cambiar las formas tradicionales de obtener "el pulso de la clase" o la realimentación de sus estudiantes (secciones I.2.1.3 y I.2.1.4), que en una educación presencial tenían a mano fácilmente. Además, han aparecido numerosas formas nuevas de aprendizaje y colaboración entre estudiantes y profesores, debido a las grandes posibilidades que abre la Web 2.0 (O’Reilly, 2007). Estos problemas han generado un renovado sentido de responsabilidad de mejorar de manera urgente la educación, la
ANALÍTICA VISUAL EN ELEARNING
38 Analítica en la educación
transparencia y el rendimiento de esta. La incorporación de la tecnología en la educación sigue estando a la vanguardia de la investigación, centrándose en mejorar el éxito del estudiante (NGLC Insights, 2013). Las instituciones están tratando de combinar e integrar tecnologías que apoyan con éxito el aprendizaje del estudiante (Lochner, 2011; I. f. S. UNESCO, 2010). Dentro de las cuestiones en las que se requiere atención se incluyen el aumento de obtención del título y la disminución de la brecha de rendimiento, así como cambiar el enfoque del "acceso al éxito" a cambio del de "las competencias adquiridas". Al igual que con todos los aspectos del aprendizaje, estos desafíos no se pueden resolver con simples cambios;
las instituciones deben esforzarse por desarrollar análisis o "inteligencia procesable" en todas las áreas y niveles institucionales, particularmente en el aprendizaje (Van Barneveld et al., 2012).
Por esta razón, los profesores se han visto obligados a buscar formas nuevas de evaluación basadas en el análisis de la información educativa, que sea capaz de tener en cuenta cuánto trabajo han realizado los estudiantes y qué habilidades han adquirido. De la misma manera que han aparecido nuevas formas de comunicación, también deben crearse métodos que analicen y posibiliten en mayor medida la comprensión y el análisis de esa comunicación para continuar mejorando el proceso educativo. Todo esto conlleva que la evaluación de los estudiantes ya no puede basarse tan solo en los resultados de los exámenes finales, sino en un proceso de aprendizaje en el que, además de las competencias académicas, se valoran otros aspectos.
Aunado a estos retos la educación superior tiene acceso a más datos que nunca, el software y recursos tecnológicos son el fortalecimiento de la capacidad institucional para acceder a los datos y con estos mejorar la toma de decisiones. Estas herramientas inteligentes se están llevando al aprendizaje adaptativo y oportunidades personalizadas (A. Berlanga & F. J.
García Peñalvo, 2005; A. Berlanga & J. F. García Peñalvo, 2005, 2008;
Peter Brusilovsky, 2001; Ferraro, Álvarez, & Peñalvo, 2004). De hecho, el análisis de los datos institucionales es clave para transformar la retención de los estudiantes, la graduación y el éxito (LMTF, 2013). Esto ha generado una problemática nueva en donde se debe tomar en cuenta las diferentes perspectivas de análisis de acuerdo a los profesores o estudiantes o a los gestores. Estos diferentes enfoques se comportan como diferentes perfiles de intereses y objetivos, por lo que la evaluación del proceso de enseñanza/aprendizaje se realiza dependiendo desde qué perfil se realice; el tipo de análisis que se lleve a cabo puede ser para evaluar a los profesores, para la evaluación de los estudiantes o para la evaluación de los recursos, de la estructura, la programación y distribución de los cursos.
Actualmente, se cuenta con el acceso a datos de análisis y el uso de esos datos para impulsar múltiples bucles de retroalimentación:
• Evaluación de los estudiantes: proporciona al estudiante el apoyo puntual y específico en todo el proceso de aprendizaje. Este apoyo es en forma de autorreflexión (Govaerts, Verbert, Duval, & Pardo, 2012) que se adapta al rendimiento actual de la persona y que promueven la revisión y refinamiento. También esta evaluación se presenta al profesor con el objetivo de identificar “estudiantes en riesgo”. La riqueza de los datos que se recogen sobre el uso de los
Diego Alonso Gómez Aguilar
Analítica en la educación 39
estudiantes y el aprendizaje ofrece una oportunidad sin precedentes para dar a los instructores una imagen clara del estado de conocimiento actual del estudiante.
• Evaluación de los instructores: de la misma forma que se puede evaluar a un estudiante por su participación y compromiso con el proceso de aprendizaje, los profesores son capaces, por ejemplo, de auto evaluarse y decidir si planifica más tiempo de interacción con los estudiantes; de manera que se optimice el tiempo y los conocimientos para orientarles hacia los intereses y las necesidades del estudiante. El análisis de los datos a nivel de interacción permite observar cómo los estudiantes utilizan el material del curso y evaluar el impacto de sus patrones de uso en los resultados del aprendizaje. Entonces se es capaz de tomar ventaja de este análisis para refinar de forma interactiva y mejorar el curso para el próximo grupo de estudiantes.
• Evaluación del proceso y/o la institución: consecuentemente, con la información que actualmente se puede obtener, se está habilitado el análisis de la institución y del proceso de enseñanza, con métricas como la participación, cantidad de tiempo ocupado, numero de recursos multimedia, adscritos al curso, etc. Los gestores pueden tomar decisiones institucionales o referentes al proceso de aprendizaje, como la asignación de recursos tecnológicos o la desaparición del mismo.
Las mediciones de rendimiento en el aprendizaje del estudiante, la progresión y finalización son cada vez más frecuentes, con el ejemplo de las llamadas nacionales, estatales y locales para una mayor compromiso viene la necesidad de instituciones para desarrollar más capacidad de datos y optimizar la retención y finalización de los estudiantes. No en vano se ha identificado el potencial de la tecnología en la educación (Bailey et al.
(2011):
Estamos en los albores de una era en la que los educadores tienen la posibilidad de aprovechar la tecnología para producir un cambio radical en el rendimiento estudiantil. Aunque algunos visionarios han estado prometiendo durante años que la tecnología podría transformar la educación y primaria y secundaria -a pesar de los miles de millones de dólares gastados en la creación de redes de escuelas y equiparlas con los ordenadores y otros dispositivos- las repercusiones concretas sobre los resultados de los estudiantes hasta la fecha ha sido decepcionantes. Sin embargo, cuando la tecnología se introduce estratégicamente en cada paso importante del proceso pedagógico, es, de hecho, cuando tiene el potencial de mejorar todos los aspectos de la enseñanza y el aprendizaje, (del ingles, "We are at the dawn of an era in which educators have the potential to harness technology to produce a step change in student achievement. Although visionaries have been promising for years that technology would transform primary and secondary education—and despite the billions of dollars spent on networking schools and equipping them with computers and other devices—the actual impact on student outcomes to date has been disappointing. Yet when technology is strategically introduced into every step of the educational value chain, it does, in fact, have the potential to enhance every aspect of instruction and learning").
ANALÍTICA VISUAL EN ELEARNING
40 Analítica en la educación
Con el fin de mejorar dramáticamente los resultados del estudiante, la tecnología debe estar totalmente alineada con los objetivos educativos, normas, planes, evaluaciones, intervenciones y profesionales desarrollo (Bailey et al., 2011).
En los últimos años se ha constatado un tendencia en lo referente a la realización de diversos análisis y, en algunos casos, estos se acompañan con representaciones visuales y el uso de técnicas de analítica visual, un ejemplo de estas son los trabajos de (Butcher, Bhushan, & Sumner, 2006;
Butcher & Kintsch, 2004; Castaño Garrido, 2004; Coll & Monereo, 2008;
Davies & Graff, 2005; De Laat, Lally, Lipponen, & Simons, 2007; Dicheva
& Dichev, 2006; Dicheva, Dichev, & Wang, 2005; Donath, 2002; Ewy, 2003; Ganoe et al., 2003; Gibbs, Olexa, & Bernas, 2006; Gómez Aguilar, Suárez Guerrero, Therón Sánchez, & García Peñalvo, 2010; Govaerts et al., 2012; Govaerts, Verbert, Klerkx, & Duval, 2010; Granda, Uria, Garcia, Suarez, & Gonzalez, 2008; Guo & Chen, 2006; Hardless & Nulden, 1999;
Hwang & Arbaugh, 2009; Kim, 2013; Lauer, 2006; Lipponen, Rahikainen, Lallimo, & Hakkarainen, 2003; Macfadyen & Dawson, 2010; Mackinlay, 1986; Mazza & Dimitrova, 2005; Mazza & Milani, 2004; Michinov, Brunot, Le Bohec, Juhel, & Delaval, 2011; Morales Morgado et al., 2009; Q. V.
Nguyen, Huang, & I, 2004; Quang Vinh, Yu, MaoLin, & JiaWan, 2013;
Rossling et al., 2006; Silva & Figueira, 2012; Tat & Carpendale, 2006;
Tuckman, 1991; Weisskirch & Milburn, 2003; Willging, 2008; Williams &
Conlan, 2007). Estos trabajos serán descritos y analizados en detalle en el Capítulo V. Una representación visual tiene como principal finalidad permitir al usuario adquirir un cierto conocimiento a partir de los símbolos, colores y formas que percibe y este hecho debería ser directo e intuitivo.
En el caso específico de la implementación de los modelos para la representación del conocimiento, visualización analítica, analítica del aprendizaje y analítica académica, las herramientas actuales únicamente se limitan a ofrecer un conjunto de visualizaciones o interfaces de usuario que no son adecuadas para las metodologías existentes o en otros casos se han quedado rezagadas, un ejemplo de estas son los trabajos de (Dicheva
& Dichev, 2006; Dicheva et al., 2005; Donath, 2002; Ganoe et al., 2003;
Gibbs et al., 2006; Govaerts et al., 2010; Gretarsson et al., 2012; Hardless
& Nulden, 1999; Lauer, 2006; Mackinlay, 1986; Mazza & Dimitrova, 2005;
Mazza & Milani, 2004; Ming, Calvo, & Pardo, 2013; Q. V. Nguyen et al., 2004; Quang Vinh et al., 2013; Rossling et al., 2006; Silva & Figueira, 2012;
Tat & Carpendale, 2006; Weisskirch & Milburn, 2003; Williams & Conlan, 2007), los cuales se describirán y detallarán sus ventajas y defectos en el Capítulo V. A groso modo estas presentan un flujo de trabajo no claramente definido, ni no son herramientas robustas de soporte a los procesos de análisis e interacción con los LMS, por lo que pueden llevarse a cabo de forma ineficiente y se vuelven extremadamente complejos para el analista, ya sea un estudiante, un profesor o un gestor.
En conclusión, además de haberse expresado la importancia del análisis de la información educativa para la mejora del proceso de enseñanza/aprendizaje, y el actual reto de tener que enfrentarse a una vasta cantidad de datos, la problemática de análisis y visualización de datos en eLearning en el presente trabajo de tesis se compone de dos vertientes.
Diego Alonso Gómez Aguilar
Analítica en la educación 41
Por un lado, la diversidad de propuestas metodológicas, sin que exista una que resulte claramente dominante, que abarque el proceso, y permita realizar una analítica para ambos niveles jerárquicos: Analítica Educativa y Analítica Académica (Van Harmelen & Workman, 2012). Esta situación incide directamente en los diseños de los recursos de un LMS así como del propio curso, su programación y distribución temporal (Baepler &
Murdoch, 2010).
Esta difícil situación está directamente relacionada con el usuario, que es el que se encarga de analizar los datos académicos y/o de aprendizaje y, como resultado, se generan, actualmente, diseños de visualización analítica aún con deficiencias. Y, por tanto, no se logra entender el proceso de aprendizaje y menos aún se logra llegar a la predicción de su resultado.
La segunda es la falta de correspondencia entre las metodologías de analítica y las herramientas de analítica visual, así como el hecho de que las herramientas sean poco robustas, lo que dificulta en demasía el desarrollo de los procesos de analítica visual aplicada al eLearning. Esta problemática es atribuible directamente a las herramientas existentes, ya que, como se describirá en el Capítulo V más adelante, se limitan al uso de técnicas simples que son fácilmente llevadas al límite de sus capacidades o rebasadas, y tampoco implementan mecanismos de interacción eficientes.
Las herramientas actuales aplican en su mayoría técnicas de analítica, las cuales se encuentran dentro de los procesos de análisis confirmatorio (definido en la sección IV.4). El presente trabajo proporciona un modelo, descrito en la sección VI.1.2, que además de la aplicación de este tipo de técnicas, también posibilita la realización de un análisis exploratorio.