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.




lunes, 6 de mayo de 2019

Actividad 3 - Analítica del aprendizaje en plataformas cerradas

Los 4 apartados necesarios para el Programa Piloto de analítica de datos en un curso online, así como la bibliografía utilizada, se encuentran conjuntamente en este post, unificándolos los 4 para su fácil y directo acceso:




4. Ética y privacidad

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

Data Science. (s.f.). En Wikipedia. Recuperado de http://en.wikipedia.org/wiki/Data_science

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/#

Learning Analytics. (s.f.). En Wikipedia. Recuperado de http://en.wikipedia.org/wiki/Learning_analytics

Siemens, G. (2014). Data/Analytics Cycle [Archivo de vídeo]. Reecuperado de https://youtu.be/J7ZlijM1P8E

Actividad 3 - 4. Ética y privacidad

4. Ética y privacidad

A la hora de tratar datos de estudiantes y profesores, como con cualquier tipo de dato que se pueda dar y recoger digitalmente, es importante informar a las partes implicadas del proyecto del que van a tomar parte, en este caso, un proyecto de analítica de datos. 

Cuando se trata de plataformas digitales como las de una red social, se hace "firmar" al usuario, confirmando que ha "leído y aceptado las condiciones de privacidad". Cuando se trata de una página web, tipo blog, periódico digital o similar, hace no demasiados meses aparecieron las llamadas cookies, sin la aceptación de las cuales se hace difícil (a veces imposible) navegar por dichas webs.

En el caso de la analítica de datos que nuestra empresa realizaría, estamos hablando de un paso más allá. Por ello, es importante informar del servicio y los procedimientos que se van a llevar a cabo (con los datos del alumnos, sus clicks, actividad en la plataforma, visita de contenidos, entrega de tareas, etc) mediante lo que se conoce como consentimiento informado. Según Domínguez (2018), este es el arma más poderosa para afrontar los posibles problemas éticos que puedan surgir tras el uso y trato de los datos.

Otro aspecto a tener en cuenta es la plataforma que se use para llevar a cabo el proceso enseñanza-aprendizaje del curso online en cuestión. Existe numerosas aplicaciones cuyas herramientas y espacios son inmejorables, pero que pertenecen a una empresa mayor que también recaba los datos que se comparten. Es decir, mediante el uso de determinadas aplicaciones, como Google Classroom, Additio o Idoceo, se está compartiendo información de gran valor a terceros, lo que podría llevar a un mal uso de dichos datos por estos terceros "dueños" de los mismos. Es necesario que los docentes sean conscientes de este hecho antes de proceder implementar un tipo de actividad online en general (ya sea dentro o fuera de un curso) y que informen a los alumnos (y a los padres si son menores de edad) de las implicaciones que tiene usar una u otra plataforma. 

Para intentar lograr un análisis de los datos lo más ético posible, volvemos al comienzo de este informe (introducción), donde se propusieron 5 prácticas a llevar a cabo en el análisis de datos en educación, para obtener un enfoque predictivo de forma ética (Domínguez, 2018 y Ekowo & Palmer, 2016):

1. Tener una visión y un plan: a la hora de usar datos, establecer un plan ayudará a su análisis predictivo, evitando un posible mal uso de los mismos. Así se consigue también la implicación del personal, escogiendo al mejor posible para los resultados que se quieren obtener, y evitando personal poco comprometido con la causa. 

2. Construir una infraestructura de apoyo: asegura el cumplimiento del plan. Se sigue en tres pasos: 1) comunicando los beneficios del plan predictivo para la institución, es decir, los nuevos ingresos que se generarán del éxito del proyecto (mayor finalización y satisfacción general de estudiantes); 2) desarrollar procesos sólidos de gestión de cambio, implicando a los gestores en el propio proceso; 3) evaluar la capacidad institucional en cuanto a su disponibilidad de tecnología apropiada para llevar a cabo el curso online, talento del personal, servicios que ofrece, recursos y materiales y habilidades para analizar los datos siguiendo el plan inicial.

3. Trabajar para garantizar un uso adecuado de los datos: es uno de los apartados más importantes en el aspecto ético del proyecto. Se trata de establecer una serie de algoritmos lo más precisos posible para que la predicción que proporcionan los datos ayude a los estudiantes en su progreso durante el curso. Para ellos hay que: 1) asegurar que los datos estén completos, sean de calidad suficiente y sean interpretados con precisión; 2) asegurar que los estudiantes y el personal sean conscientes del uso de sus datos para el proyecto (como comentábamos anteriormente); 3) garantizar la privacidad de los datos y vigilar su seguridad, evitando en la medida de lo posible plataformas digitales de terceros o posibles hackeos de las plataformas más seguras.

4. Diseñar modelos de análisis predictivo y algoritmos que eviten sesgos: en muchas ocasiones han sido y son utilizados los algoritmos para dejar fuera a determinados sectores de la población. Garantizar el no-sesgo de los algoritmos desde nuestra empresa es una tarea compleja, pero fundamental para mantener el valor ético del proyecto, ya que de lo contrario se estaría yendo contra el derecho de igualdad que tenemos los seres humanos. Para ello, el personal programador de los algoritmos deberá ser de alta confianza y estar bien instruido en no generar algoritmos que, intencionada o desintencionadamente, creen un sesgo.

5. Aplicar intervenciones adecuadas y coordinadas: como último paso en la garantía de aplicación ética, es necesario 1) comunicar al personal y a los estudiantes el modelo concreto de análisis de datos que se va a llevar a cabo desde nuestra empresa; 2) incorporar la predicción a las medidas de apoyo a los profesores y estudiantes; 3) comunicar a los implicados antes mencionados la puesta en práctica de las intervenciones de nuestra empresa; 4) formar al personal sobre los sesgos implícitos e inevitables en muchos casos que se dan en el análisis predictivo; 5) formar a los propios estudiantes del curso para que sepa utilizar sus propios datos; 6) evaluar y probar la efectividad de las intervenciones de la analítica de datos antes de su aplicación a un caso real.

Como se dice en Davidson (2019), la capacidad de recopilar datos será una habilidad muy importante en las próximas décadas. En manos de empresas como la nuestra, Data For Education, es nuestra misión que esos datos no acaben en manos indeseadas, y que todo uso que se pueda hacer de ellos sea para implementar mejoras, no para abusar de ellos.

Actividad 3 - 3. Metodología del servicio de datos

3. Metodología del servicio de datos

El proyecto que se está desarrollando apartado tras apartado en este informe alcanzará su mayor éxito enfrentándose a la mayor prueba de fuego: aplicar la metodología de nuestro plan piloto en otros cursos similares. De esta manera, se comprobará si el plan es infalible o si necesita ser perfeccionado. 

Por su parte, con la aplicación a diversos cursos, la empresa obtendrá mayores beneficios de un único proyecto aplicado a varios escenarios de cursos online. Su objetivo, no lo olvidemos: prevenir el abandono para garantizar la finalización del curso y así garantizar el éxito del mismo, lo que conlleva una mejor publicidad para el curso en cuestión y mayores beneficios para la empresa que los oferta.

Para ello, se desarrollará el siguiente dossier explicativo que explica el comportamiento general del modelo que se está llevando acabo en este informe, atendiendo a 4 aspectos:

1. Enfoque del servicio: trata de explicar al cliente, es decir, a un 3º que no es ni el creador ni la empresa que lo crea, cómo funciona el análisis de datos y las ventajas que suponen llevarlo a cabo, respondiendo a las siguientes preguntas:
  • ¿Qué ofrece?
La analítica de datos aplicada al aprendizaje en un curso online ofrece la posibilidad de saber algo más sobre el alumnado que atiende a este tipo de cursos, salvando así el hándicap que supone el no tener contacto directo profesorado-alumnado. Gracias a estos datos, al igual que un profesor conoce a un alumno en el trato diario en su aula, un profesor online puede llegar a conocer a cientos de alumnos que se encuentran tras la pantalla. El motivo de conocer la mayor cantidad de datos sobre el perfil de un alumno no es otro que el de garantizar una personalización y ajuste a medida del curso en función del tipo de aprendizaje que pueda llevar a cabo (en base a varios factores, muchas veces ajenos al propio estudiante).
  • ¿Por qué es útil un servicio de analítica de este tipo?
La utilidad de la analítica de datos pasa por gestionar de la mejor manera posible recursos tanto tecnológicos como de personal, entre otros, para maximizar el papel de dichos recursos y que puedan ser aprovechados en su totalidad por el alumnado matriculado en un curso online. En resumen: la oferta educativa aumenta proporcionalmente a la satisfacción del alumnado cuyo ritmo o modo de aprendizaje se ve modificado según los datos recopilados, y es inversamente proporcional a la inversión económica en dicho curso (siempre que la aplicación del análisis de los datos sea la más adecuada).
  • ¿En qué casos se puede aplicar?
La aplicación de la analítica de datos pude medirse en 2 vertientes: 1) promover las inquietudes del alumnado inmerso en el curso, ampliando y maximizando sus objetivos y 2) reducir el número de alumnado que abandona el curso, previendo con suficiente antelación el momento del abandono y promoviendo de manera personalizada cada caso que, de no ser por la analítica de datos, acabaría en abandono del curso. 
En el informe que nos atañe, nos hemos centrado más en el 2), ya que el caso 1) no tiene repercusiones negativas para la empresa y, circunstancialmente, gracias a un enfoque de la educación más personalizado, se dará involuntariamente junto con el 2). Para los casos complicados, mantener una atención más exhaustiva del profesor o personal a cargo del curso con el alumnado en riesgo, lograría en muchos casos que dicho alumnado acabe con éxito el curso, y todos los momentos invertidos para llegar a dicha finalización habrán merecido la pena. Nunca es plato de buen gusto empezar algo para después dejarlo a medias. Pues bien, la analítica de datos intenta reducir el número de casos de este tipo.
  • ¿Qué ventajas ofrece y por qué puede ser interesante llevar a cabo ese tipo de análisis en cursos online?
- Reducir en gasto (recursos tecnológicos, servicios, talento, personal con capacidad de analizar datos...)
- Ofrecer un producto de calidad mediante la inversión en recursos de otro tipo (analítica de datos) que a la larga seguirán mejorando la calidad de los cursos, y reducirán es coste de otro tipo de recursos.
- Aumentar el estatus comercial de la empresa, haciéndola más competitiva contra otras que no utilicen la analítica de datos.
- Aumentar los beneficios de la empresa gracias al éxito comercial y a la reducción en gastos.
- Aumentar su fama entre la población gracias a las bajas tasas de abandono y la atención personalizada ofrecida.
- Reducir la ratio de abandono y aumentar el número de matriculados gracias a dicha fama.

2. Objetivos: reúnen la información mínima que explica qué pretende el servicio.

El objetivo principal es reducir la tasa de abandono, pronosticando el éxito del alumnado mediante el análisis de datos y el descubrimiento prematuro de aquellos alumnos con perfil bajo en el curso y que presentan una tendencia a abandonarlo.

Muchas de las ventajas anteriores son objetivos propuestos en la metodología de este proyecto de analítica de datos, ya que, de conseguirlos, no son si no ventajas tanto para la empresa como para el alumnado:

- Mejorar la calidad del servicio ofrecido, mediante atención personalizada basada en datos.
- Reducir la tasa de abandono, detectando a tiempo el alumnado que puede presentar este perfil.
- Perfeccionar los recursos, materiales y vías de comunicación profesorado-alumnado para que se adapten a todo el alumnado.
- Adaptar el proceso del curso a los ritmos de aprendizaje del alumnado (ya sea por motivos cognitivos -internos- o laborales y/o personales -externos-).
- Lograr unos resultados óptimos de aprendizaje, donde la ratio de finalización del curso con éxito sea elevada (no es suficiente con alumnos que finalizan si éstos obtienen calificacones por dejabo del aprobado).

3. Líneas de acción del servicio: en definitiva, trata de responder cómo va a hacer nuestro plan piloto lo que queremos que haga, atendiendo a los momentos de mayor riesgo que se establecieron en el apartado anterior ("2. Captura de datos"):
  • Matriculación: el análisis del número de alumnado matriculado, junto con su carta de motivación y sus datos de matriculación permiten al profesorado hacerse un campo mental del grupo de alumnos al que va a atender, el mayor o menor éxito del curso en función de la tipología del alumnado matriculado y el número de intervenciones especiales que tendrá que realizar si quiere (el profesorado) mantener unas buenas cifras al final del curso.
  • Inicio del curso: este momento abarca los primeros accesos a la plataforma donde se alberga toda la información del curso. Dependiendo de acceso más temprano o más tardía del alumnado, las dudas que se pregunten en el foro y quiénes las realicen, la interacción en las diferentes vías de comunicación entre los estudiantes, etc, el profesorado se podrá hacer una composición del alumnado más activo y aquél menos activo, con el que tendrá que empezar el protocolo de actuación para evitar el abandono del mismo mediante: atención más directa, marcar los recursos imprescindibles para que el alumno no se sienta sobre pasado y vaya entrando en el ritmo de estudio y análisis de documentos poco a poco, etc.
  • Seguimiento del curso, acceso a la plataforma: si el primer momento de actuación en el "inicio del curso" ha surtido efecto, se deberá aumentar progresivamente la cantidad de documentos a revisar y empezar a adaptarse en la medida de lo posible a las fechas de entrega (aunque gracias a la flexibilización del curso, esto no será imprescindible, aunque sí será denotativo de un mayor interés por parte del alumno). Si el primer momento de actuación en el "inicio del curso" NO ha tenido efecto, el profesorado y personal a cargo del curso deberá realizar las modificaciones necesarias de los materiales, así como cambios en los materiales que no dejen de explicar lo que se quiere explicar, pero de manera más llamativa a motivadora para aquél alumno que no ha sido capaz de iniciar el curso de manera adecuada, menos aún de seguir su proceso.
  • Uso de materiales: en relación al seguimiento del curso, el uso que el alumnado haga de los materiales (minutos de visualización de vídeos, información recogida en textos que aparece citada en trabajos, número de veces que se revisan los documentos para una tarea, documentos extra visitados para complementar la información, etc.) denotará una mayor o menor actividad. Como se comentaba en el apartado anterior: los materiales no son absolutos e inamovibles. Al contrario, deben poder ser manipulados para adaptarse a todo el alumnado, especialmente para aquel del que salta la alarma de "alumno en riesgo".
  • Realización y entrega de tareas: flexibilizar las deadlines de las tareas a entregar supone una buena estrategia para que un alumno, que puede estar saturado por motivos externos en algún momento del curso, no abandone el curso por que se le haya pasado entregar una tarea a tiempo. Bien es sabido que, optar por la evaluación continua en este tipo de cursos online es sinónimo de éxito (casi asegurado) antes que jugárselo todo a una única carta a final de curso (fracaso habitual). En estos casos en los que un alumno sobre pasa la fecha orientativa de entrega de actividades, hay que tener especial precaución y recordarle que, aunque el plazo no es cerrado, es recomendable que siga paso a paso cada actividad sin mayor demora para no verse saturado por acumulación de tareas.
  • Registro de actividad: probablemente los datos que aporta la actividad en la plataforma del alumnado suelen ser reflejo de su implicación con el curso. Bien es posible que algunos alumnos den la sensación de estar activos, pero en realidad solo dan las sensación de estar activos, cuando en realidad no han revisado los documentos y sus dudas están vacías o rozan lo absurdo. Un buen análisis de la actividad de un alumno facilita al profesorado saber si es necesario intervenir y de qué modo hacerlo. Si se trata de un alumno no activo, pero que entrega las tareas correctamente, será preciso motivarlo para que participe en los foros y chats y así sus compañeros se puedan enriquecer de él o ella. Si se trata de un alumno de relleno, habrá que darle un toque de atención, ya que a lo mejor no es consciente de lo que hace y será necesario, entonces, aplicar una adaptación de materiales aún más significativa y simplificada.
  • Finalización del curso: motivar, dar el último empujón hacia el final del curso será imprescindible por profesorado. Es de los momentos con más riesgo de todo el curso: se acumulan entregas, cansancio y ansias por terminar, todos ellos malos consejeros para finalizar con éxito el curso empezado. 
4. Anexo, donde se incluye un supuesto práctico que sirva para explicar todo el proceso completo, es decir, cómo se llevaría a cabo el plan para que los clientes vean su funcionamiento y puesta en práctica.

- Curso online: Metodologías innovadoras en educación primaria.
- Alumno en riesgo: Sergio.
- Formación: recién titulado en magisterio.
- Experiencia en cursos online: ninguna.

Como muchos maestros que anhelan aplicar todo lo aprendido en la carrera de Magisterio, utilizando lo más modernos métodos que promuevan las inquietudes de su alumnado, Sergio decide matricularse en un curso online llamado "Metodologías innovadoras en educación primaria", curso que se vale de nuestro programa de analítica de datos para la mejora de la formación impartida y la reducción de abandono. 

Al ser su primera experiencia, no quiere quedarse fuera del curso y realiza el proceso de matriculación el primer día que este se abre, lo que en datos, nuestro programa traduce para el profesorado que Sergio es un alumno lleno de energía, que no va a tener problema en acabar el curso. Sin embargo, cuando se inicia el curso oficialmente, Sergio tiene dificultades de acceso ya que no conoce la plataforma (Moodle) donde se alberga el curso, por lo que tarda más que sus compañeros en acceder a los materiales y ponerse con las primeras clases y tareas a realizar. Sergio sigue manteniendo su entusiasmo, y las primera trabas encontradas han sido comunicadas al profesorado para que se comuniquen por las vías externas a la plataforma (correo electrónico, teléfono, etc) con aquellos alumnos que se están quedan atrás en exceso.

Eventualmente, Sergio ha compartido en el foro general del curso que ha empezado a trabajar como profesor de apoyo en un colegio por las tardes, y que su disponibilidad de tiempo se ha visto mermada drásticamente.

Tras la primera tarea realizada por Sergio, se ha observado que no ha revisado todos los materiales obligatorios, mucho menos los complementarios. Su tarea apenas cumple con los objetivos, y se observa que los supuestos materiales revisados no han sido de manera completa, ya que falta información fundamental a la que hacer referencia en el documento entregado como tarea. 

Los datos obtenidos de todo lo sucedido en la vida de Sergio, así como de su uso de los materiales y entrega de tareas nos ayudan a prevenir al/a los profesor/es de la asignatura y les proponemos las siguientes actuaciones:
  • Mandar a Sergio un feedback detallado de los errores observados al realizar la tarea y sus posibles motivos (revisión escasa e incorrecta de materiales, realización de la tarea en poco tiempo...)
  • Ofrecer a Sergio dos posibilidades: una oportunidad de repetir y mejorar su tarea, o dar por válida dicha tarea y darle un aviso de que esperan un cambio y progresivamente mejor en las siguientes tareas. Sergio podrá elegir entre las dos opciones y sentirá que el profesorado quiere lo mejor para él y su desarrollo en el curso.
  • Detallar a Sergio los materiales específicos que deberá analizar minuciosamente de entre todos los materiales obligatorios para que se vaya acostumbrando poco a poco al ritmo de trabajo y sea capaz de distribuirse mejor su tiempo.
  • Dividir las tareas en 2 o 3 partes más sencillas para que Sergio se acostumbre a trabajar a diario y no deje para última hora la entrega final del trabajo.
  • Mandarle un mensaje de felicitación por el camino que está siguiendo si se nota un feedback positivo por su parte gracias a las medidas de actuación sugeridas anteriormente.
Gracias a los datos que nos aporta la actividad del resto del alumnado así como de los datos de registro en la matriculación, el profesorado no tendrá problema para contactar con Sergio cuando sea necesario y vea que se está despistando en la realización pormenorizada de sus tareas, así como en facilitarle los documentos más interesantes en función del número de alumnados que los visita, el número de veces que son visitados y la información de cada documento que ha resultado más interesante según su inclusión en las tareas entregadas por el resto del alumnado. 

Es necesario hacer hincapié en que, en penúltima instancia, es el profesor el que tiene las herramientas proporcionadas por nuestra empresa de analítica de datos para ayudar a Sergio y que, en última instancia, dependerá de Sergio seguir las indicaciones de su profesorado para conseguir alcanzar con éxito el final del curso con el que tanto interés comenzó.