Presentación:"Analíticas de aprendizajes, tecnología y pedagogía" (Cecilia Marconi, Plan Ceibal)

1. Cecilia Marconi| @CecilMarconi | cmarconi@ceibal.edu.uy
MayéuTic@ 2016
18 Octubre 2016, Lima - Perú
Analíticas de aprendizajes,
tecnología y pedagogía

2. Bajos niveles de
inversión en Capital
Humano
Desigualdad de
oportunidades
Baja
flexibilidad
para adaptarse
a cambios
Baja
eficiencia
Altas tasas de repetición
Deserción escolar > Fecundidad adolescente
Desvinculación de jóvenes del mundo educativo y laboral
Baja
productividad
Contexto de integración de TICs en educación en América Latina
Desafíos del sistema educativo
Calidad de los aprendizajes

3. Naturaleza de Plan Ceibal
Nuestro trabajo es con el sistema educativo.
Fortaleciendo y acelerando los procesos de enseñanza.

4. Plan Ceibal: mucho más que entrega de laptops
• Inclusión Social
• Igualdad de Oportunidades
• Enseñanza y aprendizaje
+700.000
Usuarios con laptops y tablets

5. Pensamiento
Critico
Objetivo: Estudiantes con las competencias del Siglo XXI
Ciudadanía
Creatividad
Colaboración
Carácter
Comunicación

6. Contenido Educativo Digital
Educational Resources
On-line EvaluationDigital libraryLMS
Teaching English
Math Adaptive
Platform
Progamming
Robotics & digital labs

7. ¿Qué tipo de datos se generan?

8. Matriz de datos
Sistema de
Información central de
Ceibal (CRM)
Fuente Dimensión Variables
Características
sociodemográficas de los
usuarios
Infraestructura física
desplegada
Acceso a Internet/modalidad
ID Dispositivo
Modelo de laptop
Fecha de entrega
Ticket Tracking
Fecha de rotura/OT
Tipo de rotura
Edad
Sexo
Contexto sociocultural
Area geográfica
Soporte técnico
Rol

9. Matriz de datos
Monitoreo de
performance de Red
Fuente Dimensión Variables
Tráfico de internet
Tráfico de Videoconferencia
# Conexiones de usuarios
Disponibilidad de la red (hs)
Hardward conectividad
Análisis de performance de la
infraestructura en los
centros educativos

10. Matriz de datos
Fuente Dimensión Variables
School
Servers Logs
Tracker System
Usos del dispositivo
Tiempo de uso
Aplicaciones
Actividades en internet
Performance
Internet
Sistema operativo
Cantidad de usuarios

11. Matriz de datos
Fuente Dimensión Variables
Performance
Area temática
#Ejercicios completos
#Ejercicios correctos
Tiempo de uso
Trabajo autónomo/guiado
Sistema de inglés
Aprendizajes
Asignación docente
Docente Remoto a cargo
Instituto asignado
Clases por Videoconferencia
Performance
Test adaptativo informático (TAI)
VRG/Listening. Writing
Learning Management
System
Plataforma adaptativa
en matemática
Evaluación en línea
Comentarios posteados
Submissions
Usuarios logueados/activos
Archivos subidos
IP adress

12. ¿Cuál es el objetivo?
A partir del uso avanzado de técnicas analíticas, entender y
apoyar el proceso de enseñanza y aprendizaje, adaptar
contenidos, recursos y soporte a efectos de ampliar los
logros alcanzados por los estudiantes en materia de
aprendizajes y desarrollo de competencias.

13. Innovación transversal
en los procesos
Mayor eficiencia
+Tiempo pedagógico
Patrones de comportamientos
Clusterización de perfiles de estudiantes-docentes.
Seguimiento de los aprendizajes
Sistemas de alerta temprana
Analítica predictiva: Identificación de estudiantes en riesgo de desafiliación,
rezago en los cursos
Sistemas adaptativos
Algoritmia adaptativa para personalizar los procesos de
aprendizajes (ej. contenidos y sistemas de evaluación)
Gestión educativa: mejorar la gestión administrativa y académica
Construir trayectorias educativas
El potencial de las analíticas permite:

14. Apoyo Institucional y
Político
Capacidades técnicas y
humanas
‘Data Literacy’ de actores
educativos
Calidad de los datos:
‘missing is not at random’
Desafíos a enfrentar para una implementación exitosa
Revertir la visión de
amenaza en oportunidad
Difusión de la información
Protección de datos personales
Pocos antecedentes de experiencias
de analíticas de aprendizaje en
educación primaria y media

15. ¿Cómo podemos integrar las diferentes
fuentes de datos de una manera mas
comprensiva y significativa?
Unstructred
Data
Structured
Data
Business
Inteligence
Learning
Analytics
Algunos avances….
Consultoría especializada en Protección de Datos

16. Algunos estudios y análisis realizados
Asociación estadística
Inferencia causal

17. http://www.fundacionceibal.edu.uy/en/news/learninganalytics-education-edtech-and-bigdata-challenging-attractive-opportunity
Próximas preguntas:
• Correlación [uso PAM,
Aprendizajes]
• Clusters de docentes.
Comparación de medias
entre t0 y t1, según área
geográfica
H0) Cuanto mayor es la capacidad de la red de conectividad, mayor
es la intensidad de uso de PAM#1

18. ¿Cuáles son los perfiles de “participación” en CREA2 (LMS)? ¿Se identifican
patrones?#2
Histogramas de la cobertura intra-grupo de acceso y
actividad a CREA2

19. #3 Laptops-survival analysis. Estudio sobre la incidencia de las características
sociodemográficas de los estudiantes en el tiempo de sobrevivencia de las
XO
La tasa de riesgo en los contextos "Muy Desfavorable” es 49% superior a un alumno de contexto "Muy Favorable”

20. #4
Encuestas en línea:
-Docentes de aula
-Remote Teachers
-Estudiantes
-Directores
-
Datos Administrativos
¿Cómo podemos maximizar el impacto del Programa Ceibal en Inglés?
Estudio sobre la calidad docente: características y practicas, interacciones
en la clase y aprendizajes
Observación videos de
clase
Segunda Fase:
Factors explicativos
(Independents variables)
Outcome
(Dependet variables)
Asignación Aleatoria:
Institutos - Escuelas
Remote Teachers - Grupos
STUDENT PERFORMANCE
Evaluación adaptativa de
aprendizajes de inglés
Primera Fase: Tercera Fase:
?
LMS Data (CREA2)

21. Próximos pasos….
Crear capacidades técnicas y humanas a efectos de
desarrollar el área de Learning Analytics
Generar redes de trabajo con Universidades, Instituciones, Expertos e
Investigadores de manera de trabajar colaborativamente
Desarrollo de nuevas métricas.
Implementación de soluciones tecnólogicas

22. Cecilia Marconi| @CecilMarconi | cmarconi@ceibal.edu.uy
Muchas Gracias!