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/#
No hay comentarios:
Publicar un comentario