Blogs de Festeros.es

Hoy, dos años y medio después de su nacimiento, ProFuturo es ya un actor relevante y consolidado, en términos de educación de calidad. Su misión: mejorar la enseñanza y el aprendizaje a través del análisis de datos. Conozcamos más a fondo su actividad de análisis de la mano de Paula Valverde, directora de producto de ProFuturo.

?Es el momento para que la analítica de datos y la Inteligencia Artificial ayuden a transformar la educación, mejorando la enseñanza y el aprendizaje?

1. ¿En qué consiste exactamente vuestra iniciativa de analítica de datos en ProFuturo?

En ProFuturo queremos personalizar la educación. De ahí que trabajemos con datos que nos permitan tomar decisiones sobre nuestra solución educativa digital. En concreto, este proyecto se enfoca en medir los resultados y el impacto educativo de nuestro programa, desarrollando herramientas analíticas. Nuestra aspiración es desarrollar un ?algoritmo de la calidad educativa? que ayude en la mejora de la enseñanza y el aprendizaje a través de la analítica del aprendizaje, lo que denominamos "Learning Analytics"

En la práctica, estamos construyendo una red de datos de educación a nivel global, gracias a la presencia de ProFuturo en 28 países en Latinoamérica, África Subsahariana y Asia, donde ya estamos evaluando y midiendo, con analítica de datos, diferentes conceptos educativos. Esto nos sitúa como un banco de pruebas único a nivel global. Contamos con un modelo basado en evidencias que nos permite testear la escalabilidad y contribuir a reducir la brecha de datos educativos a nivel mundial.

2. Es la unidad de datos de Telefónica, LUCA, quien os está ayudando en este tema, ¿cuál es el porqué de esta colaboración y qué os aportáis mutuamente?

ProFuturo forma parte del programa ?Big Data for Social Good? de LUCA. Además de trabajar juntos para mejorar la sociedad a través de los datos, LUCA nos ha ayudado a transformar ProFuturo hacia un programa "data-driven", de forma que en nuestro día a día ya tomamos decisiones basadas en los datos.

Además de la colaboración con LUCA, hemos creado la Cátedra Telefónica con la Universidad Pontificia de Salamanca (UPSA), para la investigación, desarrollo y aplicación de tecnologías de análisis de datos en proyectos educativos en entornos vulnerables.

El uso de analítica de datos en educación es bastante reciente comparado con otras industrias (y siempre a pequeña escala) y nuestra vocación en esta colaboración es ser pioneros en la aplicación de la analítica del aprendizaje (Learning Analytics) en escala.

3. ¿Qué tipo de datos estáis buscando y de qué manera se recaban?

La solución educativa digital nos proporciona datos de forma continua, tanto del desarrollo profesional docente, como de la experiencia del aula. Recabamos datos, por ejemplo, cada vez que una niña completa una actividad con éxito, o un docente crea una clase. También podemos saber qué contenidos se utilizan más, etc. A toda esta información, añadimos datos sobre el contexto económico y educativo, sobre las infraestructuras, etc., además de la información de contexto que proviene de datos abiertos y de nuestros equipos en el terreno.

El reto de ProFuturo es cómo recoger esos datos cuando el 90% de nuestras escuelas se encuentran en entornos sin conectividad o conectividad limitada a Internet, y lo hemos conseguido aplicando innovación en cada parte de la solución educativa digital. De forma adicional, seguimos colaborando con otras iniciativas de Telefónica para que la conectividad no sea una limitación (contamos con un proyecto piloto en Perú en colaboración con la iniciativa ?Internet para Todos?).

Además, es esencial asegurar la calidad de los datos, área en la que hemos invertido muchos recursos en este último año (y que representa un 50% del éxito y esfuerzo de un buen proyecto de analítica de datos).

4. ¿Qué queréis lograr? ¿Cuál es vuestro objetivo con esta minería de los datos?

No solo hacemos minería de datos (data mining), sino que aplicamos también analítica del aprendizaje (Learning Analytics), aprendizaje automático (machine Learning) y cualquier método de Inteligencia Artificial (AI) en nuestro programa.

La analítica de datos en ProFuturo beneficiará a múltiples actores. Los docentes podrán personalizar el aprendizaje de sus alumnos, al tiempo que evalúan su propio rendimiento, con el fin de mejorar así su labor profesional; los alumnos podrán conocer mejor sus fortalezas y saber en qué necesitan mejorar; los investigadores utilizarán esta información para validar nuevas técnicas educativas; las familias podrán acceder a información clave que les permita decidir qué acciones llevar a cabo para apoyar a sus hijos; y los responsables políticos podrán identificar dónde están las lagunas educativas y diseñar estrategias educativas más apropiadas. ?

5. ¿Cómo se desarrollan los algoritmos educativos y para qué sirven?

Antes de desarrollar un algoritmo hay que definir las preguntas correctas. Por ejemplo, ¿qué acciones de los estudiantes indican satisfacción, participación, progreso de aprendizaje, etc.? ¿Cuándo están listos los estudiantes para pasar al siguiente tema? ¿Qué acciones de los estudiantes están asociadas con más aprendizaje? ¿Qué secuencia de temas es más efectiva para un estudiante específico?

El siguiente paso es seleccionar qué conjunto de datos se utilizarán como variables. Con eso se diseña el algoritmo, que es la lógica con la que se combinan esos datos para responder a cuestiones educativas.

Por hacer un símil con la cocina, podemos decir que estamos creando la receta (algoritmo) y eligiendo los ingredientes (datos) para crear nuevos platos (ej. medir la asimilación del conocimiento).

6. ¿Qué tenéis ya desarrollado? ¿Qué tipo de analítica estáis aplicando?

En analítica descriptiva, para saber ?qué ocurre?, tenemos ya disponible y en uso un panel de mando de ProFuturo, donde, además de información operativa e indicadores de negocio, se están generando los primeros resultados de uso educativo de la solución educativa digital, como, por ejemplo, tiempo de permanencia en la plataforma, número y tipo de estudiantes que la usan, contenidos educativos más utilizados, promedio de actividades por niño?

Estamos analizando por qué ocurren ciertas tendencias, patrones o anomalías, y hemos tomado decisiones sobre, entre otros temas, la mejora en utilidad y usabilidad de nuestra solución, la mejora de procesos operativos, o la tipología y modelo de contenidos educativos más apropiados.

Ahora nos encontramos en la fase más interesante: aplicando analítica avanzada, tanto predictiva (para adelantarnos a qué ocurrirá?), como prescriptiva (para saber ?qué hacer para que ocurra?).

Por ejemplo, fruto de la colaboración con la UPSA y LUCA, estamos desarrollando un Asistente Personal para el docente (Teacher Assistant), una aplicación que ofrecerá al docente la información sobre si un niño se está quedando rezagado, o incluso si se quedará atrás en un área concreta, ofreciendo alternativas para aplicar un aprendizaje personalizado, así como la posibilidad de lanzar más retos a los niños que van o irán más adelantados.