El análisis y la medición de los datos (lo que se conoce como “Big Data”) ha revolucionado el mundo digital. Casi todas las empresas utilizan hoy herramientas que permiten ordenar, interpretar y agregar valor a sus inmensas nubes de datos. ¿El objetivo? Poder crear acciones específicas basadas en las necesidades de clientes y usuarios. La educación a distancia no es excepción a este nueva regla gracias a las learning analytics.
La analítica de aprendizaje -su traducción al español- permite, básicamente, medir, recolectar, analizar y presentar datos relacionados con los estudiantes y sus contextos buscando comprender la forma de aprendizaje. Es una herramienta de vital importancia porque permite optimizar los procesos de aprendizaje y sus contextos.
Quienes imparten una formación a distancia pueden, gracias a esta herramienta, contar con información certera y en tiempo real de cómo está yendo la actividad, y si los esfuerzos invertidos están dando resultados o hay que corregir algún aspecto.
Algunas universidades y centros educativos utilizan las learning analytics desde 2011, tras organizarse la primera conferencia internacional de analíticas de aprendizaje y conocimiento.
Este primer encuentro se celebró en Alberta (Canadá) cuando la Big Data ya era una realidad. Fue, según los especialistas del sector, de gran empuje para el desarrollo de las métricas educativas.
Aunque el impulso definitivo para el desarrollo de este tipo de analítica fue la expansión del formato MOOC (cursos online masivos y abiertos). El gran volumen de alumnos empezó a convertir en imposible la tarea de seguimiento individual del itinerario formativo a través de los métodos más tradicionales que se aplican en las clases presenciales.
¿Cómo aplicar learning analytics?
Para poder recoger, almacenar e interpretar los datos que generan alumnos o empleados en las actividades formativas es muy importante que quienes las imparten tengan claros los objetivos que buscan alcanzar.
Una de las claves está en marcar unos KPI’s (indicadores de rendimiento), de muchísima utilidad para medir en todo momento si se están logrando estos objetivos. Algunos ejemplos: la tasa de consecución de certificados o de abandonos de un curso, los resultados de encuestas o las nuevas competencias adquiridas tras una formación.
Actualmente, el servicio de ciencia y conocimiento de la Comisión Europea recoge más de 60 herramientas destinadas a la analítica de aprendizaje. Entre las razones para su uso, se destacan:
- Evaluación precisa, real y continua: los métodos de evaluación más tradicionales basados en exámenes y test no alcanzan hoy para saber si la audiencia de una formación está logrando los objetivos trazados.
- Personalización: los datos obtenidos y correctamente interpretados permiten extraer información valiosa para aplicar en futuras formaciones. Adecuar, corregir, modificar.
- Puntos débiles: los responsables de las formaciones pueden detectar los fallos y mejorar las experiencias con estos resultados en mano.
Los escollos del learning analytics
El análisis de datos en el campo del elearning no escapa a los escollos, riesgos y problemas que experimenta este procedimiento en los ámbitos económicos, comerciales, políticos y mediáticos.
El uso indiscriminado de Big Data ha generado movimientos críticos en todo el mundo y un gran debate ético, lo que ha desembocado, por ejemplo, en la sanción de medidas legislativas restrictivas para proteger la privacidad de los ciudadanos (Reglamento General de Protección de Datos europeo).
La accesibilidad a los datos personales de los alumnos es el gran obstáculo a sortear por parte de la analítica del aprendizaje. Pueden estar disponibles y al alcance de la mano, pero inutilizables por razones legales o por la propia normativa de las instituciones educativas.
Incluso cuando no exista este escollo, puede haber reticencia a cederlos por parte de los alumnos, sus familias o los docentes.
