Este documento describe el uso de la analítica de datos en entornos de e-learning. Explica las ventajas del e-learning tanto para las instituciones educativas como para los estudiantes. Además, detalla las etapas de un proceso de análisis de datos, incluyendo la necesidad, obtención, limpieza, exploración y análisis de datos. Finalmente, discute la importancia de tomar decisiones basadas en datos para mejorar la educación y optimizar los recursos.

1. Analítica de Datos en
Instituciones Educativas II
Carlos Massuh

2. 3. INTERPRETACIÓN DE DATOS EN
EL E-LEARNING

3. 3.1 e-learning
• “una enseñanza apoyada en las
tecnologías de la información y la
comunicación donde no es necesario
el encuentro físico entre profesores
y alumnos y cuyo objetivo es
posibilitar un aprendizaje flexible (a
cualquier hora y cualquier lugar),
interactivo (con comunicaciones
síncronas y asíncronas) y centrado
en el alumno” (Martínez-Caro, 2005)
Esta foto de Autor desconocido está bajo licencia CC BY-SA

4. Ventajas
para las IE
- Reduce en gran medida el coste respecto a la formación tradicional. -
Permite un fácil acceso a la formación y actualización del personal del centro.
- Crea hábitos de uso de nuevas tecnologías, que son aplicables
posteriormente en el trabajo diario.
- Genera una cultura digital, que trasforma la comunicación y relaciones
internas y externas, favoreciendo cambios organizativos y metodológicos. -
Permite al centro educativo ofertar formación sin las dificultades que
suponen los desplazamientos, alojamientos…de los alumnos. - Permite al
centro ampliar su oferta de formación a aquellas personas o trabajadores que
no pueden acceder a sus cursos presenciales.

5. Ventajas
para los
estudiantes
- Acceso en cualquier
momento y en cualquier
lugar. Disponibilidad del
contenido 24-7.
- Acceso a una amplia
oferta formativa al superar
las barreras geográficas.
- Agilidad en la
comunicación.
- Personalización del
aprendizaje (contenidos,
ritmos de aprendizaje,
tutorías personalizadas…).
- Mayor interacción entre
participantes y profesores. -
Desarrollo de la formación
en entornos colaborativos y
dinámicos.

6. 3.2 Interpretación
de datos en el e-
learning

7. La interpretación de datos en el
e-learning se refiere al conjunto
de técnicas utilizadas para
extraer información útil a partir
de un conjunto de datos relativos
a la actividad educativa.
El principal objetivo de esta
interpretación es la obtención de
conclusiones útiles para el centro

8. Existen dos tipos de motivaciones para el uso
de analítica de datos en e-Learning:
• - Diseñar planes de estudio personalizados, con
itinerarios diferentes para cada alumno que ofrezcan
una formación adaptada y aumenten su motivación.
• - Predecir el desempeño futuro de los alumnos.
• - Detectar con antelación posibles casos de abandono.
• - Mejorar la compresión y el aprendizaje.
• - Decidir qué contenidos son relevantes para un
estudiante.
• - Mejorar los materiales formativos.
Educativas:
Intentan mejorar
el impacto de la
educación online
y el rendimiento
de los
estudiantes, por
ejemplo:

9. • - Ayudar en la elección de los
estudiantes a los que va destinada
cada oferta educativa.
• - Reducir los costes de los
procesos optimizando los
recursos educativos.
Económicas:
Intentan mejorar
el retorno de la
inversión de las
diferentes
iniciativas
educativas, por
ejemplo:

10. El análisis de datos
en el e-Learning
implica el uso de
técnicas avanzadas
(data science) a
partir de información
obtenida de
diferentes fuentes.
Las más utilizadas
son las siguientes:
Registros de actividad del alumnado: toda la
actividad de los alumnos con los diversos
materiales educativos es almacenada en los
sistemas de gestión del centro (LMS).
Registros de evaluación del alumnado:
igualmente todos los resultados obtenidos
por cada alumno son almacenados en el
sistema de gestión del centro.
Información del perfil del usuario: se
registran todos los aspectos que pueden ser
de utilidad en la etapa educativa del alumno.

12. Existen cuatro tipos de analíticas:
Descriptivas:
• Ofrecen una visión del
pasado y permiten
mejorar futuros
procesos educativos.
Diagnóstica
• Analiza las
caractetiticas de la
informacipon
educativa
Predictivas:
• Realizan predicciones
sobre los diferentes
resultados de los
procesos formativos
en curso y permiten
adoptar acciones
proactivas que
mejoren estos
procesos.
Prescriptivas:
• Analiza los datos para
encontrar cuál es la
mejor solución entre
una gama de
variantes. Su objetivo
es optimizar recursos
y aumentar la
eficiencia operativa.
Usa técnicas de
simulación y
optimización,
señalando cuál es el
camino que conviene
elegir.

13. 3.3 Etapas
de un
proceso de
análisis de
datos
1. Necesidad: En esta etapa se define el
objetivo del proyecto.
2. Obtención de datos: se definen las
fuentes y los tipos de datos y se
procede a su obtención.
3. Limpieza de datos: se homogenizan,
se eliminan los duplicados, los errores y
se almacenan las más útiles. A partir de
este punto nos encontraríamos en el
proceso de análisis de datos
propiamente dicho.
4. Exploración: utilizando la estadística
descriptiva se traducen los datos a
gráficos y características que se puedan
interpretar.
5. Análisis: se examinan los resultados
obtenidos. Hay muchas herramientas
para ello: el contraste de hipótesis, la
correlación, modelos estadísticos
causa-efecto, algoritmos de regresión y
clasificación. Y técnicas como el
clustering, la reducción dimensional o
las reglas de asociación entre otras.
6. Conclusión: se interpretan los
resultados del análisis y se extraen las
conclusiones necesarias para la toma
de decisiones.

14. Hay diferentes
modelos desarrollados
para el análisis de
datos en el e-Learning.
• Qué: los datos concretos que se
recogen y cuáles de ellos se
pueden usar en el análisis.
• Quién: individuos que forman la
población objetiva de cara al
análisis.
• Por qué: cuáles son los objetivos
que se pretenden lograr.
• Cómo: forma en que se realiza el
análisis de los datos.
Universidad Técnica de Aquisgrán

16. 3.4 El Big data
en la
educación
Esta foto de Autor desconocido está bajo licencia CC BY

17. Big Data
Consiste en la recogida y tratamiento de grandes volúmenes de datos
que serían imposibles de procesar mediante herramientas estadísticas
tradicionales o bases de datos relacionales.
La recogida de datos masivos no otorga ninguna ventaja en sí misma;
es el análisis de dicha información lo que permite mejorar la toma de
decisiones para obtener beneficios aplicables al mundo real.

18. Big Data en
la educación ANALÍTICA DE APRENDIZAJE O
LEARNING ANALYTICS.
CON BASE EN LA MINERÍA DE DATOS O
EDUCATIONAL DATA MINING Y LA BÚSQUEDA
DE PATRONES SE RECOPILA Y ANALIZA
INFORMACIÓN SOBRE LOS ESTUDIANTES, LO
QUE POSIBILITA UNA MAYOR COMPRENSIÓN
DE SU ENTORNO Y NECESIDADES, CON LA
FINALIDAD DE OPTIMIZAR EL APRENDIZAJE.

19. 3.5 Ventajas e inconvenientes de la interpretación de datos en el ámbito educativo
- Recopilar información en tiempo real
de cada estudiante. Dentro de esta
información podemos incluir resultados
académicos, uso de plataforma y
recursos educativos (tiempo de
permanencia, documentos abiertos,
descargas de archivos, visualizaciones
de vídeos…), faltas de asistencia, etc.
- Analizar el rendimiento de cada
alumno, detectando en qué materias
destacan más y en cuáles tienen más
problemas. Esto permite determinar en
qué actividades tienen más
posibilidades de destacar en el futuro.
- Conocer la manera en que los
estudiantes utilizan los diferentes
recursos educativos, y qué técnicas o
métodos tienen más éxito y obtienen
mejores resultados. Por ejemplo, si
prefieren los contenidos teóricos o las
lecciones prácticas.
- Detectar qué aspectos de los
contenidos, herramientas o plataformas
de enseñanza es necesario mejorar para
optimizar el aprendizaje de los alumnos
y fomentar su interés por las materias.
- Ofrecer a los docentes herramientas
de formación actualizadas que les
permitan crecer como profesionales y
orientar sus métodos y técnicas de
enseñanza a los nuevos modelos
educativos.
- Fomentar el uso del análisis de datos
en la educación online también permite
optimizar la formación a distancia.

20. Riesgos asociados al uso de la analítica de datos en la
educación podemos destacar:
Las discriminaciones que se pueden producir al basar sólo en datos las posibles decisiones, dejando de lado el
trato personal que posibilita descubrir motivaciones intrínsecas o alicientes que podrían modificar para mejor
la conducta del alumno.
•Unido a esto existe el peligro de diseñar modelos de enseñanza basados únicamente en datos, que no tengan en cuenta circunstancias
personales y que dejen de lado la función del profesorado como educadores.
La obtención de información debe sin vulnerar el derecho a la privacidad y respetando las normativa de
protección de datos, especialmente en lo referente a los menores de edad.
Se pueden producir ciertas reticencias por parte de los trabajadores del centro, tanto docentes como no
docentes, a trabajar con este tipo de herramientas analíticas. Por tanto es muy importante la formación de
estos trabajadores para facilitar su adaptación al uso de las nuevas tecnologías en general y al análisis de datos
en particular.

21. 4. TOMA DE
DECISIONES Y
ANALÍTICA DE
DATOS

22. • La toma de decisiones basadas en los
datos se define como la utilización de
hechos, métricas y datos para tomar
decisiones estratégicas dirigidas a la
consecución de los objetivos y las
iniciativas de una organización. Cuando
un centro educativo aprovecha al
máximo el valor de sus datos, todos sus
trabajadores tienen la capacidad de
tomar mejores decisiones.
• Sin embargo, esto no se logra
simplemente eligiendo la tecnología de
análisis adecuada que permita identificar
la próxima oportunidad estratégica.

23. 4.2 La importancia de la toma de
decisiones basadas en los datos
Actualmente, la cantidad de información que recopilan los centros educativos es
más grande que nunca, pero también más compleja. Por ese motivo, los centros
tienen dificultades a la hora de administrar y analizar sus datos.
Sin embargo, un correcto análisis de datos permite, a las empresas en general y
a los centros educativos en particular, mejorar su eficiencia operativa: facilita la
automatización de proyectos, optimiza sus estrategias de venta y sus recursos y
además reduce sus errores de planteamiento y sus pronósticos.
Todo esto redunda en toma de decisiones más acertadas, lo que tiene una
importancia capital para las organizaciones.

24. 4. 3.
Requisitos
previos a
la toma de
decisiones
basadas en
datos
1. Inversión en conectividad y sistematización de datos: La
información solo será útil si puede ser analizada correctamente e
integrada en las distintas áreas de la organización.
2. La predicción de escenarios favorables: la analítica de datos
permite a una organización predecir cuáles serán las condiciones
óptimas para un proyecto, o bien cuáles serán las reacciones de un
cliente hacia un nuevo o posible producto.
3. Cambio de cultura: de nada serviría tener el análisis de datos a
disposición si los directivos continúan con una forma tradicional
de pensar, en la que solo toman la información como una segunda
opción a consultar. A esto debemos añadirle el fomento del
aprendizaje y la formación de los trabajadores del centro en
herramientas y técnicas analíticas.

25. 4. Herramientas para la toma de decisiones
Matriz de
decisión
Tabla
comparativa
Árbol decisión
Sistema multi-
votación
Análisis de
Pareto
Análisis costo-
beneficio
Análisis de
conjunto
Análisis DAFO Análisis Pest

26. 5.
Ventajas
de la
toma de
decisiones
a partir
de la
analítica
de datos
Mayor conocimiento del
comportamiento de los
clientes/alumnos y sus
hábitos.
· Identificar oportunidades
e innovar, mejorando la
oferta educativa.
· Mejora de la toma de
decisiones en todos los
sectores vinculados a la
satisfacción de la demanda
y el retorno de la inversión.
· Visualización del
rendimiento de los
trabajadores.
· Mejores estrategias de
marketing y oferta para
mejorar los ingresos y la
relación con el público
objetivo.
· Mejor aprovechamiento
de los recursos.
· Mayor control de los
riesgos, gastos y posibles
amenazas.

27. • Analítica de Datos en
Centros Educativos
• campus.ucavila.es