3 de noviembre 2015    /   DIGITAL
por
 

Solo el 7% de los alumnos terminan los cursos online. AquĆ­, algunas soluciones para retenerlos

3 de noviembre 2015    /   DIGITAL     por          
CompƔrtelo twitter facebook whatsapp

”Yorokobu gratis en formato digital!

Lee gratis la revista PlacerĀ haciendo clic aquĆ­.

Los defensores de los MOOC, nombre en inglés para los cursos masivos online, y el e-learning, esgrimen a la primera oportunidad las cifras como defensa y prueba del éxito de esta forma de aprendizaje. Si cuando fueron lanzados en 2011 existían unos 10 MOOC, para enero de 2015 ya había unos 3.800. Coursera, la empresa que aglutina mÔs de un cuarto de los mismos, tiene unos 11 millones de usuarios. Las estimaciones mÔs optimistas hablan de un mercado que alcanzarÔ los 255.000 millones de dólares en 2017. Pero los abanderados de este sistema se olvidan normalmente de un dato clave: la tasa de finalización de los cursos es menor de un raquítico 7%.
Sin negar las enormes ventajas que tienen este tipo de cursos, como su gratuidad o el hecho de poder asistir a clases de grandes profesores de las mejores universidades desde cualquier parte del mundo, el desafío principal estÔ en cómo lograr que ese ratio de finalización suba hasta un número mÔs aceptable.
Tres cientĆ­ficos del MIT -Sebastian Boyer, Kalyan Veeramachanen y Una-May O’Reilly- defienden que una de las claves estĆ” en saber, antes de que acabe el curso, quiĆ©n lo ha abandonado para tratar de repescarle. Su artĆ­culo Likely to stop? Predicting Stopout in Massive Open Online Course, analiza cómo lograrlo mediante una tĆ©cnica que denominan transfer learning.
«Muchos problemas aparecen cuando tratas de calcular la probabilidad de que un alumno abandone», contestan por correo electrónico Boyer y Veeramachanen. «Primero necesitas convertir la materia prima de datos disponible en algo que se pueda usar, lo que requiere cierta capacidad para ver los contenidos relevantes y conocimientos de ingeniería para convertir el formato de los datos». Luego, llega el problema serio: crear un algoritmo que sea capaz de predecirlo en tiempo real.
Para esto se deben realizar dos pasos. Primero, hay que construir modelos basados en conjuntos de datos previos, para luego aplicar dichos modelos a conjuntos de datos en tiempo real. Esto es lo que ellos llaman transfer learning, que consiste en casar los datos de un estudiante de los modelos previos con uno de los datos en tiempo real para predecir su comportamiento. Su modelo usa cerca de 20 variables para monitorizar el comportamiento del estudiante en la plataforma. Extraídas de manera semanal, van desde información como la suma de tiempo que pasa en la plataforma a la semana o el número de problemas resueltos cada siete días, hasta datos mÔs complejos como la anticipación a la fecha de entrega.
«Los algoritmos que usamos derivan de una lógica regresiva y son adaptados para hacerlos transferibles», continúan; «la idea es analizar muy de cerca a los estudiantes de los que sabemos todo, ya que son de cursos anteriores, y compararlos con los estudiantes del curso actual». Su sistema les ha permitido demostrar que el abandono de los cursos es un problema que se puede medir con una semana de antelación y 70% de acierto.
Su hipótesis es que este alto abandono se debe a dos factores. Uno es que no todo el mundo que se registra tiene intención de acabarlo, sino que por su gratuidad muchos se apuntan para ver qué tal, para mÔs adelante decidir si seguir o no. Otros pueden desear terminarlo pero se encuentran con problemas en la vida real que lo impiden.

La cuestión es que ocurre y que estos algoritmos, basados en el anÔlisis de datos masivos, muestran correlaciones, no causalidad. Y gracias a esas correlaciones, se puede tratar de repescar a lo alumnos. Los cursos masivos online que usan técnicas de personalización logran unas tasas de finalización superiores al 10%, escriben Viktor Mayer-Schönberger y Kenneth Cukier en Learning with Big Data: The Future of Education. También advierten del hype en torno a los MOOC, la bola de nieve que asegura que vienen a sustituir la educación reglada. En su opinión, serÔn un complemento. Uno importante, pero accesorio.

”Yorokobu gratis en formato digital!

Lee gratis la revista PlacerĀ haciendo clic aquĆ­.

Los defensores de los MOOC, nombre en inglés para los cursos masivos online, y el e-learning, esgrimen a la primera oportunidad las cifras como defensa y prueba del éxito de esta forma de aprendizaje. Si cuando fueron lanzados en 2011 existían unos 10 MOOC, para enero de 2015 ya había unos 3.800. Coursera, la empresa que aglutina mÔs de un cuarto de los mismos, tiene unos 11 millones de usuarios. Las estimaciones mÔs optimistas hablan de un mercado que alcanzarÔ los 255.000 millones de dólares en 2017. Pero los abanderados de este sistema se olvidan normalmente de un dato clave: la tasa de finalización de los cursos es menor de un raquítico 7%.
Sin negar las enormes ventajas que tienen este tipo de cursos, como su gratuidad o el hecho de poder asistir a clases de grandes profesores de las mejores universidades desde cualquier parte del mundo, el desafío principal estÔ en cómo lograr que ese ratio de finalización suba hasta un número mÔs aceptable.
Tres cientĆ­ficos del MIT -Sebastian Boyer, Kalyan Veeramachanen y Una-May O’Reilly- defienden que una de las claves estĆ” en saber, antes de que acabe el curso, quiĆ©n lo ha abandonado para tratar de repescarle. Su artĆ­culo Likely to stop? Predicting Stopout in Massive Open Online Course, analiza cómo lograrlo mediante una tĆ©cnica que denominan transfer learning.
«Muchos problemas aparecen cuando tratas de calcular la probabilidad de que un alumno abandone», contestan por correo electrónico Boyer y Veeramachanen. «Primero necesitas convertir la materia prima de datos disponible en algo que se pueda usar, lo que requiere cierta capacidad para ver los contenidos relevantes y conocimientos de ingeniería para convertir el formato de los datos». Luego, llega el problema serio: crear un algoritmo que sea capaz de predecirlo en tiempo real.
Para esto se deben realizar dos pasos. Primero, hay que construir modelos basados en conjuntos de datos previos, para luego aplicar dichos modelos a conjuntos de datos en tiempo real. Esto es lo que ellos llaman transfer learning, que consiste en casar los datos de un estudiante de los modelos previos con uno de los datos en tiempo real para predecir su comportamiento. Su modelo usa cerca de 20 variables para monitorizar el comportamiento del estudiante en la plataforma. Extraídas de manera semanal, van desde información como la suma de tiempo que pasa en la plataforma a la semana o el número de problemas resueltos cada siete días, hasta datos mÔs complejos como la anticipación a la fecha de entrega.
«Los algoritmos que usamos derivan de una lógica regresiva y son adaptados para hacerlos transferibles», continúan; «la idea es analizar muy de cerca a los estudiantes de los que sabemos todo, ya que son de cursos anteriores, y compararlos con los estudiantes del curso actual». Su sistema les ha permitido demostrar que el abandono de los cursos es un problema que se puede medir con una semana de antelación y 70% de acierto.
Su hipótesis es que este alto abandono se debe a dos factores. Uno es que no todo el mundo que se registra tiene intención de acabarlo, sino que por su gratuidad muchos se apuntan para ver qué tal, para mÔs adelante decidir si seguir o no. Otros pueden desear terminarlo pero se encuentran con problemas en la vida real que lo impiden.

La cuestión es que ocurre y que estos algoritmos, basados en el anÔlisis de datos masivos, muestran correlaciones, no causalidad. Y gracias a esas correlaciones, se puede tratar de repescar a lo alumnos. Los cursos masivos online que usan técnicas de personalización logran unas tasas de finalización superiores al 10%, escriben Viktor Mayer-Schönberger y Kenneth Cukier en Learning with Big Data: The Future of Education. También advierten del hype en torno a los MOOC, la bola de nieve que asegura que vienen a sustituir la educación reglada. En su opinión, serÔn un complemento. Uno importante, pero accesorio.

CompƔrtelo twitter facebook whatsapp
Un bot analiza cuƔntas mujeres columnistas hay en la prensa
La sobreexplotación comercial de Frida Kahlo
Un paseo fotogrƔfico por la historia a travƩs de la cƔmara de un iPhone 5
Televisión, Twitter y el caballo de Balzac
 
Especiales
 
facebook twitter whatsapp
Opiniones 5
  • Muy buen post! Lamentablemente las cifras son ciertas. Por ello las plataformas que imparte cursos MOOC iintentan motivar a los alumnos promoviendo la participación colaborativa en foros y debates, asĆ­ como estableciendo pruebas en las que los alumnos mandan sus soluciones y a su vez corrigen las de sus compaƱeros. Un saludo.

  • Comentarios cerrados.