Estoy pensando en la diferencia entre un periódico gratuito invitando a bloggers a bloguear bajo su bandera por la cara, y Tumblr creando un periódico para cubrir la tumblerosfera de 42 millones de blogs. Se me presenta inevitable que acaben siendo lo mismo: una estructura de información centralizada, con linea editorial con la que es imposible, ni nada deseable, que se identifiquen 42 millones. Al final, antes de abrirnos un blog en Tumblr, nos preguntaremos si queremos que Tumblr nos cubra. Y esto será bueno, por quedar explícito su modelo —centralizador— y lo que éste significa.
Estatus y consultoría
Interesante reflexión de Robin Hanson sobre por qué las empresas están dispuestas a pagar ingentes cantidades de dinero a grandes firmas de consultoría pese a que los consultores que éstas les envían son recién salidos de la uni, con mucha menos experiencia que cualquiera de las que va a asesorar.
My guess is that most intellectuals underestimate just how dysfunctional most firms are. Firms often have big obvious misallocations of resources, where lots of folks in the firm know about the problems and workable solutions. The main issue is that many highest status folks in the firm resist such changes, as they correctly see that their status will be lowered if they embrace such solutions.
The CEO often understands what needs to be done, but does not have the resources to fight this blocking coalition. But if a prestigious outside consulting firm weighs in, that can turn the status tide. Coalitions can often successfully block a CEO initiative, and yet not resist the further support of a prestigious outside consultant.
To serve this function, management consulting firms need to have the strongest prestige money can buy. They also need to be able to quickly walk around a firm, hear the different arguments, and judge where the weight of reason lies. And they need to be relatively immune to accusations of bias – that their advice follows from interests, affiliations, or commitments.
All three of these functions seem to be achieved at a low cost by hiring good-looking kids from our most prestigious schools. These are the cheapest folks you can buy with our most prestigious affiliations, they are smart enough to judge where reason lies, and they have few prior affiliations to taint them with bias. They can not only “borrow your watch to tell you the time,” but can also cow you into submission in accepting that time.
— Robin Hanson
Rastros significativos de aprendizaje
Me cuesta captar las diferencias entre analítica del aprendizaje, analítica académica y minado de datos en la educación. Intuyo que tienen su origen en las diferencias entre distintos grupos de académicos que se ocupan del asunto y que, para diferenciarse unos de otros, usan nombres distintos para hablar del asunto bajo su propia mirada. Algo que, me parece, tiene todo el sentido.
De los tres términos, el que tiene la palabra «aprendizaje» en su nombre, es la que da sentido al término desde la mirada de la persona que aprende, tratándole como propietario de su propio aprendizaje. Bajo esta mirada, lo que se quiere es empoderar al aprendiz para aprender mejor. Ese es también mi interés en el tema.
En el terreno de los métodos, los tres enfoques se encuentran. En todos, la cuestión es captar rastros significativos de aprendizaje.
Of course, capturing meaningful learning traces is something that both we and the EDM community struggle with. Translating those traces into visual representations and feedback that support learning is another challenge: the danger of presenting meaningless eye candy or networks that confuse rather than help is all too real.
— Erik Duval
La mención del meaningless eye candy en referencia a herramientas vistosas como esas que generan grafos sociales, apunta a la dificultad de aplicar algoritmos a fenómenos como el aprendizaje, en los que la confianza entre las personas y la identidad, tienen un papel fundamental.
First week of LAK12: trends and context of analytics in learning
After reading some of the great first blog posts from participants in the LAK12 course, I’ve decided that I’ll try to write one post a week in English. Although I do feel compelled to blog in English —I’ve never done it before— I just can’t help to feel strange by doing it.
I’m happy with the distributed course format and enjoyed the two live sessions. As so many people have blogs, I’ve just subscribed to their feed in my RSS reader, which is the most comfortable place for me to read posts.
The articles about educational datamining and academic analytics, although full of technical terminology I’m not familiar with, introduced me fairly well to the application of analytics to learning. However, I had to wait until Michael Chuis’ presentation of the McKinsey report to first hear about the use of analytics by the individual for learning to learn, which is my main interest. I’ve learned that learning to learn is also called metacognition, by the way.
Some of the stakeholders in learning analytics I’ve got to know this week are universities, IBM, McKinsey, the foundation of the Gates’, the White House and several companies specialized in analytics in controlled learning environments like LMSs. Michael Chui said that for every unit of benefit of data analytics for big organizational players, there’ll be 5 units of benefits of it for the end customer. I’ll be happy if this turns out to be so, specially in learning. However, for this to come true, an empowering talent development must also happen for the end user, in this case the learner who, as in so many other aspects of life, either programs or will be programmed.
If the need to focus on the learning analytics skills of the learner is one conclusion to which I got this week, the other is the need for transparency. As it seems that it is not so much the ownership of data that matters than who has capacity of putting the data to work, transparency is a key issue in every platform that wants users to give away data about themselves. Panagoitis Ipeirotis’ experiments in Amazon and Zappos showed that people welcome transparency. The approach that both parts, the provider and the user, learn and gain from the interaction and together create new knowledge and understanding, seems to be the right one. Last.fm, for example, understands this.
If the new era of data, of which we are only in the early adopter phase, embraced the principles —skilled end users and transparency— of the libre software and knowledge movement, great things might happen. It might bring a new era of metacognition where data might make it easier for individuals to assume that the main responsibility for our learning lies by ourselves. ¿Or am I just dreaming?
Analítica y textos en la web
Es divertido ver a Panagoitis Ipeirotis presentar su experimento sobre el valor de la reputación en la web. Se le nota que disfruta respondiendo a preguntas del tipo ¿qué efecto tienen los textos, en concreto los comentarios de los usuarios sobre los productos en Amazon y Zappos, en la reputación de los distribuidores?
Podríamos pensar que la semántica es suficiente para saber si un comentario es positivo o negativo. Sucede que no.
- Comentar que un producto es «bueno» tiene un efecto negativo en las ventas. «Si esto es lo más que otros pueden decir de este producto, no me interesa», piensan los demás.
- Describir un fallo de un producto, especificando en qué consiste, tiene un efecto positivo en las ventas. «Si esto es lo peor que dicen del producto, a mí también me va a servir», parecen argumentar los compradores.
- Comentar sobre un producto en superlativos (excelente, maravilla) pero con erratas, errores de ortografía y gramática (exelente, maraviya), tiene un efecto negativo en las ventas. «No quiero comprar productos que ha comprado gente que escribe mal», parece ser la lógica.
Fer resume de modo breve y excelente las principales conclusiones del experimento.
Me limito, por eso, a comentar un paso del mismo que consistió en corregir los textos mal escritos a través del marketplace de trabajo de Amazon. Fue así que vieron que, con comentarios muy positivos y bien escritos, las ventas aumentaron. Esto, a su vez, planteó preguntas respecto a la honestidad de Amazon tanto con las personas cuyos comentarios corrigieron como con los lectores de los comentarios corregidos.
Una solución que aparentemente gustó a ambos grupos fue, por un lado, informar al comentarista sobre la corrección y, por otro, enseñar al lector ambas versiones — la buena por defecto y la mal escrita cuando pedía ver el comentario original. Sólo faltaba responder la pregunta ¿y así comprará o no?
Consecuencias de saborear la libertad
Las declaraciones de Sebastian Thrun sobre por qué deja Stanford para dedicarse exclusivamente a cursos masivos y gratuitos en la Red, me recordó la cita de Leonardo da Vinci que Mark Shuttleworth tiene en su blog.
When once you have tasted flight, you will forever walk the earth with your eyes turned skyward, for there you have been and there you will always long to return.
— Leonardo da Vinci
Y también por qué no me he vuelto a matricular en la UOC.
Propiedad de datos y analítica web
Me gustó mucho esta reflexión de David Jennings en el marco de LAK12, el curso de analítica del aprendizaje que estoy haciendo:
What I like about Last.fm is that, notwithstanding the fact that all your data is public visible, it still feels like you own it. You can use your Last.fm id to do useful things like build your profile or your playlists and preferences on other music sites. You can get all sorts of clever and beautiful visualisations of your listening behaviour over time.
Why can’t you do the same with the data that Amazon, Google, Facebook and your VLE/LMS hold about you? Having data about your own learning behaviour would undoubtedly help you improve, enhance and augment that behaviour. Why can’t we do this already?
Uno de los grandes dilemas alrededor de la analítica del aprendizaje es la propiedad de los datos. En los primeros años de la disciplina, los datos estaban en los LMS, es decir, los sistemas de gestión del aprendizaje y estos, a su vez, eran propiedad de las empresas y las instituciones educativas que ofrecían los cursos. Hoy, muchos de los datos relativos al aprendizaje están en plataformas también cerradas pero que ahora son propiedad de empresas como Facebook, Tuenti, Twitter o Delicious.
Podríamos pensar que la solución es nunca tener nada en un servidor que no controlamos —una solución muy buena, por cierto— pero en el campo de la analítica esto no es suficiente porque su valor añadido viene precisamente de la agregación de estos datos que requiere de instalaciones muy distintas a un hosting propio. La pregunta clave parece ser no tanto quién es el propietario de los datos sino quién puede hacer analítica y poner los datos a trabajar.
Minería de datos en educación
Diferenciar entre minería de datos en educación y analítica del aprendizaje es uno de los propósitos del curso del que hablé ayer y que ha recibido el bonito código de LAK12.
Una definición de analítica del aprendizaje con la que me he encontrado en LAK12 es la siguiente:
La medición, recogida, análisis y presentación de datos sobre personas que están aprendiendo y sus contextos, con el propósito de comprender y optimizar el aprendizaje y los entornes en los que sucede.
Mientras que la minería de datos en la educación la definen así quienes la estudian:
La minería de datos en la educación es una disciplina emergente que desarrolla métodos para explorar los datos que vienen de entornos educativos, y los usa para entender mejor a los estudiantes y los entornos en los que aprenden.
En un primer vistazo apenas hay diferencia, ¿no?
En un texto que leí, supe más de la minería de datos en educación. Surgió del análisis de logs de la interacción estudiante-máquina y para sus métodos se inspira, entre otros, en la minería de datos y el aprendizaje automático, la psicometría y otros campos de la estadística, la infografía y los modelos computacionales.
Aplicaciones de la minería de datos en educación
- Mejorar los modelos del estudiante. La minería de datos se ha usado, por ejemplo, para determinar si un estudiante truca el sistema o si está aburrido o frustrado en un curso online. Una versión más amplia de los modelos del estudiante va más allá del software educativo y se propone determinar, por ejemplo, los factores de los que depende si alguien va a abandonar sus estudios.
- Descubrir y mejorar la estructura del conocimiento en un dominio.
- Estudiar el apoyo pedagógico, por ejemplo mediante la descomposición del aprendizaje.
- Buscar evidencia empírica para refinar o ampliar teorías o fenómenos educativos.
Suena a personotecnia ¿verdad? Me falta estudiar en más detalle las tendencias de los últimos años pero intuyo que de personotecnia habrá más y no menos también en educación. Intuyo que, frente a la minería de datos, la analítica del aprendizaje vaya por el camino de la personalización.
Mi interés en este curso está en cómo obtener y analizar los datos del aprendizaje informal y autodirigido con el fin de hacerlo mejor. En la primera charla que hemos tenido hoy, he creído percibir un interés parecido en muchas personas.
Paradoja cotidiana
Leo hoy en el block de notas de Isabel esta cita:
La mayoría de las veces el interés nos visita cuando ya estamos inmersos en una actividad. Las cosas que nos gustan hemos descubierto que nos gustaban mientras las hacíamos, no antes de hacerlas.
Ayer me apunté, en relación con atreverse a hacer cosas nuevas:
Con las cosas nuevas, a menudo ocurre que hasta no saber que podemos hacerlas, no nos lanzaremos, y hasta que no nos lancemos, no sabremos que las podemos hacer.
Que, a su vez, estaba basada en una cita de «1984» de Orwell.
Para resolver la paradoja, el autor de la primera cita propone que los niños tengan «derecho a aburrirse» y «derecho a experimentar frustración». Mi propuesta, pensando en adultos, era buscar buenos maestros que ayuden a lanzarnos y disfrutar del camino aunque no sepamos con exactitud hacia dónde vamos.
Analítica web en el ámbito del aprendizaje: un curso abierto en la Red
Me he apuntado a tres cursos abiertos en la Red que empezarán en los próximos meses. La primera es sobre analítica web aplicada al aprendizaje, es de una gente que se agrupa bajo el codename SOLAR (Society for Learning Analytics Research) y ha comenzado hoy.
La analítica necesariamente incluye el trabajo con big data. Por eso, me reconforta ver en la programación del curso que hablaremos de ética y privacidad. También me anima mucho que al menos uno de los organizadores, George Siemens, sea un firme defensor de los blogs frente a Facebook y Twitter para la presencia en la Red de las personas.
Siemens explica en el vídeo de introducción que no estaremos encerrados en un LMS (Sistema de Gestión del Aprendizaje): el curso será distribuido, con todos escribiendo en nuestros blogs. Esta insistencia en los espacios propios de cada persona no puede parecerme sino estupenda.
En su conjunto, las metas del curso me parecen sugerentes:
- Describir qué es la analítica del aprendizaje y qué le diferencia de otros conceptos como la minería de datos aplicada a la educación o la analítica académica.
- Analizar, planear y hacer un pequeño piloto de analítica del aprendizaje.
- Desarrollar una matriz de herramientas destacadas de la analítica del aprendizaje y de las estrategias de analítica a las que sirve cada una.
- Evaluar el estado actual de las tecnologías de analítica del aprendizaje y describir los beneficios y pegas de herramientas libres y herramientas privativas.
- Evaluar y describir el papel de la web semántica y los datos conectados en los contenidos educativos de nueva generación.
Es posible que este curso me lleve a abrir una cuenta en Twitter y a postear en mi blog, en ocasiones, en inglés. Parece que también habrá interacción síncrona de frecuencia semanal usando Blackboard Collaborate.
Iré contando mis experiencias por aquí.