De l’educació col·lectiva a la individual: la revolució del big data

“Dos per un, dos. Dos per dos, quatre…”. Aquesta cantarella ens sona a tots. Qui més, qui menys, l’ha recitat en alguna ocasió amb desenes de companys a classe. Potser és el retrat més fidedigne que tenim del que ha estat l’educació en els últims segles: un munt d’escolars de la mateixa o similar edat fent el mateix, alhora. Un paradigma, el de l’educació col·lectiva, que va camí de canviar per sempre.

Ho avisen experts de tot el món: l’aprenentatge del futur serà cada vegada més individual i personalitzat. Direm adeu a les classes magistrals. El mestre, en lloc d’ensenyar un grup de nens la taula del 2, es convertirà en el guia de cadascun. L’acompanyarà en el seu propi itinerari, probablement confeccionat a base de continguts a mida. Els professors seran menys transmissors de coneixement i més orientadors d’alumnes, que faran cada vegada més feina pel seu compte.

Sona a quimera. Com sabrem el que necessita cada nen? Com sabrem orientar-lo just com necessita? La resposta, com no podia ser d’una altra manera, rau en la tecnologia. I la seva clau mestra serà el big data, aquesta disciplina que s’encarrega d’emmagatzemar, classificar i analitzar les dades que generem de manera massiva.

Per aconseguir una educació personalitzada a les necessitats de l’alumne, el primer que cal tenir a mà és informació. Es tracta d’optimitzar el rendiment dels estudiants, dels professors i, en últim terme, del mateix sistema educatiu. Per fer-ho, cal recol·lectar dades, tractar-les, analitzar-les i interpretar-les.

De la primera part, més centrada en l’accés i emmagatzematge de les dades, se n’encarreguen les eines de big data. De la segona, l’analítica d’aprenentatge o Learning Analytics, una disciplina que fa servir tècniques pedagògiques i algoritmes de mineria de dades per obtenir informació que permeti millorar la pràctica educativa. Aquesta és la base tecnològica que utilitzarem per millorar el rendiment d’alumnes, professors i del sistema.

I què significa tot això? Que, per exemple, un professor podrà saber on s’encallen els alumnes simplement observant-ne els moviments durant el curs. Si, en arribar a certa lliçó, molts es veuen obligats a tornar enrere per refrescar coneixements, significa que el professor haurà de preparar-los millor abans de continuar i reforçar més aquesta dificultat en particular per ajudar-los a avançar. Per descomptat, tot això es pot portar al pla individual.

De fet, ja hi ha alguns experiments en aquest sentit. A la Universitat Estatal d’Arizona, les classes de matemàtiques s’imparteixen a través d’ordinadors. Un programa recull informació de cada estudiant: les notes, les habilitats, les dificultats i, fins i tot, les vacil·lacions a l’hora d’utilitzar el ratolí. Llavors, uns algoritmes comparen les dades que s’han recollit amb estadístiques basades en els de milers d’estudiants per adaptar el material a cada alumne i aplicar l’ensenyament de manera efectiva. El sistema detecta si l’alumne fa progressos i li proporciona més material per seguir endavant o bé li indica quins conceptes li convé repassar per continuar. A més, el software facilita al professor el seguiment de cada alumne: si algun es queda endarrere, l’avisa automàticament i li indica en quines parts té més dificultats perquè el pugui ajudar.

El big data aplicat a l’educació pot ajudar a prendre decisions sobre la marxa, de manera similar a l’exemple que acabem de veure. Tanmateix, també resulta útil per elaborar prediccions.

Amb la mateixa anàlisi de l’acompliment de l’alumne es pot obtenir informació valuosa per poder confeccionar-li propostes a mesura que l’ajudin a obtenir el màxim rendiment de la seva educació. Es tracta d’un model d’aprenentatge adaptatiu, que s’emmotlla al que necessita l’alumne en cada moment per aconseguir un objectiu en el futur.

El principal avantatge d’aquest model personalitzat i adaptatiu és que pot ser la resposta a bona part de l’abandonament escolar que es dona quan exposem tots els estudiants a un mateix mètode. En molts casos, els alumnes no poden arribar a desenvolupar el seu potencial perquè la seva manera d’aprendre i socialitzar no s’adapta correctament al model comú establert. Amb un model adaptat a aquestes característiques, els resultarà molt més senzill aconseguir els seus objectius educatius amb èxit.

L’aplicació del big data per aconseguir una educació personalitzada i realment eficaç encara ha de resoldre algunes qüestions. Una té a veure amb els perills de filtrar els estudiants mitjançant la predicció i empènyer-los cap a una carrera determinada. Si no s’utilitzen bé aquestes tècniques, es corre el risc de topar-se de morros precisament amb el contrari del que volem: la despersonalització i la discriminació dels alumnes.

Per evitar aquest i altres riscos similars, l’ètica serà fonamental. Serà la que haurà de donar resposta a aquests reptes. També hi ajudaran la flexibilitat i una ment oberta. Cal evitar que els estudiants vagin per un camí determinat només perquè ho digui un algoritme que ha processat una sèrie de dades i ha elaborat una predicció que, al cap i a la fi, pot estar equivocada. El lliure albir i el pensament crític que ens fan humans continuaran sent fonamentals.