Marzo/25 Para Komljenovic, de la U. de Edinburgo, “la prisa por hacer que la educación superior esté basada en datos ignora una verdad fundamental: los datos digitales no son valiosos en sí mismos: hay que hacerlos valiosos, a un gran costo”. Tomado de International Higher Education.
Los datos digitales se perciben como valiosos en las economías y sociedades contemporáneas. En la educación superior, los actores clave creen que recopilar, analizar, estructurar, gestionar y utilizar datos y sus resultados —como análisis, paneles de control o puntuaciones— mejorará el sector. Las universidades buscan que los datos sean útiles y se esfuerzan por convertirse en organizaciones basadas en datos en sus actividades estratégicas y operativas. Las empresas de tecnología educativa (EdTech) se esfuerzan por monetizar los datos digitales que recopilan, es decir, convertirlos en datos económicamente valiosos. Los responsables políticos buscan basar sus decisiones en datos en tiempo real. Sin embargo, existen muchos conceptos erróneos y desafíos para materializar el valor de los datos en la educación superior.
En este artículo, se identifican cinco desafíos de la datificación en la educación superior mediante la investigación de universidades, empresas emergentes de EdTech e inversores en EdTech en el Reino Unido. La datificación se refiere a la cuantificación del mundo social y natural y su representación en formatos digitales legibles por máquinas, lo que a menudo implica una reducción de la complejidad. Es probable que los hallazgos sean aplicables más allá del Reino Unido, ya que las empresas e inversores de EdTech investigados trabajan en numerosos países y regiones del mundo.
Los datos no son inherentemente valiosos
Parece existir una creencia generalizada en el valor de los datos entre universidades, empresas de tecnología educativa (EDTech) e inversores en EdTech. Sin embargo, este valor no se materializa realmente, al menos no en la medida deseada por las partes interesadas. El valor de los datos tiene significados diferentes para cada parte interesada. Por un lado, las universidades están interesadas en utilizar el valor de los datos para mejorar la experiencia del estudiante y la eficiencia de los procesos administrativos, personalizar el aprendizaje y automatizar procesos. Por otro lado, las empresas de EdTech experimentan con diferentes estrategias para monetizar los datos de estudiantes y personal que recopilan. En ambos casos, lograr que los datos sean útiles y valiosos resulta difícil y requiere recursos. Los datos no son inherentemente valiosos; más bien, deben serlo.
Las Buenas Prácticas de Datos Son Costosas
El procesamiento de datos exige recursos tecnológicos, financieros y humanos. Desde la perspectiva de las universidades, el discurso de datos promete eficiencia y ahorro, pero las investigaciones apuntan a una increíble cantidad de mano de obra que respalda la datificación. Esto incluye al personal académico y administrativo que introduce y ordena datos, prueba y ajusta los resultados de los datos, cambia las prácticas laborales, etc. También implica la necesidad de nuevas habilidades y puestos de trabajo, como científicos de datos, desarrolladores de TI, gerentes de proyectos y gerentes de proveedores, lo que también requiere cambios organizacionales. Los costos de la infraestructura digital están aumentando, incluyendo la migración a la infraestructura en la nube de las grandes tecnológicas. De igual manera, las empresas de tecnología educativa (EDTech) tienen dificultades para afrontar el costo de las prácticas de datos, especialmente los análisis y resultados de datos más sofisticados que van más allá de las estadísticas descriptivas o las comparaciones simples. Además, si desean desarrollar información de datos interinstitucional, el desarrollo de grandes bases de datos tarda aproximadamente cinco años. Tienen dificultades para atraer suficiente inversión para procesos de datos de alta calidad, ya que se percibe que el retorno de la inversión es menor en educación que en otros sectores.
No todos los datos son útiles
No todos los resultados de datos son iguales. Muchos miembros de las universidades consideran que algunos resultados de datos publicados en productos de tecnología educativa no son necesarios para la enseñanza y el aprendizaje. Además, algunos resultados de datos no son representativos de lo que dicen representar. Además, no se necesita la misma métrica para respaldar la enseñanza en línea o presencial, aunque a menudo se considera que las empresas de tecnología educativa promueven los resultados de datos de manera similar. Los miembros de las universidades afirman que “el simple hecho de que los datos se puedan recopilar y analizar no significa que deban serlo”. De hecho, las empresas de tecnología educativa a menudo experimentan con los resultados de datos en busca del destinatario adecuado que esté dispuesto a pagar por ellos. Se pueden desarrollar y promover diferentes resultados de datos y métricas a diversas partes, lo que podría perjudicar a otros actores. Por ejemplo, una métrica que muestre cuántos estudiantes accedieron a una lectura asignada y cuánto tiempo dedicaron a ella podría promocionarse como una medida del desempeño del personal académico ante los líderes universitarios. Pero si el acceso de los estudiantes a textos electrónicos es, de hecho, una buena medida del desempeño del personal es una cuestión diferente.
Los resultados de datos son relevantes
La forma más común en que las empresas de tecnología educativa intentan monetizar los datos de los usuarios es mediante la “datificación de productos”, es decir, integrando los resultados de datos en productos con una oferta principal diferente. Por ejemplo, una plataforma de videollamadas podría integrar análisis de las descripciones de las llamadas o la participación de los participantes en la conversación. Como se mencionó anteriormente, se pueden generar diferentes resultados de datos y métricas para diferentes públicos, incluyendo actores más allá de las universidades, como editoriales (p. ej., qué títulos se leen, en qué medida y cómo) y gobiernos (p. ej., qué habilidades están presentes o faltan en una población específica). Estos resultados de datos son performativos, es decir, generan acción social y tienen efectos. Pueden tener consecuencias a nivel institucional (p. ej., cuando una universidad decide intervenir en la vida de un estudiante basándose en una puntuación algorítmica), a nivel comercial (p. ej., una editorial que decide qué textos académicos publicar basándose en estadísticas de lectura, que podrían basarse en estímulos conductuales), a nivel de políticas (p. ej., un gobierno que toma decisiones políticas), etc. Por lo tanto, importa qué tipo de datos se generan, quién los genera, con qué propósito y qué consecuencias.
Las prácticas de datos no son democráticas
La datificación de la educación superior no solo representa un desafío tecnológico y legal, sino que también es un proceso lleno de contradicciones y desacuerdos. Muchas personas plantean inquietudes constantes sobre las prácticas de datos. Los académicos suelen considerar que las prácticas de enseñanza y aprendizaje previamente establecidas son más significativas (p. ej., la estrecha relación entre académicos y estudiantes, y la evaluación formativa) que la recopilación y los resultados exhaustivos de datos (p. ej., las analíticas de aprendizaje). Sin embargo, quienes plantean inquietudes a menudo se sienten acusados de oponerse al progreso. Si se imponen diversas métricas a los individuos sin que perciban los beneficios, la datificación no alcanzará los objetivos perseguidos. Esto indica complejas luchas internas y diferentes motivaciones y objetivos respecto a qué tipo de datificación queremos, por qué y cómo, dentro de una institución y entre instituciones o sistemas. Sin dedicar tiempo a un debate y un acuerdo abiertos y democráticos entre los actores de la educación superior, la datificación de la educación superior no podrá cumplir sus promesas.
Un camino a seguir
Las investigaciones indican que la datificación, concebida e impuesta al personal y al alumnado por gobiernos, empresas de tecnología educativa o directivos universitarios, no producirá resultados positivos. En cambio, las siguientes medidas podrían generar mejores resultados. En primer lugar, es importante que los modelos de negocio de las empresas de tecnología educativa se perciban como legítimos, para que los usuarios universitarios no se sientan explotados. En segundo lugar, existe una gran apreciación de la datificación para impulsar los procesos administrativos y la eficiencia, como el ahorro en costes de software o la concesión de licencias de publicación basadas en tendencias de uso o lectura. La promoción de los resultados de datos o productos datificados debe ser honesta, válida y basada en evidencias, además de permitir la variedad y flexibilidad de uso, así como la autonomía individual en su uso. Debe existir un propósito claro y consensuado para los resultados de datos que entran en los sistemas de educación superior, en cualquier nivel y escala. La experimentación con la datificación parece útil, pero debería permitir su reversión si los resultados de datos no aportan valor a los usuarios. Las empresas de tecnología educativa deben colaborar con las universidades de forma respetuosa y apoyar sus objetivos, culturas y comunidades. Por último, es fundamental tomarse el tiempo y reducir la velocidad para innovar de manera responsable y probar productos, así como invertir suficientes recursos en una buena dataficación.
