El término analítica social del aprendizaje abarca también los enfoques
"socializados", los cuales se pueden aplicar de manera fácil en entornos sociales. Estos incluyen el análisis de contenido, sistemas de recomendación y métodos automatizados de examinación, indexación y filtrado de recursos multimedia en línea con el fin de guiar al discente a través de la gran cantidad de recursos (Drachsler et al., 2010; Verbert et al., 2011). Esta analítica toma un aspecto social basándose en los datos obtenidos de las etiquetas, clasificaciones y metadatos suministrados por los estudiantes (véase, por ejemplo, (Clow & Makriyannis, 2011)).
El desarrollo de la SLA representa un alejamiento de la investigación basada en los datos hacia una investigación más fuertemente basada en las ciencias del aprendizaje y, cada vez más, se trata la complejidad de la formación continua que se lleva a cabo en una variedad de contextos. Una sub-rama socio-cultural de la investigación educativa demuestra cómo el lenguaje es en sí mismo es uno de los instrumentos principales a través del cual los aprendices construyen el conocimiento, y su uso se ve influenciado por los objetivos, los sentimientos y las relaciones de sus usuarios, todo lo cual cambia según el contexto (Wells & Claxton, 2008).
Otra línea de investigación hace hincapié en que el aprendizaje no puede entenderse por centrarse únicamente en la cognición, el desarrollo o el comportamiento de los estudiantes individuales, ni puede entenderse sin referencia a su naturaleza situada (J. Gee, 1997; Wertsch, Baker-Sennett, Rogoff, & Bell, 1992).
El pensamiento y el sentido de la construcción también se abordan desde el campo socio/cultural de los teóricos. Desde esta perspectiva, la construcción de significado está ligada a contextos y propósitos específicos.
Se desarrollan formas compartidas de responder a los patrones y las características de los contextos particulares que Gee (J. Gee, 1997) llama a los discursos.
Los discursos son coordinaciones socio históricas de personas, objetos, formas de hablar, actuar, interactuar, pensar, valorar y (a veces) la escritura y la lectura que permite la visualización y el reconocimiento de las identidades socialmente significativos.
Dentro de los discursos, la gente puede intercambiar ideas y explicaciones.
Explicaciones o teorías sobre la práctica vinculada a grupos socioculturales se llaman modelos culturales (J. P. Gee, 1992). Los modelos culturales no solo se llevan a cabo por los participantes individuales, sino que también residen en las prácticas en las que el grupo se involucra, las herramientas que utilizan, así como la configuración contextual.
Actualmente, se ve como una posibilidad real de la construcción de una visión integral del progreso del estudiante y tener en cuenta el sentimiento con el fin de permitir a los "sistemas basados en computadoras para interactuar con los estudiantes en forma de apoyo emocional" (Blikstein, 2011).
Diego Alonso Gómez Aguilar
Analítica en la educación 95
Nuevas herramientas, tales como el Servicio de Infraestructura Visualización GRAPPLE (GVIS) no se refieren a un solo VLE, sino que se pueden extraer datos de diferentes partes del Entorno Personal de Aprendizaje de aprendizaje (PLE) y utilizar estos datos para apoyar las habilidades meta-cognitivas como la auto-reflexión (Mazzola & Mazza, 2012).
El análisis de redes sociales, también denominado análisis estructural, investiga los lazos, las relaciones, los roles y las formaciones de la red, y un análisis de la red de aprendizaje social tiene que ver con cómo estas se desarrollan y se mantiene para apoyar el aprendizaje. Una red es un conjunto de elementos, que se denominan vértices o algunas veces nodos, con conexiones entre ellos, llamados bordes. Sistemas que toman la forma de redes (también llamados "grafos" en gran parte de la literatura matemática) abundan en el mundo. Algunos ejemplos son Internet, la World Wide Web, las redes sociales de conocimiento u otras conexiones entre individuos, redes organizacionales y redes de relaciones comerciales entre empresas, redes neuronales, redes metabólicas, redes de distribución, como los vasos sanguíneos o rutas postales de entrega, y muchos otros.
Debido a su enfoque en el desarrollo de las relaciones, y su opinión de que la tecnología forma parte de este proceso, este tipo de análisis ofrece la posibilidad de identificar intervenciones que puedan aumentar el potencial de la red para apoyar el aprendizaje de sus actores. Por ejemplo, se ha demostrado que tener una amplia red es crucial para el desarrollo personal y profesional, además, ambos lazos débiles, que se sostuvieron con los conocidos, y los fuertes lazos de amistades duraderas junto con la pertenencia en una comunidad son importantes para el aprendizaje (Granovetter, 1973; D. Z. Levin, Cross, & Abrams, 2004).
El análisis de redes sociales puede abordarse desde la perspectiva de un individuo o de toda la red . Un enfoque egocéntrico puede identificar a las personas que apoyan el aprendizaje de un individuo, el origen de los conflictos en la comprensión, y algunos de los factores contextuales que influyen en el aprendizaje. Por otra parte, una visión general de la red proporciona información sobre los intereses y las prácticas de un conjunto de personas, la identificación de los elementos que sostienen la red juntos;
Las visualizaciones de redes sociales pueden mostrar si las interacciones se producen entre todos los miembros de un grupo o si algunos miembros del grupo se comunican más (o menos) con otras personas concretas (Haythornthwaite & de Laat, 2010).
No obstante, si bien es cierto que este tipo de análisis ofrece una representación visual de la interacción social en Internet, el análisis de redes comienza prestando atención especial al estudio de las estructuras sociales insistiendo, por tanto, menos en por qué la gente hace lo que hace y más en la comprensión de los condicionantes estructurales de sus acciones. La asunción básica del análisis de redes es que la explicación de los fenómenos sociales mejoraría analizando las relaciones entre actores.
El análisis de redes sociales generalmente estudia la conducta de los individuos a nivel micro, los patrones de relaciones (la estructura de la red) a nivel macro, y las interacciones entre los dos niveles (Sanz Menéndez, 2003).
ANALÍTICA VISUAL EN ELEARNING
96 Analítica en la educación
A menudo, tanto la EDM como la SLA se refieren a la utilización de técnicas de "big data" a grandes conjuntos de datos para descubrir información útil con fines educativos, como se discute en (Ferguson, 2012). Este tipo de minería de datos y análisis de redes sociales educativas son parte de una serie de técnicas que se pueden aplicar en la analítica del aprendizaje y académica.
Como se ha mencionado con anterioridad, en estos campos, AA y LA, además de en las técnicas de EDM y SLA se requieren de varios elementos para la realización del estudio y la obtención de nueva información y/o conocimiento para hace uso de esta. Entre estos elementos se encuentran, en el inicio de proceso, los datos, dentro de los cuales se mencionó el concepto que se definirá en la siguiente sección, big data.
Además de los datos, en la parte final del proceso, se encuentra la representación de los datos que se ve influenciada por la experiencia y conocimiento que tenga la persona analista, líder de la institución o gestor académico para poder comprender el comportamiento de los datos y/o la representación de la información durante el proceso de analítica. Este concepto se conoce como alfabetización de los datos (del inglés, Data Literacy, DL) y por ende, a la hora de la interpretación de las visualizaciones de datos y diversas técnicas de representación y análisis de datos, la alfabetización visual (Gershon, Eick, & Card, 1998).
Por ejemplo, Stephenson and Schifter Caravello (2007),presentan un estudio en el cual realizan una integración de lo que se define como alfabetización de los datos en un curso de Ciencias Sociales de la Universidad de Los Ángeles California (UCLA). Como conclusión de este ejercicio, se expone que en muchas de las Ciencias Sociales, y particularmente en la Sociología, la comprensión del expediente académico y el desarrollo del pensamiento crítico se basan en parte en la comprensión de la información numérica y sus representaciones. Por tanto, la alfabetización de los datos es un componente integral de la alfabetización informacional para estas disciplinas.
Por otro lado, en la Universidad de Wollongong se realizó un uso distinto de la analítica, donde por medio de un cubo en función de la biblioteca (en este caso específico cubo es una función de base de datos y presentación de informes a medida que se une a los datos de uso de la biblioteca con los datos de los estudiantes, incluyendo información demográfica y de rendimiento académico) se intentó predecir las notas de los estudiantes dependiendo del uso que le daban a la biblioteca. El análisis de los datos reveló una fuerte correlación entre las notas y el uso de los recursos de información que la biblioteca ofrece a los estudiantes (Cox & Jantti, 2012).
La instrucción de análisis fuera de la educación superior implica a los instructores directamente en el proceso de analítica. El proyecto DATA de Oregon entrena profesores de K-12 para aplicar la analítica en la selección de las decisiones educativas con base en las necesidades individuales de los estudiantes, lo que resulta en la adopción generalizada de toma de decisiones basada en los datos a nivel de aula (M. Garrison & Monson, 2012). Sobre la base de esta idea y teniendo en cuenta que la toma de decisiones basada en los datos (del inglés, Data Driven Decision Making, DDDM) es el proceso por el cual los administradores y profesores recogen y analizan datos para tomar una serie de decisiones educativas
Diego Alonso Gómez Aguilar
Analítica en la educación 97
(Ikemoto y Marsh, 2007); además de que el uso de datos se ha convertido en una característica predominante de las políticas de los numerosos países y agendas de reforma, en particular en los Países Bajos (Schildkamp &
Teddlie, 2008), Inglaterra (Ehren & Visscher, 2008) y Canadá (Earl & Katz, 2006; Raby, 2009). DDDM es también un proceso importante de la recuperación y reinversión de la Ley de 2009 y la carrera a la mejor competencia patrocinado por el Departamento de Educación de EE.UU (Hamilton et al., 2009; J. A. Levin & Datnow, 2012).
En definitiva, la alfabetización de los datos es un componente importante en la analítica y, por tanto, también en la analítica del aprendizaje y académica (Greller & Drachsler, 2012).