Actividad 3 - 2. Captura de datos

2. Captura de datos

La primera utilidad y una de las principales del plan predictivo es identificar cuáles son los estudiantes en riesgo de abandono y que, por tanto, necesitan el asesoramiento del que se hablaba en el apartado anterior. 

Con el simple paso de los estudiantes por la plataforma del curso, el uso que hagan de los materiales, los comentarios en dicha plataforma o a través de otras vías, la realización de tareas, etc, ofrecen información del alumnado que necesita una atención extra.

Para ello, y manteniendo como guía a Domínguez (2018), se establecen una serie de momentos en los que la incursión del profesorado y personal a cargo del curso para con el alumnado en riesgo será fundamental para evitar el abandono del mismo.

• Matriculación: normalmente va acompañada de una carta de motivación del alumno/a que se quiere matricular. 

Datos a obtener: Es un momento importante porque, tanto la información que contiene dicha carta, como el momento en que se realice y haga oficial (pago, en su caso) la matrícula, ofrece información del interés inicial del alumno por el curso, incluso su actual situación personal y/o laboral (si lo hace con tiempo o lo realiza en el último momento posible, quizá porque no esté seguro de realizar dicho curso, o estuviera esperando acceder a otro curso que le suponía mayor interés, si tiene familia, cuál es su trabajo y cuál su horario de trabajo, etc.).

• Inicio del curso: los primeros accesos a la plataforma y sus diferentes asignaturas, módulos, recursos, actividades, foros, guías, etc. aportan valiosa información acerca de la predisposición a llevarlo a cabo, muchas veces relacionado con la situación laboral y/o personal antes comentada.

Datos obtener: el pronto o tardío acceso a los materiales y ventanas que ofrece cada curso suelen ser decisivos a la hora de saber si un alumno va a terminar o no el curso. Habitualmente, un alumno que tarda semanas en interesarse por todo ello, es propenso a no terminar el curso. Aquél que comienza con energía, tiene dos caminos: seguir así hasta el final del curso, o desinflarse por el camino (siguiente punto: "seguimiento del curso").

• Seguimiento del curso, acceso a la plataforma: tras los primeros accesos a cada una de las asignaturas, módulos y, sobre todo, guías de los mismos, el acceso a la plataforma ofrece información del nivel de satisfacción y motivación del alumnado con el curso, así como si es necesario realizar alguna modificación de los recursos (por parte del profesorado o personal a cargo). Son especialmente delicados los momentos posteriores a periodos vacacionales, donde es importante asegurarse de que todo el alumnado vuelve a la rutina pre-vacaciones, e incluso si vuelve con más energía aún.

Datos a obtener: 1) un acceso regular y continuado a la plataforma son signo de satisfacción y, con casi toda seguridad, supondrá la exitosa finalización del curso, 2) un acceso irregular a la plataforma indica una baja motivación, falta de horario establecido para distribuirse adecuadamente el tiempo, etc. y, con ellos, un posible abandono (o fracaso) del curso, 3)n acceso casi nulo a la misma, supone un más que probable abandono. Tras periodos vacaciones suelen implementarse el número de casos de los grupos 2) y 3). 

• Uso de materiales: el número de accesos y visualizaciones de los materiales ofrecidos aportan información de la actividad y preocupación del alumnado para con el curso, así como los accesos exclusivamente a materiales obligatorios o también complementarios. De manera complementaria al uso de materiales está la "realización de actividades" en el siguiente punto, y el "registro de actividad" en el siguiente.

Datos a obtener: el alumnado que se preocupa de revisar y tomar notas de todos los materiales que se le ofrecen (obligatorios y complementarios) se comtempla con mayor probabilidad de finalizar el curso y exitosamente. Aquél que revisa exclusivamente los obligatorio, y quizás no todos, estará al límite de acabar el curso con éxito, acabar en fracaso o incluso no acabarlo si obtiene bajas calificaciones durante el proceso del mismo. El que no revisa materiales, directamente no está interesado (o al menos no en la evaluación continua que la mayoría de los cursos suelen ofrecer)

• Realización y entrega de tareas: la realización de tareas va íntimamente ligada con la entrega de las mismas. No es habitual que un alumno que realice una actividad no la entregue (la puede entregar tarde, pero es ilógico que no la entregue, aunque sea por unas vías diferentes a las establecidas). Las tareas y sus correspondientes evaluaciones son de los momentos más clave y críticos de un curso. Ponen a prueba al máximo nivel el compromiso de un alumno con el curso.

Datos a obtener: la realización exitosa de una tarea responde al punto anterior de "uso de materiales", ya que si se han revisado a medias o no se han revisado los materiales, con alta probabilidad la tarea no estará bien realizada y recibirá una baja (o incluso suspensa) calificación, dependiendo de la exigencia de la tarea en sí y del profesorado a cargo de su corrección. Existe también una gran masa de alumnado que no realiza periódicamente las tareas, dejando a un lado la evaluación continua para enfrentarse a un examen/tarea final que suele ser bastante exigente, ya que incluye toda la materia. Habitualmente, este alumnado suele abandonar el curso o obtener un suspenso por nota.

• Registro de actividad: además del "acceso a la plataforma", la actividad que registre cada alumno en las diferentes herramientas de comunicación que ofrezca la plataforma (o externas, si el profesorado así lo acepta/establece) proporciona información interesante acerca de los intereses e inquietudes del alumnado, así como del tipo de intervenciones que realiza.

Datos a obtener: podemos dividir en 2 grupos la actividad realizada por el alumnado, y dentro de cada grupo, otras dos subcategorías, en las que subyacen el éxito o el fracaso del curso. En los casos de fracaso, también es habitual el abandono del curso (especialmente en el alumnado "no activo"):

	Grupo 1: Es activo	Grupo 2: No es activo
Éxito	Realiza aportaciones fundamentadas y relevantes	No realiza aportaciones pero lee las de los compañeros y se sirve de ellas para complementar los materiales y realizar las tareas.
Fracaso	Realiza aportaciones sin fundamento, nada relevantes y de relleno para dar sensación de interés en los foros, chats, etc.	Ni realiza aportaciones ni lee las de los compañeros para empaparse de los contenidos y temas a tratar.

• Finalización del curso: en última instancia, al final del curso se puede hacer una comparativa entre los alumnos que había activos al principio del mismo y cuántos quedan, así como un resumen de todo lo realizado y no realizado por cada alumno, y la calidad de sus aportaciones (comentarios en foros, chats o tareas).

Datos a obtener: obtendremos información general del número de alumnos que ha finalizado todas las actividades, cuáles han sido las actividades que más se han realizado, qué materiales se han visitado más, cuáles no se han visitado o visitado poco, cuánto tiempo de media ha tardado el alumnado en realizar una actividad, cuáles han sido verdaderamente los momentos más críticos de todo el curso (medidos en fechas, tareas, acumulación de materiales que revisar, etc)... Todo ello ya en última instancia para hacer las modificaciones oportunas para el curso siguiente.

Todos los momentos fundamentales y susceptibles de una mayor implicación del profesorado y asesoramiento específico y personalizado para los alumnos que se encuentren riesgo de abandono del curso son, en mayor o menor medida, modificables y recalculables sobre la marcha, excepto los datos obtenidos a final de curso. Estos son los que ofrecen una información más completa, pero al ser al final de todo el proceso, no queda margen de maniobra para volver a calcular ruta y redirigir a aquellos que se iban quedando por el camino. 

Con algo de suerte, no serán imprescindibles los datos finales para asegurar unas buenas tasas de finalización del curso, y sí que serán más que bienvenidos para cursos posteriores. Todo dato que alimente el llamado Data Lake ("lago de datos"), como dice Booz Allen Hamilton (2015), será de gran utilidad para perfeccionar cada vez más el enfoque que se le dé al curso que tenemos entre manos.

Actividad 3 - 1. Plan de análisis predictivo

Introducción

La recopilación masiva de datos, conocida como Big Data, ha tenido un ascenso en la sociedad moderna algo accidentado; no por la recopilación de datos en sí, si no por varios de análisis con usos manipulativos que diversas empresas les han dado a los mismos (como el caso de Donald Trump en las elecciones de 2016, o el aún candente caso del Brexit, por mencionar algunos). 

Sin embargo, no toda utilidad que se pueda obtener de la reunión de datos tiene por qué tener este tipo de enfoque. Otras muchas empresas y gobiernos están utilizando la llamada Data Science (ciencia de datos) para prever y predecir de manera más efectiva y rápida lo que va a suceder, y así poder actuar en consecuencia mientras ahorran en gasto (especialmente los gobiernos) y aumentan en ingresos (especialmente las empresas) mediante análisis orientados de datos masivos. Algunos ejemplos han sido aplicados en E.U.A. con para agilizar el proceso de revisión médica, reducir el retraso de los vuelos, hacer mejores vacunas, predecir la respuesta de los consumidores, etc. 

Uno de los usos más interesantes del análisis datos tiene su aplicación en la educación. El llamado Learnig Analytics pone el foco de atención en un análisis concreto de datos digitales que van enfocados directamente a optimizar el aprendizaje en diferentes entornos educativos mediante: predicción, personalización y adaptación, propuestas de intervención y visualización de la información.

Para garantizar (o al menos intentarlo) un uso adecuado de los datos, Ekowo & Palmer (2016) y Domínguez (2018) proponen 5 prácticas a llevar a cabo en el análisis de datos en educación:

1. Tener una visión y un plan, que ayuden a establecer una dirección de en qué se va a invertir el esfuerzo, estableciendo las preguntas se esperan contestar y las metas que se desean alcanzar, teniendo en cuenta las posibles consecuencias no deseadas que puedan surgir y los resultados que se esperan obtener (metas).

2. Construir una infraestructura de apoyo, tanto de personal, estudiantil, tecnología adecuada, servicios, recursos financieros que puedan garantizar el éxito del proyecto (el camino es muchas veces desconocido por quienes no tengan experiencia en el uso de datos en este enfoque)

3. Trabajar para garantizar el uso adecuado de los datos, es decir, centrarse tanto en recopilar grandes cantidades de datos, como en la utilidad mayor o menor de ellos (según procedencia), el análisis que se haga de ellos y las interpretaciones y conclusiones a las que lleven (deben ser precisas).

4. Diseñar modelos de análisis predictivo y algoritmos que eviten sesgos, analizando su exactitud para que produzcan resultados deseables reduciendo a su vez el riesgo de sesgo.

5. Cumplir con los objetivos institucionales y mejorar los resultados de los estudiantes interviniendo con cuidado, haciendo hincapié en que las intervenciones basadas en la predicción que no se usen con cuidado (debido a algún error cometido en el proceso), pueden causar daños involuntarios a los estudiantes.

Los objetivos del análisis predictivo, íntimamente ligados a la optimización del aprendizaje anteriormente comentada, y que se desarrollarán en el seno de un proyecto de una empresa que ofrece formación online, son:

• Identificar los estudiantes que más necesitan servicios de asesoramiento en un curso, ofreciéndoles unos materiales didácticos adaptados a sus necesidades, con el fin de evitar que abandonen un curso online anticipadamente.
• Desarrollar el material didáctico de aprendizaje adaptativo para personalizar el aprendizaje, diseñando un modelo de intervención más o menos estándar, (que se pueda meter dentro de un pack conjunto para la empresa)
• Aumentar el volumen de personas inscritas a un curso.

La 1ª parte de este informe se centrará en los dos primeros objetivos, que están más íntimamente ligados con el abandono prematuro, y no tanto el tercer objetivo, ya que las tasas de abandono se miden en el porcentaje de alumnos/as que abandonan el curso antes de su finalización, independientemente del número de estudiantes que lo haya comenzado.

1. Plan de análisis predictivo

Volviendo a Ekowo & Palmer (2016), en la primera de sus prácticas a seguir para llevar a cabo un adecuado uso del Big Data en la educación, establecen la importancia de tener un plan establecido.

Para ello, como Product Manager de la empresa Data For Education, se plantean las siguientes metas a las que se espera llegar al finalizar la aplicación del proyecto y cómo se medirán los resultados a través de KPIs (Key Performance Indicators) específicos con valores cuantitativos:

- Reducir tasa de abandono del curso online

KPI 1: número de alumnos que abandona el curso al comienzo del mismo.

KPI 2: número de alumnos que abandona el curso hacia la mitad del mismo.

KPI 3: número de alumnos que abandona el curso hacia el final del mismo.

- Alcanzar una segmentación efectiva del curso en función del motivo que llevó al alumnado a empezar dicho curso.

KPI 4: número de alumnos que se matriculó sin un objetivo concreto.

KPI 5: número de alumnos que se matriculó por interés en la materia que ofrece el curso, pero sin una necesidad de ascenso laboral.

KPI 6: número de alumnos que se matriculó por una motivación-obligación externa (necesidad de ascenso en estudios, carrera, empresa, adquirir un (mejor) puesto de trabajo, etc.)

- Establecer check points personalizados para favorecer el seguimiento del curso y la motivación en el alumnado.

KPI 7: número de alumnos que no cumple los objetivos mínimos de las tareas que se le piden.

KPI 8: número de alumnos que cumple los objetivos mínimos de las tareas que se le piden.

KPI 9: número de alumnos que sobrepasa los objetivos mínimos de las tareas que se le piden.

- Establecer fechas finales de los módulos orientativas para que el alumnado pueda organizarse según sus circunstancias y así hacernos una idea del alumnado que está más y menos activo.

KPI 10: número de alumnos que, de media, entrega las tareas antes de la fecha orientativa fijada.

KPI 11: número de alumnos que, de media, entrega las tareas en el último día y hora de la fecha orientativa fijada.

KPI 12: número de alumnos que, de media, entrega las tareas dentro de la semana siguiente a la fecha fijada.

KPI 13: número de alumnos que, de media, entrega las tareas bastante más tarde de la fecha fijada.

KPI 14: número de alumnos que no entrega la mayoría o todas las tareas.

- Actualizar y personalizar los materiales en función de las inquietudes mostradas por el alumnado en sus participaciones en foros, chats, correos, etc.

KPI 15: número de materiales audiovisuales requeridos por el alumnado.

KPI 16: número de materiales sólo auditivos (como el podcast) requeridos por el alumnado.

KPI 17: número de materiales sólo visuales (imágenes, fotos, dibujos...) requeridos por el alumnado.

KPI 18: número de materiales textuales requeridos por el alumnado.

- Identificar el uso que se realiza de los materiales y recursos.

KPI 19: número de alumnos que revisa los materiales obligatorios para realizar una tarea concreta (mediante el número de visitas al lugar donde se almacenan dichos materiales)

KPI 20: número de alumnos que revisa los materiales complementarios además de los obligatorios para realizar una tarea concreta.

KPI 21: número de alumnos que revisa la mitad de los materiales para realizar una tarea concreta.

KPI 22: número de alumnos que no revisa los materiales para realizar una tarea (aquí había que considerar la posibilidad de que algún alumno domine la materia tratada en dicha tarea y no necesite revisar los materiales que se le proporcionan. Habría que revisar si ha entrega la tarea y el estado de la misma para medir este caso con exactitud).

- Mejorar la interacción alumnado-profesorado para solucionar los problemas que puedan surgir (tanto tecnológicos como de entendimiento de las tareas).

KPI 23: número de dudas resueltas en menos de 1 hora.

KPI 24: número de dudas resueltas en menos de 24 horas.

KPI 25: número de dudas resueltas en menos de una semana.

KPI 26: número de dudas irresolutas.

KPI 27: número de vías a través de las que se puede producir la interacción alumnado-profesorado.

KPI 28: número de vías compatibles con cualquier dispositivo electrónico (móvil, tablet, ordenador) para favorecer la accesibilidad ubicua al curso.

Un proyecto LRNG de crítica musical - Actividad 2, Módulo 2

1. Introducción

El proyecto LRNG (que se corresponde con las consonantes de la palabra en inglés learning, aprendizaje en español) sientas sus bases en la oferta y distribución equitativa de oportunidades para jóvenes, conectándolos con sus mayores pasiones e intereses para que puedan tener acceso a estudios superiores, becas, prácticas o al mercado laboral.

El proyecto original de LRNG conecta personas en ciudades de todos los EUA, abriendo caminos alternativos a la Universidad, es decir, ofreciendo oportunidades de estudios diferentes entre la Educación Secundaria y la vida laboral con el simple uso de un dispositivo electrónico inteligente (smartphone, ordenador o tablet).

En definitiva, LRNG pretende rediseñar el aprendizaje en la era conectada del siglo XXI, trabajando y creando conexiones con centros educativos, empresas, bibliotecas, museos, etc, cubriendo una doble vía: 1) la socioecónomica, que convierte en aprendizajes significativos los que se adquieren en el día a día, conectando con personas de intereses similares (motivación) y 2) la tecnológica, que permite conectarse a gran escala (mundial) combinando experiencias tanto dentro como fuera del aula.

Aunque se plantean varios interrogantes en relación a las posibles diferencias entre estudiantes con acceso a los mencionados dispositivos electrónicos inteligentes, así como con el acceso a Internet de alta calidad (algunos estudiantes de nivel socioeconómico demasiado bajo no puede permitírselo), la premisa del proyecto LRNG en cuanto a la oferta equitativa de oportunidades parece bastante plausible en términos generales y teniendo en cuenta en el país en que se ha originado y ha tenido su desarrollo (EUA).

2. Elementos del proyecto LRNG

Para guiar al estudiante en su aprendizaje y procurar que no se quede en lo básico de sus posibilidades, el proyecto cuenta con una serie de elementos que deberán ser seguidos por el alumno si quiere completar con éxito todo el proceso y alcanzar su meta (ya sea seguir aprendiendo, una beca, aplicar lo aprendido en unas prácticas o un trabajo), desde la temática general (itinerario) pasando por los objetivos a cumplir (playlist) y terminando por el reconocimiento de lo conseguido (badges):

• Learning pathways o itinerarios de aprendizaje (en adelante sólo "itinerarios"). Es el camino (temática) elegido por el estudiante, normalmente porque le promueve algún tipo de inquietud que haga que lo enfrente con interés y motivación. Un itinerario puede estar compuesto de varias playlists, y a su vez una misma playlist puede servir para distintos itinerarios.

• Learning playlist o lista de actividades de aprendizaje (en adelante sólo "playlist"). Se trata de una lista de actividades a realizar por el estudiante. Dichas actividades girarán en torno a una temática/itinerario (o varios) que delimite el ámbito de estudio y práctica. Dichas actividades favorecerán la adquisición de experiencias (talleres, conferencias, exposiciones, etc, tanto online como offline) en base a unos recursos variados y motivadores (vídeos, artículos, apps...), pudiendo éstos mezclarse y combinarse, lo que les otorga mayor flexibilidad y adaptabilidad a cada estudiante.

• Badges o insignias/certificados (en adelante sólo "badges"). Representan la acreditación de haber logrado realizar con éxito determinados objetivos de una playlist relacionada con un itinerario. Estos badges permiten seguir realizando playlists y tener acceso a otros itinerarios. Este reconocimiento (los badges) se basa en las experiencias adquiridas tras superar las actividades y dejar constancia de ello, que se traducen en promoción en el mundo académico, y que, además, también se reconocen en el mundo laboral (ejemplo: YesWeCode)

Itinerario 

3. Diseño piloto de un proyecto LRNG

El proyecto propuesto va dirigido a estudiantes melómanos y amantes de las letras que sienten un vínculo especial con la música desde un punto de vista musicalmente pasivo, es decir, sin participar activamente en la creación musical, pero activo desde el punto de vista de la escritura, mediante la realización de críticas musicales.

El mundo de la crítica de la música está poco explorado académicamente hablando. Lo habitual es encontrar críticas por parte de expertos que se dedican en exclusiva a crear espectáculos musicales, pero igual no son tan duchos a la hora de comentarlos desde un punto de vista formal y con una buena literatura.

Desde este proyecto se trata de llenar ese "hueco" generado involuntariamente, motivando a estudiantes que pretendan aunar dos pasiones (íntimamente relacionadas históricamente): la música y las letras.

Playlist

La playlist propuesta para llevar acabo el proyecto está compuesta por actividades variadas, que podemos clasificar en 3 ámbitos: formal, no formal e informal, si bien varias de las actividades podrían caber en varias categorías, según el enfoque se que se dé a cada una de ellas.

Ámbito formal
Escribe críticas musicales.	Analiza las partes y los elementos de críticas de conciertos ya existentes (en papel o en digital).
Recoge vocabulario adecuado para describir un evento musical.	Indaga sobre la historia del estilo musical que van a interpretar.
Investiga previamente sobre el concierto que va a escuchar/asistir: intérpretes, solistas, personas de interés…	Investiga los tipos de instrumentos/voces que intervienen en la actuación, prestando especial atención a los exóticos.
Escribe un programa de mano o digital para futuras actuaciones de las agrupaciones escuchadas.
Ámbito no formal
Revisa diversas críticas musicales.	Elabora una pequeña encuesta a algunos de los asistentes (sensaciones, le gusta/no le gusta, repetiría…).
Investiga la discografía de las agrupaciones que interpretan los conciertos.	Aprende cómo crear un blog.
Crea un blog de crítica musical.	Conoce indirecta o directamente a algún miembro de la agrupación y le realiza una pequeña entrevista antes y/o después del concierto.
Ámbito informal
Asiste a un concierto en directo.	Escucha un concierto online.
Escucha previamente piezas musicales de la discografía de las agrupaciones escuchadas.	Realiza capturas de pantalla de los mejores momentos del concierto para incluirlas en la crítica y/o en el futuro programa de mano.
Realiza fotografías del concierto para incluirlas en la crítica y/o en el futuro programa de mano.	Compara sensaciones personales entre el concierto en directo y el concierto online.

Itinerarios

Las diversas actividades propuestas en la playlist anterior podrían dar lugar a itinerarios más o menos complejos, dependiendo del número de actividades que se seleccionen y del enfoque que se le de a las mismas. Así, podemos diferenciar 4 itinerarios: 2 más sencillos, que abarcan sólo las actividades puramente musicales o sólo las actividades de escritura, y otros 2 más complejos que abarcan todas las actividades pero en dos estilos de música diferentes.

Itinerarios parciales:

Itinerario 1: La música desde el público

Dirigido a estudiantes que, sin tener una formación musical específica, quieren ir un nivel más allá en la compresión y entendimiento de lo que sucede encima de los escenarios. El género o géneros musicales dependerán de los gustos del estudiante.

Este itinerario se apoya en actividades previas a realizar antes de asistir a un concierto para estar bien formado e información y lograr una mayor satisfacción tras la escucha, y también da importancia a la actuación musical en sí, e incluso a lo que sucede después de ella tanto personalmente como del resto del público.

 Badge sencilla 1

Itinerario 2: La crítica musical

Dirigido a estudiantes apasionados de la escritura y la narrativa que quieran expandir su ancho de miras y atreverse con una actuación musical de cualquier tipo (clásica, popular, familiar...) tanto online como offline. 

Este itinerario se apoya en actividades de investigación e indagación previas a la escucha de los conciertos para poder realizar un posterior análisis correcto y ordenado de los eventos musicales en cuestión. Incluye la creación de un espacio específico para publicar en la Red las críticas elaboradas (un blog).

Badge sencilla 2

Estos dos itinerarios parciales se distribuirían las actividades de la playlist de la siguiente manera:

Ámbito formal
Escribe críticas musicales.	Analiza las partes y los elementos de críticas de conciertos ya existentes (en papel o en digital).
Recoge vocabulario adecuado para describir un evento musical.	Indaga sobre la historia del estilo musical que van a interpretar.
Investiga previamente sobre el concierto que va a escuchar/asistir: intérpretes, solistas, personas de interés…	Investiga los tipos de instrumentos/voces que intervienen en la actuación, prestando especial atención a los exóticos.
Escribe un programa de mano o digital para futuras actuaciones de las agrupaciones escuchadas.
Ámbito no formal
Revisa diversas críticas musicales.	Elabora una pequeña encuesta a algunos de los asistentes (sensaciones, le gusta/no le gusta, repetiría…).
Investiga la discografía de la agrupación que interpreta el concierto.	Aprende cómo crear un blog.
Crea un blog de crítica musical.	Conoce indirecta o directamente a algún miembro de la agrupación y le realiza una pequeña entrevista antes y/o después del concierto.
Ámbito informal
Asiste a un concierto en directo.	Escucha un concierto online.
Escucha previamente piezas musicales de la discografía de la agrupación que interpreta el concierto.	Realiza capturas de pantalla de los mejores momentos del concierto para incluirlas en la crítica y/o en el futuro programa de mano.
Realiza fotografías del concierto para incluirlas en la crítica y/o en el futuro programa de mano.	Compara sensaciones personales entre el concierto en directo y el concierto online.

          Itinerario 1: La música desde el público

          Itinerario 2: La crítica musical

          Ambos itinerarios

          Ningún itinerario

Itinerarios completos:

Itinerario 3: Experto en crítica de música culta

Dirigido a estudiantes a los que les apasione tanto la música culta (conocida también por clásica) como la escritura, desde un punto de vista crítico para mejorar las producciones musicales de una ciudad en cuanto a su calidad.

Este itinerario es, en definitiva, una combinación de los dos itinerarios anteriores con dos salvaciones: 

1) Está enfocado a la música culta, que habitualmente se interpreta en grandes salas de concierto, teatros o plazas importantes de ciudades,

2) Como objetivo final de evidencia del aprendizaje adquirido, se realizará una propuesta para un programa de mano (o digital) de un futuro concierto de la agrupación (orquesta, banda, coro...) a la que se ha asistido o que se ha escuchado a través de un streaming en directo.

Las indagaciones musicales:

- Previas: enfocadas a conocer y saber más sobre la agrupación, grabaciones, componentes, director (invitado o no), estilo musical...

- Durante: comparación de sensaciones entre el concierto en directo y el concierto visualizado online.

- Posteriores: basadas en las sensaciones tanto personales como de los asistentes al concierto (en directo) o a través de los chats (online).

Respecto a la escritura propia de la crítica:

- Previamente: hay una documentación y análisis de críticas ya escritas, su estructura, formato... así como aprender a crear un blog.

- Durante: toma de fotos/capturas de pantalla para otorgar valor y color a las críticas.

- Posteriormente: creación del blog y escritura de un programa de mano para un concierto futuro de las agrupaciones escuchadas.

Badge completa 3

Itinerario 4: Experto en crítica de música popular

El modo de realizar este itinerario es exactamente igual que el itinerario 3. El resultado: totalmente diferente, ya que todos los aspectos a analizar antes, durante y después en lo musical variarán notablemente entre un concierto de música culta (en teatros, plazas...) y uno de música popular (bares, discotecas, pequeñas salas de concierto...), así como la comparación de sensaciones entre el concierto en directo y el concierto online. Sus críticas resultantes también serán notablemente diferentes.

El objetivo final perseguido, por tanto, es el mismo: realizar una propuesta de un programa de mano (o digital) de un futuro concierto de las agrupaciones escuchadas. Este programa también será muy diferente del posible resultado del itinerario 3.

Badge completa 4

Badges

Como es evidente, estos dos últimos itinerarios son más complejos y difíciles de conseguir, por ello, completando algún badge de los dos tipos de experto, se consiguen los otros dos badges de itinerarios simples, así como completando los dos primeros itinerarios simples, se puede conseguir un badge de experto (dependiendo del tipo de conciertos al que se haya asistido y escuchado). Es decir, el estudiante puede combinar las actividades de la playlist propuesta a gusto, y añadir posteriormente más actividades de otros itinerarios para completarlos y conseguir así mayor número de badges. 

Con miras hacia el futuro, con ayuda de playlists similares, se podría conseguir la formación necesaria para formar parte de algún diario o revista digital (o en papel) que tenga secciones de críticas musicales de diferentes espectáculos en la ciudad del estudiante que logre conseguir todos los badges exitosamente.

El valor de cada una por separado, a igualdad de categorías, ya es personal de cada uno de los estudiantes que se embarque en esta aventura.

4. Bibliografía

Connected Learning Alliance. (2017). What is connected learning? Retrieved from https://clalliance.org/why-connected-learning/

Connected learning. (n.d.). In Wikipedia. Retrieved from http://en.wikipedia.org/wiki/Connected_Learning

DML Research Hub. (2012). Connected Learning: Real-world Engagement [Video file]. Retrieved from https://youtu.be/fJWtvFIr0FQ

Open Learning. (n.d.). In Wikipedia. Recuperado de http://en.wikipedia.org/wiki/Open_learning

Open Education. (n.d.). In Wikipedia. Recuperado de http://en.wikipedia.org/wiki/Open_education

Proyecto LRNG. Recuperado de https://www.lrng.org/

Weller, M. (2009, September 30). A pedagogy of abundance [Blog post]. Recuperado de http://nogoodreason.typepad.co.uk/no_good_reason/2009/09/a-pedagogy-of-abundance.html

Weller, M. (2009, November 12). A pedagogy of abundance take 2 [Blog post]. Recuperado de http://nogoodreason.typepad.co.uk/no_good_reason/2009/11/a-pedagogy-of-abundance-take-2.htm

Weller, M. (2011). A pedagogy of abundance. Spanish Journal of Pedagogy, 249, 223–236. Recuperado de http://oro.open.ac.uk/28774/

Yes we code. Recuperado de https://www.yeswecode.org/

Análisis sobre los datos y los derechos civiles - Módulo 1

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