Introducción
Vivimos en una sociedad en donde todo y todos estamos conectados. Es por ello que, el incremento del uso de las nuevas tecnologías, ha hecho que la sociedad se haya habituado a obtener respuestas de manera instantánea a cualquier interrogante que se le pueda plantear a sus miembros.
Pero este uso puede resultar muy provechoso si se realiza de manera correcta. Las instituciones educacionales esbozan un pequeño camino hacia la actualización de los servicios que ofrecen y, poco a poco, incorporan la tecnología en el proceso educativo. Pero no sólo son un medio para llegar al conocimiento que abarca la enseñanza formal y tradicional, sino que los recursos de interconexión de los que disponen, han creado una forma diferente de entender conceptos y adquirir contenidos. Cada uno de los miembros de nuestra sociedad está vinculado con el resto mediante la tecnología, por lo que unos con otros colaboramos para transmitir y compartir conocimiento.
La gran mayoría de las personas tiene acceso diariamente a información en cualquier momento y lugar (de manera ubicua), interactuando con otros y creando, a su vez, redes interconectadas de conocimiento, cada vez más complejas porque se aumentan las fuentes de las que parten los contenidos.
La educación es (y ha sido siempre) uno de los pilares fundamentales que se ha utilizado para ofrecer equidad para todos; se podría pensar entonces que todos los estudiantes que se encuentren dentro del mismo sistema educativo, estarán en igualdad de oportunidades y probabilidades de tener éxito en la futura vida laboral (Enguita, 2013). Pero, como bien sabemos, esto no ocurre siempre así, ya que han surgido barreras como la discriminación étnica, la falta de recursos y la segregación escolar, que han hecho que algunos miembros de la sociedad “se beneficien” de ello. Estas desigualdades son más visibles en los países más desarrollados. El artículo que estamos analizando “Data and Civil Rights: Education Primer” pone de ejemplo un país como es Estados Unidos, donde, al convivir muchos millones de personas, existen numerosas situaciones de discriminación. Es por ello que se plantea introducir herramientas de minería de datos y tecnología para encontrar un sistema personalizado de educación y conseguir reducir las diferencias y desigualdades que existen entre las personas en dicho país.
Discriminación en la educación
Actualmente, muchos docentes se preocupan de que sus alumnos reciban la mejor educación por su parte, pero, en ocasiones, algunos de ellos, se dedican a impartir el temario propuesto para cada materia, sin pensar en las necesidades de cada persona, especialmente, si se trata de niños pequeños. Cada uno de ellos tiene unas necesidades concretas y específicas que le permiten adquirir conocimientos, pero no siempre es fácil de averiguar cuáles son. Por eso es conveniente detectar tales dificultades lo antes posible para intentar paliar cualquier tipo de discriminación racial futura.
En edades más avanzadas, la situación producida es realmente preocupante para la sociedad estadounidense, ya que, aspectos como la diferenciación entre el número de graduados de raza negra y blanca, la segregación entre blancos y latinos, la falta de recursos de algunas escuelas y/o instituciones públicas y la disciplina escolar no ejercida equitativamente, hacen que esta discriminación racial haya ido in crescendo (Alarcón et al, 2014).
A lo comentado en el párrafo anterior se le suma la clase social a la que pertenece el individuo y el nivel socio-económico y cultural de su familia. Por poner un ejemplo, una familia que pueda permitirse que sus hijos vayan a colegios de un mayor prestigio, le permitirá también acceder a estudios superiores más reconocidos y conseguir un puesto laboral más ambicioso. ¿Acaso una persona totalmente válida no puede acceder a esos puestos por el simple hecho de proceder de una familia humilde? Nos encontramos entonces ante una situación de discriminación social que se forja desde pequeños.
Otro ejemplo claro es el nivel cultural de los padres. Tendemos a pensar que si unos padres han recibido una educación de calidad y se sienten atraídos por la cultura en general (por ejemplo, leyendo y enriqueciendo sus conocimientos), hay más posibilidades de que transmitan dichos conocimientos a generaciones futuras y les ayuden con sus tareas escolares (Bourdieu, Inda y Beneitez, 2001). Cierto es que, en ocasiones, los padres de origen más humilde, cuyo nivel cultural es inferior, también desean ver el éxito en sus hijos y les proporcionan lo que ellos consideran lo mejor, dentro de sus posibilidades.
Me gustaría acabar este apartado con dos enlaces que pueden resultar de interés:
En primer lugar, y al hilo de lo que acabamos de comentar, muestro un vídeo en el que se explica la influencia de los padres en el desarrollo cultural de los hijos en Francia, la influencia que tiene la escuela en la manera de ser de los niños y cómo puede contribuir en el desarrollo escolar el pertenecer a una clase favorecida. Todo ello se trata a través de dos libros de Pierre Bourdieu y Jean Claude Passeron: “Les héritiers” y “La reproduction”. Como se puede apreciar, aunque el artículo a analizar se desarrolle en Estados Unidos, en países como Francia también nos encontramos esta situación:
A continuación, una noticia que habla de la segregación en Estados Unidos, por la falta de recursos existentes en algunos colegios del país, que viene desde los años 60. Han pasado casi 60 años y todavía no se ha solucionado ese aspecto. Por tanto, cabe preguntarnos: ¿no es posible hacer nada al respecto? ¿O resulta mucho más cómodo seguir como hasta ahora? ¿Qué intereses ocultos hay? …
Educación controlada por datos
Como hemos comentado en la introducción, actualmente, se está llevando a cabo el comienzo de un largo proceso de personalización de la educación. Los autores del artículo (Alarcón et al, 2014) muestran que es posible llegar a ese objetivo gracias al análisis de datos y las herramientas utilizadas para ello, como puede ser la minería de datos. Esto nos permitirá maximizar los recursos y utilizarlos de una manera adecuada, de tal forma que la educación sea también accesible para todos los bolsillos, incluso para personas con gran potencial y faltas de recursos.
Según estudios anteriores (Baker, 2010), citado en Alarcón et al. 2014, las técnicas de análisis adecuadas, junto con la recolección de datos escolares y ajenos al ámbito educativo, ayudan a encontrar las diferencias del proceso de aprendizaje de cada individuo, ya que se aprecian las necesidades específicas de cada uno de ellos. Además de todo esto, también se recopilan otras variables de los estudiantes, como pueden ser las calificaciones, el nivel social y cultural, las capacidades y habilidades que cada uno de ellos posea, así como quedan reflejados posibles casos de absentismo. De esta forma, si se requiere algún tipo de intervención escolar, se puede proporcionar lo antes posible.
Pero debemos pensar en dos conceptos, en ocasiones, de fácil confusión. Nos referimos a “Learning Analytics” (Análisis del Aprendizaje) y “Educational Data Mining” (Minería de Datos aplicada a la Educación):
- En primer lugar, Learning Analytics es la medición, recopilación, análisis e informe de datos que se realizan a los alumnos y sus propios contextos para comprender y optimizar su proceso de aprendizaje y los entornos en los que se produce dicho aprendizaje (Long y Siemens, 2011).
- Por otro lado, la Minería de Datos aplicada a la Educación, se centra más en utilizar métodos automatizados para conseguir patrones específicos y las relaciones existentes entre ellos. De esta forma, se pretendería encontrar un “software perfecto” para cada proceso de aprendizaje (Berland, Ryan y Blikstein, 2014).
Pero, ¿en qué se basa el análisis de datos? Como nos aclara Ferguson (Ferguson, 2012), hay dos premisas que son indispensables:
- Se tratan los datos preexistentes de tal forma que los pueda procesar un ordenador.
- Las técnicas empleadas pueden manejar grandes cantidades de datos con los que no se podría operar manualmente.
Incluso podemos llegar más allá: no sólo se puede estudiar cada alumno de manera individual, sino que, pensando a gran escala, se podría llegar al nivel de reformular las hipótesis y las teorías del aprendizaje que hasta ahora nos han acompañado.
La tecnología, además de utilizarse para encontrar información acerca de los estudiantes, se ha aprovechado también para la formación académica a distancia. Tal es el caso de plataformas digitales que han ofrecido sus servicios a través de la web, con sus cursos no presenciales. Estos cursos, denominados MOOCs (Massive Open Online Courses) han ayudado a muchas personas a recibir una educación de calidad sin necesidad de acudir presencialmente a un centro educativo. Se caracterizan porque ofrecen contenido gratuito y al alcance de todos. La única condición necesaria es tener acceso a Internet y disponer de tiempo (a disposición y elección del usuario) para realizar el curso a su ritmo, sin sufrir ningún tipo de discriminación racial, social o económica. Esto permite compaginar la formación académica con el trabajo que desempeñen; es decir, la formación puede ser continua durante toda la vida.
Existen ya muchas instituciones públicas norteamericanas que han empezado el proceso de análisis de datos, pero todavía les separa un gran camino hasta conseguir el objetivo. Por ello, las dudas aún están visibles y se podrían plantear interrogantes como ¿qué desventajas tiene el uso de toda la información analizada? ¿de verdad se reducen las diferencias entre las personas con la educación basada en datos? ¿quién sale beneficiado en todo este proceso? Intentaremos dar respuesta en el apartado que viene a continuación.
Preocupaciones y desafíos
Como no podía ser de otra manera, cualquier “avance” no sólo tiene cosas positivas, sino que también existen críticas al respecto.
De acuerdo con los autores del artículo (Alarcón et al, 2014), es cierto, como hemos comentado anteriormente, que la educación controlada por datos colaborará en la reducción de las diferencias del sistema educativo, pero debemos ser conscientes en la forma de recoger dichos datos, puesto que hay que realizarlo de manera objetiva y teniendo unos objetivos claros, fijados previamente. De esta forma, conseguiremos un análisis mucho más neutro.
En segundo lugar, se determina que, en ocasiones, además de reforzar las desigualdades existentes, es posible que la educación basada en datos contribuya a aumentar considerablemente las desventajas (Alarcón et al, 2014). Esto se traduce al “etiquetado” de los alumnos, lo cual, repercute tanto en ellos como en los profesores. En el caso de los primeros, se verán condicionados por lo que les ocurrirá en su futuro (si dependen de ese “etiquetado”) y los segundos trazarán el camino de enseñanza teniendo en cuenta esas decisiones previas y no tanto por las capacidades de los estudiantes. Comparte esta misma opinión Singer (Singer, 2018), quien expone que, según las puntuaciones obtenidas en los tests realizados, los alumnos se etiquetan y se separan por grupos, lo que nos lleva a pensar que se crean estereotipos. Y es más. El mismo autor demuestra que puede causar una falta de motivación en los alumnos con puntuaciones más bajas. E incluso, los “avanzados” dependen de su estado privilegiado, ya que, se definen por los premios e insignias que puedan conseguir; es decir, no están motivados por el aprendizaje que conlleva, sino por el hecho de conseguir una medalla.
La privacidad de los datos de los alumnos también es otra preocupación que atañe a la educación controlada por datos. Según nos comentan los autores (Alarcón et al, 2014), los padres de los alumnos/as implicados en este tipo de enseñanza, se muestran intranquilos ante el uso de los datos de sus hijos/as, puesto que, es posible manipularlos fácilmente e incluso cederlos a otras instituciones públicas. Como bien apunta Blumenstyk (Blumenstyk, 2017), los estudiantes de hoy en día utilizan sus teléfonos móviles para numerosas actividades, lo cual, implica estar siempre conectado. Por poner un ejemplo concreto: cada vez que se conectan a Internet a través de una red wifi abierta, dejan una “huella” de su camino; es decir, que, mientras permanezcan conectados a esa red y se desplacen de un lugar a otro, esos datos se recopilan de manera continua y automática, lo cual, en infinidad de ocasiones, resulta un peligro para la privacidad de los alumnos. Aunque es cierto que, en algunos casos, como la Universidad Saint Edward, en Austin (Texas), se utilizan esos datos para mejorar las instalaciones de la propia universidad. ¿Podríamos decir entonces que existen finalidades ocultas a la hora de recoger los datos de los alumnos? Cormack, (2016, citado en Hoel and Chen 2018), opina que los estudiantes deberían saber cuál es el fin que quieren conseguir al tratar con sus datos. De esta forma podrían ser capaces de pensar en los beneficios y riesgos que eso conlleva. Aunque sea en positivo, sí que es necesario tratar con transparencia la gestión de los datos y explicar a las familias que la educación controlada por datos es en beneficio del proceso de aprendizaje de los alumnos (o eso debería).
Conclusión
A lo largo de este ensayo, se ha podido comprobar que los autores pretenden reflejar la realidad de un país como es Estados Unidos en el ámbito educativo. Numerosas son las desigualdades existentes que dificultan el acceso a la educación. Por eso se necesita dar un cambio radical a este sistema y conseguir equidad educativa para todos.
La educación controlada por datos es un hecho que, poco a poco, está empezando a ser visible y viable. La tecnología ha experimentado una mayor presencia en nuestras vidas, permitiéndonos el aprovechamiento de recursos y facilitando el acceso a información de manera ubicua. A priori, se observa esto como algo provechoso y beneficioso, puesto que permite que muchos estudiantes accedan al sistema educativo a través de plataformas en la web. De esta forma, se disminuirían las desigualdades existentes entre los alumnos y conseguiríamos un sistema de aprendizaje más personalizado para ellos, además de poder intervenir lo antes posible en caso de necesidad educativa.
Sin embargo, la privacidad de los alumnos se ve en peligro si la utilización de dichos datos no es la correcta. En ocasiones, instituciones públicas se benefician de esa información y la pueden utilizar para su propio interés. Pero también es la sociedad la que cede sus datos de manera gratuita, utilizando la red sin ningún tipo de precaución ante ello.
Aunque, como hemos comprobado anteriormente, en la mayoría de los casos, la educación controlada por datos ofrece más beneficios para el proceso de aprendizaje de los estudiantes, si bien es cierto que, la transparencia en el proceso de gestión de dichos datos, ayudará a las familias y a los propios alumnos a “confiar” más en este nuevo sistema educativo.
Bibliografía
Alarcón, A., Zeide, E., Rosenblat, A., Wikelius, K., Gangadharan, S. P., & Yu, C. (2014). Data & Civil Rights: Education Primer. Data & Civil Rights Conference. Recuperado de http://dx.doi.org/10.2139/ssm.2542268
Baker, R. S. J. D. (2010). Data mining for education. International encyclopedia of education, 7(3), 112-118.
Berland, M., Ryan, I., Blikstein, P. (2014). Educational Data Mining and Learning Analytics: Applications to Constructionist Research. Technology, Knowledge and Learning, 19 (1–2), pp.205–220.
Blumenstyk, G. (31 de julio de 2018). Big Data Is Getting Bigger. So Are the Privacy and Ethical Questions. The Chronicle of Higher Education. Technology section. Recuperado de https://www.chronicle.com/article/Big-Data-Is-Getting-Bigger-So/244099
Bourdieu, P., Inda, A. G., & Beneitez, M. J. B. (2001). Poder, derecho y clases sociales (Vol. 2). Bilbao: Desclée de Brouwe.
Cormack, A. (2016). A data protection framework for learning analytics. Journal of Learning Analytics, 91–106. Recuperado de https://doi.org/10.18608/jla.2016.31.6
Enguita, M. F. (2013). Educar en tiempos inciertos. Revista Complutense de Educación, 24(2), 473-479.
Ferguson, R. (2012). Learning analytics: drivers, developments and challenges. International Journal of Technology Enhanced Learning, 4(5/6), p. 304.
Hoel, T., Chen, W., & Yu, L. (2018). Is big data going to change education? A comparative case study from Norway and China. Manuscript submitted for publication.
Long, P. and Siemens, G. 1st International Conference on Learning Analytics and Knowledge, 2011. [Online]. Available: https://tekri.athabascau.ca/Analytics/.onference on Learning Analytics And Knowledge, 2015.
Singer, D. (25 de septiembre de 2018). The Six Biggest Problems with Data-Driven Education [Entrada del Blog]. Recuperado de https://gadflyonthewallblog.com/2018/09/25/the-six-biggest-problems-with-data-driven-instruction/
Conéctate y aprende 