La analítica predictiva para mejorar el éxito del estudiante

Leonardo Tissot
Leonardo Tissot
30/01/18
Ajuste el
tamaño del texto+

¿Por qué es importante? Con la analítica predictiva, las instituciones educativas pueden tomar decisiones a partir de bases sólidas e idear soluciones beneficiosas para toda la comunidad educativa.

La noción de predecir el futuro (ya sea de un período corto o largo) siempre ha sido muy atractiva. Sin embargo, ¿sabía usted que esto es posible? Y no sólo eso, ¿sabía usted que además se ha implementado exitosamente en áreas como finanzas, salud y particularmente en la educación superior? A continuación, le explicamos cómo al adoptar la analítica predictiva, esta puede ayudarlo a alcanzar mejores resultados tanto en experiencias para los estudiantes como en beneficios financieros.

Ilustración Qué debe saber antes de embarcarse en el viaje de la analítica predictivaQué debe saber antes de embarcarse en el viaje de la analítica predictiva

  • Primero debe comprender la definición de éxito del estudiante dentro de su institución, puesto que solo así podrá fijar los objetivos de su predicción. Por ejemplo, debería identificar qué características específicas de un estudiante quiere predecir y cómo utilizará esa información.

Ilustración Beneficios de la analítica predictiva en la educación

Beneficios de la analítica predictiva en la educación

  • Identificar estudiantes en riesgo es un uso muy frecuente de la Analítica predictiva del aprendizaje.
  • Crear modelos de retención o calificación estudiantil basados en factores demográficos, para identificar grupos de estudiantes que no están recibiendo la ayuda apropiada.
  • Desarrollar modelos de éxito del estudiante relacionados con: empleo luego de la graduación, niveles de participación o la capacidad de motivarse y monitorear por si mismos su aprendizaje a largo plazo.
  • Predecir procesos de aprendizaje y participación.
  • Usar el sistema para identificar estudiantes que pueden mejorar y ayudarlos a pasar de “buenos” a “excelentes” estudiantes.

Las herramientas de analítica predictiva del aprendizaje le suministran los datos necesarios para mejorar tanto la experiencia de aprendizaje del estudiante como los resultados financieros.

Ilustración Dónde empezar: buenas fuentes para predicciones

Dónde empezar: buenas fuentes para predicciones

  • Información sobre las habilidades o logros previos de los estudiantes (puntajes en la prueba SAT, promedio de bachillerato, etc.).
  • Detalles de su actividad general (como asistencia a clases, uso de LMS, calificaciones en asignaciones entregadas, entre otros).
  • Características de su ambiente de aprendizaje (mención, tamaño de clase, etc.).
  • Información demográfica como sexo, raza y antecedentes familiares, entre otros. Sin embargo, se debe tener cuidado con esta información para no introducir sesgos en el modelo.
  • Una vez recogida esta información, se puede construir un modelo que muestre las relaciones entre los predictores y el objetivo de tal predicción, para luego aplicarlo con estudiantes nuevos. Los datos conocidos se pueden implementar para reducir las posibilidades de que un estudiante abandone sus estudios u obtenga una baja calificación, por ejemplo.

Ilustración A dónde podrá llegar con la analítica predictiva

A dónde podrá llegar con la analítica predictiva

  • Incrementará el éxito del estudiante en su institución. Más específicamente, aumentará el número de estudiantes que potencialmente completarán sus estudios.
  • Creará beneficios financieros para las instituciones y los estudiantes, puesto que hay una tendencia a disminuir la tasa de abandono (lo cual implica menos pérdidas por concepto de matrícula para las instituciones y mayores probabilidades de tener una carrera profesional económicamente exitosa para los estudiantes). De hecho, investigar sistemas y procesos puede generar un mayor rendimiento financiero.
  • Mejorará la experiencia de aprendizaje de los alumnos.
  • Se alcanzará el éxito del estudiante con más frecuencia. Las aplicaciones estudiantiles pueden ofrecer a los estudiantes información sobre sus niveles de participación y ayudarles a escoger cursos en los que la predicción les augura éxito.

Ilustración Analítica predictiva: un viaje sin fin

Analítica predictiva: un viaje sin fin

  • La analítica predictiva siempre debe ir acompañada de un seguimiento eficaz: por ejemplo, si se genera una alarma de riesgo académico y se lleva a cabo una intervención, la institución debe examinar a fondo los resultados obtenidos.
  • Implementar un mecanismo de retroalimentación que ajuste y mejore el algoritmo de predicción también es clave, pues no hacerlo crearía el riesgo de perpetuar sesgos e ineficiencias.
Infografías

Una guía básica de conceptos sobre la Analítica del Aprendizaje

Ilustración cierre

Alyssa Friend Wise, profesora adjunta de Ciencias del Aprendizaje y Tecnología de la Educación en New York University.

Dragan Gasevic, profesor en la Escuela de Educación Moray House y la Escuela de Informática de University of Edinburgh.

Niall Sclater, consultor de tecnologías de la información.

Xavier Ochoa, profesor de la Facultad de Ingeniería Eléctrica y en Computación y director del Centro de Tecnologías de la Información en la Escuela Superior Politécnica del Litoral, en Ecuador.

Ilustraciones:

Triibu Estudio 

Fin de los comentarios