domingo, 9 de junio de 2019

Actividad 5 - Ética y analítica del aprendizaje

Los 2 apartados necesarios para las nuevas condiciones de recopilación y analítica de datos relacionada con el curso Learning Analytics Essentials, así como la bibliografía utilizada, se encuentran conjuntamente en este post, unificándolos para su fácil y directo acceso:



Referencias


Booz Allen Hamilton (2015). The Field Guide to Data Science. Recuperado de https://wolfpaulus.com/wp-content/uploads/2017/05/field-guide-to-data-science.pdf

Domínguez, D. (2018). Big Data, analítica del aprendizaje y educación basada en datos. Recuperado de https://papers.ssrn.com/abstract=3124369

Informed consent, Wikipedia. Recuperado de: https://en.wikipedia.org/wiki/Informed_consent

Actividad 5 - Consentimiento informado

Consentimiento informado para participar en un proyecto de investigación

Estimado estudiante,

mi nombre es Blanca Fernández y ocupo el puesto de Product Manager de la empresa Data for Education, la cual ofrece un servicio de analítica de datos al curso Learning Analytics Essentials que usted está cursando actualmente.

En un primer momento, por parte de nuestra empresa, usted accedió a que sus datos de uso y manejo de la plataforma del mencionado curso se pudieran recopilar y analizar con objeto de mejorar la calidad de la formación ofertada. 

Actualmente, y gracias al trabajo ofrecido por nuestros equipo de informáticos, nos encontramos ante una ingente cantidad de datos sobre nuestros que escapa a la inicialmente acordada en un primer consentimiento informado que usted mismo/a firmó en su momento. Dichos datos están relacionados directa y principalmente con las Redes Sociales que usted y sus compañeros de curso utilizan habitualmente, así como el tipo de red, tipo de usos, tiempo de uso e interacción con otros compañeros.

Toda esa gran masa de datos recopilada, al igual que la que ya está siendo analizada sobre la propia plataforma del curso Learning Analytics Essentials, puede servir a nuestra empresa y a nuestros investigadores a obtener información que, de otra forma, escaparía a nuestro alcance y, con ello, mejorar la calidad del servicio ofrecido actualmente y en el futuro para estudiantes como usted (mejor y mayor adaptabilidad de la plataforma a cada estudiante, conocimiento más profundo del uso que le dará cada estudiante a la plataforma, mejor previsión de problemas/abandono en el curso, disponibilidad y predisposición del alumnado, prever capacidad de aprendizaje individual y/o en grupo, implicación de cada estudiante...).

Por todo ello, le informamos de los siguiente cambios con respecto al primer consentimiento informado, y le agradeceremos que, al igual que ya hiciera a comienzo del curso, acepte los nuevos términos y condiciones de la investigación, a sabiendas de que:



  • No se modificará en ningún aspecto su accesibilidad al curso tanto si decide firmarlo como si decide o no hacerlo.
  • Se podrá  abandonar el programa de investigación en cualquier momento contactando a este mismo correo o poniéndose en contacto con el profesor/a que lo tutorice.
  • Los datos se almacenarán en un servidor propio, mantenido por la persona responsable del archivo tal para garantizar la confidencialidad de los datos, así como los derechos de acceso, rectificación y eliminación de los mismos.
  • En base a la LGPD (Ley General de Protección de Datos de la UE), el uso y tratamiento de sus datos serán gestionados de manera totalmente anónima, sin perjuicio alguno del estudiante participante, cumpliendo con el código ético y de transparencia para con el alumnado de nuestra empresa Data for Education
________________________________________________________________________

Yo, ......................................................................................................................... acepto participar de manera voluntaria y anónima en el Proyecto de Investigación ligado al curso Learning Analytics Essential y declaro:

- tener mayoría de edad o, en caso de no tenerla, ser padre/madre/tutor/a legal del alumno/a que cursa actualmente la formación anteriormente citada.

- haber sido informado/a de las modificaciones y ampliaciones ligadas a la recopilación y análisis de mis datos y de que tales no conllevan ningún peligro para mi salud física o mental ni la de terceras personas.

- que en cualquier momento durante el desarrollo del curso puedo retractarme de mi participación en el Proyecto de Investigación, sin que ello suponga ningún perjuicio en mi desarrollo y permanencia en el curso o en mis calificaciones.

- saber que los datos recabados y analizados no se cederán bajo ningún caso a terceros.

- saber que los datos y su análisis serán recopilados exclusivamente durante la celebración del curso.

- saber que, tras la finalización del curso, mis datos seguirán siendo almacenados en los servidores propios de la empresa para seguir contribuyendo a la mejora del curso, existiendo siempre el derecho a la eliminación de dichos datos.

☐ He leído y acepto las nuevas condiciones del Proyecto de Investigación.

☐ He leído las nuevas condiciones del Proyecto de Investigación y NO acepto.

Al hacer click en el recuadro elegido, se enviará automáticamente a nuestro servidor su respuesta. 

Le agradecemos siempre su tiempo y para cualquier pregunta o consulta, no dude en contactarnos,


Fdo: Blanca Fernández Luna, Product Manager de Data for Education


Actividad 5 - Dimensiones de investigación

1. Introducción

En vista del vertiginoso desarrollo de las herramientas de análisis de datos y el enorme Data Lake con datos de nuestros estudiante que hemos creado, creemos conveniente desde nuestra empresa Data for Education, que, para el mejor desarrollo y futura oferta de nuestros cursos al alumnado presente y futuro, será beneficiosa la recopilación y análisis de datos que provengan no solo de las fuentes internas inicialmente acordadas, si no también de fuentes externas a la plataforma de los cursos ofertados, siempre que estos datos contribuyan a la mejora de la educación y formación online que ofrecemos.

2. Nuevas dimensiones que investigar

Las dimensiones que se pretenden analizar de los datos de nuestros nuevo y amplio Data Lake abarcan desde las diferentes plataformas digitales que hay en la red de Internet hasta el uso que hacen los estudiantes de ellas, así como la actividad (o inactividad) de nuestros estudiantes en cursos online que hayan realizado previamente.


Dimensión 1: Tipo de Redes Sociales utilizadas con mayor frecuencia. 


En función de las Redes Sociales que utilicen nuestros estudiantes, podremos saber a qué formatos e interfaces están más acostumbrados, pudiendo deducir el uso que harán de la plataforma del curso y si les será dificultoso o no desenvolverse por ella. Se podrán realizar los cambios pertinentes en la plataforma, adaptándolos y amoldándolos a cada estudiante en pos de su rápido acomodamiento a la misma (eliminar cualquier obstáculo desde el comienzo, será fundamental para reducir la tasa de abandono que fue el germen del nuestros proyecto).


Hipótesis: Un estudiante que utilice plataformas como Facebook estará acostumbrado a una sección inicial donde se publican todas las noticias relevantes para su perfil, y cuenta con un muro propio, donde se encuentra la información que él mismo publica. Además estará acostumbrado al carácter multimedia de los contenidos. Por el contrario, un usuario de Twitter está más acostumbrado a otro tipo de ordenación de los contenidos, casi siempre no cronológico, pero de personajes influyentes y no tanto de contactos etiquetados como "amigos". Cada estudiante se sentirá más cómodo con una interfaz similar a su red social de referencia, a través de la que se pueda mover con la misma agilidad y naturalidad.




Dimensión 2: Uso de las Redes sociales.


El uso que cada estudiante haga de sus Redes Sociales será indicativo de cómo se va a desenvolver dicho alumno en el curso online. Desde un alumno activo en RRSS que cuente con diversos dispositivos desde los que conectarse hasta un alumno que cuente (o no) con dichos dispositivos, pero haga un uso más pasivo de la/las red/es social/es en cuestión (por ejemplo, que solo se conecte desde el ordenador de casa). Influye también el tipo de contenido publicado: textual, hipertextual, multimedia, original, compartido de otra fuente, visual, auditivo, audiovisual... Todo ello nos define cómo es cada estudiante sin tener relación directa y personal con el mismo.


Hipótesis: un alumno que utilice su red social de referencia desde cualquier lugar y dispositivo electrónico, y que publique contenido variado, dará mucho más "juego" y será mucho más interactivo en el curso y en su plataforma que un alumno que utiliza los dispositivos electrónicos para lo estrictamente necesario, sin más.




Dimensión 3: Tiempo de uso de cada Red Social.


Muy ligado con la dimensión anterior está el tiempo de uso de las Redes Sociales, que ofrece información sobre la disponibilidad y predisposición del alumnado a estar activo en el curso.


Hipótesis: a mayor tiempo de uso de las Redes Sociales, se presupone una mayor disponibilidad de tiempo que dedicarle al curso en cuestión. Esta dimensión se ve favorecida si realizan los cambios pertinentes en la dimensión 1, en la que el usuario pueda pensar que sigue navegando en su Red Social de referencia gracias al parecido entre sus interfaces.




Dimensión 4: Tipo de relación entre estudiantes en Redes Sociales.


Las comunicaciones que el alumnado establezca entre sí en otras plataformas digitales ajenas a la plataforma del curso (en su mayoría, Redes Sociales) proporcionarán información acerca de su predisposición para intercambiar información (presumiblemente relativa al curso que comparten, gracias al cuál se habrán conocido virtualmente) y realizar un aprendizaje colaborativo en base a compartir experiencias en el curso, lo que contribuirá al desarrollo personal y social de cada estudiante que se verá apoyado por la estructura global de aquellos estudiantes que estén activos y relacionados entre sí tanto fuera como dentro del curso.


Hipótesis: una comunicación activa entre estudiantes generará vínculos mas fuertes y facilitará la labor de hacer trabajos en grupo que si no hay comunicación más aallá de la plataforma del curso. Además, en plataformas de cursos online en vías de desarrollo o complejas de utilizar es común que los estudiantes no sepan qué aspecto tienen sus compañeros de curso, lo cual se soluciona fácilmente a través de las relaciones en Redes Sociales.




Dimensión 5: Implicación en plataformas de creación de contenido multimedia (YouTube, Vimeo, Instagram...)


Como la propia palabra indica, la implicación en otras plataformas que suponga la creación de contenido otorga información acerca de el interés y la creatividad de nuestro alumnado. Es muy enriquecedor contar con alumnado que posea sus propios canales de difusión de contenido propio, pudiendo establecer una simbiosis en la que los cursos sean beneficiosos para dicho alumnado, y sus canales sean beneficiosos para nuestros cursos siempre que cumplan los objetivos del alumnado matriculado y pueda hablar bien de ellos.


Hipótesis: alumnado extremadamente activo en otras plataformas digitales como es aquel que publica contenido, por ejemplo, en YouTube, aportarán variados e interesantes contenidos tanto fuera como dentro de la plataforma del curso, dotando de actividad e interactividad todo lo que rodea al propio curso.



lunes, 27 de mayo de 2019

Actividad 4

Los 2 apartados necesarios para el curso online específico de analítica de datos, así como la bibliografía utilizada, se encuentran conjuntamente en este post, unificándolos para su fácil y directo acceso:




Referencias

Booz Allen Hamilton (2015). The Field Guide to Data ScienceRecuperado de https://wolfpaulus.com/wp-content/uploads/2017/05/field-guide-to-data-science.pdf

Davidson, L. (2019, 28 de Marzo). What is data science? [Post en blog]. Recuperado de https://www.springboard.com/blog/what-is-data-science/

Domínguez, D. (2018). Big Data, analítica del aprendizaje y educación basada en datos. Recuperado de https://papers.ssrn.com/abstract=3124369

Ekowo, M. & Palmer, I. (2016). Predictive Analytics in Higher Education. Recuperado de https://www.newamerica.org/education-policy/policy-papers/predictive-analytics-higher-education/# 

Reich, J. (2014). Big data MOOC research breakthrough: Learning activities lead to achievement. Education Week: EdTech Researcher. Recuperado de http://blogs.edweek.org/edweek/edtechresearcher/2014/03/big_data_mooc_research_breakthrough_learning_activities_lead_to_achievement.html

domingo, 19 de mayo de 2019

Actividad 4 - Diseño de investigación

1. Introducción

La analítica de datos ha ido creciendo en importancia en los últimos daños gracias al valor que se puede extraer de diversos tipos de datos recolectados. En concreto, el análisis de datos en educación se ha probado altamente beneficioso para prevenir el abandono de los cursos masivos, conocidos como MOOCs, así como otras aplicaciones de interés que buscan mejorar la calidad de la educación tanto presencial, online o combinando ambas.

El presente curso, Learning Analytics Essential está diseñado para su acceso abierto y online de toda persona interesada en su emergente temática. En palabras de Davidson (2019), la habilidad de tomar y analizar datos será muy importante y valorada en las próximas décadas; y ese es el objetivo del curso: acercar al usuario - estudiante al mundo de la analítica de datos, centrándonos en cómo aprende el estudiante mediante el uso de diversas plataformas para una comunicación más fluida, abierta y transparente: Twitter, un blog, YouTube, TinyLetter y, por supuesto, la plataforma específicamente creada para el curso.

La estructura del curso está dividida en diferentes apartados, fundamentales para orientar al alumnado sobre la acción pedagógica que se va a llevar a cabo y a modo de resumen para el profesorado implicado: objetivos, metodología, instrumentos de obtención de datos, interpretación y anexo sobre cuestiones éticas.

2. Objetivos

Los objetivos marcados desde el comienzo de curso pretenden ir más allá de tasas de superación o no del curso, ya que lo importante al realizar una formación se basa en las competencias y habilidades adquiridas tras realizar dicho curso. En el presente curso nos centraremos en los siguientes 3 objetivos:

- Medir qué competencias adquieren los estudiantes.
- Medir la evolución de la adquisición de competencias durante el ciclo del curso.
- Conocer las causas que explican la adquisición de competencias por parte de los estudiantes.

3. Metodología

La metodología en la que se basa el curso será eminentemente práctica, con una revisión y visualización previa de recursos para adentrarse en la materia, así como videoclases específicas que expliquen al detalle cada una de las actividades a realizar para superar con éxito cada uno de los módulos del curso.

- Videoclases: se elaborará una videoclase por módulo, con una duración que no exceda los 30 minutos que introduzca el tema concreto del módulo y explique la actividad a realizar. En casos excepcionales y cuando los estudiantes así lo soliciten, o cuando el profesorado observe que sea de utilidad, se realizará una videoclase extra resolviendo las dudas que hayan ido surgiendo en las diferentes plataformas destinadas a la comunicación entre los mienbros  del curso (estudiantes y profesores) o, en su caso y si la situación lo permite, una videoconferencia en directo.

- Materiales teóricos: proveer al estudiante de materiales textuales como audiovisuales será fundamental para que éste adquiera los conceptos básicos a tratar en cada módulo y pueda realizar la actividad práctica con éxito. Es imprescindible que el profesor seleccione y divida cuidadosamente los materiales en obligatorios y secundarios, ya que la situación personal y laboral de cada estudiante será diferente. Dentro de los materiales teóricos también deberá haber un apartado de análisis de aplicaciones de analítica de datos que el alumnado deberá ir conociendo a medida que avanza el curso.

- Actividades prácticas, que se dividirán en tres bloques: 1) una puesta en marcha de diferentes aplicaciones de analítica de datos en casos de estudio (tanto reales como creados) de dificultad progresiva, 2) un análisis de los datos recogidos con dichas aplicaciones de analítica de datos y 3) una previsión de la lectura de esos datos y su utilidad para una empresa, gobierno o institución a la que pueda interesar.

4. Instrumentos de obtención de datos

Para recolectar los datos se utilizarán diferentes instrumentos. Algunos de estos instrumentos varían en función de la naturaleza de los datos, otros sirven para combinarse entre sí y obtener mayor información de datos similares:

- Datos cuantitativos. 
  • Se utilizará software específico para extraer, recopilar y almacenar datos que serán necesarios para su análisis, como por ejemplo Hootsuite, NodeXL, entre otros. 
  • Será fundamental registrar dichos datos en hojas de registro, preferiblemente guardadas online, para tenerlas a disposición desde cualquier dispositivo y en cualquier lugar, como por ejemplo: Google Drive, Dropbox, etc. En estas hojas de registro se guardarán los datos obtenidos con el software así como los comentarios fruto de la observación de dichos datos.
  • En última instancia, son de gran utilidad también las encuestas para obtener gran volumen de datos directamente de los usuarios.
- Datos cualitativos.
  • El software específico también aporta información de tipología de datos, no sólo de la cantidad.
  • La entrevista proporciona información más extensa y de datos cualitativos que la encuesta, también realizada directamente a los usuarios.
  • La observación,  y desde el rol de profesor, la observación participante de todo el proceso y su anotación en hojas de registro de datos no sólo numéricos, ayudará en la recopilación de este tipo de datos.
- Datos comparativos. Utilizando los instrumentos anteriormente comentados, se compararán unas plataformas con otras para establecer un ránking entre las mismas y con otras que no se han incluido (en principio) en el desarrollo del curso.

5. Interpretación

La interpretación de las gráficas obtenidas desde el análisis de las plataformas con el software específico, así como de los comentarios y anotaciones obtenidos de la observación es el último paso pero también el más importante. Gracias a la interpretación, se podrá dar respuesta a los objetivos marcados al inicio de este proyecto, y sin ella, los datos son solo cifras y palabras reunidas con mucho esfuerzo y trabajo, pero sin sentido. 

Así, por ejemplo, volviendo a los datos que se pueden recoger desde la plataforma del curso, sabremos:

- Según los datos del alumnado, su edad, formación, situación familiar y laboral, su predisposición a abordar el curso con mayor o menor disponibilidad.

- Según el número de matriculados, sabremos el éxito o fracaso de la oferta educativa y de si hace falta mayor publicidad del mismo o si ha sido suficiente.

- Según el número de alumnos que finaliza o abandona el curso, sabremos si la metodología y el enfoque del mismo ha sido apropiado o, por el contrario, ha fallado y en qué momento/s lo ha hecho.

- Según el número de alumnado que entrega las actividades y si lo hace dentro o fuera de plazo, sabremos la implicación de cada uno de los estudiantes matriculados, así como si no las entrega, etc.

De cada dato que se pueda recopilar, se podrá hacer una lectura similar que, combinada con los programas de análisis de datos, será mucho más certera y valiosa.

6. Anexo: garantías éticas

El diseño de este proyecto garantiza la privacidad, seguridad y el anonimato en relación a la identidad de cada uno de los usuarios (tanto estudiantes como profesores) del curso más arriba esquematizado.

Es nuestro deber cumplir con la LOPD, y para ello, dada la naturaleza de la investigación que se vale de datos para poder operar, junto con la matriculación y participación en el curso, se tomarán las siguientes medidas:
  • Lectura y firma de un consentimiento informado, que proporcione al usuario la información que va a ser extraída, garantizando que no se hará un uso perjuicioso de la misma.
  • Garantía de privacidad de los datos recogidos, con un objetivo claro orientado a la mejora de la educación en general, y del curso online ofertado en particular.
  • Seguridad de almacenamiento de datos para que no puedan llegar a manos de terceros.
  • Formar a los estudiantes en el trato ético de los datos para que se mantengan en el tiempo las beneficiosas aplicaciones de la analítica de datos.
  • Evaluar y probar la efectividad de las plataformas online y de la intervención a realizar con los datos obtenidos antes de llevar a cabo su aplicación en el presente curso. 

Actividad 4 - Analítica del aprendizaje en espacios abiertos

1. Introducción

El éxito del programa piloto de cursos online en plataformas cerradas sacado a la luz hace unos meses, junto con la controversia relacionada con la utilidad (relevante o no) de los datos que se pueden obtener y analizar de la actividad de los estudiantes en este tipo de cursos ha dado pie a que nuestra propia empresa, Data For Education, cree un curso específico y abierto que se ofrece desde el portal de nuestra web.

El curso en cuestión no podía ser otro que aquél que se preocupa de la importancia de trabajar con datos para mejorar la educación: Learning Analytics Essential; en otras palabras: aprender lo esencial del análisis predictivo para su aplicación, principalmente, en la educación y la mejora de la misma.

Al tratarse de un curso abierto, no solo utilizaremos la plataforma específica del curso (en la que habrá que registrarse primero), si no que se usaran otras plataformas de libre acceso (Twitter, blog, YouTube, Tinyletter) para que toda persona que esté interesada en la temática tenga acceso. En función de cada plataforma/canal, se utilizarán unos indicadores de medición u otros, para medir el éxito (o no) de la vía en cuestión:


Plataforma/canal
Datos/indicadores








Plataforma del curso


Cuantitativos
-        Datos personales alumnado.
-        Expediente académico alumnado.
-        Nº matriculados.
-        Nº de alumnos que finaliza el curso.
-        Nº de alumnos que abandona.
-        Nº de alumnos que entrega las actividades en plazo.
-        Nº de alumnos que entrega actividades fuera de plazo.
-        Nº de minutos de conexión a la plataforma.
-        Nº de materiales revisados.
-        Nº de comentarios en la plataforma.
-        Nº de interacciones.
-        Nº de alumnos activos/inactivos.
-        Nº de respuestas del profesorado a las preguntas.
-        Nº de preguntas sin respuesta.

Cualitativos
-        Tipo de documentos consultados.
-        Contenido de los comentarios.
-        Calidad de las actividades entregadas.
-        Motivación para realizar el curso.
-        Datos demográficos.

Comparativos
-        Plataformas que se usan más que la propia del curso y por qué.
-        Plataformas que se usan menos y por qué.








Twitter


Cuantitativos
-        Fecha de creación de la cuenta.
-        Nº de seguidores.
-        Nº de personas seguidas.
-        Nº de tweets.
-        Nº de retweets que realiza.
-        Nº de retweets que le han realizado por cada tweet.
-        Nº de “me gusta” que realiza.
-        Nº de “me gusta” que recibe por cada tweet.
-        Nº de comentarios realizados.
-        Nº de comentarios que le realizan por cada tweet.
-        Nº de seguidores en común entre los usuarios.

Cualitativos
-        Perfil del usuario.
-        Temática de los tweets.
-        Tipo de links compartidas por el usuario.
-        Tipo de contenido multimedia (fotos, videos, GIFs) que comparte.
-        Tipo de usuarios que retuitea.
-        País de origen de los usuarios.

Comparativos
-        Con qué usuarios interactúa más: con sus compañeros de curso o con otros.
-        Plataformas que se usan más/menos que Twitter y por qué.








Blog/Google Analytics


Cuantitativos
-        Nº de visitas.
-        Nº de post publicados.
-        Nº de mensajes por post.
-        Nº de recursos compartidos en los post.
-        Fecha y hora de publicación de post y comentarios.
-        Nº de usuarios suscritos.
-        Nº de visualizaciones de cada post.
-        Nº de veces que se ha compartido en otra red social cada post.

Cualitativos
-        Temática del blog.
-        Temática de los post.
-        Tipo de interacción en los comentarios de los post.
-        Tipo de recursos compartidos.
-        Tipo de redes sociales utilizadas para compartir los post.
-        País de origen de los usuarios que visitan el blog.

Comparativos
-        Qué redes sociales se usan más para compartir los contenidos y por qué (efectividad, nº usuarios, facilidad de uso…)
-        Plataformas que se usan más/menos que el blog y por qué.










YouTube


Cuantitativos
-        Nº de suscripciones.
-        Nº de seguidores.
-        Nº de visualizaciones por vídeo.
-        Nº de comentarios por vídeo.
-        Nº de “me gusta” del vídeo.
-        Nº de “no me gusta” del vídeo.
-        Fecha de publicación del vídeo.
-        Nº de vídeos subidos.
-        Frecuencia de subida de vídeos (diaria, semanal, mensual…)
-        Duración media de los vídeos.
-        Tiempo de visualización de los vídeos.

Cualitativos
-        Etiquetas de los vídeos.
-        Sugerencias proporcionadas por cada vídeo.
-        Lugar de origen de los usuarios que visualizan los vídeos.
-        Idiomas de los comentarios.
-        Tipo de búsquedas que se realizan en el canal.

Comparativos
-        Qué vídeos se ven más que otros y por qué.
-        Plataformas que se usan más/menos que YouTube y por qué.






TinyLetter


Cuantitativos
-        Nº de suscripciones.
-        Fecha de unión.
-        Datos de los usuarios registrados (nombre, correo…)
-        Nº de newsletter.
-        Nº de comentarios.
-        Nº de interacciones.

Cualitativos
-        Tipo de materiales compartidos.
-        Tipo de comentarios.
-        Temática de cada newsletter.
-        Redes sociales con las que está conectado.

Comparativos
-        Diferencias y similitudes entre uso de TinyLetter y otra plataforma de correo electrónico.
-        Plataformas que se usan más/menos que TinyLetter y por qué.