Modelamiento de Learning Analytics para la Educación de Negocios

Este proyecto busca construir un modelo a partir de indicadores del entorno educativo y sus relaciones que permitan mejorar los procesos de aprendizaje y satisfacción de los estudiantes y hacer más eficiente la gestión académica y la innovación (Fetter y Shockley, 2014) de modo que también se mejoren las estrategias de reclutamiento y de perfilamiento de los estudiantes (Elalfy, 2018) desde el uso de análisis de datos y algoritmos para la toma de decisiones en una escuela de negocios en Latinoamérica. Ello permitirá entender cómo mejorar los resultados del aprendizaje identificando los factores de éxito estudiantil (Greller y Drachsler, 2012), hacer seguimiento al progreso de los estudiantes (Libbrecht, 2012), identificar estudiantes en riesgo (Kotsiantis et al., 2013) y de bajo compromiso en aprendizaje online (Rogers et al., 2016), caracterizar los estilos de aprendizaje de los alumnos (Dutt et al., 2017; Papamitsiou y Economides, 2014) para guiar la construcción de currículos (Goyal y Vohra, 2012) y evaluación de programas (Bollenback, 2015), incrementar la satisfacción de los estudiantes, incrementar la retención estudiantil, comprender qué tipo de intervenciones académicas son las más efectivas (Jayaprakash et al., 2014) y optimizar la contratación y capacitación docente (Giacumo y Bremen, 2016). A partir de estos indicadores, se buscará la creación de mecanismos para automatizar su recolección y procesamiento de datos, su visualización y el minado de datos educativos para generar oportunidades de aprendizaje individualizadas (Scheffel et al., 2014). Todo ello contribuirá a la construcción de un modelo predictivo (Gasevic et al., 2016) que permita a las instituciones educativas enfocarse en los puntos críticos para el aprendizaje y otras variables relacionadas. Este trabajo también implica explorar y definir la mejor forma de operar, calcular y reportar los indicadores y sus relaciones, aprovechando los métodos de investigación educativa y las actuales metodologías de recolección y explotación de datos. Un estudio de este tipo es relevante debido a que el uso de minería de datos educativos es muy limitado aún fuera de los contextos de Norteamérica y Europa occidental. Asimismo, la limitada disponibilidad de personal y tecnología dedicados a proyectos de analítica de datos en educación (Ifenthaler, 2017) genera la necesidad de contribuir a este campo desde la investigación y la práctica académica, pues esta inversión reducirá costos futuros o elevará el valor a los estudiantes (Elalfy, 2018).