Actividad 5 - Dimensiones de investigación
Actividad 5 - Dimensiones de investigación
Recopilación
de datos y mejora del aprendizaje: 5 dimensiones para la analítica de datos
JOHNHAIN/PIXABAY.COM |
@OMARCHIGHEN
¿Qué otros datos distintos a los
inicialmente recogidos o procedentes de fuentes secundarias pueden servirnos
para predecir y orientar las decisiones para mejorar los procesos de
aprendizaje y los cursos ofertados a través de nuestra plataforma digital? Si
bien esta cuestión plantea ciertos interrogantes en torno a la ética de la investigación,
ofrecemos a continuación una serie de datos secundarios que podrían ser útiles
para mejorar los procesos y los productos relacionados con nuestra empresa:
Dimensión
A: redes sociales
En primer lugar, a través de los
datos recopilados de las redes sociales de los alumnos, trataremos de describir
y analizar distintos perfiles con el objetivo de modelar perfiles de
aprendizaje e intereses sobre los que diseñar los cursos y módulos
complementarios en nuestra plataforma digital. Para ello, tendremos en cuenta
los siguientes parámetros:
- Tiempo
medio de conexión a redes sociales: puede ser un parámetro válido para
pronosticar las competencias digitales y el grado de implicación en los cursos
virtuales: a mayor tiempo de conexión, más actividad y por tanto, podríamos
asociarlo a un mayor desempeño en las actividades y tareas propuestas para los
cursos que ofrecemos.
- Redes
sociales más activas: las redes sociales y el grado de utilización de las
mismas pueden relacionarse con el tipo de materiales más susceptibles de tener
éxito para nuestros cursos: en función de la naturaleza de la red y la frecuencia
de uso, podemos proponer distintos medios y formatos tanto para la presentación
de contenidos como para la elaboración de tareas. Un usuario de Twitter tenderá
a publicar contenidos más sintéticos, mientras que un usuario frecuente de
blogs tendrá a elaborar más sus respuestas. Para un usuario de juegos en línea,
el aprendizaje colaborativo y social será más relevante para mejorar su proceso
de aprendizaje, mientras que para un usuario más activo en Youtube los Moocs
serán una herramienta de aprendizaje más efectiva.
- Tipo de
publicaciones en redes sociales: en función de la naturaleza de las
publicaciones de los alumnos, podríamos establecer una serie de perfiles
cognitivos y áreas de interés con las que proponer itinerarios o módulos
adaptados: para un alumno de un curso sobre analítica del aprendizaje que
publique, comparta o marque temas principalmente políticos, propondremos
estudios de caso sobre analítica de datos electorales o sobre cuestiones
relacionadas con la gobernanza pública (participación ciudadana, diseño de
agendas políticas según parcelas electorales, etc.). Por otra parte, para un
alumno cuyas publicaciones se relacionen más con el ámbito educativo,
propondremos módulos de analítica del aprendizaje, ya sea para entornos
digitales o híbridos.
Dimensión
B: navegación en internet
Los términos introducidos en los
motores de búsqueda pueden indicar toda una serie de elementos pertinentes para
adaptar nuestros cursos a los tópicos buscados por los usuarios en la red. Así,
búsquedas en torno a artículos académicos nos permitirán adaptar los contenidos
a este formato, mientras que la navegación y búsqueda en plataformas de video
(Youtube, Vimeo) nos permitirán adoptar este formato para nuestros cursos.
Además, el tiempo de conexión nos puede dar información relevante sobre la
extensión/duración de los materiales y recursos que vamos a proponer en la
plataforma.
Dimensión
C: Small Data
Otros datos que pueden ser
relevantes para pronosticar distintos perfiles y mejorar el diseño de los
cursos pueden obtenerse a partir de datos personales:
- La edad, el
sexo y la situación socioeconómica pueden ser un indicador para pronosticar los
resultados de desempeño en los cursos que proponemos a través de nuestra
plataforma. Estos datos pueden cruzarse con otros indicadores como el nivel y
frecuencia de participación en la plataforma y relacionarse con el desempeño en
el curso para pronosticar posibles casos de abandono y proponer vías
complementarias para evitarlo.
Dimensión
D: datos académicos y laborales
El acceso a los datos académicos y
laborales, ya sea a través de las redes sociales o a través de portales de
empleo como Infojobs, o sitios web dirigidos a trabajadores freelance (ProZ), o
incluso a través de portales de la administración pública (becas, expediente
académico, formación recibida, certificados de participación, etc.) pueden
servir tanto para diseñar cursos como proponer módulos complementarios
orientados a la formación permanente en áreas específicas, ya sean académicas o
laborales. Además, pueden plantearse distintos itinerarios para conseguir un
aprendizaje adaptado a las necesidades particulares y obtener un elevado nivel
de matriculación en los cursos de la plataforma.
Dimensión
E: pruebas de ejecución dividida A/B
Analizar la navegación de los
usuarios puede darnos también darnos información para mejorar la interfaz de la
plataforma. Mediante un análisis de la navegación por distintos sitios web y
pruebas de ejecución dividida podemos determinar qué elementos pueden mejorar
la interfaz para que sea más atractiva y mejorar la navegación en la misma.
Bibliografía
Cortés,
J. (2019). Alex Pentland: “Todavía no hemos perdido la batalla por el
control de nuestros datos”. [online] EL PAÍS RETINA. Disponible en https://retina.elpais.com/retina/2019/06/06/tendencias/1559825018_997799.html
Cortés,
J. (2019). “Las compañías no son transparentes en el uso que hacen de
nuestros datos, pero los Gobiernos tampoco”. [online] EL PAÍS RETINA. Disponible
en https://retina.elpais.com/retina/2018/10/08/tendencias/1538991880_996231.html
Data & Society.
(2014). The Social, Cultural & Ethical Dimensions of “Big Data”.
[online] Disponible en http://www.datasociety.net/initiatives/2014-0317/
Domínguez, D. (2018). Big
Data, analítica del aprendizaje y educación basada en datos. Recuperado de https://papers.ssrn.com/abstract=3124369
Martínez Cabezas, S.
M. (2018). Creación de un patrón de usabilidad para mejorar la
navegación de estudiantes bachilleres en sitios web universitarios. Aplicativo:
ESPOCH (Bachelor's thesis, Escuela Superior Politécnica de Chimborazo).
Disponible en: http://dspace.espoch.edu.ec/bitstream/123456789/9101/1/18T00731.pdf
Paniagua,
E. (2019). Así subasta Google tus datos online. [online] EL PAÍS RETINA.
Disponible en https://retina.elpais.com/retina/2019/05/28/tendencias/1559040361_176907.html
Comentarios
Publicar un comentario