De la educación colectiva a la individual: la revolución del big data

“Dos por uno, dos. Dos por dos, cuatro…”. Esta cantinela nos suena a todos. Quien más, quien menos, la ha recitado a coro en alguna ocasión junto a decenas de compañeros en clase. Es tal vez el retrato más fidedigno que tenemos de lo que ha sido la educación en los últimos siglos: un montón de escolares de la misma o similar edad haciendo lo mismo, al mismo tiempo. Un paradigma, el de la educación colectiva, que va camino de cambiar para siempre.

Lo avisan expertos de todo el mundo: el aprendizaje del futuro será cada vez más individual y personalizado. Diremos adiós a las clases magistrales. El maestro, en lugar de enseñar a un grupo de niños la tabla del 2, se convertirá en el guía de cada uno de ellos. Lo acompañará en su propio itinerario, probablemente confeccionado a base de contenidos a su medida. Los profesores serán menos transmisores de conocimiento y más orientadores de alumnos, quienes harán cada vez más trabajo por su cuenta.

Suena a quimera. ¿Cómo vamos a saber lo que necesita cada niño? ¿Cómo sabremos orientarlo justo como lo necesita? La respuesta, cómo no, está en la tecnología. Y su llave maestra será el big data, esa disciplina que se encarga de almacenar, clasificar y analizar los datos que generamos de manera masiva.

Para conseguir una educación personalizada a las necesidades del alumno, de lo primero que hay que disponer es de información. Se trata de optimizar el rendimiento de los estudiantes, de los profesores y, en último término, del propio sistema educativo. Para ello, es necesario recolectar datos, tratarlos, analizarlos e interpretarlos.

De la primera parte, más centrada en el acceso y almacenamiento de los datos, se encargan las herramientas de big data. De la segunda, la analítica de aprendizaje o Learning Analytics, una disciplina que emplea técnicas pedagógicas y algoritmos de minería de datos para obtener información que permita mejorar la práctica educativa. Esta es la base tecnológica que se empleará para mejorar el rendimiento de alumnos, profesores y del sistema.

¿Qué significa todo esto? Que, por ejemplo, un profesor podrá saber dónde se quedan atascados los alumnos simplemente con observar sus movimientos durante el curso. Si al llegar a cierta lección muchos de ellos se ven obligados a regresar sobre sus pasos para refrescar conocimientos, significa que el profesor deberá prepararlos mejor antes de continuar y reforzar más esa dificultad en particular para ayudarles a avanzar. Por supuesto, todo esto se puede llevar al plano individual.

De hecho, ya existen algunos experimentos en este sentido. En la Universidad Estatal de Arizona, las clases de matemáticas se imparten a través de ordenadores. Un software recoge información de cada estudiante: sus notas, sus habilidades, sus dificultades e incluso sus vacilaciones a la hora de utilizar el ratón. Entonces, unos algoritmos comparan los datos recogidos con estadísticas basadas en los de miles de estudiantes para adaptar el material a cada alumno y aplicar la enseñanza de manera efectiva. El sistema detecta si el alumno hace progresos y le proporciona más material para seguir adelante o bien le indica qué conceptos le conviene repasar para continuar. Además, el software facilita al profesor el seguimiento de cada alumno: si alguno se queda atrás, lo avisa automáticamente y le indica en qué partes tiene más dificultades para que pueda ayudarlo.

El big data aplicado a la educación puede ayudar a tomar decisiones sobre la marcha, de manera similar al ejemplo que acabamos de ver. Sin embargo, también resulta útil para elaborar predicciones.

Mediante el propio análisis del desempeño del alumno se puede obtener información valiosa para poder confeccionar propuestas a su medida que lo ayuden a obtener el máximo rendimiento de su educación. Se trata de un modelo de aprendizaje adaptativo, que se amolda a lo que necesita el alumno en cada momento para lograr un objetivo en el futuro.

La principal ventaja de este modelo personalizado y adaptativo es que puede ser la respuesta a buena parte del abandono escolar que se produce por exponer a todos los estudiantes a un mismo método. En muchos casos, los alumnos no pueden alcanzar su potencial porque su manera de aprender y socializar no se adapta correctamente al modelo común establecido. Con un modelo adaptado a estas características, les resultará mucho más sencillo alcanzar sus objetivos educativos con éxito.

La aplicación del big data para lograr una educación personalizada y realmente eficaz tiene que resolver todavía algunas cuestiones. Una de ellas tiene que ver con los peligros de filtrar a los estudiantes mediante la predicción y empujarlos hacia una carrera determinada. Si no se utilizan bien estas técnicas, se corre el riesgo de darse de bruces precisamente con lo contrario de lo que se pretende: la despersonalización y la discriminación de los alumnos.

Para evitar este y otros riesgos similares, la ética será fundamental. Será esta la que deberá responder a estos retos. También ayudarán la flexibilidad y una mente abierta. Es necesario evitar que los estudiantes vayan por un camino determinado solo porque lo diga un algoritmo que ha procesado una serie de datos y ha elaborado una predicción que, a fin de cuentas, puede estar equivocada. El libre albedrío y el pensamiento crítico que nos hacen humanos seguirán siendo fundamentales.