Learning analytics — qué mides, qué no, y por qué
Learning analytics ofrece a los docentes información sobre dónde se encuentran los estudiantes, qué comprenden y dónde tienen dificultades. Pero más datos no es automáticamente mejor — las métricas de vanidad, los riesgos para la privacidad y la reducción a números son riesgos reales. Este artículo describe qué datos son útiles, cuáles son los riesgos y cómo LectaMe ofrece análisis a nivel de objetivos de aprendizaje sin identificar a los estudiantes.
Cuatro dimensiones de datos útiles
Participación
Quién participa en una sesión, cuándo se desconecta, cuántos participantes hay en cada momento. Para el docente: sabes si tu grupo sigue participando y en qué momentos decae la atención.
Respuestas
Qué preguntas del cuestionario se responden mal a menudo, qué preguntas abiertas reciben respuestas similares, qué conceptos resultan difíciles. Ves la tasa de aprobación por objetivo de aprendizaje.
Evolución temporal
Cuánto tiempo dedican los estudiantes a una diapositiva, qué se vuelve a revisar, qué secciones de vídeo se repiten. Para itinerarios de aprendizaje autónomo, una pista valiosa sobre dónde surgen las dificultades.
Opinión
Qué piensan los estudiantes sobre el tema — mediante nubes de palabras, preguntas de clasificación o sondeos de opinión. Hace visible lo que permanece invisible en una clase corriente: la mayoría silenciosa.
Los riesgos
Métricas de vanidad. Un panel bonito con recuentos de participantes, porcentajes de finalización y puntuaciones medias está bien, pero a menudo dice poco. Pregúntate: ¿qué hago con estos datos? Si la respuesta no está clara, estás midiendo demasiado.
Reducción a números. Aprender es más que tasas de aprobación. Un estudiante que saca un 60 % puede haber adquirido una mayor comprensión que uno que saca un 95 % en ejercicios de rellenar. Los datos son una señal, no un relato.
Erosión de la privacidad. Medir más suena mejor, pero genera rápidamente problemas éticos. Para estudiantes menores de edad el RGPD se aplica de forma estricta — mide solo lo que necesitas para tu objetivo didáctico, y nada más.
Preguntas frecuentes
¿Qué son los learning analytics?+
Learning analytics es la medición, recopilación, análisis y elaboración de informes de datos sobre estudiantes o participantes y su contexto, con el objetivo de comprender y optimizar los procesos de aprendizaje. En la práctica para docentes: ver quién participa, qué preguntas resultan difíciles y dónde los estudiantes tienen dificultades — información para ajustar tu enseñanza.
¿Qué datos son útiles para los docentes?+
Cuatro dimensiones. Participación (quién participa, cuándo se desconecta), Respuestas (qué preguntas del cuestionario se fallan a menudo, qué conceptos resultan difíciles), Evolución temporal (cuánto tiempo por diapositiva, qué se vuelve a revisar) y Opinión (qué piensan los estudiantes sobre el tema). No se mide todo a la vez — elige lo que te aporta información para tu próxima lección.
¿Cuáles son los riesgos de los learning analytics?+
Tres grandes riesgos. (1) Métricas de vanidad — paneles vistosos sin información accionable. (2) Reducción a números — aprender es más que tasas de aprobación. (3) Erosión de la privacidad — medir más suena mejor, pero genera rápidamente problemas éticos. Pregúntate siempre: «¿qué hago con estos datos?» Si la respuesta no está clara, estás midiendo demasiado.
¿Cómo gestiona LectaMe los datos de los estudiantes?+
Los estudiantes no inician sesión ni facilitan datos personales. Las analíticas son agregadas: ves «8 de 15 respuestas incorrectas en la pregunta 3» — no «Tom Jansen respondió mal». Para los centros es una ventaja del RGPD: ningún dato identificable del estudiante en el panel del docente. Para la evaluación formal (calificaciones) se usan otros sistemas.
¿Cuál es la diferencia entre las analíticas formativas y las sumativas?+
Las analíticas formativas miden durante el proceso de aprendizaje — para reajustar. «¿Qué conceptos resultan difíciles ahora?» Ejemplo: datos de un cuestionario en directo durante una lección. Las analíticas sumativas miden después del proceso de aprendizaje — para constatar. «¿Ha alcanzado el estudiante los objetivos de aprendizaje?» Ejemplo: datos del examen final. LectaMe se centra en las analíticas formativas; para las mediciones sumativas se conecta con un LMS o un sistema de calificaciones.
¿Cómo interpreto los datos analíticos sin sacar demasiadas conclusiones?+
Tres reglas. (1) Tendencias por encima de incidentes — una pregunta que salió mal una vez dice menos que una pregunta que sale mal de forma estructural. (2) Combina lo cuantitativo con lo cualitativo — los datos dicen qué, no por qué. Pregunta a los estudiantes por el contexto. (3) Guiado por hipótesis — formula de antemano una pregunta («¿creen los estudiantes que X es más importante que Y?») e interpreta los datos frente a ella, en lugar de «buscar conclusiones a la ligera».