Serveis de provisió i analítica de les dades acadèmiques a la UOC

11 novembre, 2022
Foto per Myriam Jessier a Unsplash

Com obtenim, oferim i analitzem les dades acadèmiques

 

 

Presentació dels serveis

L’objectiu dels serveis de provisió i analítica avançada de les dades acadèmiques de l’equip de Learning Analytics de l’eLearning Innovation Center (eLinC) és donar suport als processos d’innovació docent promovent la incorporació d’evidències obtingudes a partir de l’anàlisi de les dades en els processos de decisió del personal acadèmic de la Universitat.

 

El servei de provisió de dades acadèmiques té com a finalitat proveir de dades acadèmiques el personal docent i investigador de la UOC. En aquest servei es proporcionen dades relatives a l’activitat regular del personal docent i l’estudiantat que es poden utilitzar per a l’experimentació, l’evolució i la millora d’assignatures, programes i graus, o per fer treballs finals de màster, tesis doctorals i projectes de recerca.

 

En el servei d’anàlisi avançada de les dades acadèmiques treballem amb els registres institucionals per proporcionar evidències que puguin ajudar en els processos de decisió, i intentem donar resposta a preguntes plantejades per diferents òrgans i comissions directives de la Universitat. Incorporant processos de recerca de manera àgil, dissenyem i executem processos d’avaluació de projectes d’innovació institucional, desenvolupem una visió analítica sobre els assumptes estratègics per a la Universitat i informem de les decisions dels diferents col·lectius implicats a partir de la generació de coneixement nou basat en evidències.

 

 

Servei de provisió de dades acadèmiques

Al servei de provisió de dades se subministren dades acadèmiques relatives a l’activitat regular del personal docent i l’estudiantat: per exemple, dades d’accés de l’estudiantat a diferents espais i serveis del campus, com l’aula, els materials docents o els fòrums; dades de matrícula, lliuraments d’activitats d’avaluació i qualificacions de l’estudiantat, i dades relatives a l’activitat del personal docent, tant dels tutors i tutores com del professorat col·laborador (PC) i el professorat responsable d’assignatura (PRA).

 

El servei de provisió de dades s’inicia en el moment en què els peticionaris (personal docent o investigador) de la Universitat fan una sol·licitud de dades. En aquest punt s’endega un procés de gestió amb les etapes de recepció, execució, tancament i seguiment.

 

Per proporcionar les dades disposem d’una infraestructura tecnològica que ens permet emmagatzemar i organitzar tots els registres vinculats a l’activitat regular del personal docent i l’estudiantat, que anomenem DataMart.

 

Les dades del DataMart són una versió curada de les bases de dades originals (per exemple, la base de dades del campus o els registres d’avaluació) que recull i endreça només la informació que es considera rellevant per fer anàlisis posteriors des del punt de vista de la innovació docent o la recerca. Per aquest motiu, el DataMart és viu i pot créixer segons les necessitats i les noves incorporacions de dades, a mesura que detectem noves oportunitats analítiques a partir de les demandes que rebem al servei.

 

Cal mencionar que totes les dades de què disposem al DataMart són anonimitzades, és a dir, només disposem d’un codi d’estudiant que no ens permet identificar de manera personal l’estudiant.

 

Actualment, la càrrega de dades del DataMart va lligada al calendari acadèmic (un cop acabada la matrícula). Es fa una càrrega al principi del semestre i una altra al final. Conceptualment, les dades s’organitzen en forma de serveis, a partir d’un model abstracte. El DataMart inclou dades de desenes de serveis diferents, en què cada servei expressa una acció o fet rellevant des del punt de vista de l’activitat acadèmica.

 

 

Servei d’anàlisi avançada de les dades acadèmiques

El servei d’anàlisi avançada de les dades acadèmiques s’inicia a partir d’una demanda institucional. Un cop es rep la demanda d’anàlisi, apliquem una metodologia estandarditzada per estructurar el problema i donar-hi resposta tenint en compte les dades de què disposem.

 

En primer lloc, comencem el procés amb una fase d’anàlisi inicial, en què identifiquem quines preguntes es volen respondre i desenvolupem un pla per establir les dades que necessitarem i el tipus d’anàlisi que caldrà aplicar. A continuació, entrem a la fase d’execució, en la qual fem servir diferents eines d’exploració, anàlisi i visualització de dades, com ara R, Python o PowerBI. Finalment, en la fase final d’entrega dels resultats presentem els resultats i les conclusions de l’anàlisi per informar i acompanyar en el procés de decisió institucional.

 

A continuació, presentem dos exemples d’anàlisi avançada de dades acadèmiques: l’impacte de la COVID-19 en el desenvolupament de l’activitat acadèmica i l’avaluació del projecte ESPRIA.

 

 

Impacte de la COVID-19 en l’activitat acadèmica

Durant el període de la pandèmia de la COVID-19, les institucions educatives van haver d’afrontar un període d’incertesa en relació amb l’impacte que podria tenir la pandèmia sobre els processos d’aprenentatge de les universitats.

 

L’anàlisi de l’impacte de la COVID-19 es va concretar en diferents objectius:

  • Avaluar l’impacte potencial de la virtualització de les proves finals presencials, per determinar quin seria el rang de proves que es podrien arribar a dur a terme en finalitzar la docència i assegurar la infraestructura tècnica necessària.
  • Avaluar l’evolució del seguiment de l’avaluació contínua, monitorant els lliuraments de l’estudiantat de totes les titulacions en comparació amb el comportament del curs anterior i analitzant l’impacte de les mesures de flexibilitat introduïdes als programes.
  • Avaluar els patrons de connexió al Campus Virtual de l’estudiantat, el professorat col·laborador i els tutors i tutores de tota la Universitat, per assegurar que tots els actors portaven a terme la seva activitat amb normalitat.
  • Avaluar l’impacte dels canvis en els models d’avaluació que es van introduir a les assignatures, tant en el rendiment de l’estudiantat com en la continuïtat dels estudis durant el semestre següent i en l’elecció de les assignatures.

 

 

 

Avaluació del projecte ESPRIA

El projecte ESPRIA (acrònim de l’expressió estudiants de primer any) és una intervenció institucional a gran escala de millora de l’acompanyament de l’estudiantat nouvingut a la Universitat. ESPRIA té com a objectiu incrementar la retenció i reduir les taxes d’abandonament de l’estudiantat en programes de grau, a partir d’un conjunt de mesures orientades a facilitar la seva incorporació a la Universitat durant el primer any d’estudis.

 

Per fer-ho, aquest projecte d’innovació promou de manera activa la compatibilització dels estudis en línia amb altres responsabilitats personals, familiars o laborals que caracteritzen l’estudiantat a distància, i implementa millores en el procés de tutorització i matriculació en funció de la disponibilitat de temps d’estudi dels estudiants nous. Així mateix, estableix un conjunt de mesures que afecten el disseny de les assignatures implicades, com ara la revisió de la càrrega de treball, la sincronització dels calendaris de lliurament de les activitats d’aprenentatge per evitar encavalcaments i la introducció de mesures de flexibilització al model d’avaluació.

 

L’avaluació del projecte ESPRIA es va centrar en l’impacte de la participació de l’estudiantat en els resultats acadèmics, tenint en compte la superació de l’avaluació contínua, la superació de les assignatures i la continuïtat dels estudis el semestre següent. Els resultats obtinguts van permetre constatar els efectes positius de la intervenció. En conseqüència, les mesures es van adoptar en el procés d’incorporació de l’estudiantat de tots els programes de grau de la Universitat.

 

 

 

Per saber-ne més

Minguillón, J., Meneses, J., Calvo, A., Serres, J. i Aracil, X. (2021). Still Open During the Covid-19 Lockdown: An Analysis of Online Students’ Engagement with the Virtual Campus. A Proceedings of the 2021 Annual Conference: Lessons from a Pandemic for the Future of the Education (p. 440-429). European Distance and E-Learning Network, Budapest. https://doi.org/10.38069/edenconf-2021-ac0041

 

Meneses, J., Minguillón, J., González, M. D. i Martínez-Aceituno, J. A. (2019). ESPRIA. Millora de l’acompanyament dels estudiants de primer any. Universitat Oberta de Catalunya. https://openaccess.uoc.edu/handle/10609/103166?locale=ca

 

Xavier, M. i Meneses, J. (2020, 30 de juliol). El projecte ESPRIA de la UOC es presenta al Congrés Anual 2020 de la xarxa EDEN [entrada de blog]. Blog de l’eLearning Innovation Center. https://blogs.uoc.edu/elearning-innovation-center/ca/el-projecte-espria-de-la-uoc-es-presenta-al-congres-anual-2020-de-la-xarxa-eden/

 

 

 

(Visited 16 times, 1 visits today)
Autors / Autores
Enginyer de dades expert en el suport tecnològic per a la captura i obtenció de les dades.
Tècnic de gestió del procés del servei de demanda de dades.
Analista experta en l'extracció, la neteja i l'anàlisi avançada de dades per desenvolupar projectes institucionals.
Enginyera de dades experta en l'extracció, la neteja, l'anàlisi i la visualització de les dades.
Analista expert en el coneixement dels processos i fonts d'informació de la UOC, l'anàlisi i la visualització de dades.
Professor dels Estudis de Psicologia i Ciències de l'Educació i director de l'equip de Learning Analytics de l'eLearning Innovation Center. Expert en el desenvolupament de models analítics i la comunicació de resultats.