |
|
Revisar múltiples contenidos y recursos tecnológicos |
Cansancio
visual usando pantallas de computadora /laptop/tablet/celular |
|
Aprendizaje constante de tecnología |
Desarrollo y comprensión de los medios tecnológicos
disponibles. |
Los usos que le pueden dar a las herramientas de
visualización de datos en el aula o en los procesos de enseñanza aprendizaje en
los que participa
1.
Permite
la visualización rápida y en resumen de la información.
2.
Ayuda
a asimilar los contenidos por parte de los espectadores o estudiantes.
3.
Desarrolla
el sentido crítico del docente
4.
Resume
un buen número de fuentes de contenido, contribuyendo a la formación de la
comunidad educativa.
5.
Permite
el trabajo Colaborativo entre los actores del proceso enseñanza-aprendizaje tal
como el uso compartido de los medios disponibles; en mi caso utilicé VISME.
REFERENCIAS Y BIBLIOGRAFÍA
Analíticas del
aprendizaje: una perspectiva crítica (Jordi Adell). (2017, 18 enero).
[Vídeo]. YouTube. https://www.youtube.com/watch?v=ZzQLBh1JgEw&t=820s
Big Data en
Educación: Analítica de Aprendizaje y Aprendizaje Adaptativo. (2021, 16
agosto). UNIR México. https://mexico.unir.net/educacion/noticias/big-data-en-educacion-analitica-de-aprendizaje-y-aprendizaje-adaptativo/
Chen, B., & Poquet, O. (2022, 11 marzo).
Networks in Learning Analytics: Where Theory, Methodology, and Practice
Intersect. Journal of Learning Analytics, 9(1), 1–12. https://learning-analytics.info/index.php/JLA/article/view/7697/7611
La nueva agenda
educativa para América Latina: los objetivos para 2030. (2020, 12 abril).
Fundación Santillana. https://fundacionsantillana.com/publicaciones/la-nueva-agenda-educativa-para-america-latina-los-objetivos-para-2030/
Long, P. (2011). Proceedings of the 1st
International Conference on Learning Analytics and Knowledge [Libro
electrónico]. Association for Computing Machinery.
Ortoll, E. (2014).
Big Data se escribe con V. COMeIN, 37. https://doi.org/10.7238/c.n37.1463
Perrotta, C., & Williamson, B. (2016). The social life of Learning Analytics: cluster analysis and the ‘performance’ of algorithmic education. Learning, Media and Technology, 43(1), 3–16. https://doi.org/10.1080/17439884.2016.1182927
Report: From Bricks to Clicks - The Potential of Data and Analytics in Higher Education. (2016, 19 enero). Policy Connect. https://www.policyconnect.org.uk/research/report-bricks-clicks-potential-data-and-analytics-higher-education
Simon’s Personal ROSTRA. (2008). Simon.BuckinghamShum.Net
https://news.kmi.open.ac.uk/rostra/news.php?r=72
WEB SITE: https://simon.buckinghamshum.net/
Selwyn, N. (2014). Data entry: towards the critical study of digital data and education. Learning, Media and Technology, 40(1), 64–82. https://doi.org/10.1080/17439884.2014.921628
Comments
Post a Comment