El proceso de aprendizaje está sufriendo en los últimos tiempos un gran cambio debido a la aplicación de las nuevas tecnologías y las posibilidades que estas nos brindan, entre ellas, la recopilación de una gran cantidad de datos generados a partir de la interacción entre el usuario y las plataformas de e-learning. Sin embargo, a día de hoy ya no es suficiente obtener estos datos de bajo nivel, el reto que ahora nos planteamos es el de poder interpretarlos y transformarlos para obtener información fácilmente analizable por los actores que intervienen en el ámbito educativo.
Muchas plataformas ya han introducido soporte a Learning Analytics, aunque aún son pocas las herramientas y ofrecen información muy pobre, por lo que aún hay mucho margen para poder ampliar este soporte con características relevantes. Debido a este déficit, son muchas las líneas de investigación que están trabajando en este área tanto por parte de las plataformas como por parte de grupos de investigación de universidades y consorcios del ámbito del e-learning. La Universidad a Distancia de Madrid no quiere quedarse atrás en este área de investigación y trabaja en el proyecto MeCoRED, liderado por el Dr. en Ingeniería Informática y de Telecomunicaciones Javier Bravo Agapito, en colaboración con la Dra. en Psicología y Ciencias del comportamiento Sonia Janeth Romero y el equipo técnico del departamento de I+D+i de la universidad formado por Gerardo Ravassa Escobar y Sergio Comerón Sánchez. Un proyecto que propone analizar las variables de los diversos perfiles que tienen los estudiantes y que pueden incidir en un aumento o disminución de su rendimiento académico. El proyecto propone resolver estos problemas mediante el análisis, diseño e implementación de un modelo que proporcione información sobre las interacciones de los estudiantes con la plataforma de enseñanza y aprendizaje Moodle, utilizada por la universidad para la impartición de sus cursos online.
Para el diseño del modelo predictivo se deben analizar todos los datos de bajo nivel que Moodle almacena en su base de datos y después, una vez procesados, darán lugar a la información relevante que nos pueda indicar aspectos sobre el rendimiento académico de nuestros estudiantes. Los datos almacenados en la base de datos educacional son difícilmente interpretables a simple vista, pero sin embargo tienen un gran potencial informativo sobre la interacción del usuario sobre su proceso de aprendizaje. La clave se encuentra en determinar qué información resulta de utilidad para mejorar el proceso de aprendizaje y cómo es posible conseguirla mediante una transformación de los datos que se encuentran disponibles.
La transformación de los datos en gráficos y alertas que puedan dar lugar a un análisis sobre el rendimiento académico, así como la posterior aplicación de un modelo estadístico con los datos obtenidos, permitirá mejorar el proceso de aprendizaje de los alumnos de la universidad.
