1.
Introducción
El artículo
propuesto para estudio (Data & Civil
Rights, Alarcon, Zeide, Rosenblat, Wikelius, Boyd, Gangadharan y Yu, 2014)
trata, en resumen, de los beneficios que supondría (y en algunos lugares del
mundo ya supone) valerse de la recopilación de datos de estudiantes en
cualquiera de las etapas de su educación para conseguir una igualdad efectiva
en el sistema educativo entre poblaciones de diferentes estatus socioeconómico
y social y establece la posibilidad de que dicha recopilación de datos no
suponga más que un perjuicio, por el mal uso que se podría hacer (y se cree que
ya se hace) de los datos recopilados.
Se realizará un
análisis de las principales ideas que se proponen en el artículo, respaldando
algunas de ellas con otros autores que secundan en parte o por completo los que
estas defienden, ya estén a favor o en contra de la educación basada en datos,
que supone un hilo conductor en todo el artículo (data-driven education).
El artículo se
puede dividir en cuatro secciones claramente diferenciadas, todas ellas en
relación los “datos y los derechos civiles”, que da título al texto: introducción,
a favor, en contra y cuestiones finales. Del mismo modo queda dividido el presente
análisis.
2.
La desigualdad en
la educación es un hecho
Tal como se indica
en el artículo objeto de análisis, existe una desigualdad de raza o procedencia
palpable en los centros educativos (en los Estados Unidos de América, en
adelante E.U.A.) que repercute directa y negativamente con las minorías étnicas
o, como resume el texto, diferencias entre blancos y negros. Estas diferencias
pasan desde el trato a los estudiantes (directo) hasta la desigual distribución
de recursos en cada centro (Alarcon, et al., 2013, pp. 1-2).
Pero este problema
racial no es exclusivo de los E.U.A., sino que es un suceso extensible a la
mayoría de países. España, sin ir más lejos, es un ejemplo de ello. En un
estudio realizado por García y Rubio (2013) que previamente había sido expuesto
durante una conferencia (2011) plasman el reparto desigual que ocurre con el
alumnado migrante que llega a España. Aunque los datos que aportan hacen
referencia a dos ciudades andaluzas, es extensible al resto de la nación.
Los autores establecen
que, debido a la existencia (cada vez mayor) de centros concertados-privados en
el territorio español, existe una segregación de la población migrante y una
acumulación de la misma en determinados centros educativos de corte público debido
a su oferta gratuita durante toda la etapa educativa, mientras que en los
primeros las etapas previas y posteriores a la educación obligatoria no son de carácter
gratuito (García & Rubio, 2013).
Además, diversas
fuentes analizadas en el mismo estudio de García & Rubio coinciden en que
incluso dentro de algunos centros educativos se produce internamente dicha
segregación, creándose así pequeños “guetos” donde suele coincidir toda la población
en riesgo de exclusión social y con pocas expectativas de cursas estudios
superiores en general, y de población migrante, en particular (Barthon, como se
cita en García & Rubio, 2013).
Para paliar estas
situaciones que solo consiguen agrandar aún más las desigualdades y las
situaciones desfavorables de las familias y estudiantes más desfavorecidos, lleva
tiempo contemplándose la idea de establecer un sistema de registro de datos de
todos los estudiantes para poder predecir y anticipar respuestas válidas y
adaptables a cada uno. Este tema ha supuesto una controversia en la comunidad
educativa, ya que tanto defensores como detractores se han expresado y se han
movilizado para expresar sus opiniones, ambas basadas en hechos ya acaecidos.
3. Ideas a favor de la
educación basada en datos
Los defensores de la educación basada en datos coinciden en que monitorizar sistemas digitales para establecer un control sobre muchos y muy diversos factores sobre grandes núcleos de estudiantes no es sino beneficioso para conseguir una igualdad de oportunidades en todos los sectores de la sociedad y en todos los niveles de la educación: recursos, acceso a estudios superiores, predecir riesgos mayores… En definitiva, para paliar la desigualdad expuesta en el apartado anterior.
La “data-driven education” o educación
basada en datos se apoya en la idea de que, gracias a las nuevas tecnologías,
es mucho más sencillo saber dónde están las necesidades específicas de cada
alumno y alumna mediante controles que se basan en la recopilación de datos
sobre el alumnado y su situación particular en diversos campos (Alarcon, et al.,
2013).
Establecer unas pautas
de acción en función del perfil del alumnado en general, y de alumnado en
riesgo y con pocas expectativas de futuro académico y laboral en particular
(como se comentaba en el apartado anterior) se hace, pues, cada vez más
necesario. El objetivo es claro: conseguir mejorar el sistema educativo desde
sus estudiantes mediante métodos que identifiquen rápida y eficazmente dónde,
cómo y por qué existen los problemas y cómo intentar solucionarlos.
Históricamente,
esta medición educativa era complicada de hacer. Hoy en día, sin embargo,
existen y siguen desarrollándose cada vez más sistemas y aplicaciones digitales
que contribuyen a realizar esta medición. Pinto, Gómez-Camarero y
Fernández-Ramos (2012) hablan de elementos y aplicaciones digitales para
evaluar diversos aspectos y ser más exactos a la hora de evaluar en la educación
del siglo XXI. Su artículo trata de la importancia de los recursos digitales y
su importancia no sólo para enseñar, sino también para recopilar mucha
información y muy variada y ajustada sobre cada estudiante (especialmente en
etapas universitarias).
El objetivo de
esta recopilación de datos es conseguir alcanzar una individualización de la
educación, es decir, una personalización de la misma. Esta meta se lleva persiguiendo
desde siempre en la educación, ya que cada alumno es único en sí mismo, y
aunque obedezca a determinados patrones, siempre va a tener su cualidad
distintiva que deberá ser tomada en cuenta a la hora de educarlo y evaluarlo.
Uno de los primeros en utilizar
el término “educación personalizada” fue García Hoz (1970) que más tarde
seguiría editando (1988) y ampliando la concepción del término. García Hoz
sentía que las necesidades educativas deben ser acordes con las profundas y
cambiantes necesidades humanas y las condiciones de la sociedad, también en
continuo cambio. Tanto entonces como ahora se hace necesario hacer pasar al
alumno de sentirse como uno más entre la multitud a ser “un punto de
convergencia de las alusiones personalizantes”, (García Hoz, 1988, p. 25), es
decir, único, diferente, especial, auténtico, con fortalezas y debilidades
propias y no genéricas.
Si se lograra con éxito tal
personalización, los resultados serían muy positivos: mayor adaptabilidad,
mayor responsabilidad, mejor eficiencia del sistema educativo, reducción de
desigualdades y provisión de mejores ambientes educativos para estuantes desfavorecidos
(Alarcon, et al., 2013, p. 3).
Para realizar una personalización
y adaptación de la educación para cada estudiante, se necesitan una serie de
algoritmos. En el texto se mencionan algunos programas para analizar datos con
algoritmos como Khan Academy o los MOOC (Massive Open Online Courses) los cuales colaboran en el control de
los estudiantes, de las becas, de los graduados y proporcionan mayor
transparencia y mejor coordinación de todos los miembros de una comunidad
educativa concreta (Alarcon, et al., 2013, p. 3).
Un uso parecido de diversos
algoritmos fue analizado y descrito por Castellano, Martínez, Barranco y Pérez
(2007, p. 35): desarrollaron un “sistema encargado de orientar académicamente
al alumnado cuando se enfrente a la complicada decisión de elegir un perfil
académico y unas materias a cursar en su siguiente etapa educativa”. Diversos
algoritmos se unían para recopilar datos de diversa índole y así facilitar la
decisión de alumnado que por falta de madurez o de conocimientos, bien podría
no saber cuál es la decisión más acertada o apropiada para su futuro.
De este modo surgió la idea de
OrieB: “una aplicación web que pretende orientar al alumnado de E.S.O. y
Bachillerato en decisiones tales como escoger modalidad, seleccionar
asignaturas, etc.” (Castellano, et al., 2007, p. 39). Esta web supone un paso
más en la personalización antes comentada de la educación, en este caso
relativa a la orientación estudiantil, que también se hace necesaria para optimizar
al máximo los recursos del sistema educativo.
Hasta este punto, todas las
innovaciones tecnológicas y digitales aplicables a la educación parecen
exclusivamente beneficiosas y que buscan lo mejor para toda la población. Sin
embargo, determinados usuarios que forman parte del grupo de personas
interesadas, añaden que no todo es tan útil y transparente como se podría
esperar.
4. Ideas en contra de
la educación basada en datos
Los contrarios a una recopilación de datos aplicada a la educación critican que el uso de estos datos perpetua la brecha entre los alumnos con diferente nivel socioeconómico de vida. Ellos aseguran que la aplicación de algoritmos de medición no solo no ayuda a los alumnos en el percentil bajo de la población, sino que favorece a aquellos que se encuentran en la parte alta del mismo (Alarcon, et al., 2013, p. 4).
Autores como
Neuman secundan esta idea de que la educación basada en datos agranda la
división entre clases ya existente. En uno de sus artículos, Neuman (2016) se
centra en la impartición de las materias proporcionando al alumnado datos de
sus resultados y progreso académicos, para que así se motiven por superarse a
sí mismos y a sus compañeros. El resultado obtenido de estos datos, clasificado
por colores, etiqueta en rojo a aquellos muy por debajo de la media.
Dependiendo de la edad del alumnado, esta información se puede tornar en
implacable para ellos, suponiendo un duro golpe para estas minorías étnicas.
La sensación
recibida de este tipo de sistemas parece, de algún modo, seguir haciendo un
tratamiento diferencial entre alumnado con recursos económicos y alumnado con pocos
recursos, perpetuando así el etiquetado original, como bien comentan Alarcon,
et al., (2013, p. 4).
Otra idea que no
agrada a los miembros de esta creencia es la posibilidad de uso de los datos
recopilados para violar la privacidad de los alumnos y llegar a usarlos con
propósitos extra-educativos (Alarcon, et al., 2013, pp. 4-5). Aquí entran en
juego cantidad de datos que en el futuro pueden llegar de forma intencionada (compra-venta)
o no intencionada (filtración o hackeo de sistemas) a manos inapropiadas que
podrían hacer un mal uso de ellos. Un ejemplo que se plantea en el artículo
analizado es la posibilidad de tener un futuro (trabajo, casa, familia…) y que
éste se vea truncado por unos datos (presumiblemente negativos) que pueden ya
no ser representativos de la realidad.
Se puede plantear
aquí la cuestión de cómo de ético o no ético es recopilar datos, aunque sea
para mejorar la educación. Esto siempre ha supuesto un problema para los
participantes de algún estudio monitorizado digitalmente, así que más aún lo es
a tan gran escala como supondría la “data-driven
education”.
Ejemplo de los
problemas con la privacidad que ya causaban este tipo de estudios es el estudio
realizado por Buendía y Berrocal (2001) sobre la presencia o ausencia de ética
en estos casos. El texto aclara a que aquellos que llevan a cabo el proceso de
monitorización y recopilación de datos se les presupone fidelidad y
responsabilidad en el uso y tratamiento de dichos datos. Pero ya entonces
suponía un reto conservar todos los datos recolectados en un estudio controlado
con un índice de participación ínfimo en comparación a la aplicación de una
educación basada en datos.
En definitiva,
parece casi un imposible evitar que datos digitales, que se registran en
dispositivos digitales, acaben en manos que puedan utilizarlos con otros fines,
de índole económica en su mayoría, presuponemos.
5. Preguntas finales
de interés
Al final del artículo se proponen una serie de cuestiones que retan a la educación basada en datos. El objetivo de las mismas, para quien consiga contestar todas sin excepción y con concreción, es probar que se puede mejorar la educación gracias a las nuevas tecnologías y los avances en los sistemas de algoritmos para recopilar información.
De un modo u otro
algunas cuestiones han sido respondidas en el desarrollo de este ensayo (como
la 1 o la 2) y otras preguntas (como la y la 6) quedan en el aire ante la
imposibilidad de garantizar medidas y políticas que mantengan privacidad,
transparencia y buen uso de los datos.
6. Bibliografía
Alarcón,
A. et. al. (2014). Data & Civil Rights: Education Primer. Data & Civil Rights Conference.
Buendía,
L. y Berrocal, E. (2001). La ética de la investigación. Revistas de la UHU, Agora digital, (1). Disponible en http://www.uhu.es/agora/version01/digital/numeros/01/01-articulos/miscelanea/buendia.PDF.
Castellano,
E.J., Martínez, L., Barranco, M. y Pérez, L. G. (2007). Recomendación de
perfiles académicos mediante algoritmos colaborativos basados en el expediente.
Conferencia IADIS Ibero-Americana. Conferencia
llevada a cabo en Vilareal, Portugal.
García
Castaño, F. J. y Rubio Gómez, M. (2013). Juntos pero no revueltos: Procesos de
concentración escolar del alumnado extranjero en determinados centros
educativos. Revista de Dialectología y
Tradiciones Populares 68 (1), pp. 7-31.
García
Hoz, V. (1988). Educación personalizada.
Madrid, Rialp.
Neuman, S.B.
(2016), Code red: the danger of data-driven instruction. Educational Leadership, 74 (3), pp. 24-29. Disponible en: http://68.77.48.18/RandD/Educational%20Leadership/Educational%20Leadership_Disrupting%20Inequity%20-%20Neuman.pdf
Pinto,
M., Gómez-Camarero, C. y Fernández-Ramos, A. (2012). Los recursos educativos
electrónicos: perspectivas y herramientas de evaluación. Perspectivas em Ciência da Informação. 17 (3), pp. 82-99. Disponible en: http://www.scielo.br/scielo.php?script=sci_arttextpid=S141399362012000300007lng=ennrm=iso
