¿Por qué los educadores deben medir la analítica de aprendizaje?

Como arquitecto de soluciones para Leo Learning (uno de nosotros Moodle Partners), Peter Dobinson utiliza "big data" para medir los resultados.

En su Presentación de MoodleMoot Reino Unido e Irlanda 2017Peter compartió con nosotros cómo los educadores pueden usar análisis para medir el impacto del aprendizaje.

También exploró cómo hacerlo puede mejorar las experiencias de enseñanza y aprendizaje. En este artículo, resumimos la presentación de Peter, que, por supuesto, puede ver desde el siguiente enlace.

Entonces, comencemos con ... ¿qué es el aprendizaje de análisis?

La analítica de aprendizaje es la medición, recopilación, análisis e informe de los datos de los estudiantes, que luego se pueden utilizar para optimizar los resultados del aprendizaje.

¿Por qué los educadores deben medir el aprendizaje?

La presentación de Peter comenzó con una cita de Williams Edwards Deming (Ingeniero estadounidense, estadístico, profesor, conocido por usar datos para mejorar los resultados económicos después de la Segunda Guerra Mundial): "En Dios confiamos, todos los demás deben aportar datos".

Peter explicó que los educadores que no miden los resultados son, en el mejor de los casos, adivinanzas y, en el peor de los casos, usan un sesgo incorporado para forzar el aprendizaje de sus alumnos.

Peter resumió el valor del mundo real de medir los datos de aprendizaje como:

  • Prueba de ROI y efectividad.
  • Destacando las áreas que se beneficiarán del aprendizaje dirigido.
  • Prueba de enseñanza y aprendizaje exitoso.
  • Resultando en programas de aprendizaje efectivos.
  • Permitir la personalización del aprendizaje: lo que significa que los educadores pueden ver la mejor manera en que las personas han aprendido a personalizar el aprendizaje para beneficiarlos.

¿Cuáles son las objeciones a Learning Analytics?

Después de su introducción, Peter discutió las objeciones generales o más comunes que creía que los educadores tenían para aprender análisis:

  • No es un experimento válido.
    El mundo académico ha comentado que las variables no se pueden controlar, lo que convierte el análisis de aprendizaje en un experimento no válido. Sin embargo, Peter argumentó que aunque no se pueden controlar todas las variables, se puede identificar una cadena de evidencia que sugiere una conclusión.
  • Es muy dificil.
    Peter sugirió que las personas y herramientas adecuadas pueden facilitarlo.
  • Es muy caro.
    Aunque este puede ser el caso en algunas circunstancias, existen herramientas de análisis de aprendizaje de código abierto baratas y gratuitas disponibles.

Un modelo de análisis de aprendizaje

En Leo Learning, Peter describió un modelo que incluye siete pasos para ayudar a los educadores a identificar cómo comenzar con la analítica de aprendizaje:

  1. Calcula lo que quieres hacer.
    Peter sugirió que los educadores comienzan poco a poco realizando una prueba A / B a través de dos cursos. Discutió el beneficio de no solo medir el aprendizaje, sino también identificar los KPI (indicadores clave de rendimiento) para establecer objetivos medibles.
  2. Obtenga la compra de todos los niveles del negocio.
    Las personas pueden temer el seguimiento de los datos, por lo que es esencial que todos los datos se comuniquen a todas las partes y que la información se utilice para mejorar la precisión del aprendizaje.
  3. Diseña un experimento.
    El siguiente paso es que los educadores resuelvan lo que quieren comparar, ya que los datos recopilados no sirven de forma aislada. Peter sugiere que esto se puede lograr mediante la identificación de resultados cuantificables, por ejemplo, pruebas divididas.
  4. Obtén los datos.
    Se sugirieron herramientas como xAPI y Caliper porque tienen interfaces portátiles capaces de recopilar datos más complejos que un "pasar" o "fallar".
  5. Mide tu impacto e intenta refutar tu hipótesis.
    Peter recordó #MootIEUK17 Los asistentes que aunque la correlación no es igual a la causalidad, es un buen lugar para comenzar a analizar los resultados de los datos.
  6. Comunica tus hallazgos.
    Aunque Peter argumentó que no es ético retener los hallazgos, creía que era importante elegir cuidadosamente cómo se comunicaban los hallazgos. Sugirió presentar el "gran hallazgo" y "gritar" sobre eso.
  7. Usa los hallazgos para mejorar lo que haces.
    Para aquellos que no estaban seguros de cómo usar los resultados para implementar el cambio, Peter sugirió buscar la ayuda de una compañía que sí lo hace.

Herramientas prácticas para aprender analítica.

Peter también compartió herramientas que se pueden usar para construir un ecosistema de aprendizaje para el análisis de aprendizaje:

  • Moodle
  • Cuenca
  • Todavía
  • Armario de aprendizaje
  • gomoLearning
  • aplicaciones xAPI
  • Kaltura
  • Lectora16
  • SurveyGizmo

Resumiendo su presentación, Peter recordó a los asistentes tres beneficios principales del uso de análisis de aprendizaje:

  • Mejores resultados para los alumnos.
  • Mejores resultados para las organizaciones.
  • Justificación de presupuestos a través del aprendizaje de pruebas analíticas.

Obtenga más información sobre por qué los educadores deben medir los análisis de aprendizaje, vea la presentación completa de Peter a continuación:

Escribir un comentario