Cómo mejorar la enseñanza-aprendizaje utilizando Learning Analytics

Dada la evidente implantación de las tecnologías de la información en nuestros entornos de aprendizaje, tanto presenciales, virtuales, como mixtos, surgen nuevos campos de estudio desde un punto de vista de la investigación y de la innovación educativa. La presencia de las tecnologías en los procesos de enseñanza-aprendizaje permiten el acceso a una gran cantidad de datos referentes al uso que realizan alumnos y profesores de estas herramientas y también a las interacciones que se producen entre los propios alumnos, entre alumnos y profesores y entre ambos con los recursos que están disponibles en plataformas como pueden ser ALUD (Moodle) en la Universidad de Deusto. Todos estos datos pueden ser analizados mediante técnicas de Learning Analytics.

En la primera Conferencia Internacional de Learning Analytics se definió como “la medición, recopilación, análisis y presentación de datos sobre alumnos y sus contextos, con el fin de comprender y optimizar el aprendizaje y los entornos en que se produce” (LAK, 2011). En este sentido el fin último es mejorar los procesos de enseñanza-aprendizaje y dar respuesta a las necesidades de los estudiantes. Así todo, la utilización de técnicas de Learning Analytics se puede aplicar en diferentes ámbitos y puede beneficiar de muy diferentes formas a la comunidad educativa. A continuación vamos a analizar cómo se pueden ver beneficiados alumnado, profesorado y la propia Universidad del uso de estas técnicas de análisis de datos en contextos educativos.

Beneficios para el estudiante: gracias al análisis de los datos que se derivan del uso que realizamos de las herramientas tecnológicas en nuestro aprendizaje, podemos conocer cuál es la curva de nuestro aprendizaje, ver cómo avanzamos, en qué aspectos debemos mejorar para alcanzar nuestros objetivos, podemos ver datos de nuestra participación en tareas conjuntas y compararla con la de nuestros/as compañeros/as, podemos ver cuáles son los recursos más utilizados por otros/as alumnos/as, etc. Esta forma de entender la participación activa del alumnado como protagonista de su propio aprendizaje y capaz de tomar decisiones a partir del análisis e los datos para reorientar la mejora de su aprendizaje es lo que conocemos como Learning Analytics y el aprendizaje autorregulado.

Beneficios para el profesorado: desde el punto de vista docente hay un sinfín de aplicaciones que pueden mejorar su docencia y que le pueden ayudar a adaptarse mejor a los diferentes ritmos de aprendizaje de sus alumnos/as. El análisis de estos datos nos permite predecir tendencias y patrones en el comportamiento de los estudiantes, lo cual nos va a ayudar a personalizar los entornos de aprendizaje en función de las necesidades de cada alumno y a adaptar nuestras metodologías para que sean más eficientes. Esto es lo que se conoce como Learning Analytics y el aprendizaje personalizado. También resulta interesante estudiar cuáles son las interacciones que se producen entre los estudiantes en entornos sociales de aprendizaje para conocer el nivel de implicación de cada uno, conocer qué alumno es el que más influencia tiene en el grupo, descubrir patrones de comunicación, detectar qué alumnos trabajan mejor juntos o incluso detectar alumnos aislados. Por ejemplo se suelen analizar datos referentes a los mensajes leídos, la apertura de conversaciones o las respuestas a mensajes de otros alumnos. Esto es lo que se conoce como Social Network Analytics.

Beneficios para la Universidad: la Universidad tiene una permanente preocupación por validar la calidad de sus procesos de enseñanza-aprendizaje. Mediante Learning Analytics se pueden obtener evidencias de los logros de los estudiantes en estudios longitudinales. También resulta interesante para el centro disponer de datos sobre la satisfacción de los estudiantes, sobre la evaluación de las relaciones entre estudiantes y profesores, sobre la evaluación de los materiales de aprendizaje, etc.

Para avanzar en la investigación en torno a Learning Analytics es necesario superar una serie de retos tecnológicos, educativos y sociales. Retos técnicos como por ejemplo la naturaleza de los datos que se extraen, la interoperabilidad entre herramientas; y retos educativos y sociales más relacionados con la ética en la utilización de los datos, en la propiedad de los datos académicos, en la obtención de evidencias de la mejora de los aprendizajes, etc.

La Universidad de Deusto, desde su grupo de investigación Learning de la Facultad de Ingeniería forma parte de la Red SNOLA Spanish Network of Learning Analytics, una red que cuenta ya con el reconocimiento Oficial del Ministerio Español de Economía y Competitividad y que en unión con otras 8 universidades buscan promover y difundir las aportaciones de Learning Analytics a nivel nacional. Si quieres saber más sobre Learning Analytics, te animamos a que te pongas en contacto con nosotros a través de la web de SNOLA (https://snola.es/) o a través de Learning en dtlearning@deusto.es.