Todos nosotros, en el día a día, escuchamos hablar de datos, información y conocimientos. Incluso, solemos decir “pásame los datos…” o “pásame la información…”; sin detenernos a pensar si estamos hablando de lo mismo o si es que estamos hablando de conceptos diferentes. Según la Real Academia Española (RAE), la palabra dato viene del latín Datum, que significa lo que se da. Todo documento proporciona algo y a eso le llamamos dato. La información es la base del conocimiento y la RAE la define como la “explicación de una palabra”. Por otro lado, la RAE define como conocimiento la acción y efecto de entender, de saber.
En el mundo de la informática, los datos son la base de la información. Estos datos alimentan (input) un sistema, luego se procesan y se obtiene una salida (output) a la que llamamos información. Es con esta información que generamos conocimiento para la adecuada toma de decisiones. Si bien, en nuestros días, los datos los guardamos en medios electrónicos, magnéticos u ópticos, pero hace algunos miles de años atrás, eran guardados o transmitidos en piedra, papel, madera, etc.
Para aclarar la diferencia entre los tres conceptos veamos el siguiente ejemplo:
- Dato: 10,5
- Información: 10,5 es el promedio de fin de año en el curso de matemática de mi sección.
- Conocimiento: si el promedio es 10,5 significa que, tal vez, el diseño de la asignatura no fue el adecuado con lo cual debemos revisarlo para lograr mejorar el desempeño de mis estudiantes.
En el mundo de la educación, cada vez es más importante el uso de los datos de nuestros estudiantes con la finalidad de conocerlos mejor y ofrecerles una experiencia de aprendizaje personalizada. Si bien, en un principio, nos contentábamos con conocer sus notas, sus asistencias a clases, los comentarios de sus profesores en relación con su desempeño académico, su composición familiar, etc.; actualmente, requerimos más y más datos de nuestros estudiantes. Ahora, adicionalmente, necesitamos conocer dónde vive nuestro estudiante, su pasatiempo preferido, sus actividades extraacadémicas, si es deportista, si es primera generación en la universidad, su historial académico en el colegio, su madurez para enfrentarse a situaciones nuevas, deseamos conocer, también, su inteligencia emocional, las respuestas de sus correos electrónicos y un largo etcétera.
Se ha ido haciendo cada vez más y más grande la cantidad de datos necesarios volviéndose inmanejables con la tecnología y herramientas convencionales. A toda esta enorme cantidad de datos se le conoce como Big Data; concepto popularizado por John Mashley (informático estadounidense) en el año 1990 cuando escribió un artículo titulado Big Data and the next Wave of Infrastress, en el cual señala que nuestra infraestructura informática, en ese entonces, no estaba preparada para soportar ni procesar la enorme cantidad de datos que crecía a grandes velocidades.
Big Data, o datos masivos, es un término que utilizamos para explicar el enorme volumen de datos que hoy en día se procesa. Estos datos pueden ser estructurados (en hojas de cálculo, por ejemplo), o no estructurados (textos, correos electrónicos, etc.). Esto lo hace complejo, pero, a decir de Cukier (2014), mientras más datos tengamos, mejor: “Big Data is better Data”.
Sin embargo, la data no es lo que importa sino lo que nosotros podamos hacer con esa data. Esa data, analizada a fondo, se convierte en un tesoro en forma de información confiable que puede marcar la diferencia en la educación.
Si contamos con una Big Data (o queremos hacernos de una) y deseamos procesarla, debemos proveernos de equipos informáticos de gran potencia que procesen con rapidez y eficacia millones y millones de datos a la vez. Esto nos permitirá encontrar correlaciones entre datos y detectar patrones y tendencias que nos servirán para una acertada toma de decisiones.
Estos patrones y tendencias se pueden encontrar de dos maneras. Una de estas maneras es crear el algoritmo que le diga a la máquina qué es lo que debe encontrar. La otra manera, es hacer uso del Machine Learning (“entrenamos” a la máquina haciendo uso de la inteligencia artificial), para que la máquina nos muestre todos los patrones que encuentre. En este último caso nos podemos dar con la sorpresa de recibir patrones que no nos hubiésemos imaginado que existían.
Estamos viviendo una etapa de transformación en la historia de la educación: la Inteligencia Artificial está llegando a las aulas. Pareciera un cuento de ciencia ficción, pero ya no lo es. El uso de grandes cantidades de datos (Big Data) para dirigir el aprendizaje de los alumnos ya está siendo parte de aplicaciones reales.
En el año 2013 en San Francisco (EEUU), Max Ventilla (informático, emprendedor, financista y uno de los creadores del Google+), funda los AltSchool, colegios en los cuales hace uso de toda la data que puede obtener en el salón de clases para mejorar la gestión del aprendizaje de los estudiantes. Este es un modelo de observación de los alumnos para personalizar la enseñanza. Este modelo contempla el seguimiento de todas las interacciones de los alumnos dentro de la escuela con un software que sigue y graba, tanto sus movimientos corporales como faciales, y las inflexiones de su voz apoyándose en el uso de cámaras y micrófonos.
Por otro lado, otro camino que ofrece el uso de datos masivos (Big Data) en educación tiene una orientación muy distinta al caso anterior, pero comparte el componente de innovación que permiten los avances de la Inteligencia Artificial basada en algoritmos. Se trata del uso de grandes cantidades de datos para analizar el funcionamiento de un sistema educativo, detectar desigualdades y actuar para reducirlas. Así, por ejemplo, haciendo uso del Big Data y de la Inteligencia Artificial, el año 2016, diez investigadores chilenos resultaron ganadores del concurso “Nuevos debates, Datos para el desarrollo” organizado por el Banco Interamericano de Desarrollo (BID). El estudio se tituló: “Apoyando la formulación de políticas públicas y toma de decisiones en educación utilizando técnicas de análisis de datos masivos: el caso de Chile”.
En este estudio, Patricio Rodríguez (2016), uno de los flamantes investigadores, nos explica que lograron demostrar, usando los datos públicos de Chile, que se pueden generar evidencias que les permita tomar mejores decisiones en educación. Haciendo uso de una enorme cantidad de datos (Big Data) y de la Inteligencia Artificial, se hicieron visibles problemas previamente ocultos. En este caso, en particular, la heterogeneidad del país fue puesta en evidencia por la dimensión territorial, evidenciando relaciones con factores no educativos previamente ignorados en la toma de decisiones en educación.
Finalmente, otro ejemplo de uso de Big Data e Inteligencia Artificial en la educación es el de Analyticus. Miguel Molina, CEO de Analyticus, nos explica cómo se puede explotar la información que generan las empresas para tomar decisiones e identificar patrones en volúmenes importantes de datos. Para esto, dice Molina, debemos “entrenar” a la máquina para identificar patrones (Machine Learning). Miguel Molina, basándose en el uso de datos masivos y de la Inteligencia Artificial, ha creado un producto para predecir la deserción estudiantil universitaria.
A pesar de todas las ventajas que ofrece el procesar la data para la acertada toma de decisiones, sobre todo en la gestión del aprendizaje de nuestros estudiantes, Salvador Rojas (2018), pedagogo y asesor en innovación educativa, señala que existen riesgos en el uso del Big Data en educación. Uno de estos riesgos es la desigualdad de oportunidades para los estudiantes provenientes de familias con escaso poder adquisitivo para acceder a escuelas como las de Max Ventilla, por otro lado, la intromisión en la intimidad y privacidad de los mismos y, finalmente, la posibilidad de que la data recopilada caiga en manos de gente inescrupulosa.
El debate está abierto.