L’educació és un domini especialment adequat per a la ciència de dades
Les institucions educatives i el procés d’aprenentatge comporten dades riques, i es refereixen a problemes de gran importància per a la societat i el bé social, de manera que l’educació és un domini especialment adequat per a la ciència de dades. Ciència de dades per a l’educació.
Les dades educatives abasten els registres escolars i de l’administració pública, arxius digitals de materials didàctics i llibres de qualificacions, així com les respostes dels estudiants a les enquestes del curs. La ciència de dades de la interacció real de l’aula també és un interès i una realitat creixents – allà es pot capturar com s’aconsegueix la gestió i la instrucció de l’aula. A mesura que els enregistraments de vídeo i veu creixen més freqüents, pot ser una font de dades principal per analitzar mitjançant nous mitjans computacionals. La riquesa de dades educatives s’estén a l’àmbit de l’educació superior, on s’utilitzen un nombre creixent de cursos en línia. Fins i tot s’estén al sector privat on s’utilitzen fòrums en línia, fils i formes distribuïdes de resolució de problemes per educar els empleats i resoldre problemes de tasques.
Totes aquestes noves fonts de dades estan plenes d’informació sobre comunicació (text), relacions (enllaços) i perfils de comportament acumulats (carreres professionals). Tota aquesta informació es pot extreure i analitzar en un esforç per comprendre i resoldre problemes educatius persistents.
- La ciència de dades educatives formaria educadors – concebuts a grans trets – per estudiar aquestes formes de dades educatives i donar sentit als sistemes educatius, els seus problemes i solucions potencials, i desenvolupar una comprensió més profunda i formes de solucions establertes empíricament.
- La ciència de dades educativa permetria als educadors realitzar tasques de visualització de dades, reducció i descripció de dades i tasques de predicció.
- La visualització de dades pot fer que la informació sigui més intuïtiva i immediatament digerible per als professionals.
- La reducció de dades es pot utilitzar per donar sentit a molts registres complexos i camps de dades dels estudiants (per exemple, llibres de notes i tasques, etc.).
Però fins i tot les descripcions bàsiques del sistema educatiu, com ara estructures de seguiment, punts d’inflexió clau en les carreres, etc., també encaixen. Tots són factibles amb la ciència de dades dels expedients escolars.
Una varietat de problemes educatius suggereixen possibles tasques de modelització i predicció (random forest sort of thing). Per exemple:
- desgast i abandonament dels estudiants / assistència dels estudiants;
- detencions / derivacions d’oficines / arrestos;
- retards en l’aprenentatge / problemes de progressió / fracàs;
- finalització de les tasques;
- biaix / prejudici en la qualificació;
- el bonus de diversificació;
- etc.
De cara al futur, hi ha diverses àrees on la combinació de ciència de dades i educació és especialment prometedora.
La psicologia, la investigació educativa i les ciències de l’aprenentatge sovint tenen teories matisades de la cognició i l’aprenentatge humà que fan pautes generals sobre els tipus d’activitats pedagògiques que són efectives. Tanmateix, aquestes directrius no sempre es tradueixen en estratègies concretes implementables.
La ciència de dades anterior (per exemple, utilitzant mètodes de raonament contrafactual) es pot utilitzar per parametritzar directrius genèriques en estratègies fonamentades que es poden utilitzar (Chi et al. 2011; Khajah et al. 2016).
La contextualització rica de l’educació – el que funciona per a qui, quan i on – també és una possibilitat interessant. Gran part de la investigació en ciències de l’educació i l’aprenentatge té lloc en entorns de laboratori o es realitza en un conjunt limitat d’escoles.
De vegades, els resultats d’aquests estudis no es reprodueixen en altres entorns. La recollida de dades a gran escala, a través dels MOOC i les aules, ens podria ajudar a descobrir quines són les característiques clau que es correlacionen i provoquen l’eficàcia d’una intervenció educativa. Com s’ha reconegut des de fa temps, les plataformes en línia també faciliten la possibilitat d’oferir interaccions personalitzades als estudiants, ja que identifiquem quins factors són importants en les activitats pedagògiques.
Un repte interessant pel que fa a la metodologia de la ciència de dades és que moltes plataformes educatives noves ofereixen una autonomia mixta. L’estudiant pot tenir una gran flexibilitat a l’hora de seguir el curs, però el potencial del sistema docent per oferir recomanacions o guiar el camí d’aprenentatge de l’estudiant és considerable. La creació de sistemes que puguin fer front a aquest repte, que també pot tenir un impacte significatiu en la motivació dels estudiants, és un tema obert important.
Vol extreure informació de les seves dades educatives? Contacti amb nosaltres.
Fonts i més informació:
M. Chi, VanLehn, K, Litman, D. & Jordan, P. (2011). Empirically evaluating the application of reinforcement learning to the induction of effective and adaptive pedagogical tactics. User Modeling and User Adapted Instruction (UMUAI), 21, 1-2, pp. 137-180.
Khajah, M., Roads, B. D., Lindsey, R. V., Liu, Y.-E., & Mozer, M. C. (2016). Designing engaging games using Bayesian optimization. In Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems (pp. 5571-5582). New York: ACM.
Llegit a: