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/#