Cuadros de mando y Mashups

Como lo han señalado el Dr. Bill Cope y la Dra. Mary Kalantzis, es recomendable pasar a una sistema de evaluación que incluya una retroalimentación discursiva, mediada por máquinas y con la participación de diversos actores del proceso educativo, además del docente. Esta no se limita a una entrega de calificación, a un solo comentario unipersonal de manera retrospectiva, sino se trata de un proceso dialógico, personal, a través del cual se utiliza la información para reducir la brecha entre el desempeño actual del alumno y el deseado, siendo la tecnología un medio para darse cuenta de lo que se requiera y facilitar el diálogo.

Los cuadros de mando son interfaces que incluyen indicadores sobre las actividades de los estudiantes, que son presentados de forma tal, que ayuden al proceso de toma de decisiones y la propia autorregulación, siendo entonces, un mediador que permite iniciar el diálogo sobre los niveles de logro de los aprendizajes. Por medio de estos, se permite el diseño de todo el proceso de aprendizaje y su evaluación, mediante la consideración de aspectos como: el comportamiento, el tiempo y la interacción. Por lo que no se evalúa sólo el producto final. Por ejemplo, si el maestro se da cuenta (a partir de los indicadores del dashboard), que el nivel de aprendizaje de un alumno ha bajado en la semana 4, puede dirigirse a él y preguntarle: “me doy cuenta que tu interacción ha bajado ¿qué ha sucedido, me puedes contar, al respecto? Y, así evitar, sólo decirle al final del curso: reprobaste.

Los Mashups, integran datos, contenidos, información, herramientas, de más de una fuente para crear, diseñar y proponer entornos personales de aprendizaje que permitan analizar y realizar tareas en entornos y situaciones complejas, para poder así, estar en posibilidad de crear una nueva propuesta, mediante un entorno de aprendizaje unificado. Estas características permiten una retroalimentación integral, holística que puede ofrecerle a docente conectar con varios dimensiones del proceso de aprendizaje del estudiante. Por ejemplo, puede permitir ver la calificación de un examen, junto a una reflexión vie blog o, X; y conectar con una discusión en un foro virtual para que la retroalimentación se enriquezca y se conecte con una inteligencia colectiva, mejor que una individual para revisar, por ejemplo, la coherencia de los aprendizajes adquiridos a través de diversas plataformas, para enriquecer así, el discurso académico.

Los retos a los que se pueden enfrentar son: la alfabetización respecto a la interpretación de datos, tanto por parte del docente, como del alumno, ya que se pueden malinterpretar o sobre interpretar. Otro reto, puede ser que los procesos de automatización cierren el discurso, en lugar de abrirlo, ya que se puede hacer uso, sólo de la IA. Y, uno más, es que los diseños de estos, pueden estar enfocados, sólo en el déficit.

Corrin, L., Kennedy, G., & de Barba, P. (2022). Psycho-pedagogical considerations for feedback based on learning analytics. En The Handbook of Learning Analytics (pp. 260–268). Society for Learning Analytics Research (SoLAR). https://solaresearch.org/wp-content/uploads/2017/05/hla17.pdf

Molenaar, I. (2021). Personalisation of learning: Towards hybrid human-AI learning technologies. Billed-Kunst, 3(22), 1-11. https://onlinelibrary.wiley.com/doi/10.1111/ejed.12527

Pardo, A., Jovanovic, J., Dawson, S., Gašević, D., & Mirriahi, N. (2019). Using learning analytics to scale the provision of personalised feedback. British Journal of Educational Technology, 50(1), 128–138. https://bera-journals.onlinelibrary.wiley.com/doi/10.1111/bjet.12592

Santos, J. L., Govaerts, S., Verbert, K., & Duval, E. (2013). Goal-oriented visualizations of activity tracking: A case study with engineering students. Proceedings of the Third International Conference on Learning Analytics and Knowledge, 143–152. https://www.semanticscholar.org/paper/Goal-oriented-visualizations-of-activity-tracking%3A-Santos-Govaerts/26d733bf1bebf4e0030ab3eff07e7a20549b2db4

Sedrakyan, G., Malmberg, J., Verbert, K., Järvelä, S., & Kirschner, P. A. (2020). Linking learning behavior analytics to learning science concepts: Designing learning analytics dashboards for feedback to support learning regulation. Computers in Human Behavior, 107, 105512. https://psycnet.apa.org/record/2018-27034-001

Verbert, K., Ochoa, X., De Croon, R., Dourado, R. A., & De Laet, T. (2020). Learning analytics dashboards: the past, the present and the future. Proceedings of the Tenth International Conference on Learning Analytics & Knowledge, 35–40. https://dl.acm.org/doi/10.1145/3375462.3375504