¿Y SI EDUCAMOS?

¿Y SI EDUCAMOS?
Igualdad, justicia social, cero discriminación, derechos humanos, valores, educación... Ahora estudiando el Máster de Educación y Comunicación en Red para conocer nuevos procesos en el Sistema Educativo.

sábado, 8 de junio de 2019

ACTIVIDAD 5 - CONSENTIMIENTO INFORMADO


Actividad 5 – Consentimiento informado.
Querido alumno/a,
Mi nombre es Hortensia Martínez, y trabajo como docente-investigadora del curso Learning Analytics Essentials en el que se ha matriculado. Actualmente me encuentro llevando a cabo un protocolo ético para dicha investigación que como objetivo principal es mejorar los procesos y mecanismo que actualmente funcionan entorno a la analítica del aprendizaje conectado.

Hemos analizado los datos que nos has proporcionado y el presente escrito es una actualización en consideración con el consentimiento informado que se presentó a principio de curso. En base a las siguientes cuestiones:
  1. Grado de uso de actividad en las plataformas.
  2. Alumnos que mayor actividad muestran en las plataformas.
  3. Conocer información sobre qué temas de formación provocan interés en el alumnado.
  4. Obtener información sobre la situación actual de los alumnos (empleo, situación laboral).
  5. Analizar dos plataformas más usuales de los usuarios.

Esto es debido a que el análisis pertinente nos permitirá a tomar mejores decisiones en lo que respecta al diseño el curso, tratando de mejorar el curso y adaptándolo en todo momento a los tiempos actuales y sobre todo a las necesidades de nuestros alumnos. Garantizamos que la información no será cedida a terceros. Una vez terminada dicha investigación será publicada en la plataforma del curso para que todo el mundo tenga derecho a verla.

                CONSENTIMIENTO INFORMADO
El/la alumna D/Dª _________________________________, con DNI _______________ y matriculado en el curso “Leaning Analytics Essentials”

Manifiesto conocer la actualización del consentimiento informado.

El objetivo general es la puesta en marcha de prácticas educativas, fundamentadas en procesos comunicaciones y de interacción, en redes sociales, desde una perspectiva crítica. El análisis de este informe permite conocer la opinión del estudiante sobre la asignatura, conocer cuáles es su percepción de la experiencia académica de la asignatura y así evaluar la potencialidad de las innovaciones puestas en marchas.
Los estudiantes facilitarán la mejora del diseño del curso, así como de las distintas actividades propuestas a lo largo del aprendizaje. No se espera ninguna incomodidad puesto que el estudiante no tiene que hacer un trabajo extra que el requerido para la superación del curso. Este análisis requiere la utilización y manejo de datos de carácter personal, son confidenciales y anónimos.

He leído la hoja de información que se me ha entregado y la he comprendido en todos sus términos. Comprendo que mi participación es voluntaria y que puedo retirarme del estudio. Por todo lo cual, presto mi consentimiento, así lo firmo:






En _________________ a ____ de ___________ de 2019.

ACTIVIDAD 5 - DIMENSIONES DE INVESTIGACIÓN


Actividad 5 – Dimensiones de investigación.

Dimensión 1:
Grado de uso de actividad de las plataformas: analizaremos el grado de presencia en las redes sociales del estudiante, el grado de inmersión que tiene en el mundo de las redes sociales y a su vez se analizará el grado de manejo en los foros y en los chats. De esta forma se podrá observar la participación de los estudiantes.

Dimensión 2:
Los alumnos que mayor actividad muestran en las plataformas (Twitter, Facebook, YouTube y la plataforma del curso) son alumnos que poseen relaciones con los compañeros virtuales. Esto es positivo para el alumnado ya que entre ellos se ayudan a aprender a aprender y a crear debates sobre las distintas actividades que se realizan a lo largo de los módulos en el curso.

Dimensión 3:
Conocer información sobre qué temas de formación provocan interés en el alumnado. De esta forma podremos orientar los trabajos de los siguientes módulos en una línea o en otro, enfocados en las necesidades de los alumnos. De esta manera las posibilidades de interés y participación en los estudiantes serán mayores.

Dimensión 4:
Obtener información de la formación, situación actual, situación laboral, empleo y entre otras cosas de los alumnos. De esta forma podremos marcar de una forma más clara el campo de interés de nuestros alumnos.

Dimensión 5:
Analizaremos en dos plataformas de cada uno de los alumnos las publicaciones y los tipos de programas que han utilizado en las distintas redes sociales. Esto nos podrá acercar a conocer a nuestros alumnos y conocerlos más personalmente.

sábado, 1 de junio de 2019

ACTIVIDAD 4 - DISEÑO DE INVESTIGACIÓN

1. Introducción.
La importancia del análisis de datos como también las amplias posibilidades que tienen de poder aplicarse en diferentes ámbitos profesionales. Es una gran oportunidad para que los resultados obtenidos tras el análisis resulten verdaderamente útiles para la mejora de la enseñanza digital.
A lo largo del curso trabajaremos con los siguientes espacios de trabajo: YouTube, Blog, TinyLetter, Twitter y la plataforma del curso de esta forma se fomentará enriquecer el proceso educativo de los estudiantes. A continuación, se presentará el curso “Leaning Analytics Essentials” a partir de los objetivos básicos del curso, como la metodología del curso, los instrumentos de obtención de datos, la interpretación y por último un anexo dedicado a explicar las garantías éticas del proceso del curso.

2. Objetivos.
   1- Medir qué competencias adquieren los estudiantes al final del curso.
   2- Medir cómo evoluciona la adquisición de competencias durante el ciclo del curso.
   3- Conocer las causas que explican la adquisición de las competencias por parte de los estudiantes. 

3. Metodología.
El principal objetivo del curso se basa en la adquisición de competencias de las personas participantes por lo que nuestra investigación será comprobar qué competencias se adquieren y cómo evolucionan estas a lo largo del curso. Se parte de que el curso va a ser en línea, por lo que la estructura de este estará compuesta por módulos en el que al terminar cada uno de ellos tendrán que realizar entregas de material y posteriormente desarrollar un cuestionario para observar cómo evoluciona la adquisición de competencias a lo largo del curso. De esta forma se pretender observar el progreso de aprendizaje de cada uno de los estudiantes que van a realizar el curso. Hay que tener en cuenta que a la par que van adquiriendo información y conocimientos se vayan también poniendo a la práctica.

4. Instrumentos de obtención de datos.
Para poder obtener los datos se buscará dar respuestas a los objetivos planteados en un principio por lo que en este punto hay que preguntarse a través de qué medios y cómo va a llevarse a cabo esta obtención de datos. Esta obtención de datos se llevará a cabo en las distintas plataformas virtuales que se han nombrado con anterioridad por medio de diferentes instrumentos como son la observación durante todo el proceso de la realización del curso online, también la realización de cuestionarios abiertos al final de cada entrega con el objetivo de un seguimiento del alumnado para   y el análisis del contenido.

5. Interpretación.
Una vez realizada la metodología como también utilizados los instrumentos para la obtención de datos, llega el momento de la interpretación de los mismos. Esta interpretación de obtención de datos nos debe llevar a la autoevaluación docente para estar abiertos a una mejora en un futuro. En este punto podremos conocer la participación de cada uno de los estudiantes a lo largo del proceso del curso. Cada una de las plataformas utilizados poseen herramientas para analizar la información más relevante en cuanto al tráfico y la interacción en web que han tenido cada uno de los estudiantes. Estos aspectos son importantes y a su vez fáciles de observar ya que se muestran en gráfica. Por lo que este proceso nos facilitará observar si los objetivos mostrados con anterioridad se han conseguido. Este punto, la interpretación, siendo la última no deja de ser importante ya que dará respuesta a las cuestiones diseñadas para dar respuesta a los objetivos planteados en el curso.

6. Anexos.
Tan importante es que los educadores utilicen la información disponible para ayudar al aprendizaje de sus estudiantes, como que protejan sus datos personales evitando poner en compromiso la privacidad. (Domínguez, 2018).


7. Bibliografía.
Dominguez, D. (2018). Bid Data, analítica del aprendizaje y educación basada en datos. Recuperado de: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3124369

ACTIVIDAD 4 - CASO PRÁCTICO

En esta entrada nueva de la asignatura de Analítica del Aprendizaje Conectado vamos a presentar la nueva actividad: Módulo 4 sobre la analítica del aprendizaje en espacios conectados. Primero, se presentará en la siguiente tabla los datos de métrica que se encuentran disponibles en cada plataforma en la que se desarrollará el curso, como son YouTube, Blog, TinyLetter, Twitter y la plataforma del curso. En la siguiente entrada se presentará la segunda parte de esta actividad: diseño de investigación.

Plataforma/Canal
Datos/indicadores
YouTube (las mediciones se realizan a través de YouTube Analytics. Es un sistema de análisis de la actividad de los usuarios en relación con los vídeos y canales de YouTube. Fue lanzado por el propio YouTube en 2011.)
- Número de seguidores.
- Número de reproducciones totales.
- Número total de minutos vistos.
- Tiempo de visualización (minutos).
- Número de suscriptores.
- Interacciones por cada contenido.
- Número de impresiones.
- Visualizaciones por impresiones mostradas (frecuencia de los espectadores que han visto el vídeo).
- Número de visualizaciones del canal en comparación con el periodo anterior.
- Número estimado de personas que ven el contenido en el periodo seleccionado.
- Interés de los espectadores.
- Nivel de compromiso de los usuarios (comentario, me gusta).
- Uso de las playlist.
- Demografía de los espectadores (dividida por edad, sexo y localización geográfica).
Blog / Google Analytics (es una herramienta de analítica web de la empresa Google. Ofrece información sobre la audiencia, adquisición, comportamiento y conversiones que se llevan a cabo en el sitio web).
- Número de visitas a la web.
- Localización geográfica de los usuarios.
- Tiempo de permanencia en la página.
- Número ce comentarios de cada post.
- Número de visitas de cada post.
- Palabras clave de cada búsqueda.
- Número de seguidores.
- Número de entradas publicadas.
TinyLetter (es una herramienta gratuita, fácil de usar sin esfuerzo e ideal si quieres empezar a enviar boletines por correo electrónico a tus lectores).
- Número de suscriptores.
- Número de aperturas de cada “letter”.
- Número de clicks únicos en los enlaces.
- Respuestas recibidas. .
- Comentarios realizados.
- Tasas de apertura.
- Tasas de rebote.
Twitter Analytics (es una herramienta que nos blinda la propia red social y por la que podemos conocer datos sobre nuestros tweets, seguidores, entre otras cosas).
- Número de seguidores.
- Número de impresiones.
- Número de retweets.
- Numero de me gusta de cada tweet.
- Número de visitas en el perfil.
- Número de menciones de nuestra cuenta. .
- Género de mis seguidores.
- Intereses de mis seguidores.
- Fotos y/o vídeos subidos y en los que se te ha mencionado.
- Cuentas que nos han seguido.
- Cuentas que nos han dejado de seguir.
- Localización geográfica de los seguidores.
Plataforma del curso.
- Número de inscripciones.
- Total número de inscripciones.
- Tiempo de cada usuario en la plataforma.
- Número de interacciones en los foros de la plataforma.
- Número de comentarios en los debates y foros de la plataforma.
- Número de búsquedas realizadas en la plataforma.
- Porcentaje por semanas, y mes de participación de los usuarios.
- Porcentaje de usuarios que cumplen con los plazos al entregar las actividades.
- Porcentaje de satisfacción.


miércoles, 8 de mayo de 2019

4.ÉTICA Y PRIVACIDAD.

A continuación, se enumerarán los aspectos tanto éticos como legales que se consideran más importantes. Ya que como referencia del texto de Dominguez, (2018), tan importantes es que los educadores utilicen la información disponible para ayudar al aprendizaje de sus estudiantes, como que protejan sus datos personales evitando poner en compromiso la privacidad.

- Consentimiento informado: en un primer momento se informará a todas las personas (estudiantes y docentes) que utilicen este servicio del uso de datos.

- Discriminación: se exigirá tanto a los colaboradores externos como al personal interno la confidencialidad de los datos. Se tendrá en cuenta de los colaboradores externos que garanticen la privacidad de los datos recogidos. Contando también con un software capaz de identificar datos que puedan afectar a terceras personas, como a familiares y amigos.

- Privacidad: se asegura la privacidad de los datos en todo momento proporcionando a los usuarios una explicación detallada sobre todos los procedimientos.

- Seguridad: se asegura a los usuarios de este servicio, docentes, alumnos y colaboradores un espacio privado para los datos de los usuarios.


BIBLIOGRAFÍA
Domínguez, D. (2018). Big Data, analítica del aprendizaje y educación basada en datos. Recuperado de: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3124369
Ekowo, M., & Palmer, I. (2016). Predictive Analytics in Higher Education. Technical Report. Ner America Foundation, Washington, DC. Recuperado de: https://www.newamerica.org/education-policy/reports/predictive-analytics-in-higher-education/#

3.METODOLOGÍA DEL SERVICIO DE DATOS.


ENFOQUE DEL SERVICIO:
Este servicio nos permite un análisis de los datos generados para detectar las necesidades encontradas en los estudiantes matriculados. Es importante destacar que este curso persigue prevenir el abandono temprano de los estudiantes promoviendo una personalización del aprendizaje como también unos servicios de asesoramiento no sólo a los estudiantes sino también al profesorado. Este servicio basado en la analítica de datos es de utilidad ya que puede ser aplicado en casi cualquier contexto y para diversos cursos online con el fin de reducir las tasas de abandono en los estudiantes. Las ventajas principales de este servicio es su aprendizaje adaptado ya que se trata a cada alumno de forma individual y diseñando un plan educativo individualizado según los intereses y necesidades del alumnado. Sin dejar a un lado que el servicio nos permite conocer al alumnado de forma individual.

Este tipo de análisis de datos y del aprendizaje junto con este servicio hace al docente con el alumnado tener una cercanía y empatía conociendo la información de cada perfil y estableciendo una relación según sus mejoras, sus necesidades y obstáculos a los que hacer frente.

OBJETIVOS:
1.       Prevenir el abandono de estudiantes en el curso online.
2.       Detectar al alumnado con mayor probabilidad de abandono.
3.       Descubrir los obstáculos de la plataforma para la mejora del aprendizaje del alumnado.

LÍNEAS DE ACCIÓN DEL OBJETIVO:
Las acciones que se comprenden con los distintos objetivos son:
1. Obtener la mayor cantidad de datos e información por parte de los estudiantes matriculados, como analizar estos datos y convertirlos en información útil para prevenir el abandono de los alumnos.
2. Proponer posibles intervenciones a lo largo del curso para conseguir mejoras y de esta forma hacerles frente a las necesidades que se irán encontrando en los estudiantes.
3.  Llevar a cabo planes de actuación preventivos de manera personalizada.

SUPUESTO PRÁCTICO:
                Una plataforma lleva a cabo un curso online que tiene una tasa de abandono que ha ido aumentando. Actualmente del 55% de los alumnos, desde que empieza el curso hasta que finaliza. Recurren a nuestro servicio para acabar con la situación en la que se encuentran y reducir lo máximo posible esta tasa tan elevada de abandono. Desde el primer momento nos piden incluir un módulo que use el análisis predictivo, es decir, modelo basado en el análisis de datos.

Nosotros empezamos por recoger y analizar los datos de ingreso no tan solo de los estudiantes sino también del equipo de profesorado. Esto nos da en primer lugar el dato de cuantos alumnos comienzan el curso y también si han tenido cualquier problema para acceder a la plataforma. Gracias al análisis de la actividad se observa que la primera semana un 7% no han tenido ninguna participación en la plataforma y elaboramos un email para encontrar el motivo del problema.

A partir de aquí observamos los niveles de participación de los alumnos y la interacción que tienen con los docentes. Se interpretan los resultados y observamos que un 20% de los alumnos ha participado durante el primer mes del curso la mitad que el resto de sus compañeros. Por lo que a partir de observar esto el equipo docente se pone en contacto con ellos. De esta forma se persigue un plan individualizado con los alumnos desde el primer momento del comienzo del curso y así encontrar las necesidades del alumnado.

A continuación, y tras revisar la participación en las clases, foros y debates descubrimos que un 40% no están presente, por lo que se ve necesario crear una alerta al correo como recordatorio de los alumnos. Esto hace que la participación en los alumnos aumente.

También se analizan si los alumnos presentan los trabajos, si cumplen o no con los plazos y el grado de realización y motivación de éstos, se observa que las calificaciones son bajas. Por lo que se analiza donde mayor nota sacan los alumnos y se observa una asignatura. Hay dos posibilidades que el docente no evalúe bien al alumnado y ponga buena nota a todos o segunda, que los alumnos se encuentren motivados. Se coge la segunda opción donde los alumnos se encuentran motivados. En el resto de asignaturas se va a utilizar la misma metodología del profesor adaptándola a las distintas asignaturas. Se observa que los alumnos se encuentran más motivados.

En conclusión, cada dos semanas aquellas personas que aun con las ayudas y distintas adaptaciones que se han ido mostrando, la participación del alumno sea baja y no solicite ayuda de forma autónoma, el profesorado se pondrá en contacto con ellos y se le propondrá al alumno un plan de apoyo específico creando contenidos adaptados a los intereses reales de los estudiantes. En ningún momento se dejará más tiempo de dos semanas sin tener respuestas de un alumno, observando su participación a través del análisis de datos.


BIBLIOGRAFÍA
Domínguez, D. (2018). Big Data, analítica del aprendizaje y educación basada en datos. Recuperado de: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3124369
Ekowo, M., & Palmer, I. (2016). Predictive Analytics in Higher Education. Technical Report. Ner America Foundation, Washington, DC. Recuperado de: https://www.newamerica.org/education-policy/reports/predictive-analytics-in-higher-education/#


2.CAPTURA DE DATOS


En esta segunda entrada en el blog se pretende identificar a los estudiantes en dificultad que necesitan asesoramiento en el curso online. Seguidamente, vamos a definir que momentos concretos del ciclo del curso son más importantes rastrear para identificar a los estudiantes con problemas y por qué lo son. De esta forma seguiremos con el plan de reducir la tasa de abandono en el curso. Haciendo meción de la siguiente frase Domínguez (2018: 8): “El proceso más habitual consiste en hacer un seguimiento detallado de los pasos de los estudiantes en las plataformas digitales, analizar la información obtenida y proporcionar soluciones concretas ante los problemas cotidianos que surgen durante el curso”.

Momentos concretos:
o   Inicio del curso: aquí es cuando el estudiante tiene la posibilidad de conocer las guían docentes de las distintas asignaturas/áreas, la planificación del curso (horarios, exámenes), tener la primera relación con el profesorado y las primeras interacciones con los compañeros del curso como puede ser a través de los foros. Es un momento crucial ya que nos puede dar información de cuántos alumnos empiezan el curso, si han tenido cualquier problema para acceder a la plataforma (¿qué tipo de problemas han sido?), qué edad tiene cada uno o también que estudios anteriores tienen cada uno de ellos/as.

o   Cada semana: a lo largo de la semana será cuando los alumnos puedan interaccionar con el profesorado a través de las distintas clases, foros o debates, podrán enviar correos para aprovechar si tienen dudas. A lo largo de las semanas se puede hacer una comparación del número de veces que se conectan a la plataforma, del número de participación en los foros y en las clases que se han ido realizando (chats o videoconferencia). De esta forma podemos conocer la implicación del alumnado en cada asignatura del curso y al nivel de dificultad que se enfrenta el alumno a lo largo de las distintas semanas.
Sería útil observar tanto el número de repeticiones de las videoconferencias y videos como el número de acceso a los foros ya que podría ser un indicador de falta de motivación o falta de conocimiento del alumnado.

o   Finalización del curso: se observará si el alumnado sigue activo para completar las distintas actividades que quedan para completar el curso. De esta forma se podrá determinar la tasa de abandono como el porcentaje de éxito del curso.

Como se puede observar encontramos los momentos clave para recopilar información. Hay que destacar que lo que se procura analizar en cada semana es el porcentaje de alumnado que se muestra activo y participativo. De esta forma si un alumno/a ha disminuido el nivel de implicación en una semana se puede tratar de resolver el problema con el alumno y encontrar soluciones. Con todo esto se pretende obtener e interpretar las distintas necesidades del alumnado como los obstáculos a los que tiene que hacer frente.

Destacando que el análisis predictivo también ha permitido a las universidades adaptar mejor sus servicios de asesoramiento y personalizar el aprendizaje para mejorar los resultados de los estudiantes, Ekowo y Palmer (2016). De esta forma la comunidad docente puede ofrecer a su alumnado un apoyo directo, celebrando las mejoras y aportándole tanto las cosas buenas que hace cómo lo que tiene que mejorar en cada momento.

BIBLIOGRAFÍA
Domínguez, D. (2018). Big Data, analítica del aprendizaje y educación basada en datos. Recuperado de: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3124369
Ekowo, M., & Palmer, I. (2016). Predictive Analytics in Higher Education. Technical Report. Ner America Foundation, Washington, DC. Recuperado de: https://www.newamerica.org/education-policy/reports/predictive-analytics-in-higher-education/#