Not everything that counts can be counted, and not everything that can be counted counts Einstein

Hacia la construcción de un perfil en 360 ° de los usuarios del Plan Ceibal

Learning Analytics

@cristobalcobo � @CecilMarconi� � @fundacionceibal

Learning Analytics: contexto

New Media Consortium, & EDUCAUSE Learning Initiative. (2015). NMC Horizon Report: 2012 Higher Education Edition. Austin, TX: The New Media Consortium.

Existe un creciente interés por incorporar nuevas fuentes de datos para personalizar la experiencia de aprendizaje; así como por adoptar evaluaciones formativas para evaluar aprendizaje.

>> El interés por un "nuevo" campo de evaluación y aprendizaje.

: Construir experiencias pedagógicas más personalizadas; : Identificar poblaciones de estudiantes en riesgo; : Analizar factores que afectan completar exitosamente ciclo escolar

¿Quién realiza esto?

NUEVOS PERFILES PROFESIONALES >

‘Data Scientist’: modelos de análisis se basan en numerosas

suposiciones

< los algoritmos no son neutros>

¿Qué sabemos?

“un enfoque dinámico, longitudinal, de evaluaciones formativas asistida por ordenador son el mejor predictor para detectar estudiantes de bajo rendimiento (datos básicos LMS no predijeron aprendizaje).

Tempelaar, D. T., Rienties, B., & Giesbers, B. (2015). In search for the most informative data for feedback generation: Learning Analytics in a data-rich context. Computers in Human Behavior, 47, 157-167.

“En LA la unidad más básica de aprendizaje es la interacción (no hay consenso si F2F o VLE es más eficaz).”

Agudo-Peregrina, Á. F., Iglesias-Pradas, S., Conde-González, M. Á., & Hernández-García, Á. (2014). Can we predict success from log data in VLEs? Classification of interactions for learning analytics and their relation with performance in VLE-supported F2F and online learning. Computers in Human Behavior, 31, 542-550.

“Tiempo de estudio y regularidad de uso de LMS, interacción con pares y n° de descargas: factores claves para el logro académico”.

Yu, T., & Jo, I. H. (2014, March). Educational technology approach toward learning analytics: Relationship between student online behavior and learning performance in higher education. In Proceedings of the Fourth International Conference on Learning Analytics and Knowledge (pp. 269-270). ACM.

“variables que predicen mejora en rendimiento: interacción social/pertenencia; contexto SE, expectativa de estudiantes”

Thammasiri, D., Delen, D., Meesad, P., & Kasap, N. (2014). A critical assessment of imbalanced class distribution problem: The case of predicting freshmen student attrition. Expert Systems with Applications, 41(2), 321-330.

;;

Analíticas de Aprendizaje: o  Colección y análisis de los datos generados durante el

proceso de aprendizaje. o  Comprender cómo se utiliza (patrones de uso).;

360°;Analíticas sólo centradas en resultados/logros, ignorando

los procesos de enseñanza no resulta suficiente

Gaševi�, D., Dawson, S., & Siemens, G. (2015). Let’s not forget: Learning analytics are about learning. TechTrends, 59(1), 64-71.

Plan Ceibal - Uruguay:

By @cecilmarconi

Fase I Entrega de Equipos y

conectividad 2007-2015

Ciclo de Evolución del Plan Ceibal

Fase II Desarrollo de Platafo rmas

2012 - 2015

Fase III Tecnologías como

acelerador del aprendizaje 2014-2019

•  2016: •  Proceso de madurez en el uso de las plataformas (adaptación y adopción). •  Identificación de patrones de uso

o  ¿Cuáles son los perfiles de “participación”? ¿Se identifican patrones?

o  ¿Existe correlación entre “patrones de uso de plataformas” y los aprendizaje (calificaciones)?

o  ¿En qué medida es posible encontrar correlaciones entre el grado de “participación en línea” de los estudiantes y su participación (asistencia) en clases presenciales?

hacia el perfil 360�

¿cuáles son las variables relevantes para elaborar un indicador de involucramiento?

¿Cuáles son los perfiles de “participación”? ¿Se identifican patrones?

35%

65%

estudiantes en línea

•  Trazabilidad de datos. •  Grado de involucramiento de los estudiantes •  Proxy de otras competencias (habilidades blandas)

¿Cuáles son los perfiles de “participación”? ¿Se identifican patrones?

El docente como factor clave en el uso de plataformas: distribución de grupos según cobertura de acceso a la plataforma (CREA2)

¿Cuáles son los perfiles de “participación”? ¿Se identifican patrones?

¿Existe correlación entre “patrones de uso de plataformas” y los aprendizaje (calificaciones)?

¿Hay correlaciones entre el grado de “participación en línea” de los estudiantes y su participación (asistencia) en clases presenciales?

uruguayestudia.uy

¿Cuáles son los desafíos pendientes que plantea

Learning Analytics?

Analíticas de aprendizaje: "tiene problemas para representar la naturaleza de las conexiones,

entre los conjuntos de datos y personas." Necesitamos interpretaciones humanas.

Hay un conflicto entre crear modelos que proporcionan resultados fiables y elaborar modelos transparentes para los usuarios. OU es responsable de explicar (aclarar) cómo los sujetos se ven afectados por las aplicaciones de analítica de aprendizaje. Datos sensibles: • origen racial o étnico • creencias • discapacidad y otros (salud) • vida sexual. El uso de datos estudiantiles para fines de investigación han de ser aprobados por Comité de Ética de Investigación Humana (HREC).

Criterios a considerar 1.0:

1. Comienza con escalas pequeñas 2.  El potencial es evidente, también las

responsabilidades que implica 3. Incluir a los docentes en el diseño, análisis y

explotación 4. Gobierno: Adopta estructuras abiertas del

gobierno de learning analytics (conjuntos de datos, infraestructura técnica y intervenciones)

5. Conflictos: Minimizar posible conflictos (diferentes grupos de interés) sobre interpretación y uso de datos

Criterios a considerar 2.0:

6.  Anonimización: Puede ser imposible eliminar toda posibilidad de identificar a una persona sin reglas sobre el uso de archivos anónimizados.

7. Reduccionismo: El análisis de grandes volúmenes de datos puede contener información imprecisa sobre los individuos (ej: modelos incorrectos o observación parcial).

8. Propiedad de la información: Aspectos éticos y legales en acceso y uso de LA (informar usuario)

Estamos en la infancia de Analíticas de Aprendizaje

fundacionceibal.edu.uy @fundacionceibal

1er Encuentro Internacional “Nuevas métricas y enfoques para la evaluación y la innovación en el aprendizaje”

15 de Abril de 2016 en la Sala de Actos del LATU

fundacionceibal.edu.uy @cristobalcobo @CecilMarconi�