Módulo 5 • Activismo en datos desde la educación superior, un compromiso académico •

Authored by Por Juliana E. Raffaghelli • Con la contibución de Quelic Berga y Caroline Kuhn

En este módulo exploramos los conceptos de legibilidad, agencia y negociabilidad aplicados a las analíticas de aprendizaje. Trataremos de comprender cómo la datificación en el campo de las plataformas educativas atraviesa el camino de la docencia universitaria y cómo incide en su quehacer. Acabaremos este recorrido haciendo una propuesta: el avance tecnológico que lleva al uso de técnicas data-driven no puede ser vivido pasivamente por el profesorado, sino que requiere un posicionamiento de continua activación para reclamar la legibilidad de las infraestructuras de datos así como para participar en procesos de negociación relacionados con la vigilancia y la privacidad del estudiantado y de las y los docentes mismos.

Consideramos que el objetivo último del profesorado universitario es involucrarse, comprometerse y  ponerse en juego (lo que llama a la agencia o “agency” en el sentido dado al término desde el punto de vista anglosajón) respecto a las tecnologías e infraestructuras datificadas, en un recorrido que se hace al lado mismo de ese desarrollo tecnológico, no después, en su aceptación pasiva. Por ello, hablaremos de “activismo de datos”.

Nuestra meta en este módulo es abrir el espacio para la discusión y conscientización de este fenómeno social y ofrecer diferentes herramientas pedagógicas que permitan al docente prestar atención a cómo las tecnologías ingresan a sus experiencias educativas y qué valores o imaginarios ellos y otros asignan a los datos en la enseñanza y el aprendizaje. En particular, es necesario reflexionar sobre los intereses económicos y de control del comportamiento que encierran muchas de las soluciones tecnológicas propuestas como panacea de la información que mejora, facilita y da precisión al quehacer docente.

Así, nuestro recorrido comenzará desde la exploración del concepto y las aplicaciones de analíticas del aprendizaje y su objetivo de apoyar patrones de comportamiento más eficaces en el profesorado y el estudiantado. Yendo más allá del tecno-solucionismo que frecuentemente ha permeado los discursos y la investigación sobre las analíticas del aprendizaje, enfocaremos la literatura crítica en torno al uso de datos educativos, focalizando las preocupaciones éticas. Para lograr un equilibrio entre el tecno-entusiasmo y la tecno-desilusión, ofreceremos algunos casos que consideran los datos en la educación a través de lentes complejos, interdisciplinarios y participativos. Finalmente, reflexionaremos en torno al valor del activismo de datos en la educación, como una mentalidad y actitud que implica una perspectiva crítica y transformadora hacia la tecno-estructura en evolución, apuntando a la agencia, la negociabilidad y la legibilidad como medios para construir culturas de datos justas en la educación superior y hacia la sociedad.

Puedes descargar todo el módulo en PDF haciendo click en el boton del DOI
DOI

Si estas descargando este módulo, estamos muy interesados en saber dónde y para qué lo usas. Si estas interesado(a) en contribuir puedes hacer click aqui y dejarnos tu correo y una breve información de cómo estas usando este recurso, así te podemos contactar y hacer el segumiento del impacto de nuestro proyecto. Si no quieres ser contactado(a) no hay problema, los recursos están disponibles igualmente. Te estamos agradecidos de antemano por tu colaboración.

NOTA: La lección 1 esta disponible ya acá en el sitio y las 3 restantes se pueden descargar desde el Zenodo y estarán disponibles en el sitio pronto.

Learning Outcomes

  1. Comprender el concepto de analíticas del aprendizaje como expresión más reciente del uso de datos educativos digitalizados, incluidos los tipos, las posibilidades tecnológicas y los diseños pedagógicos.
  2. Conocer el desarrollo histórico, breve pero contundente, del concepto de analíticas de aprendizaje
  3. Reflexionar sobre las implicaciones éticas relacionadas con el uso de los datos del estudiantado y las trampas vinculadas a una concepción ingenua de las analíticas del aprendizaje.
  4. Reflexionar sobre el valor del activismo de datos en torno a los datos en la educación, para desarrollar prácticas participativas y transformadoras como medio para construir culturas de datos “justas” en la educación superior.

Media introductorio:

Adell, Jordi, Seminario ‘Analíticas del aprendizaje: Una perspectiva crítica’ | CENT

Contenidos del video:

  • Definición. Marcos conceptuales. Presupuestos
  • Promesas
  • Tipos-Aplicaciones
  • Críticas: los peligros de “datificar” la enseñanza y el aprendizaje
  • Para saber más

 

Icon for glossary.

  • Activismo en datos es una práctica social que se parte de las tecnologías e infraestructuras de datos para contestar las formas de poder que encierran en la búsqueda de la justicia social y ética
  • Analíticas de aprendizaje El resultado de la medición, recopilación, análisis y presentación de informes de datos sobre el estudiantado y sus contextos de aprendizaje, con el fin de comprender y optimizar el proceso de aprendizaje y los entornos en los que éste ocurre
  • Etica de datos (big data) La ética de los macrodatos (Big Data), también conocida como ética de los datos, se refiere a sistematizar, promover y recomendar conceptos de conducta correcta e incorrecta en relación con los datos, en particular los datos o información personales
  • Educación basada en evidencias es el concepto aplicado como principio de una práctica educativa que debería buscar la mejor evidencia o prueba científica, más que la tradición, el juicio de los educadores, u otras influencias, para orientar procesos y prácticas educativa
  • Cultura de datos La más reciente aproximación a la cultura de datos la define como una participación sobre el diseño de infraestructuras de datos, el control y la valoración de las prácticas basadas en datos así como el requerimiento de cambios para balancear el impacto del uso de los datos en un contexto organizacional y comunitari
Icon for readings.

Recommended Readings

  1. Broughan, C., & Prinsloo, P. (2020). (Re)centring students in learning analytics: in conversation with Paulo Freire. Assessment and Evaluation in Higher Education, 45(4), 617–628. https://doi.org/10.1080/02602938.2019.1679716
  2. Ebbeler, J., Poortman, C. L., Schildkamp, K., & Pieters, J. M. (2016). Effects of a data use intervention on educators’ use of knowledge and skills. Studies in Educational Evaluation, 48, 19–31 https://doi.org/10.1016/j.stueduc.2015.11.002
  3. Ferguson, R. (2012). Learning analytics: Drivers, developments and challenges. International Journal of Technology Enhanced Learning, 4(5–6), 304–317 https://doi.org/10.1504/IJTEL.2012.051816
  4. Ferguson, R. (2019). Ethical challenges for learning analytics. Journal of Learning Analytics, 6(3), 25–30 https://doi.org/10.18608/jla.2019.63.5
  5. High-Level Expert Group on AI. (2019). Ethical guidelines for Trustworthy AI. Brussels https://ec.europa.eu/digital-single-market/en/news/ethics-guidelines-trustworthy-ai
  6. Milan, S., & van der Velden, L. (2016, October 10). The Alternative Epistemologies of Data Activism https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2850470
  7. Nunn, S., Avella, J. T., Kanai, T., & Kebritchi, M. (2016). Learning Analytics Methods, Benefits, and Challenges in Higher Education: A Systematic Literature Review. Online Learning, 20(2) https://doi.org/10.24059/olj.v20i2.790
  8. Raffaghelli, J. E. (2018). Educators’ Data Literacy Supporting critical perspectives in the context of a “datafied” education. In M. Ranieri, L. Menichetti, & M. Kashny-Borges (Eds.), Teacher education & training on ict between Europe and Latin America (pp. 91–109). Roma: Aracné https://doi.org/10.4399/97888255210238
  9. Raffaghelli, J. E., Manca, S., Stewart, B., Prinsloo, P., & Sangrà, A. (2020). Supporting the development of critical data literacies in higher education: building blocks for fair data cultures in society. International Journal of Educational Technologies in Higher Education, 17(58) https://doi.org/https://doi.org/10.1186/s41239-020-00235-w
  10. Raffaghelli, J. E., & Stewart, B. (2020). Centering complexity in ‘educators’ data literacy’ to support future practices in faculty development: a systematic review of the literature. Teaching in Higher Education, 25(4), 435–455 https://doi.org/10.1080/13562517.2019.1696301
  11. Shum, S. J. B. (2019). Critical data studies, abstraction and learning analytics: Editorial to Selwyn’s LAK keynote and invited commentaries. Journal of Learning Analytics, 6(3), 5–10 https://doi.org/10.18608/jla.2019.63.2
  12. Siemens, G. (2013). Learning Analytics. American Behavioral Scientist, 57(10), 1380–1400 https://doi.org/10.1177/0002764213498851
  13. Slade, S., & Prinsloo, P. (2013). Learning Analytics, Ethical Issues and Dilemmas. American Behavioral Scientist, 57(10), 1510–1529 https://doi.org/10.1177/0002764213479366
  14. Stewart, B., & Raffaghelli, J. E. (2020). Why should we care about datafication? Critical data literacies in Higher Education | Zenodo. Barcelona http://doi.org/10.5281/zenodo.3744135
  15. Tsai, Y.-S., & Gasevic, D. (2017). Learning analytics in higher education -challenges and policies. In Proceedings of the Seventh International Learning Analytics & Knowledge Conference on - LAK ’17 (pp. 233–242). New York, New York, USA: ACM Press https://doi.org/10.1145/3027385.3027400
  16. Vuorikari, R., Ferguson, Rebecca., Brasher, Andrew., Clow, Doug., Cooper, Adam., Hillaire, Garron., Mittelmeier, J., & Rienties, Bart. (2016). Research Evidence on the Use of Learning Analytics (p. 148). Joint Research Center - Publications Office of the European Union https://doi.org/10.2791/955210
css.php