Análisis del aprendizaje
El proceso de identificar, recopilar, analizar y distribuir datos sobre los estudiantes y sus entornos con el fin de comprender y, en última instancia, mejorar sus resultados de aprendizaje se conoce como Learning Analytics. Una de las formas más eficaces de promover la educación es proporcionar información a través de ella, lo que a su vez puede conducir a una experiencia de aprendizaje más personalizada y a un aumento del rendimiento de los estudiantes.
Learning Analytics es una forma de humanizarse que ayuda a aprender con muchas formas diferentes de aprender. Las capacidades de IA de Learning Analytics no solo ayudan a los profesores a ver qué alumnos están en riesgo, sino que también les permiten encontrar formas de mejorar el plan de estudios. Así, por ejemplo, los profesores que observan que algunos alumnos no participan activamente en las clases pueden utilizar diferentes métodos que enganchen a esos alumnos, haciendo que sus resultados suban.
Los datos para Learning Analytics se recopilan a partir de múltiples fuentes, que incluyen sistemas de gestión del aprendizaje (LMS), sistemas de información de estudiantes y, a veces, incluso plataformas de medios sociales. Estos datos pueden estar compuestos por registros de interacción, resultados de evaluaciones y detalles demográficos, que se someten a análisis para comprender los comportamientos y resultados del aprendizaje.
Algunas herramientas de Learning Analytics que se suelen utilizar son plataformas de visualización de datos como Tableau, plataformas de aprendizaje con funciones de análisis incorporadas como Moodle y software especializado como Brightspace Insights. Con la ayuda de estas herramientas, incluso los profesores pueden analizar conjuntos de datos engorrosos con facilidad y elegir la opción correcta basándose en datos procesables.
Según los informes, la utilización de Learning Analytics puede verse obstaculizada por varios problemas, como los problemas frecuentes de privacidad de los datos, la insuficiencia de la infraestructura y la interpretación incorrecta de los datos. Por ejemplo, la principal preocupación de ajustarse a las leyes sobre GDPR que entran en vigor en Europa es proteger los datos de los estudiantes y, además, se pide a las instituciones que gasten más que nunca en la formación adecuada del personal para analizar y utilizar los datos.