Usuari:Roser Girós

Analítiques de l’aprenentatge social en línia

Definició i objecte:

Segons Fergusson i Shum , les de l’aprenentatge analítiques de l’aprenentatge (Learning analytics o LA) s’han centrat en recollir dades sobre els nivells d’execució dels estudiants en a la resolució de tasques predefinides en les plataformes LMS. Aquest enfocament ha permès elaborar models predictius per identificar usuaris amb un potencial èxit o risc acadèmic, i tal i com observen Goldstein & Katz (2005) han servit per gestionar l’admissió i suport proporcionat als alumnes, més que no pas per a engegar millores en la planificació institucional.

Si bé el sistema de LA tenen coherència dins de models d’ensenyament tradicionals, val a dir que perden la seva lògica quan es vol comprendre situacions d’aprenentatge basades en entorns d'aprenentatge col•laboratiu, en els quals no sempre existeix un professor o una organització educativa acreditada, ni tampoc una qualificació. Més aviat, l’aprenentatge social pren lloc en el marc d’una cultura de la participació i l’educació permanent, entre persones que interaccionen entre sí en la xarxa per resoldre problemes, i que ho fan de forma directa a través de missatges, o bé indirectament amb les seves aportacions en eines 2.0 publicant, buscant, etiquetant, avaluant, per exemple).

Es en aquest context, SoLAR, planteja l’Analítica de l’Aprenentatge Social (Social Learning Aanalytics o SLA) com “un subconjunt distintiu de l'analítica d'aprenentatge basat en el treball que demostra que les noves habilitats i idees no parteixen exclusivament dels individus, sinó que es desenvolupen, difonent i transmet a través de la interacció i la col•laboració”.

Orígens:

Les analítiques de l’aprenentatge (LA) es defineixen per SoLAR com: “la mesura, col•lecció, anàlisi i informe de dades sobre els aprenents i els seus contextos, amb finalitat de comprendre i optimitzar l’aprenentatge i l’entorn en el què te lloc”.

Tipus de dades en LA:

Santamaria, sintentitza el diferents tipus de dades que els LMS enmagatzemen i que es poden reutilitzar per generar processos analítics.

• Dades personals sobre l’usuari: nom, adreça, edat,...
• Dades d’interacció: comportament en el sistema, missatges als foros, classificació,...
• Dades de navegació parades: quins enllaços ha seguit, mapes de risc,...
• Dades relacionals: connexions amb l’usuari tals com amics, seguidors, a qui segueix,... (Tècniques d’anàlisi de les Xarxes socials - ARS)
• Dades del context: ubicació de l’usuari, sensors de moviments, velocitat,...
• Dades textuals: creats pels propis aprenents que són avaluats com tècniques mineria de forma transparent

Possibilitats i controvèrsies del model

Diversos problemes entre els quals hi ha quines d’aquestes dades són significatives per a formentar l’aprentatge i construir un model d’avaluació continua que pugui retroalimentar el disseny tecnopedagògic utilitzat. A aquesta primera qüestió li segueixen problemes tecnològics (models de visualització de les dades) i legals (models de protecció de dades).

De forma sintètica, Erik Duval (2012) proposa un seguit de qüestions en l'eficàcia del LA en el camp de l'educació:

1. La manca de consens i certitud per a escollir quins són els rastres digitals significatius per a comprendre l’aprenentatge. Cada vegada hi ha més característiques i paràmetres del procés que es poden mesurar (amb el m-learning per exemple), però el fet que es puguin mesurar no significa que siguin rellevants de per sí.
2. La plasmació de les dades en representacions visuals que proposin un feedback real pels actors de l’E-A. La visualització de les dades suposa un repte per a fer intel•ligible el model.
3. Dificultat per avaluar l’impacte real en aprenentatge a nivell pràctic (ja que requereix estudis longitudinals) i metodològic (perquè hi intervenent moltes variables a part de la intervenció educativa)
4. El reduccionisme de la mediació (et converteixes en el que mesures), en el sentit de centrar-se en còmputs purament quantitatius del nombre d’acció que porta a terme l’estudiant, sense valorar la part qualitativa de les mateixes (nombre de twits, missatges al fòrum, etc).
5. Recollint els rastres digitals es genera una base de dades que contribuiria a fer de la recerca educativa en una ciència més empírica. Compartint-la suposa un repte enorme per la comunitat acadèmica.
6. Els efectes sobre els aprenents quan tenen consciencia de què s’analitzen els seus moviments i interaccions, i alhora que les dades seran accessibles als professors I a la institució educativa. Aquest aspecte pot donar lloc a una situació tipus “Big Brother”, amb resultats condicionats per la metodologia.
7. El risc que a mesura que LA fomenta sistemes de suport continuo als estudiants, s’elimini la seva autonomia i activitat metacognitiva per generar una dependència envers al feedback continuo que proposa la institució i que podria ser llegit com un sistema reductor de la llibertat.

Nivells d'anàlisi en SLA i exemples d'apliació:

Principals característiques i algunes aplicacions i experiències que es recullen en els treballs de Zapata i Fergusson & Shum:

Anàlisi de les xarxes socials

Anàlisi que facilita la identificació dels estudiants desconnectats, dels principals flux d’informació dins d’una classe, del grau en què una comunitat d’aprenentatge es desenvolupa a través de la interacció en línia. Existeixen diverses eines procedents sobretot de la sociologia (Anàlisis social de xarxes) que ofereixen dades estadístiques sobre el grau d’interacció grupal en forma de grafs.

• SNAPP Social Networks Adapting Pedagogical Practice
• GISMO
• Moodog. - S'acompla a la part superior de Moodle.
• Check My Activity (CMA) - Permet comparar l'activitat de l'estudiant amb la mitjana del grup (Universidad de Maryland, Baltimore County).

Anàlisi del discurs

En aquest anàlisi es traca d’identificar la participació significativa, i el seu sentit en el conjunt. Per fer-ho s’examinen els intercanvis en les fases d’inici, resposta, seguiment, entre els estudiants i amb els tutors o consultors. Un altre enfoc dins d’aquest grup, seria l’estudi de la creació de comunitats d’aprenentatge, en la forma en com es poden generar instruments de coneixement col·lectiu (com mapes conceptuals, per exemple). De Liddo (2011), afegeix altres variables d’interès: els temes d’atenció que demostren els participants, la retòrica que s’utilitza en les contribucions, les àrees d’acord i desacord dins el grup, i la forma en com es distribueix el coneixement.

• Nvivo. Software que treballa amb dades qualitatives, no numèriques ni estructurades.

Anàlisi del contingut

Col·lecta dades i informa sobre el contingut generat per l’usuari a partir de la plataforma Web 2.0, i també sobre els seus motors de recerca. Hi ha una varietat de mètodes que analitzen el contingut amb la intenció de guiar als aprenents cap un ús personalitzat i viable de l’amplitud de recursos que existeixen en la xarxa.

• LOCO-Analyst (Learning Object Context Ontologies)

Anàlisi de la Motivació

Es centra en la motivació intrínseca que mou a l’aprenentatge i a la innovació de l’estudiant. Aquests anàlisis intenten identificar i seguir la combinació de factors i variables que incentiven la bona disposició de l’estudiant vers a l’acció formativa de forma continuada, tals com les identitats, valors, actituds, valoracions grupals, les habilitats i coneixements previs per exemple.

• ELLI "Effective Lifelong Learning Inventory". Bona pràctica reconeguda desenvolupada per la Open University of UK (Edwards 2011).

Anàlisi del context

El context conté dades tan variades com les temporals, localització geogràfica, objectius, activitats, i rols d’interacció entre els actors de l’E-A. Igualment aquesta dimensió inclouria tota una sèrie de característiques del propi aprenent que es poden obtenir en la matricula al curs, i que el que el condicionin el seu nivell d’execució com ara la llengua, interessos i nivell formatiu, per exemple.

• Social Learn

Vegeu també

Educational Data Mining

Social Network Analysis

Content analysis

Tin Can Api

Enllaços externs

Ferguson, Rebecca and Buckingham Shum, Simon (2012): Social learning analytics: five approaches.In: 2nd International Conference on Learning Analytics & Knowledge, 29 Apr - 02 May 2012, Vancouver, British Columbia, Canada, pp. 23–33

Begoña Gros "Retos y tendencias sobre el futuro de la investigación acerca del aprendizaje con tecnologías digitales" , de Elearn center de la UOC. Article en què analítza l'impacte de LA en la recerca en educació.

Gerge Siemens (2013) Making sense of and find your way throug learning analytics. Vídeo Introducció al camp de LA per a MOOC.

Society for Learning analítics research. SoLar. Recull de perspectives i treballs d'investigació i difusió en EA (Conferències LAK)

Steve Schoettler (2012): "Learning Analytics": Strata 2012, parla del big data per personalitzar l'educació.

Phillip D. Long i George Siemens (2011): “Penetrating the Fog: Analytics in Learning and Education”. Article publicat en Educause el dilluns 12 de setembre del 2011.

Journal of Educational Technology & Society Publicació de Juliol 2012, número especial sobre "Learning Analytics and Knowledge" amb diversos articles sobre la temàtica.