Existen varios modelos que describen el nivel de madurez que se ha alcanzado en una organización con respecto a la generación de analíticas. Estos modelo son aplicables, también, a la analítica de aprendizaje (learning analytics).
Uno de los modelos más relevantes es el desarrollado por Gartner. El modelo de Gartner define el nivel de madurez analítica alcanzado de acuerdo a varias dimensiones:
- El rango temporal considerado: pasado, presente o futuro
- El nivel de intervención humana requerido para la toma de acciones y decisiones
- La complejidad de los análisis matemáticos requeridos
El siguiente diagrama muestra el modelo.
El nivel menos avanzado incluye las analíticas descriptivas. Estas analíticas proporcionan información acerca del pasado en términos puramente estadísticos.
La nota media en un curso o el porcentaje de estudiantes que han finalizado son ejemplos típicos de estadísticas de esta categoría.
El nivel de intervención humana requerido para comprender su significado es alto.
Las analíticas descriptivas se obtienen utilizando cálculos básicos.
Un nivel por encima se encuentran las analíticas de diagnóstico. Aunque también se focalizan en el pasado, intentan explicar las razones que conducen a ciertos resultados. Para ello, utilizan algoritmos más complejos cuyo objetivo es determinar la causalidad.
No todos los estudiantes han acabado el curso porque el contenido era demasiado extenso. Este es un ejemplo de analítica de diagnóstico.
Utilizando este tipo de analíticas podemos influir y mejorar procesos formativos futuros. Estamos más cerca de la acción, pero todavía requerimos una importante intervención humana.
En un nivel completamente diferente se sitúan las analíticas predictivas. Estas se focalizan en el futuro. Anticipan resultados y permiten realizar intervenciones de mejora inmediatas.
La predicción del porcentaje de abandono en un curso es un ejemplo de este tipo de analítica de aprendizaje.
Para la generación de las predicciones se utilizan complejos algoritmos del tipo “machine learning”. Disponer de datos relevantes y suficientes en un factor clave para la correcta generación de este tipo de analíticas.
Aquellas instituciones educativas capaces de predecir el futuro obtienen importantes ventajas. Pueden actuar en los procesos formativos en curso mitigando riesgos y mejorando el rendimiento.
En la parte más alta de la jerarquía se sitúan las analíticas prescriptivas. Utilizando analíticas prescriptivas, las organizaciones no sólo prevén el futuro, sino que generan recomendaciones de acción basadas en estas predicciones.
Estas estadísticas son capaces de predecir que un estudiante no alcanzará sus objetivos de aprendizaje y sugerir contenidos o actividades complementarios.
La generación automática de prescripciones (recomendaciones) requiere algoritmos incluso más complejos. Una vez más, el volumen y relevancia de los datos disponibles es crítico para el éxito.
Cada paso hacia un nivel analítico más avanzado se sustenta en los niveles inferiores.
Las organizaciones capaces de pasar del ámbito descriptivo/diagnóstico a un ámbito predictivo/prescriptivo obtendrán importantes ventajas competitivas desde las perspectivas de negocio y educativa.
¿Cuál es el nivel alcanzado en su organización con respecto a analítica de aprendizaje? Es importante entender que el proceso para llegar a un nivel de analítica educativa alto no es sencillo y requiere capacidades técnicas, pero también de la voluntad de la organización.
El esfuerzo merece realmente la pena …
By submitting this form, you accept the privacy policy