¿Imaginas que cada alumno pudiera disfrutar de una experiencia personalizada durante su aprendizaje? ¿Qué recibiera el contenido que necesita según sus habilidades y aptitudes? Todo esto es posible con learning analytics.
¿Qué es learning analytics?
Learning analytics, o análisis del aprendizaje, es el conjunto de herramientas que sirven para analizar los datos que los propios alumnos proporcionan, gracias a los cuales podremos adaptar la experiencia de cada estudiante en cada uno de sus cursos, para que la experiencia sea más dinámica y eficiente, adaptada a las necesidades individuales de tu alumnado, consiste en el desarrollo de métodos para obtener y analizar datos de nuestro ecosistema educativo.
¿Cómo aplico learning analytics a mis cursos?
Learning analytics se ocupa generalmente de datos obtenidos en propuestas formativas virtuales como el número de accesos, materiales revisados, participaciones o puntuaciones. La minería de datos, o data mining, es una parte importante del análisis del aprendizaje, obteniendo datos que facilitan la investigación y análisis, y también comprende la aplicación de datos derivados del comportamiento del alumnado en un curso para mejorar nuestros procesos.
También puede considerar los datos de hábitos y comportamientos particulares de un solo alumno, aunque en general, la minería de datos trabaja con grandes cantidades de datos y no particulariza, el análisis del aprendizaje engloba a muchos tipos de acciones distintas.
¿Cómo contribuye learning analytics en la enseñanza a distancia?
Como ya hemos explicado, learning analytics es la tecnología que hace posible personalizar y hacer un seguimiento de cada una de las etapas de aprendizaje de nuestros alumnos, basado en datos determinados y comprensibles, como el tiempo de asistencia del alumno, la ratio de preguntas correctas/incorrectas, el número de comentarios en clase, etc. Estos datos están disponibles en cualquier momento y pueden ser analizados a posteriori por un experto o por los profesores, que pueden aplicar medidas específicas para mejorar la experiencia de cada alumno.
Esta tecnología permite que la curva de aprendizaje del alumno esté más optimizada y sea más disfrutable, así como hacer que las tareas del profesor sean más eficientes, permitiéndole observar que métodos usados en clase son los que obtienen mejores resultados.
¿Cómo usar las métricas para mejorar tus cursos?
Gracias a el análisis del aprendizaje conseguimos un ahorro de tiempo y dinero y que el alumno se sienta más integrado en el curso y perciba que ha usado su tiempo de aprendizaje de la mejor manera posible. Learning analytics se puede usar tanto en sistemas híbridos de aprendizaje como en instituciones físicas, gracias a la democratización de las herramientas digitales open source.
Los métodos tradicionales no quedan olvidados en los procesos de learning analytics, el trabajo en clase es esencial e insustituible, y también nos dará información esencial para mejorar nuestro proceso de enseñanza, complementando los datos obtenidos a distancia. El profesor puede identificar dudas de los alumnos in situ, observar el tiempo que los alumnos permanecen en clase o el que necesitan para terminar una actividad, y esto se complementará con los datos obtenidos en las analíticas.
Por ejemplo, si estipulamos que los alumnos deben terminar una tarea en unos 30 minutos, y al finalizar el periodo de tiempo no ha conseguido terminar ni la mitad, mientras que otros alumnos han podido terminarla en 20 minutos, podremos analizar el caso concreto e identificar dudas y dificultades que están lastrando la experiencia del alumno.
¿Cómo podemos aplicar learning analytics al diseño de nuestras actividades educativas?
En primer lugar, necesitamos identificar el perfil del alumno: ¿Cuál es su contexto? ¿Qué conocimientos previos tiene?
A partir de esta situación inicial aprovecharemos las analíticas para examinar la información sobre el desempeño de los alumnos, extrayendo y analizando datos para definir cuales son los mejores medios y métodos para optimizar la curva de aprendizaje de nuestros estudiantes, gracias a referencias previas sobre el nivel de dificultad de los alumnos e instructores.
Por supuesto, es un ciclo que nunca acaba de recolección y análisis de datos, cuanto más tiempo usemos learning analytics más datos obtendremos de alumnos, y más pruebas de que funciona o que no en diferentes perfiles. La observación de los datos obtenidos nos guiará hacia un rumbo más optimizado, que mejorará nuestro trabajo educativo, gracias a la experiencia obtenida en prácticas previas, que mejorarán nuestro trabajo en el futuro.
