Por qué trabajar con estadísticas de aprendizaje

Existe una alegoría del budismo que describe cómo cuatro hombres ciegos son conducidos a un animal con el que nunca antes se habían encontrado. Tocando al animal con sus manos, cada hombre describe lo que "ve". Un hombre dice que es muy parecido a una cuerda. Otro hombre dice que es menos parecido a una cuerda y más parecido a un tronco de un árbol. Otro hombre dice que lo anterior no es verdad; que es solo realmente una pared gigante suave. El cuarto hombre dice que no se parece tanto a una pared sino más a una cortina de tela gruesa.

Por supuesto, cada uno describe solo una parte de un animal muy grande: un elefante.

La moraleja de la historia es que las personas interpretan el mundo con base en su experiencia limitada, y que nos mantenemos firmes mientras que descartamos las diferentes interpretaciones de los demás, incluso cuando, al final, solo podemos tener parte de la verdad.

Me he sentido mucho como uno de esos hombres ciegos (aunque con una moraleja muy diferente), como parte de un equipo que ha explorado aún más las estadísticas de aprendizaje durante los últimos 18 meses. Hemos hablado con más de 30 instituciones en los Estados Unidos, Australia, el Reino Unido y Europa, aprendiendo lo que hacen con los datos de aprendizaje y debatiendo nuestras ideas con respecto a Canvas Analytics 2 (y mucho más).

Es relativamente fácil decir qué son las estadísticas de aprendizaje, desde cualquier punto de vista desde el cual se vean. Para algunos, las estadísticas de aprendizaje son una manera de responsabilizar a los alumnos por el trabajo requerido para obtener una calificación. O tal vez, las estadísticas de aprendizaje son una manera de predecir el comportamiento del usuario para que puedas intervenir más rápidamente. O una manera de identificar las prácticas de enseñanza y los diseños de curso más eficaces. O una manera de representar la enseñanza y el aprendizaje ante los agentes (profesor o alumno) para alcanzar objetivos metacognitivos.

Estos son todos los proyectos o prácticas de las estadísticas de aprendizaje que hemos escuchado o leído que suceden hoy. Es mucho más difícil decir cómo serán las estadísticas de aprendizaje una vez que tengamos una visión completa de las mismas, es decir, a medida que diferentes proyectos con diferentes objetivos se desarrollan y producen resultados durante un período de tiempo. 

Hablamos sobre las estadísticas de aprendizaje en un foro durante el CanvasCon Scandinavia. Entre los panelistas se encontraban:

Jane James de University of Birmingham trabaja en el uso de datos y estadísticas para comprender y catalizar el uso de la tecnología mientras se hace que la terminología sea más fácil para que sea más accesible y aceptada por profesores y alumnos.

John de Maria de Stiftelsen Viktor Rydbergs Skolor trabaja en la optimización de datos sobre la enseñanza para profesores como un medio para alentarlos a impulsar la mejora instruccional, principalmente con el propósito de asegurar que cada alumno participe adecuadamente como parte de su iniciativa de transformación digital.

Eric Slaats de Fontys ICT proporciona datos y estadísticas a los alumnos para su propio beneficio a medida que continúan transformando las convenciones de enseñanza y aprendizaje. Además, Fontys ICT busca la información más amplia que se encuentra en datos personales y del entorno, "cualquier cosa que pueda llegar a nuestras manos", para comprender las influencias externas en el aprendizaje.

¿Qué aprendimos en este panel, además del hecho de que las estadísticas de aprendizaje son en realidad algo muy grande? Para mí, hubo cuatro conclusiones clave aprendidas de las perspectivas compartidas:

1. Enseñar a los profesores la necesidad de apoyar y aceptar los objetivos de cualquier proyecto sobre las estadísticas de aprendizaje y alentarlos a usar los datos en busca de una mejor enseñanza. Muchos profesores temen fuertemente, y de forma legítima, que los datos podrían usarse para desalentar a los educadores o malinterpretar la enseñanza y el aprendizaje con información incompleta o inexacta. De hecho, en algunas versiones de la alegoría del elefante, los hombres ciegos llegan a pensar que los otros mienten y esto crea la separación del grupo.

2. Muy frecuentemente se ignora a los alumnos en estas conversaciones, salvo como el objeto de las estadísticas de aprendizaje, o el objeto de las acciones que podríamos tomar. Pero si el objeto es en realidad los datos de los alumnos y si queremos que los alumnos se conviertan no solo en objetos de nuestra enseñanza, sino en alumnos reflexivos y disciplinados por derecho propio, los alumnos deben ser lo primero.

3. Los administradores y asesores creen que las estadísticas de aprendizaje pueden ayudarles a hacer mejor su trabajo al resaltar las personas o los cursos que merecen más su atención. Los datos y las estadísticas, si se hacen comprensibles, pueden dar información más inmediata de cómo los alumnos están progresando y las maneras de replicar las mejores prácticas usadas por los profesores. Depende de los tecnólogos hacer que los datos sean fácilmente accesibles y "seguros" en el contexto de los desafíos de los profesores y alumnos resaltados anteriormente.

4. La cultura es importante, la cultura local de enseñanza y aprendizaje dentro de la institución o programa, y la cultura educacional de la región o país. En algunos departamentos, los administradores generalmente ignoran el proceso de la enseñanza; en otros departamentos, los profesores consideran que la libertad académica es fundamental para su éxito. En algunos países, las evaluaciones calificadas y actividades frecuentes son la norma; en otros países, las evaluaciones calificadas son infrecuentes, aunque la interacción de los alumnos podría ser mayor.

Aunque las estadísticas de aprendizaje han progresado de maneras pequeñas pero significativas, tal como predecir si un alumno aprobará o no un curso, o recomendar el contenido del curso, aún no sabemos mucho acerca de si los datos podrían darnos información sobre la enseñanza y el aprendizaje eficaces. 

Las estadísticas de aprendizaje tendrán que demostrar su valor para enfrentar estos desafíos mucho más grandes a largo plazo, un modelo de datos a la vez. Eso significa que debemos planear una investigación a largo plazo que incluya prueba y error, creación y destrucción. Mientras tanto, existe un riesgo real de que los modelos inmaduros no probados podrían tener consecuencias negativas similares en los profesores y alumnos. Al igual que los hombres ciegos en la alegoría del elefante, esto significa que muchos de nosotros debemos trabajar juntos y compartir nuestra experiencia, nuestros resultados e incluso nuestros prejuicios para comprender este extraño mastodonte que representa las estadísticas de aprendizaje.

Además, debemos equilibrar la necesidad del desarrollo iterativo, incluidos la prueba y el error, con sensibilidad y cautela para las personas a las que deseamos servir. Aquí es donde nos separamos de los hombres ciegos porque, con certeza, queremos una verdadera comprensión de algo nuevo, grandioso y emocionante. Pero no trabajamos con las estadísticas de aprendizaje solo para mejorar nuestra comprensión del aprendizaje en línea; trabajamos con las estadísticas de aprendizaje para el beneficio de los alumnos y profesores a los que servimos. 

Sigue aprendiendo,

Jared Stein 
VP de Estrategia en Educación Superior, Instructure

Prueba Canvas