Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Not everything that counts can be counted, and not everything that can be counted counts
Einstein
Hacia la construcción de...
Learning Analytics: contexto
New Media Consortium, & EDUCAUSE Learning Initiative. (2015). NMC Horizon Report: 2012
Higher...
: Construir experiencias pedagógicas más personalizadas;
: Identificar poblaciones de estudiantes en riesgo;
: Analizar fa...
¿Quién realiza esto?
NUEVOS PERFILES
PROFESIONALES >
‘Data Scientist’:
modelos de análisis se
basan en numerosas
suposiciones
< los algoritmos
...
¿Qué sabemos?
“un enfoque dinámico, longitudinal, de evaluaciones formativas asistida
por ordenador son el mejor predictor para detectar...
;
;
Analíticas de Aprendizaje:
o  Colección y análisis de los datos generados durante el
proceso de aprendizaje.
o  Compre...
Plan Ceibal - Uruguay:
By @cecilmarconi
Fase I
Entrega de
Equipos y
conectividad
2007-2015
Ciclo de Evolución del Plan Ceibal
Fase II
Desarrollo ...
o  ¿Cuáles son los perfiles de “participación”? ¿Se
identifican patrones?
o  ¿Existe correlación entre “patrones de uso de...
¿cuáles son las variables relevantes
para elaborar un indicador de involucramiento?
¿Cuáles son los perfiles de “participa...
35%
65%
estudiantes en línea
•  Trazabilidad de datos.
•  Grado de involucramiento de los estudiantes
•  Proxy de otras co...
El docente como factor clave en el uso de plataformas:
distribución de grupos según cobertura de acceso a la plataforma (C...
¿Existe correlación entre “patrones de uso de plataformas”
y los aprendizaje (calificaciones)?
¿Hay correlaciones entre el grado de “participación en línea” de los
estudiantes y su participación (asistencia) en clases...
¿Cuáles son los desafíos
pendientes que plantea
Learning Analytics?
Analíticas de aprendizaje:
"tiene problemas para representar la naturaleza de las conexiones,
entre los conjuntos de datos...
Hay un conflicto entre crear modelos
que proporcionan resultados fiables y
elaborar modelos transparentes para
los usuario...
Criterios a considerar 1.0:
1. Comienza con escalas pequeñas
2. El potencial es evidente, también las
responsabilidades qu...
Criterios a considerar 2.0:
6.  Anonimización: Puede ser imposible eliminar toda
posibilidad de identificar a una persona ...
fundacionceibal.edu.uy
@fundacionceibal
1er Encuentro Internacional “Nuevas métricas y enfoques para la
evaluación y la in...
fundacionceibal.edu.uy
@cristobalcobo
@CecilMarconi
Hacia la construcción de un perfil en 360 grados de los usuarios del @Plan_Ceibal
Hacia la construcción de un perfil en 360 grados de los usuarios del @Plan_Ceibal
Upcoming SlideShare
Loading in …5
×

Hacia la construcción de un perfil en 360 grados de los usuarios del @Plan_Ceibal

25,055 views

Published on

El Plan Ceibal se ha convertido en una poderosa plataforma para extender y ampliar las oportunidades de enseñanza y aprendizaje de los estudiantes de educación pública en Uruguay. El uso tanto de los dispositivos (tablets y laptops) como de la infraestructura (red y softwares) registra volúmenes de demanda sin precedentes. Por otra parte, los datos que Plan Ceibal administra integran fuentes de información relacionadas con la gestión escolar, la administración de las plataformas tecnológicas así como la utilización de numerosas herramientas y aplicaciones educativas. Este tsunami de datos es una cantera de valiosísima información para apoyar la educación.

Pensando en el grado de uso de las plataformas educativas que ofrece Plan Ceibal, es posible crear un indicador de “participación en línea” (engagement) como resultado del nivel de actividad e interacción de los propios estudiantes en dos plataformas: PAM (plataforma adaptativa de matemáticas) y CREA2 (learning management system). ¿Cuáles son los perfiles de “participación” de los sujetos? ¿Estos perfiles responden algún patrón de clasificación socio-económica o geográfica? ¿Cuál es el perfil de participación de los docentes en cada una de estas plataformas? ¿Se identifica consistencia en el tipo de uso de estas plataformas? ¿En qué medida es posible encontrar correlaciones entre el grado de “participación en línea” de los estudiantes y su participación (asistencia) en clases presenciales? Estas y otras interrogantes serán analizadas durante la presentación.

Más información:
http://fundacionceibal.edu.uy/
@cristobalcobo

Published in: Education

Hacia la construcción de un perfil en 360 grados de los usuarios del @Plan_Ceibal

  1. 1. Not everything that counts can be counted, and not everything that can be counted counts Einstein Hacia la construcción de un perfil en 360 ° de los usuarios del Plan Ceibal Learning Analytics @cristobalcobo @CecilMarconi @fundacionceibal
  2. 2. Learning Analytics: contexto New Media Consortium, & EDUCAUSE Learning Initiative. (2015). NMC Horizon Report: 2012 Higher Education Edition. Austin, TX: The New Media Consortium. Existe un creciente interés por incorporar nuevas fuentes de datos para personalizar la experiencia de aprendizaje; así como por adoptar evaluaciones formativas para evaluar aprendizaje. >> El interés por un "nuevo" campo de evaluación y aprendizaje.
  3. 3. : Construir experiencias pedagógicas más personalizadas; : Identificar poblaciones de estudiantes en riesgo; : Analizar factores que afectan completar exitosamente ciclo escolar
  4. 4. ¿Quién realiza esto?
  5. 5. NUEVOS PERFILES PROFESIONALES > ‘Data Scientist’: modelos de análisis se basan en numerosas suposiciones < los algoritmos no son neutros>
  6. 6. ¿Qué sabemos?
  7. 7. “un enfoque dinámico, longitudinal, de evaluaciones formativas asistida por ordenador son el mejor predictor para detectar estudiantes de bajo rendimiento (datos básicos LMS no predijeron aprendizaje). Tempelaar, D. T., Rienties, B., & Giesbers, B. (2015). In search for the most informative data for feedback generation: Learning Analytics in a data-rich context. Computers in Human Behavior, 47, 157-167. “En LA la unidad más básica de aprendizaje es la interacción (no hay consenso si F2F o VLE es más eficaz).” Agudo-Peregrina, Á. F., Iglesias-Pradas, S., Conde-González, M. Á., & Hernández-García, Á. (2014). Can we predict success from log data in VLEs? Classification of interactions for learning analytics and their relation with performance in VLE-supported F2F and online learning. Computers in Human Behavior, 31, 542-550. “Tiempo de estudio y regularidad de uso de LMS, interacción con pares y n° de descargas: factores claves para el logro académico”. Yu, T., & Jo, I. H. (2014, March). Educational technology approach toward learning analytics: Relationship between student online behavior and learning performance in higher education. In Proceedings of the Fourth International Conference on Learning Analytics and Knowledge (pp. 269-270). ACM. “variables que predicen mejora en rendimiento: interacción social/pertenencia; contexto SE, expectativa de estudiantes” Thammasiri, D., Delen, D., Meesad, P., & Kasap, N. (2014). A critical assessment of imbalanced class distribution problem: The case of predicting freshmen student attrition. Expert Systems with Applications, 41(2), 321-330.
  8. 8. ; ; Analíticas de Aprendizaje: o  Colección y análisis de los datos generados durante el proceso de aprendizaje. o  Comprender cómo se utiliza (patrones de uso).; 360°; Analíticas sólo centradas en resultados/logros, ignorando los procesos de enseñanza no resulta suficiente Gaševi , D., Dawson, S., & Siemens, G. (2015). Let’s not forget: Learning analytics are about learning. TechTrends, 59(1), 64-71.
  9. 9. Plan Ceibal - Uruguay:
  10. 10. By @cecilmarconi Fase I Entrega de Equipos y conectividad 2007-2015 Ciclo de Evolución del Plan Ceibal Fase II Desarrollo de Platafo rmas 2012 - 2015 Fase III Tecnologías como acelerador del aprendizaje 2014-2019 •  2016: •  Proceso de madurez en el uso de las plataformas (adaptación y adopción). •  Identificación de patrones de uso
  11. 11. o  ¿Cuáles son los perfiles de “participación”? ¿Se identifican patrones? o  ¿Existe correlación entre “patrones de uso de plataformas” y los aprendizaje (calificaciones)? o  ¿En qué medida es posible encontrar correlaciones entre el grado de “participación en línea” de los estudiantes y su participación (asistencia) en clases presenciales? hacia el perfil 360
  12. 12. ¿cuáles son las variables relevantes para elaborar un indicador de involucramiento? ¿Cuáles son los perfiles de “participación”? ¿Se identifican patrones?
  13. 13. 35% 65% estudiantes en línea •  Trazabilidad de datos. •  Grado de involucramiento de los estudiantes •  Proxy de otras competencias (habilidades blandas) ¿Cuáles son los perfiles de “participación”? ¿Se identifican patrones?
  14. 14. El docente como factor clave en el uso de plataformas: distribución de grupos según cobertura de acceso a la plataforma (CREA2) ¿Cuáles son los perfiles de “participación”? ¿Se identifican patrones?
  15. 15. ¿Existe correlación entre “patrones de uso de plataformas” y los aprendizaje (calificaciones)?
  16. 16. ¿Hay correlaciones entre el grado de “participación en línea” de los estudiantes y su participación (asistencia) en clases presenciales? uruguayestudia.uy
  17. 17. ¿Cuáles son los desafíos pendientes que plantea Learning Analytics?
  18. 18. Analíticas de aprendizaje: "tiene problemas para representar la naturaleza de las conexiones, entre los conjuntos de datos y personas." Necesitamos interpretaciones humanas.
  19. 19. Hay un conflicto entre crear modelos que proporcionan resultados fiables y elaborar modelos transparentes para los usuarios. OU es responsable de explicar (aclarar) cómo los sujetos se ven afectados por las aplicaciones de analítica de aprendizaje. Datos sensibles: • origen racial o étnico • creencias • discapacidad y otros (salud) • vida sexual. El uso de datos estudiantiles para fines de investigación han de ser aprobados por Comité de Ética de Investigación Humana (HREC).
  20. 20. Criterios a considerar 1.0: 1. Comienza con escalas pequeñas 2. El potencial es evidente, también las responsabilidades que implica 3. Incluir a los docentes en el diseño, análisis y explotación 4. Gobierno: Adopta estructuras abiertas del gobierno de learning analytics (conjuntos de datos, infraestructura técnica y intervenciones) 5. Conflictos: Minimizar posible conflictos (diferentes grupos de interés) sobre interpretación y uso de datos
  21. 21. Criterios a considerar 2.0: 6.  Anonimización: Puede ser imposible eliminar toda posibilidad de identificar a una persona sin reglas sobre el uso de archivos anónimizados. 7. Reduccionismo: El análisis de grandes volúmenes de datos puede contener información imprecisa sobre los individuos (ej: modelos incorrectos o observación parcial). 8. Propiedad de la información: Aspectos éticos y legales en acceso y uso de LA (informar usuario) Estamos en la infancia de Analíticas de Aprendizaje
  22. 22. fundacionceibal.edu.uy @fundacionceibal 1er Encuentro Internacional “Nuevas métricas y enfoques para la evaluación y la innovación en el aprendizaje” 15 de Abril de 2016 en la Sala de Actos del LATU
  23. 23. fundacionceibal.edu.uy @cristobalcobo @CecilMarconi

×