Cursos de universidad y libros perfectos Información acerca de cursos y titulos de universidad generales Relacionados
Hoy en día, en los campus casi todas las interacciones educativas dejan huellas digitales. Las tareas y los comentarios se realizan a través de portales en línea; los debates y las discusiones se producen a través de sistemas de gestión del aprendizaje, así como en aulas, cafeterías y dormitorios.
Éstas y otras migajas digitales brindan a los tecnólogos la oportunidad de examinar los procesos, prácticas y objetivos de la enseñanza superior de un modo que era prácticamente imposible hace unos diez años.
Hemos informado aquí y aquí sobre la revolución del «aprendizaje activo» de Carl Wieman, Premio Nobel de Física de Stanford.
Otro físico reconvertido en innovador de la educación (¿hay algo en el agua del laboratorio de física?) llamado Timothy McKay ve grandes promesas en la «analítica del aprendizaje», es decir, en el uso de grandes datos e investigación para mejorar la enseñanza y el aprendizaje.
McKay, profesor de física, astronomía y educación en la Universidad de Michigan, sostiene en un reciente libro blanco que la enseñanza superior necesita «acabar con la división percibida entre investigación y práctica».
Por supuesto, existen preocupaciones éticas y de privacidad, lo que a su vez ha provocado la aparición de códigos de conducta incipientes.
Me puse en contacto con el profesor McKay, que también dirige el Digital Innovation Greenhouse de Michigan, para profundizar en el funcionamiento de la analítica del aprendizaje en la enseñanza superior.
Díganos un ejemplo de cómo los nuevos y mejores datos están ayudando a las universidades y a los profesores a entender mejor a los estudiantes.
Les daré un ejemplo sacado de mi propia experiencia. Llevo más de 20 años enseñando en la Universidad de Michigan. La mayoría de mis clases han sido cursos introductorios de física, de 400 a 700 estudiantes. Ahora bien, la forma en que las universidades han hecho tradicionalmente esto es proporcionar una especie de enfoque industrial, ir a ese gran grupo de personas y ofrecerles los mismos materiales, pedirles que hagan el mismo tipo de actividades al mismo ritmo, y evaluar a todas esas personas exactamente de la misma manera. Todos reciben el mismo curso.
Si está bien diseñado, quizá esté pensado para el estudiante medio de la clase. Funciona bien para ese estudiante medio, pero no funciona bien para los demás.
Lo que descubrí cuando empecé a analizar los datos de mis propias clases es algo que debería haber sido obvio desde el principio, pero que no lo fue hasta que examiné los datos. Me di cuenta de lo diferentes que eran todos los alumnos de mi clase, de la gran variedad de diferencias que había entre ellos y de que, si quería enseñarles a todos igual de bien, no funcionaba darles exactamente lo mismo a todos.
Se puede personalizar y seleccionar mejor a los estudiantes que puedan necesitar ayuda, que puedan tener una formación diferente, que puedan tener una perspectiva diferente… o unos objetivos diferentes.
u objetivos diferentes. Muchas veces se habla de los alumnos rezagados o en situación de riesgo, pero lo mismo ocurre con los alumnos que destacan académicamente. Ellos también necesitan una atención especial. Lo primero que me ocurrió fue abrir los ojos ante el verdadero reto, la verdadera importancia de la personalización, incluso cuando enseñamos a gran escala.
A continuación, me di cuenta de que, puesto que teníamos información sobre los antecedentes, los intereses y los objetivos de cada uno de nuestros estudiantes, si pudiéramos crear herramientas, utilizar la tecnología de la información, podríamos hablar con cada uno de esos estudiantes de diferentes maneras para proporcionarles diferentes comentarios, estímulos y consejos.
Hemos creado una herramienta llamada ECoach, un sistema informático de comunicación a medida que nos permite hablar con un estudiante con conocimiento detallado de sus antecedentes, intereses y objetivos, y hacerlo a gran escala.
Una parte está automatizada, pero ¿se puede adaptar a cada estudiante?
Es interesante. En cierto modo está automatizado, pero en otro, todo lo generan personas. El contenido que vamos a ofrecer, la forma en que lo creamos, es sentarnos juntos y observar el tipo de personas que asisten a nuestras clases y pensar cómo cambiaríamos el mensaje si uno de esos estudiantes se sentara frente a nosotros.
Podríamos cambiar, por supuesto, lo que decimos. Algunos estudiantes están muy bien preparados para tomar una clase de física y, de hecho, puede que la hayan estudiado durante dos años en el instituto antes de llegar a mi clase. Hay un tipo de mensaje para ellos. Hay otro tipo de estudiantes que nunca han visto esta asignatura. Y ahí, puede que quiera centrarme realmente en puntos como en qué se diferencia tomar una clase de física de tomar otro tipo de clases que tengan.
Nos sentamos y pensamos qué les diríamos a estas personas si se sentaran frente a nosotros, y una tecnología como ECoach nos permite decírselo a todos los estudiantes, en lugar de sólo a los pocos que pueden acudir a nuestras horas de oficina.
Bien, digamos que un grupo de estudiantes de primer año en una clase de literatura americana del siglo XX, los trabajos que hacen para esa clase, ¿hay datos relevantes que podrían ser útiles en una forma de análisis de aprendizaje?
Por supuesto que sí. Es un buen ejemplo de los nuevos tipos de datos que están surgiendo, las nuevas formas de datos. Antes, cuando tú y yo íbamos a la universidad, escribías ese trabajo para esa clase y lo entregabas, quizás, en papel mecanografiado. ¿No es así? El profesor lo cogía, lo corregía con un bolígrafo, te lo devolvía y desaparecía del sistema. No quedaba ningún registro. El único registro que dejaba, de hecho, era la calificación que tu instructor escribía en una columna de un pequeño libro de contabilidad.
Ahora, dado que todas esas tareas se entregan a través de sistemas en línea, es posible volver atrás una vez terminada la clase y examinar todo el trabajo realizado por los estudiantes. Incluso se podría imaginar, por ejemplo, si se hubiera impartido un curso como ese año tras año, ser capaz de empezar a entender si la escritura de los estudiantes estaba cambiando de alguna manera significativa a lo largo del año, porque esa evidencia permanece. Existen, y es posible utilizarlas como aportación al proceso de comprensión y mejora de la enseñanza y el aprendizaje de una forma que antes no era posible. Solo que antes era inaccesible.
¿Qué ha cambiado en 2016 en la analítica del aprendizaje en la enseñanza superior? ¿Se ha generalizado su adopción? ¿Ha cambiado el tipo de datos que se buscan?
Un tipo de herramienta que muchas, muchas instituciones han adoptado son las herramientas que tienen como objetivo asegurarse de que no dejan de reconocer a los estudiantes que podrían estar en problemas. Yo diría que la primera gran aplicación de los sistemas de análisis del aprendizaje ha sido darse cuenta de cuándo un estudiante, incluso en una gran institución, se está encontrando con el tipo de dificultad que podría ser crucial para ellos, que podrían suspender una clase o que podrían abandonar un semestre o que podrían no completar su titulación.
