Opinió

‘Big data’: anàlisi de l’aprenentatge o aprenentatge de l’anàlisi?

Si una cosa tenim clara és que vivim en l’era de la immediatesa i la precisió de la informació. És poc probable que no puguem accedir a una dada concreta en el mateix moment que la necessitem. Per exemple, en un sopar amb els amics ens passa allò de: “Com es deia l’actriu que sortia en aquella pel·lícula? Ho tinc a la punta de la llengua…”. De ben segur que, abans que tinguem un segon per pensar, hi haurà quatre cerques al mòbil que ens diran, no només el nom, sinó l’any de producció, d’estrena i la filmografia i biografia completa del personatge.

La informació és instantània i precisa, no hi ha marge de dubtes. A més a més, cadascuna d’aquestes cerques, encara que no en siguem conscients, genera dades que permeten als cercadors o als motors de cerca fer un perfil molt concret (molt més del que ens pensem) dels nostres interessos, els nostres gustos i les nostres necessitats.

Són molts els lobbys que utilitzen aquestes dades per augmentar el seu volum de negoci; territoris tecnològics, industrials, energètics o, fins i tot, mèdics les utilitzen per crear eines amb un alt nivell de competitivitat, tecnicisme i eficàcia. La intel·ligència artificial ens permet arribar a informació i diagnòstic d’una situació impensables per l’ull humà.

Són moltes les empreses tecnològiques que inverteixen milions, també, en programari educatiu. El big data ressona ja com una tendència emergent en aprenentatge i en ensenyament, que ja comença a arrelar en l’educació i les escoles del nostre país.

L’entrada de la tecnologia a les aules va començar a posar les llavors per ajudar els professors en la personalització dels aprenentatges. Actualment, als EUA, el Canadà i Àsia hi ha projectes pilot d’escoles que basen el seu procés d’aprenentatge en les dades extretes dels mateixos alumnes. Aquestes es registren, es recopilen en un sistema intel·ligent i centralitzat que permet als professors dissenyar classes de manera més efectiva i personalitzada, gràcies a la relació de patrons, els pronòstics d’eficàcia i la presa de decisions.

 La informació que es converteix en dada

Els primers fenòmens de big data en el terreny educatiu es van dur a terme través dels MOOC (Massive Open Online Courses). La potència d’aquests cursos en línia és que són en format obert, gratuït i que estan impulsats i dissenyats per universitats de prestigi. Aquests van ser pioners a registrar grans quantitats de dades relacionades amb les conductes dels estudiants. Per exemple, en un curs de finances es van adonar que, en arribar al mòdul 7, el 80% dels estudiants tornava a consultar el mòdul 3. Es van generar diferents hipòtesis i van concloure que hi havia algun concepte matemàtic que no havia estat ben desenvolupat i, per tant, els alumnes no el tenien ben assolit i necessitaven tornar a consultar el material. Aquesta informació els va permetre modificar el contingut per tal que el curs resultés més efectiu. La informació sobre l’ús de l’eina es va convertir en una dada objectiva.

Sempre hem recopilat informació. Les primeres generacions ho feien a través de gravats en pedres, en forma de símbols o de jeroglífics que transmetien missatges importants que havien de passar de generació en generació. Fins fa poc anys hem treballat amb informació estàtica i rígida. Actualment, però, vivim en permanent comunicació amb el nostre entorn. Pocs dels nostres actes no deixen empremta, no generen informació susceptible de ser analitzada, no produeixen dades.

Treballem, doncs, amb un magatzem fluctuant; la informació és dinàmica i fluida i cada cop podem emmagatzemar-ne més, copiar-ne més i compartir-ne més. És més fàcil, és més ràpid.

La informació que generem, per tant, es converteix en dada que queda registrada i que és analitzada. Com més dades tinguem, més precisa serà la predicció que realitzarem. Si parlem d’educació, volem arribar a generar aprenentatge automàtic: continguts capaços d’autoregular-se, autoavaluar-se i autogestionar-se.

Els autèntics beneficiaris del ‘big data’

Els impulsors del big data en educació argumenten que hi ha moltes maneres de valorar positivament l’anàlisi de les dades dels alumnes en benefici del seu propi procés d’aprenentatge i, sobretot, en benefici del procés d’ensenyament del professorat.

Podem millorar l’aprenentatge en quatre nivells (Rojas, 2017): el descriptiu (què passa); el de diagnòstic (per què passa); el predictiu (què pot passar a partir d’aquí) i el prescriptiu (com ho podem millorar). S’afirma que podem arribar a una educació personalitzada, gràcies al coneixement exhaustiu de l’alumne i d’un disseny d’un itinerari individual de seguiment i registre d’evolució, que permetrà fer una proposta d’exercicis o de tasques per tal de reforçar el que calgui o potenciar i optimitzar les habilitats individuals. A la vegada, ens permet oferir una retroacció en temps real, tant amb l’estudiant com amb la família i, per acabar, també ens permet la possibilitat de compartir a gran escala el coneixement i els resultats (un bé molt preuat en els nostres dies; no ets tant el que saps com el que comparteixes que saps).

Un món ampli d’aplicacions, ginys tecnològics i jocs d’entrenament que ofereix al professor o professora alliberar-se de les adaptacions individuals, dels errors de maniobra i de la “pèrdua de temps” en l’actuació davant les dificultats. Milions d’interessos entren en joc quan tenim dades que puguin demostrar si un procés és o no és efectiu. Però la garantia de l’aprenentatge, de l’emoció o de la vivència, ens la poden assegurar?

Objectiu: Aprenentatge

Certament, el que ens plategen és un procés d’ensenyament-aprenentatge individualitzat, tècnic, precís i amb poques desviacions de la mitjana. Efectivitat, rendiment, èxit previst amb algoritmes. La nostra reflexió passa per la controvèrsia del que sabem que pedagògicament resulta, almenys, significatiu.

Hi ha oficis que no poden ser substituïts per màquines. Les hipòtesis que extraiem de les dades poden ser una arma de doble tall si no som curosos en el tractament, si no n’ajustem l’ús a les nostres necessitats, a les dels nostres alumnes i estudiants. Necessitats humanes, no necessitats econòmiques, de negoci o fins i tot de resultats. Les eines han d’estar al nostre servei, no nosaltres al seu. Per aquest motiu, hem d’aprendre a recopilar i a analitzar,  a discriminar i a prioritzar l’ús d’aquestes dades.

Com deia Kenneth Cunnier, el foc va ser un descobriment meravellós que va canviar la història de la humanitat, però, de ben segur que, abans que el sabéssim utilitzar correctament, van ser molts els que es van cremar.