Què són les analítiques d’aprenentatge i per què poden revolucionar el món educatiu

La promesa és millorar l’experiència dels alumnes, avançant cap a un aprenentatge personalitzat i a mida. El fonament són els rastres, les dades, la petjada digital que alumnes (i també docents!) deixen en el procés d’ensenyament-aprenentatge.

Liliana Arroyo
 
 
 

Big data / CC by-sa KamiPhuc (Flickr)

Big data / CC by-sa KamiPhuc (Flickr)

Una part de la innovació educativa va molt lligada a l’adopció tecnològica. Les pissarres digitals, els dispositius mòbils o els entorns virtuals d’aprenentatge, són testimonis i facilitadors de la revolució de l’aula en quant a fons i forma. Alhora que anem prenent consciència dels reptes del món virtual, la punta d’un nou iceberg s’aproxima. Aquesta vegada ja no és per l’ús d’una eina digital o una altra, sinó que és per la conjunció de totes elles que s’alimenta un nou paradigma: les analítiques de l’aprenentatge. El terme neix el 2011 de la mà de George Siemens i té a veure amb la recopilació i l’anàlisi de dades dels estudiants en el mateix entorn d’estudi. Han vingut per quedar-se i no les podem obviar en un futur.

Aquest nou estadi s’obre pas amb una visió quantitativa i mesurable de l’educació, amb la primera llavor lligada als MOOC, els cursos massius i en obert d’aprenentatge a distància. Aules virtuals amb milers d’alumnes que ofereixen oportunitats d’or per explotar aquest nou petroli que són les dades personals. No és gens sorprenent que d’uns anys ençà ploguin inversions multimilionàries en tecnologies educatives (les anomenades EdTech). La promesa és millorar l’experiència dels alumnes, avançant cap a un aprenentatge personalitzat i a mida. El fonament són els rastres, les dades, la petjada digital que alumnes (i també docents!) deixen en el procés d’ensenyament-aprenentatge. Aquests entorns i tecnologies digitals destaquen per la ubiqüitat i la capacitat de capturar múltiples paràmetres en temps real. Tota aquesta informació omple enormes i llamineres bases de dades sobre comportament en línia, rendiment, avenços i dificultats dels alumnes, per citar només alguns exemples.

Però anem a pams: A ningú li semblarà revolucionari això de tenir un registre amb informacions de tots i cadascun dels alumnes: què són, sinó les avaluacions, els informes i les reunions de claustre? Un seguit d’indicadors que es recullen sobre cada estudiant que al final del període permeten decidir la nota, la progressió i les necessitats. On està la diferència? En l’escala i l’abast:  fins ara la font d’informació són els ulls dels mestres, professors i educadors en horari lectiu (a l’aula, el pati o el menjador). En l’era del Big Data s’hi afegeixen els campus virtuals, els llibres electrònics i les apps del mòbil. Passem del model analògic de la llibreta de notes a espais ubicus de registre automàtic, detallat i permanent. S’obre un ventall d’oportunitats interessant i sense precedents, però la moneda sempre té dues cares, i en les qüestions de dades personals i identitat digital tot just comencem a veure la importància d’entendre les normes del nou joc.

Les noves tecnologies són pràctiques, senzilles i amb infinites possibilitats: complementant el treball presencial com a repositori de recursos, d’àgora de discussió o de sala d’examen. I quasi sense voler, a cop de clic, queda anotat quantes vegades entren al campus i durant quanta estona s’hi estan, quines pàgines visiten, quins documents descarreguen, quines activitats lliuren, cada quant participen i quanta estona triguen a respondre cada pregunta del test. Així, cada docent pot tenir automàticament i en qualsevol moment informes complets amb l’històric d’un alumne (o de la classe sencera), amb el nivell de detall que necessiti per valorar si hi ha massa suspesos, massa excel·lents i si la nota mitjana és la que s’esperava.

Suposant que es disposa de capacitat per emmagatzemar i processar aquesta informació (cosa que requereix infraestructura i coneixement específics), les analítiques de l’aprenentatge permeten crear valor en la mesura que faciliten la detecció de situacions anòmales, que s’allunyen del patró “normal”. Imaginem que ens interessa activar una alerta per aquells alumnes que tinguin poques probabilitats de superar el curs. Justament el fracàs escolar i l’absentisme són una prioritat pel David Pinyol i el Miquel Àngel Carreras, membres del grup de Learning Analytics de l’Institut Obert de Catalunya. Els interessa detectar-ho a temps per intervenir abans que l’alumne abandoni. La resposta es pot adaptar en cada cas, d’acord amb l’històric d’informacions que es té per aquell alumne, però també aprenent dels registres d’experiències anteriors. Sembla de calaix, doncs, que com més dades es recullin, millors prediccions es podran fer. Però això sempre dependrà de la qualitat de les dades, la fiabilitat i la precisió dels indicadors.

Els experts coincideixen en què marca una nova mirada “més enllà d’ideologies. Permet prendre decisions amb la informació en temps real”, afirma Teresa Sancho, responsable de LAIKA, el grup que s’encarrega d’aplicar i fer recerca sobre analítiques de l’aprenentatge a UOC. I és que tots aquests registres també s’espera que siguin la base de la presa de decisions tant a nivell de classe, cicle, centre o administració territorial. En aquesta línia la UPC i la Generalitat van impulsar el projecte Àgora, que combina diversos recursos per als centres de Catalunya. Fins ara hi ha poca experiència, però els resultats no sempre confirmen les projeccions.

Si aquesta nova mirada es basa en les petjades digitals i algoritmes que detecten patrons, l’expansió sembla no tenir límits. Cada cop més aplicacions i més dispositius nodriran l’ecosistema educatiu, generaran més entrades de dades i permetran registrar, mesurar i analitzar més aspectes. Aquesta primavera es va donar a conèixer un joc que permet identificar alumnes amb dislèxia. Tan sols 15 minuts d’interacció amb un programa d’intel·ligència artificial i diagnòstic fet. Detectar aquest i altres trastorns de l’aprenentatge de forma ràpida i simple és prioritari, ja que sovint són causa i origen del fracàs escolar. La propera parada podria ser l’anàlisi de sentiments a partir de les opinions en fòrums i altres textos espontanis.

Davant d’aquest tsunami transformador podem reaccionar de moltes maneres. Les menys aconsellables són deixar que el vertigen ens paralitzi o que la novetat ens embruixi. Com amb qualsevol innovació, cal encetar el debat, fer preguntes, pensar què esperem, què volem i què no d’aquesta nova forma d’entendre l’aprenentatge i l’experiència educativa. Pensant en la societat que volem compartir demà, ens interessa monitoritzar de forma constant i automàtica? Què implica convertir les comunitats educatives en aparadors, on alumnes, docents i fins i tot pares conviuen sota l’atenta mirada d’ulls que tot ho veuen i res obliden? Quin valor li donarem a la valentia de provar i equivocar-se, de trobar el límit o sortir-se de la norma? I, en conseqüència, com transmetrem la importància de gaudir i reclamar aquell espai íntim i personal que tot ésser humà necessita per trobar-se i definir-se?

Com podem condicionar el futur d’uns ciutadans classificats, etiquetats segons la seva probabilitat d’èxit o fracàs? I a nivell polític, convé que sigui un model algorítmic el que regeixi les properes polítiques? Com procurarem que les dades es facin servir de forma adequada i justificada, sense comprometre la reputació ni la confidencialitat d’aquells que hi consten?

I seguint amb els algoritmes, si volem optar per la personalització del CV, convindria plantejar-nos les múltiples “normalitats” que existeixen. Les talles úniques acostumen a funcionar només per uns quants, mentre molts d’altres cauen pels descosits. Com ho treballem per no agreujar l’escletxa digital? I per últim Com podem capacitar els professionals perquè puguin aprofitar tots els beneficis de les analítiques de l’aprenentatge? Com garantim que ens centrarem en els alumnes i no en les caricatures basades en les dades dels alumnes, com qui mira el dit enlloc de la lluna?

La resposta a aquestes i moltes altres preguntes no les trobarem ara ni aquí. Tampoc tenen la raó uns o altres. Les respostes, els límits i les clàusules del nou contracte social les tindrem entre tots a mida que ho coneguem, ho discutim i reclamem el nostre dret a participar dels processos de disseny. Perquè una cosa sí que podem assegurar: ens anirà molt millor entenent el Big Data com a mitjà, complement, recurs o, fins i tot, un aliat, enlloc d’esdevenir pissarra, llibre, mestre i director.

Liliana Arroyo
Sobre Liliana Arroyo

Liliana Arroyo Moliner és investigadora i docent de la Universitat de Barcelona, a més de consultora independent en projectes internacionals. Contacte: Twitter | Més articles