Photo Andrew Jaffrey, Head of the Office for Digital Learning at Ulster University.

La Universidad de Ulster mejora la retención estudiantil gracias a los modelos predictivos

SHARE THIS POST

Este artículo fue publicado originalmente el 03 de Jul. De 2018 en E-Learn Magazine. Lea la versión en inglés aquí

Mejorar la satisfacción y la retención estudiantil es una de las metas más importantes a largo plazo de la Universidad de Ulster, la principal Civic University de Irlanda del Norte, con más de 27.000 estudiantes distribuidos en cuatro puntos de la región, como en los campus asociados en Londres y Birmingham en donde se cursan programas completamente en línea.

Ulster es la primera institución dentro de la Unión Europea en emplear Blackboard Predict, una solución que aprovecha los datos y las herramientas de analítica avanzada para identificar estudiantes en riesgo. Gracias a esto, la universidad implementó un proyecto piloto de analítica predictiva en tiempo récord: menos de un año. La aplicación del modelo predictivo, le permitió a los profesores, instructores y consejeros estudiantiles intervenir de manera temprana al identificar los primeros signos de problemas en sus estudiantes. Aprenda más de su experiencia a continuación.

Retención estudiantil: un esfuerzo continuo

En Ulster, la retención estudiantil no es un tema nuevo, pero sí han adoptado un enfoque más estructurado en los últimos años. La institución fue parte de un proyecto de educación superior en todo el Reino Unido llamado “What works?” (¿Qué es lo que funciona?), publicado en 2013. Esta iniciativa buscaba identificar cómo los proveedores de educación superior pueden mejorar la retención y el éxito del estudiante. Ulster realizó varios estudios dentro del marco de este proyecto, y algunas de las estrategias que surgieron incluyen generar compromiso por medio de asociaciones entre el profesorado y los estudiantes, promover el apoyo entre pares, crear sentido de pertenencia, entre otras.

Como resultado, la universidad aplicó un enfoque estratégico, transversal y de largo plazo dirigido a aumentar la retención estudiantil, que de ahora en adelante se complementará con la toma de decisiones e intervenciones en tiempo real. Esto se hará a través de la analítica predictiva, con un modelo basado en datos de antiguos estudiantes, para identificar alumnos que podrían tener dificultades y desertar en el futuro.

“Lo que hacemos es mejorar nuestro enfoque con datos oportunos y en tiempo real. Aunque respetamos que muchas áreas de nuestra institución poseen estrategias de intervención y retención muy bien diseñadas, la realidad es que muchas de nuestras facultades registran índices de deserción muy altos”, dice Andrew Jaffrey, Head of the Office for Digital Learning de la Universidad de Ulster. “Nuestro objetivo al implementar Blackboard Predict es proveer una plataforma estandarizada y estimular la toma de decisiones con base en datos y estrategias de intervención oportunas”.

Desarrollo del proyecto

Esta no es la primera vez que Ulster ha empleado el análisis de datos para mejorar la experiencia de aprendizaje. De hecho, un trabajo previo con analítica descriptiva y diagnóstica les permitió investigar “qué pasó” y “por qué pasó”, explica Jaffrey. “Usamos la analítica descriptiva y diagnóstica para determinar cómo se utilizaba nuestro ambiente digital de aprendizaje y las diferentes herramientas y tecnologías de soporte al aprendizaje”, agrega.

Esto fue así hasta el día en que un nuevo vicerrector adjunto los animó a adoptar un enfoque predictivo con mayor énfasis en los estudiantes. Fue entonces que se creó una junta de proyecto con miembros de las distintas facultades de la universidad, así como actores internos y departamentos de servicios profesionales, tales como el de apoyo al estudiante, servicios de TI, la administración estudiantil y la unidad de gestión de calidad. “Uno de los retos de los proyectos de analítica del aprendizaje es la responsabilidad sobre el mismo, y en qué departamento de la universidad se debería establecer. Al incluir a todos esos actores, pudimos tener discusiones muy valiosas”, señala Jaffrey.

Desde que decidieron emplear la analítica predictiva, el avance del proyecto fue muy rápido. Ulster firmó un contrato piloto con Blackboard en el verano de 2017, con intenciones de inaugurar el proyecto durante el primer semestre del año académico de 2018. “Una de las grandes motivaciones detrás del proyecto era lograr un mejor entendimiento de nuestros datos y asegurar que nuestros supuestos sobre los mismos fueran correctos. Por lo tanto, gran parte del trabajo inicial consistió en los datos y la depuración de los mismos, todo con el fin de garantizar su precisión al momento de ingresarlos al modelo predictivo. Esta parte tomó más de lo previsto, pero una vez que tuvimos los datos depurados y en un buen formato, el modelo predictivo se generó rápidamente y estuvo disponible y listo para la prueba inicial los primeros días de enero de 2018”, explica Jaffrey.

Luego de este hito, se inició el proceso de implementación y concientización en toda la universidad. De enero a abril se discutió sobre ética, gobierno y políticas sobre datos, así como para promover la capacitación adecuada para los profesionales que brindarían su apoyo a la iniciativa. Sólo después de este proceso el proyecto estuvo disponible para toda la institución.

Retos y problemas importantes

Según Jaffrey, uno de los retos más grandes durante la implementación del proyecto fue la integración del sistema. “Estamos trabajando con Blackboard Predict, alojado en Amazon Web Services, así que tuvimos que establecer integraciones específicas del sistema para asegurar que nuestros datos estuviesen protegidos y alineados con la legislación de la Unión Europea. Ese proceso de integración tomó mucho tiempo debido a la instalación técnica, pues debimos emplear mecanismos seguros para la transferencia de datos entre nuestros centros de datos y Amazon Web Services”, recuerda Jaffrey.

En cambio, la rapidez del desarrollo y el ensayo del modelo predictivo fue un aspecto positivo. “Dado que el Modelo Predictivo estaba construido sobre el 80% de los datos estudiantiles de los últimos cuatro años, el 20% restante se retuvo para realizar pruebas. Pudimos correr el modelo a través de ese 20%, y se aprobó mucho más rápido de lo que habíamos anticipado”. Eso se dio gracias a la rapidez de las conversaciones entre el equipo del proyecto, puesto que ya tenían tableros y un modelo para mostrarle a los actores. Como resultado, se retomaron las discusiones sobre ética y desarrollo de políticas para la analítica del aprendizaje.

“Los tableros ya estaban disponibles, lo cual mejora cualquier conversación. En ese momento, además, teníamos muy buena participación por parte del centro de estudiantes y soporte al estudiante en lo referente al uso ético de los datos estudiantiles”, subraya Jaffrey. “Pensamos cuidadosamente sobre la posible percepción de los estudiantes en cuanto a los tableros, así como los potenciales impactos negativos que implicaría sobre los estudiantes el hecho de poder ver claramente sus deficiencias de desempeño. Por ejemplo, tuvimos muchas discusiones sobre el lenguaje a utilizar en las intervenciones de apoyo al estudiante para garantizar que el lenguaje fuera lo más incluyente y alentador posible”.

La cantidad de trabajo que se debía completar luego del lanzamiento de los tableros en el ambiente controlado de la universidad fue totalmente inesperada para Jaffrey. La institución quería garantía de la precisión de las proyecciones y de tener el tiempo suficiente para revisarlas y discutirlas antes de ofrecerlas a los estudiantes. “Muy seguido, los datos nos muestran una visión muy limitada de lo que ocurre en la vida de los estudiantes. Creo que es clave considerar el aspecto humano, pues estamos trabajando con personas y no con números; debemos respetar eso”, resalta Jaffrey.

Anticiparse al futuro

En Ulster, los instructores en Blackboard Learn y los profesores responsables de módulos dentro del ambiente de aprendizaje tienen acceso total al tablero de analítica. “Ellos están muy involucrados con las intervenciones y el monitoreo de cómo los estudiantes interactúan con el material”, señala Jaffrey. Además, explica que algunas áreas tienen consejeros estudiantiles muy bien definidos y otras no. “Nuestra decisión fue la de darle acceso a la solución predictiva a todo aquel que estuviese enseñando o brindando apoyo a un estudiante, y no restringirla a aquellos con un cargo de asesoría. Así, tanto el personal académico como cualquier miembro del personal que brinde apoyo al estudiante durante sus estudios en Ulster puede acceder a los tableros”.

En lo referente a cómo intervenir en casos de estudiantes en riesgo, no existe una solución única dentro de la institución. “Concebimos a Blackboard Predict como una herramienta para entablar conversaciones con los estudiantes. Por lo tanto, nuestros colegas académicos intervienen en muchos niveles y maneras en toda la institución. Consideramos los aspectos de modelado y la analítica predictiva como medios para conversar con nuestros alumnos y tener contacto humano”, explica Jaffrey.

Ese es un punto clave para entender la visión de la analítica del aprendizaje en Ulster: en la universidad, los datos no son la respuesta sino el punto de partida. Lo que se busca es aprender más sobre los datos y promover el diálogo en ese campo. Algunas instancias de diálogo serán difíciles, pero eso es algo bueno, según Jaffrey. “La gente tiene distintos puntos de vista, y con noticias recientes como la de Cambridge Analytica y Facebook, la gente habla cada vez más sobre la ética y privacidad de datos. La analítica del aprendizaje es solo la punta de un iceberg de suposiciones y creencias de nuestros colegas académicos”, explica Jaffrey. Sin embargo, también opina que es un momento idóneo para entablar conversaciones y escuchar y respetar distintos puntos de vista.

“Con cualquier proyecto de bases de datos, debemos estar conscientes de que los datos son imperfectos y los debemos tratar con cuidado, pues sólo nos brindan una visión limitada de lo que ocurre en la vida de un ser humano”, dice Jaffrey. “Y existen muchos factores externos que pueden afectar la vida de los estudiantes, muchos más de los que cualquier institución podría medir. En mi opinión, nosotros como sector debemos respetar eso y tratar los datos con cuidado al embarcarnos en este tipo de proyectos”.

Notas:

Fuentes:

1 EU GDPR Portal. (n.d.). Key Changes with the General Data Protection Regulation. Retrieved April 28, 2018, from https://www.eugdpr.org/key-changes.html.

Photos: AFP Paul FaithS