Servicios de provisión y analítica de los datos académicos en la UOC

11 noviembre, 2022
Foto por Myriam Jessier en Unsplash

Cómo obtenemos, ofrecemos y analizamos los datos académicos

 

 

Presentación de los servicios

El objetivo de los servicios de provisión y analítica avanzada de los datos académicos del equipo de Learning Analytics del eLearning Innovation Center (eLinC) es dar apoyo a los procesos de innovación docente promoviendo la incorporación de evidencias obtenidas a partir del análisis de los datos en los procesos de decisión del personal académico de la universidad.

 

El servicio de provisión de datos académicos tiene como finalidad proveer de datos académicos al personal docente e investigador de la UOC. En este servicio se proporcionan datos relativos a la actividad regular del personal docente y el estudiantado que pueden utilizarse para la experimentación, la evolución y la mejora de asignaturas, programas y grados, o para hacer trabajos finales de máster, tesis doctorales y proyectos de investigación.

 

En el servicio de análisis avanzado de los datos académicos trabajamos con los registros institucionales para proporcionar evidencias que puedan ayudar en los procesos de decisión, y tratamos de dar respuesta a preguntas planteadas por diferentes órganos y comisiones directivas de la universidad. Incorporando procesos de investigación de forma ágil, diseñamos y ejecutamos procesos de evaluación de proyectos de innovación institucional, desarrollamos una visión analítica sobre los asuntos estratégicos para la universidad e informamos de las decisiones de los diferentes colectivos implicados a partir de la generación de nuevo conocimiento basado en evidencias.

 

 

Servicio de provisión de datos académicos

En el servicio de provisión de datos se suministran datos académicos relativos a la actividad regular del personal docente y el estudiantado: por ejemplo, datos de acceso del estudiantado a diferentes espacios y servicios del campus, como el aula, los materiales docentes o los foros; datos de matrícula, entregas de actividades de evaluación y calificaciones del estudiantado, y datos relativos a la actividad del personal docente, tanto de los tutores y tutoras como del profesorado colaborador (PC) y el profesorado responsable de asignatura (PRA).

 

El servicio de provisión de datos se inicia en el momento en que los peticionarios (personal docente o investigador) de la universidad hacen una solicitud de datos. En este punto se emprende un proceso de gestión con las etapas de recepción, ejecución, cierre y seguimiento.

 

Para proporcionar los datos, disponemos de una infraestructura tecnológica que nos permite almacenar y organizar todos los registros vinculados a la actividad regular del personal docente y el estudiantado, denominada DataMart.

 

Los datos del DataMart son una versión curada de las bases de datos originales (por ejemplo, la base de datos del campus o los registros de evaluación) que recoge y ordena solo la información que se considera relevante para hacer análisis posteriores desde el punto de vista de la innovación docente o la investigación. Por este motivo, el DataMart está vivo y puede crecer según las necesidades y las nuevas incorporaciones de datos, a medida que detectamos nuevas oportunidades analíticas a partir de las demandas que recibimos en el servicio.

 

Cabe mencionar que todos los datos de los que disponemos en el DataMart son anonimizados, es decir, solo tenemos un código de estudiante que no nos permite identificar de forma personal al estudiante.

 

Actualmente, la carga de datos del DataMart va ligada al calendario académico (una vez finalizada la matrícula). Se hace una carga al inicio del semestre y otra al final. Conceptualmente, los datos se organizan en forma de servicios, a partir de un modelo abstracto. El DataMart incluye datos de decenas de servicios diferentes, en los que cada servicio expresa una acción o hecho relevante desde el punto de vista de la actividad académica.

 

 

Servicio de análisis avanzado de los datos académicos

El servicio de análisis avanzado de los datos académicos se inicia a partir de una demanda institucional. Cuando se recibe la demanda de análisis, aplicamos una metodología estandarizada para estructurar el problema y darle respuesta teniendo en cuenta los datos de los que disponemos.

 

En primer lugar, empezamos el proceso con una fase de análisis inicial, en la que identificamos qué preguntas se quieren responder y desarrollamos un plan para establecer los datos que necesitaremos y el tipo de análisis que tendremos que aplicar. A continuación, entramos en la fase de ejecución, en la que usamos diferentes herramientas de exploración, análisis y visualización de datos, como R, Python o PowerBI. Finalmente, en la fase final de entrega de los resultados presentamos los resultados y las conclusiones del análisis para informar y acompañar en el proceso de decisión institucional.

 

A continuación, presentamos dos ejemplos de análisis avanzado de datos académicos: el impacto de la COVID-19 en el desarrollo de la actividad académica y la evaluación del proyecto ESPRIA.

 

 

Impacto de la COVID-19 en la actividad académica

Durante el periodo de la pandemia de la COVID-19, las instituciones educativas tuvieron que hacer frente a un periodo de incertidumbre en relación con el impacto que podría tener la pandemia sobre los procesos de aprendizaje de las universidades.

 

El análisis del impacto de la COVID-19 se concretó en diferentes objetivos:

  • Evaluar el potencial impacto de la virtualización de las pruebas finales presenciales, para determinar cuál sería el rango de pruebas que podrían llegar a llevarse a cabo al finalizar la docencia y asegurar la infraestructura técnica necesaria.
  • Evaluar la evolución del seguimiento de la evaluación continua, monitorizando las entregas del estudiantado de todas las titulaciones en comparación con el comportamiento del curso anterior y analizando el impacto de las medidas de flexibilidad introducidas en los programas.
  • Evaluar los patrones de conexión en el Campus Virtual del estudiantado, profesorado colaborador y tutores y tutoras de toda la universidad, para asegurar que todos los actores desarrollaban su actividad con normalidad.
  • Evaluar el impacto de los cambios en los modelos de evaluación que se introdujeron en las asignaturas, tanto en el rendimiento del estudiantado como en la continuidad de los estudios durante el semestre siguiente y en la elección de las asignaturas.

 

 

 

Evaluación del proyecto ESPRIA

El proyecto ESPRIA (acrónimo de la expresión estudiantes de primer año) es una intervención institucional a gran escala de mejora del acompañamiento del estudiantado recién llegado a la UOC. ESPRIA tiene como objetivo incrementar la retención y reducir las tasas de abandono del estudiantado en programas de grado, a partir de un conjunto de medidas orientadas a facilitar su incorporación a la UOC durante el primer año de estudios.

 

Para hacerlo, este proyecto de innovación promueve de forma activa la compatibilización de los estudios en línea con otras responsabilidades personales, familiares o laborales que caracterizan al estudiantado a distancia, e implementa mejoras en el proceso de tutorización y matriculación en función de la disponibilidad de tiempo de estudio de los nuevos estudiantes. Asimismo, establece un conjunto de medidas que afectan al diseño de las asignaturas implicadas, como por ejemplo la revisión de la carga de trabajo, la sincronización de los calendarios de entrega de las actividades de aprendizaje para evitar solapamientos y la introducción de medidas de flexibilización en el modelo de evaluación.

 

La evaluación del proyecto ESPRIA se centró en el impacto de la participación del estudiantado en los resultados académicos, teniendo en cuenta la superación de la evaluación continua, la superación de las asignaturas y la continuidad de los estudios en el semestre siguiente. Los resultados obtenidos permitieron constatar los efectos positivos de la intervención. Consecuentemente, sus medidas se adoptaron en el proceso de incorporación del estudiantado de todos los programas de grado de la universidad.

 

 

 

Para saber más

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 14 times, 1 visits today)
Autores / Autoras
Ingeniero de datos experto en el soporte tecnológico para la captura y obtención de los datos.
Técnico de gestión del proceso del servicio de demanda de datos.
Analista experta en la extracción, la limpieza y el análisis avanzado de datos para desarrollar proyectos institucionales.
Ingeniera de datos experta en la extracción, la limpieza, el análisis y la visualización de los datos.
Analista experto en el conocimiento de los procesos y las fuentes de información de la UOC, el análisis y la visualización de datos.
Profesor de los Estudios de Psicología y Ciencias de la Educación y director del equipo de Learning Analytics del eLearning Innovation Center. Experto en el desarrollo de modelos analíticos y en la comunicación de resultados.