Seguramente todos hemos oído hablar de Big Data y gracias a ello, en alguna medida, somos conscientes de la enorme cantidad de datos que se producen a diario, o mejor, que producimos a diario.
Cada palabra que ponemos en un chat de WhatsApp en nuestros teléfonos móviles, alimenta una data que se almacena en algún lado, cada búsqueda en la web tiene un peso, un tamaño y una medida. Incluso los dispositivos vestibles (smartwatches) censan las variables corporales cada fracción de segundo para registrar y almacenar dicha información.
Incluso, si una persona no dispone de teléfono móvil, conexión a internet ni de ningún dispositivo y decide dar un paseo por su barrio, continúa alimentando la data actual de la humanidad: en una esquina una cámara registrará su imagen junto con miles de capturas adicionales; en una tienda el recibo por el pago de un café nutrirá cientos de registros contables, preferencias y gustos. Aunque decida dirigirse al lugar más desolado de la tierra, estará dejando una huella que inevitablemente se transforma en datos.
La naturaleza nos recuerda que por donde pasemos dejaremos nuestra estela, y luego, posiblemente, alguien podrá interpretar esos pasos y esas huellas: un satélite o un tercero. Se trata de datos creados por el ser humano, o de datos minerales inanimados listos para ser leídos.
Somos como una estrella fugaz que se desintegra y a su paso deja destellos de luz que se almacenan en algún lugar para siempre; hemos creado un ecosistema de datos que nos envuelve por completo.
A eso le llamamos Big Data…
La ingente cantidad de información que creamos a diario supera la capacidad de comprensión y procesamiento incluso del cerebro humano más brillante, y desafía también a las infraestructuras tecnológicas más avanzadas. Hoy, las supercomputadoras desarrolladas en Europa —como las impulsadas por iniciativas de computación de alto rendimiento— alcanzan capacidades de cálculo de cientos de petaflops y gestionan decenas e incluso cientos de petabytes de información, muy por encima de las comparaciones tradicionales con computadores personales.
Aun así, el volumen de datos que se genera diariamente a nivel global crece a un ritmo exponencial. Diversas estimaciones sitúan esta producción en varios petabytes por segundo, lo que hace que incluso las infraestructuras más robustas enfrenten límites prácticos no tanto en el almacenamiento, sino en el procesamiento significativo de la información.
Así las cosas, el desafío ya no radica únicamente en almacenar datos, sino en interpretarlos. Y es precisamente allí donde persiste la mayor brecha: la capacidad de transformar información en conocimiento útil. En ese terreno, seguimos en desventaja.
Dataísmo, Bigdata y Universidad
Al trasladar este panorama al contexto de las Instituciones de Educación Superior, vale la pena preguntarnos: ¿qué podemos hacer con toda esta información que creamos a diario?
Guillermo García lo explica claramente, “se trata de saber analizar y saber tomar decisiones”. Para esto es necesario delimitar tres campos que relacionan directamente con el ámbito educativo y el aseguramiento del aprendizaje:
- Minería de Datos Educativos: se centra en entender cómo aprenden los estudiantes, buscando estrategias más efectivas para consolidar el aprendizaje.
- Analíticas del Aprendizaje: se especializa en recopilar datos escolares y universitarios en torno a los cambios que se dan en el aprendizaje, aportando un carácter predictivo.
- Analíticas Educativas: se enfoca en la aplicación de las herramientas y en la toma de decisiones, podemos decir que es una visión más práctica en términos de implementación y puesta en marcha de propuestas educativas acertadas.
Estos tres campos dialogan de manera constante con un propósito central: nutrir la Inteligencia de Negocios (Business Intelligence) en la educación superior.
La inteligencia de negocios consiste en la toma de decisiones basada en datos. Para ponerlo en términos simples, seguro hemos notado que algunas decisiones se toman de forma intuitiva, luego de una discusión entre directivos y tomadores de decisiones, algunas veces basados en perspectivas particulares, miradas poco objetivas y distinciones muy personales. Estas decisiones pueden traer resultados ideales o desastrosos. ¿Para qué arriesgarse si ya existen herramientas que nos permiten ver con mayor claridad el entorno y nos permite tomar decisiones más informadas?
Todas las universidades tienen datos, pero algunas carecen de información, parece lo mismo, pero los datos son fríos, existen per se, pero si no han sido interpretados, siguen siendo datos, similar a cuando vemos un texto escrito en un idioma ilegible para nuestro cerebro, pero cuando lo podemos leer y entender se convierte en información.
Para ser más exactos en el tema que nos convoca de la Analítica de información y toma de decisiones para el aseguramiento del aprendizaje, veamos un ejemplo.
Disminución de de la deserción desde la analítica de datos
Uno de los desafíos persistentes de la educación superior es la deserción. De acuerdo con la OCDE, las tasas de culminación de programas universitarios varían significativamente entre países, pero en promedio solo el 43% de los estudiantes completa un programa de pregrado dentro de la duración teórica prevista. Esta proporción aumenta al 59% un año después y alcanza el 70% tres años después del tiempo esperado de graduación. Asimismo, en varios sistemas de educación superior las tasas de abandono durante el primer año superan el 20%, lo que evidencia que la retención estudiantil continúa siendo un reto global.
Este es un excelente ejemplo del uso de los datos para la toma de decisiones. La universidad del Rosario ha logrado disminuir la deserción en 20 puntos porcentuales en los últimos seis años. Acá pueden conocer más en detalle que viene haciendo la universidad del Rosario al respecto.
Factores asociados a la deserción de estudiantes universitarios
Según diversos estudios entre ellos, García Méndez 2018, concluyen que se pueden agrupar los factores asociados a la deserción en: académicos, económicos y socioemocionales. ¿Qué hacer al respecto? acá puedes conocer la investigación.
- Detectar y predecir desde primeros semestres cuáles estudiantes tienen un riesgo de deserción por bajo rendimiento académico. Podemos usar el sistema de Inteligencia Artificial para tomar decisiones informadas.
- Definir qué información es útil para tomar decisiones y cuál no. Hay datos que no sirven para tomar decisiones, o por lo menos hacen parte de realidades que no se pueden cambiar.
- Evaluar siempre el proceso de formación, tomando información de conductas de entrada o alcance de competencias iniciales a modo de diagnóstico. Este enfoque estructura un verdadero sistema de evaluación para el aprendizaje.
Consejo práctico: es indispensable ejecutar procesos de limpieza técnica de datos para obtener métricas puras. Un análisis basado en datos inexactos o desactualizados carece de validez.
Desde el 2014, se vienen implementando estudios de Aporte Relativo y Valor Agregado por parte del ICFES, con la intención de conocer cuánto le aporta la universidad a sus estudiantes en términos de alcance de competencias. Al comparar grupos de referencia, vecindades y Núcleos Básicos de Conocimiento (NBC), la analítica permite entender que la mejora institucional no se limita al tramo final de las pruebas de Estado, sino a una intervención holística a lo largo de la trayectoria académica. Acá puedes conocer en detalle de que se trata este tema en nuestra editorial ESE.
Consejo práctico 2: procure evaluar de forma constante a los estudiantes que ingresan a la institución mediante pruebas válidas, confiables y consistentes, repitiendo la medición en momentos clave del proceso formativo.
Una evaluación técnicamente estructurada es aquella que guarda perfecta alineación con los Resultados de Aprendizaje (RA) previstos. Debe existir una coherencia curricular verificable en todo el plan de estudios, orientada a la toma de decisiones de corto, mediano y largo plazo.
Consejo práctico 3: Las decisiones de ajuste curricular o pedagógico deben alinearse siempre con los principios del Aseguramiento del Aprendizaje (AoL).
En resumen, para consolidar un sistema robusto que impacte positivamente los indicadores institucionales y los resultados en las pruebas Saber PRO y TyT, la gestión universitaria debe articular las siguientes acciones:
- Medir niveles de competencias iniciales.
- Tomar decisiones informadas.
- No dejar la preocupación de los resultados para el final.
- Articular acciones de corto, mediano y largo plazo pensando en el aseguramiento del aprendizaje.
- Hacer visibles las competencias genéricas en diversos contextos de formación.
- Sistema de beneficios y exigencias de puntajes en Saber PRO.
Análisis en contexto, categorías y vecindades
Siguiendo esta reflexión basada en datos, es fundamental delimitar el tipo de análisis contextualizado que debemos considerar para la toma de decisiones.
Consejo práctico 4: aprenda a compararse estratégicamente. El objetivo no es ocupar posiciones de forma superficial en un ranking, sino evaluar con objetividad la evolución de los procesos institucionales y tomar decisiones informadas a partir de ello.
Robustecimiento de los sistemas de información
La gestión moderna del aprendizaje se sintetiza en la posesión de sistemas de información robustos que generen analíticas profundas y faciliten la toma de decisiones en equipo, involucrando activamente a las comunidades educativas. Así mismo, la información debe ser presentada adecuadamente de acuerdo al contexto.
Consejo práctico 5: ¿Ha considerado las perspectivas y percepciones de sus estudiantes y docentes respecto a estos procesos? ya lo hemos nombrado en nuestra editorial:, pasos para mejorar competencias Saber Pro y aseguramiento aprendizaje.
Conclusión y perspectivas de implementación
¿Cuáles son las ideas que obstruyen el acceso al aprendizaje? ¿Cuáles son los presupuestos negativos que tienen sobre las pruebas estandarizadas?
Estas preguntas son de vital importancia, el acceso al conocimiento se obstruye cuando los estudiantes no tienen claro el para qué deben aprender algo. La respuesta más tradicional es: “para la vida” “para el futuro” “en algún momento lo han de usar” pero la amarga ironía es que nadie sabe qué nos depara el futuro. Lo que enseñamos en la academia debe tener un fin especialmente práctico y aplicado.
Consejo práctico 6: ¿Qué tipo de información se obtiene en su universidad y cómo se le presenta a los tomadores de decisiones?
Estas recomendaciones y consejos prácticos están diseñados para ser implementados en el mediano y largo plazo, garantizando la maduración institucional del sistema de calidad. Las intervenciones de corto plazo suelen ofrecer resultados parciales y difícilmente sostenibles.
¿Cuál es el estado de implementación de estas acciones en su universidad?
Diagnóstico de Madurez Institucional para la evaluación
Para identificar su estado actual, ponemos a disposición el checklist «Madurez Institucional para la Evaluación y Aseguramiento del Aprendizaje», una herramienta que permite a cada institución reconocerse, identificar oportunidades de mejora y tomar decisiones informadas sobre sus procesos de aprendizaje.
Este instrumento técnico es de acceso libre y anónimo, y ha sido desarrollado a partir de múltiples conversaciones, análisis y contrastes con universidades de la región que enfrentan un desafío común: mejorar los resultados en las Pruebas Saber Pro y TyT sin perder de vista el sentido del aprendizaje.
El Aseguramiento del Aprendizaje (AoL) es una estrategia clave para garantizar la calidad y la pertinencia de la educación superior. En ESE contamos con las capacidades y herramientas necesarias para acompañar a su institución en este proceso.
Eduardo Montoya Castañeda
Licenciado en Filosofía con más de 24 años de experiencia en evaluación y aseguramiento del aprendizaje —AoL—. Fue docente y directivo por alrededor de 10 años. Socio fundador y Director general de ESE- Grupo Educación y Empresa desde hace 14 años.
0 comentarios