Analítica en educación superior - Analytics in higher education
La analítica académica se define como el proceso de evaluar y analizar los datos organizacionales recibidos de los sistemas universitarios por razones de información y toma de decisiones (Campbell y Oblinger, 2007) [1] . Según Campbell & Oblinger (2007), las agencias de acreditación, los gobiernos , los padres y los estudiantes están pidiendo la adopción de nuevas formas modernas y eficientes de mejorar y monitorear el éxito de los estudiantes. Esto ha llevado al sistema de educación superior a una era caracterizada por un mayor escrutinio por parte de las diversas partes interesadas . Por ejemplo, la revisión de Bradley reconoce que las actividades de evaluación comparativa , como la participación de los estudiantes, sirven como indicadores para medir la calidad de la institución (Commonwealth Government of Australia , 2008).
El aumento de la competencia, la acreditación , la evaluación y la regulación son los principales factores que fomentan la adopción de análisis en la educación superior . Aunque las instituciones de educación superior recopilan muchos datos vitales que pueden ayudar significativamente a resolver problemas como la deserción y la retención, los datos recopilados no se analizan adecuadamente y, por lo tanto, se traducen en datos útiles (Goldstein, 2005).
Posteriormente, los líderes de la educación superior se ven obligados a tomar decisiones críticas y vitales basadas en información inadecuada que podría lograrse utilizando y analizando adecuadamente los datos disponibles (Norris, Leonard, e iniciativas estratégicas Inc., 2008). Esto da lugar a problemas estratégicos. Este revés también se describe a sí mismo a nivel táctico . Aprender y enseñar en instituciones de educación superior suele ser una experiencia diversa y compleja. Todos y cada uno de los profesores, estudiantes o cursos son bastante diferentes.
Sin embargo, LMS tiene la tarea de cuidarlos a todos. LMS está en el centro de la analítica académica. Registra la información de todos y cada uno de los estudiantes y el personal y genera un clic dentro del sistema. Cuando esta información crucial se agrega, compara y contrasta con diferentes sistemas de información empresarial, le brinda a la institución una amplia gama de información útil que puede recolectarse para obtener una ventaja competitiva (Dawson & McWilliam, 2008; Goldstein, 2005; Heathcoate & Dawson, 2005). ).
Para recuperar información significativa de fuentes institucionales, es decir, LMS, la información debe interpretarse correctamente en función de una base de eficiencia educativa, y esta acción requiere el análisis de personas con habilidades de aprendizaje y enseñanza. Por lo tanto, se requiere un enfoque colaborativo tanto de las personas que custodian los datos como de quienes los interpretarán, de lo contrario los datos seguirán siendo un desperdicio total (Baepler & Murdoch, 2010). La toma de decisiones en su nivel más básico se basa en la presunción o la intuición (una persona puede sacar conclusiones y tomar decisiones basadas en la experiencia sin tener que hacer análisis de datos) (Siemens & Long, 2011). Sin embargo, muchas decisiones tomadas en instituciones de educación superior son demasiado vitales para basarse en anécdotas , presunciones o intuiciones, ya que las decisiones importantes deben estar respaldadas por datos y hechos.
La analítica , que a menudo se denomina "inteligencia empresarial", ha surgido como un nuevo software y hardware que permite a las empresas recopilar y analizar grandes cantidades de información o datos. El proceso de análisis se compone de la recopilación, el análisis, la manipulación de datos y el empleo de los resultados para responder preguntas críticas como "por qué". La analítica se aplicó por primera vez en el departamento de admisiones de las instituciones de educación superior. Las instituciones normalmente usaban algunas fórmulas para elegir a los estudiantes entre un gran número de solicitantes. Estas fórmulas extrajeron su información de los expedientes académicos de la escuela secundaria y los puntajes de las pruebas estandarizadas.
En el mundo actual, la analítica se usa comúnmente en unidades administrativas como la recaudación de fondos y las admisiones. El uso y la aplicación de la analítica académica está destinado a crecer debido a las preocupaciones cada vez mayores sobre el éxito y la responsabilidad de los estudiantes. La analítica académica combina principalmente datos complejos y extensos con modelos predictivos y técnicas estadísticas para mejorar la toma de decisiones. Las iniciativas de análisis académico actuales están orientadas a utilizar datos para predecir que los estudiantes experimentan dificultades (Arnold y Pistilli, 2012, abril). Esto permite que los asesores y los miembros de la facultad intervengan adaptando procedimientos que satisfagan las necesidades de aprendizaje del estudiante (Arnold, 2010). Como tal, la analítica académica posee la capacidad de mejorar el aprendizaje, el éxito de los estudiantes y la enseñanza. La analítica se ha convertido en una herramienta valiosa para las instituciones debido a su capacidad para predecir, modelar y mejorar la toma de decisiones.
Pasos analíticos
El análisis se compone de cinco pasos básicos: capturar, informar, predecir, actuar y refinar.
Captura : todos los esfuerzos analíticos se centran en los datos. En consecuencia, la analítica académica puede tener sus raíces en datos de diversas fuentes, como un CMS y sistemas financieros (Campbell, Finnegan y Collins, 2006). Además, los datos vienen en varios formatos diferentes, por ejemplo, hojas de cálculo . Además, los datos se pueden obtener del entorno externo de la institución. Para capturar datos, la analítica académica debe determinar el tipo de datos disponibles, los métodos para aprovecharlos y los formatos en los que se encuentran.
Informe : después de que los datos se hayan capturado y almacenado en una ubicación central, los analistas examinarán los datos, realizarán consultas , identificarán patrones, tendencias y excepciones representadas por los datos. La desviación estándar y la media ( estadística descriptiva ) se generan principalmente.
Predecir : Después de analizar los datos almacenados mediante el uso de estadísticas, se desarrolla un modelo predictivo . Estos modelos varían según la naturaleza de la pregunta y el tipo de datos. Para desarrollar una probabilidad , estos modelos emplean conceptos y técnicas de regresión estadística . Las predicciones se realizan después del uso de algoritmos estadísticos .
Actuar : El objetivo principal y el objetivo de la analítica es permitir que la institución tome acciones basadas en las probabilidades y predicciones realizadas. Estas acciones pueden variar de una invención a otra. Las intervenciones para abordar los problemas pueden ser en forma de un correo electrónico personal, una llamada telefónica o un contacto automatizado de los asesores de la facultad sobre los recursos y las habilidades del estudio, como el horario de oficina o las sesiones de ayuda. Sin duda, las instituciones deben idear los mecanismos adecuados para medir el impacto; como los estudiantes respondieron o asistieron a las sesiones de ayuda cuando fueron invitados.
Refinar : La analítica académica también debe estar compuesta por un proceso orientado a la superación personal . Los procesos estadísticos deben actualizarse continuamente, ya que la medición de los impactos del proyecto no es un esfuerzo estático de una sola vez, sino más bien un esfuerzo continuo. Por ejemplo, los análisis de admisión deben actualizarse o revisarse anualmente.
Comprensión de las partes interesadas involucradas
La analítica afecta a los funcionarios ejecutivos , estudiantes, miembros de la facultad, personal de TI y personal de asuntos estudiantiles. Mientras que los estudiantes estarán interesados en saber que la analítica académica afectará sus calificaciones, los miembros de la facultad estarán interesados en saber cómo la información y los datos pueden ser apropiados para otros propósitos (Pistilli, Arnold & Bethune, 2012). Además, el personal de la institución se centrará en encontrar cómo el análisis les permitirá realizar sus trabajos de manera eficaz, mientras que el presidente de la institución se centrará en la retención de estudiantes de primer año y el aumento de las tasas de graduación.
Criticas
La analítica ha sido criticada por varias razones, como la elaboración de perfiles . Su uso principal es perfilar a los estudiantes en categorías exitosas y no exitosas. Sin embargo, algunas personas argumentan que la elaboración de perfiles de los estudiantes tiende a sesgar los comportamientos y expectativas de las personas (Ferguson, 2012). Además, no existen pautas claras sobre qué problemas de elaboración de perfiles deberían prohibirse o permitirse en las instituciones de educación superior.
Referencias
- Análisis académico en la biblioteca de recursos de EDUCAUSE
- Arnold, KE (2010). Señales: Aplicación de análisis académico. Educause Quarterly, 33 (1), n1. (responsabilidad)
- Arnold, KE y Pistilli, MD (2012, abril). Señales del curso en Purdue: uso de análisis de aprendizaje para aumentar el éxito del estudiante. En Actas de la 2ª Conferencia Internacional sobre Análisis y Conocimiento del Aprendizaje (págs. 267–270). ACM.
- Baepler, P. y Murdoch, CJ (2010). Analítica académica y minería de datos en educación superior. Revista internacional para la beca de enseñanza y aprendizaje, 4 (2), 17.
- Campbell, JP y Oblinger, DG (2007). Análisis académico. Artículo Educause.
- Campbell, JP, Finnegan, C. y Collins, B. (2006). Análisis académico: uso del CMS como sistema de alerta temprana. En conferencia de impacto WebCT.
- Gobierno de la Commonwealth de Australia. (2008). Revisión de la educación superior australiana o. Número del Documento)
- Dawson, S. y McWilliam, E. (2008). Investigando la aplicación de datos generados por TI como indicador de desempeño en el aprendizaje y la enseñanza: Queensland University of Technology y University of British Columbia. (AL a. T. Council o. Número de documento)
- Ferguson, R. (2012). Análisis de aprendizaje: impulsores, desarrollos y desafíos. Revista Internacional de Aprendizaje Mejorado de Tecnología, 4 (5), 304-317.
- Goldstein, P. (2005). Analítica académica: los usos de la información y la tecnología de gestión en la educación superior o. Número del Documento)
- Heathcoate, L. y Dawson, S. (2005). Minería de datos para evaluación, evaluación comparativa y práctica reflexiva en un LMS. E-Learn 2005: Conferencia mundial sobre E-Learning en empresas, gobiernos, salud y educación superior.
- Norris, DM, Leonard, J. y Strategic Initiatives Inc. (2008). Lo que todo líder de campus necesita saber sobre análisis o. Número del Documento)
- Pistilli, MD, Arnold, K. y Bethune, M. (2012). Señales: Uso de análisis académicos para promover el éxito de los estudiantes. Revisión de EDUCAUSE en línea, 1-8.
- Siemens, G. y Long, P. (2011). Penetrando la niebla: análisis en el aprendizaje y la educación. Educause Review, 46 (5), 30-32.