Minería de datos educativos y análisis del aprendizaje

 Ventajas, riesgos y desafíos de la Big data en la educación

El uso de Big Data, también conocido como grandes datos, y la analítica de aprendizaje (AA) en la educación superior presenta diversas ventajas. La Analítica de Aprendizaje se define como la medición, recopilación, análisis y reporte de datos sobre los estudiantes y sus contextos con el fin de comprender y optimizar el aprendizaje y los entornos en los que ocurre. Utiliza técnicas de minería de datos sobre conjuntos de datos de las instituciones de Educación Superior para generar inteligencia procesable a través de modelado estadístico y predictivo (Hooda, 2020). Algunas de las principales ventajas identificadas en las fuentes son: 

• Mejora de la toma de decisiones y la actuación educativa: Las AA ayudan a las Instituciones de Educación Superior (IES) en muchos aspectos del aprendizaje y la enseñanza al convertir los datos sin analizar en información procesable. Esto informa y empodera a las autoridades institucionales, académicos, estudiantes e investigadores sobre los problemas identificados. A diferencia de las decisiones tradicionales 26 basadas en presunciones e hipótesis, que consumen tiempo y limitan la calidad, las AA permiten tomar decisiones más rápidas basadas en datos. 

• Predicción y comprensión del rendimiento y comportamiento estudiantil: Las AA contribuyen a mejorar el desempeño y el comportamiento de los estudiantes, así como a predecir su rendimiento y retención. Permiten identificar a estudiantes en riesgo de manera oportuna... y pueden predecir el éxito estudiantil. La construcción de modelos predictivos del rendimiento académico que incorporan las AA muestra un gran poder predictivo y es prometedora para abordar problemáticas actuales en la Educación Superior. • Personalización del aprendizaje y apoyo a los estudiantes: Las AA pueden proporcionar información relevante para construir apoyo adaptativo y proporcionar apoyo adicional a los estudiantes para enfrentar problemas académicos, requisitos y expectativas. Los docentes con mayor competencia digital son más capaces de utilizar la tecnología para estos fines (Eynon, 2013). 

• Optimización de los entornos de aprendizaje: Las AA buscan responder preguntas sobre qué, por qué, quién y cómo optimizar los entornos de aprendizaje utilizando los Sistemas de Gestión de Aprendizaje (LMS) como fuentes de datos. La efectividad y eficiencia de un LMS puede identificar y ayudar a resolver problemas potenciales. 

• Nuevas oportunidades y herramientas de análisis: El Big Data ofrece muchas oportunidades interesantes para académicos, responsables de políticas educativas y profesionales para obtener nuevas clasificaciones de viejos problemas y desarrollar nuevos instrumentos para abordarlos. La huella digital generada en entornos virtuales de aprendizaje aporta una gran cantidad de información acerca de las actividades de los usuarios, conocida como Big Data educacional. 

• Capacidad para manejar y analizar grandes volúmenes de datos: Los grandes datos se definen en parte por su tamaño, que excede la capacidad del software tradicional para su captura, gestión y análisis. Las técnicas de extracción de información facilitan el manejo de grandes datos que a menudo son no estructurados. El uso de grandes cantidades de datos (Big Data) y las Analíticas de Aprendizaje (AA) en el ámbito educativo presenta una serie de riesgos y desafíos significativos.

Link de interés.