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/#
No hay comentarios:
Publicar un comentario