ACTIVIDAD 5 – DIMENSIONES DE INVESTIGACIÓN

INTRODUCCIÓN

Durante el proceso de desarrollo del curso «Learning Analytics Essentials» hemos llegado a un punto en el cual nos encontramos con una gran cantidad de datos caracterizados por su gran heterogeneidad y potencial valor. Más allá de la cantidad de datos en sí, y siguiendo a Metcalf et al. (2019) la capacidad de estos datos para forjar relaciones impredecibles, entre otras muchas características, los convierte en una herramienta que, considerando por otro lado las vicisitudes éticas al respecto, puede ser de gran uso para mejorar los contenidos, la calidad y el futuro del curso en el que estamos inmersos, tanto en el presente como para mejoras de cara a un futuro próximo.

A partir de una eficiente gestión de esta cantidad de datos almacenados, hemos considerado cinco dimensiones en las cuales centrar el foco del estudio de los datos para poder establecer conexiones y, así, obtener información interesante. Para que la información que nos brinda la gestión de los datos masivos pueda ser considerada útil ha de determinarse cómo utilizarla de manera adecuada, de acuerdo a unos objetivos claros y en un contexto adecuado para sacar provecho de esa información (Domínguez, 2018).

DIMENSIONES

1. LA CREACIÓN DE CONTENIDOS. Es conocida la diferencia existente entre las personas usuarias de las distintas redes sociales a la hora de medir cuánto contenido suben estos a la red. Desde usuarias que no suben nunca contenido a ninguna red social, pasando por aquellas que solo postean en ocasiones especiales (cumpleaños y demás efemérides), hasta aquellas personas que cuentan con una actividad vigorosa de creación de contenido o actualización de sus perfiles. Esta dimensión y su cruce con otros datos interesantes, como los niveles de interacción (puede darse el caso de alguien que no aporta apenas contenido, pero interactúa con gran frecuencia en contenidos ajenos) o los tiempos de conexión, nos pueden indicar valiosas características sobre el carácter del alumnado que podrían servir de guía a la hora, por ejemplo, de estimar quiénes tendrían mayores problemas con la exposición pública de un trabajo, etc.
2. FACTOR ECONÓMICO. Atendiendo a la procedencia, estudios anteriores, si se ha recibido o no beca, etcétera, se podrá conocer la importancia o el grado de interés concedido al curso por los diferentes alumnos y alumnas. Teniendo en cuenta la dificultad de obtener un becado para el desarrollo de estas actividades, se debería esperar un grado de implicación alto por parte de esta tipología de alumnado.
3. CONEXIÓN Y CALIDAD DE VIDA. El sueño y el descanso es un elemento esencial del potencial buen rendimiento del alumnado. Conociendo las horas de conexión y desconexión en las diversas redes sociales podremos establecer un patrón sobre el grado de descanso. Cuestiones sobre el rendimiento académico podrían verse directamente relacionadas con la calidad del sueño.
4. CURIOSIDAD. Con los datos sobre búsquedas en internet se puede conocer si, más allá de los contenidos del curso, el alumnado realiza por su cuenta exploraciones en contenidos relativos al mismo, si indaga en la búsqueda de más conocimiento y, en definitiva, si realmente está interesado en las diferentes materias cursadas.
5. DISPOSITIVO Y MOVILIDAD. Conociendo desde qué tipo de dispositivo y desde qué ubicaciones se realiza la conexión al curso podremos establecer mejoras en la manera en la que los contenidos son presentados al alumnado. Si, por ejemplo, los datos nos brindasen la información de que la gran mayoría del alumnado se conecta desde su smartphone y desde gran variedad de ubicaciones esto nos podría indicar que de debería ofrecer el material de una manera perfectamente amigable con este tipo de dispositivos y de una forma lo suficientemente fragmentada (división en capítulos, vídeos cortos, etc.) como para poder verla en cualquier momento y lugar sin tener que dejarla a medias.

Estas cinco dimensiones consideradas serían tan solo alguno de los ejemplos del vasto abanico de posibilidades que nos podría brindar un uso útil y eficiente de los datos. No debemos olvidar que partimos en todo momento con el objetivo siempre cristalino de convertir esos datos en información relevante para poder mejorar la calidad del curso, y con ello, mejorar la reputación y el nivel de nuestro sistema.

BIBLIOGRAFÍA

• Domínguez Figaredo, Daniel, Big Data, analítica del aprendizaje y educación basada en datos (Big Data, Learning Analytics & Data-driven Education) (February 15, 2018). Available at SSRN: https://ssrn.com/abstract=3124369 or http://dx.doi.org/10.2139/ssrn.3124369

• Metcalf, Jacob, Emily F. Keller, and danah boyd. 2019. “Perspectives on Big Data, Ethics, and Society.” Council for Big Data, Ethics, and Society. Accessed June 9, 2019. https://bdes.datasociety.net/council-output/perspectives-on-big-data-ethics-and-society/.