martes, 25 de agosto de 2015

Big data, analíticas de aprendizaje. ¡Vaya alforjas!

"Top Big Data accounts on Twitter"

Luca Naso ha preparado una lista de las 50 cuentas “Top Big Data accounts on Twitter” (principales cuentas en Twitter sobre "Big data").  Utilizando la API de Twitter y algo de programación obtuvo una lista de los 50 sitios más importantes que habían enviado tweets con "big data", considerando el número de re- tweets, tweets, favoritos y seguidores, normalizado al mes de Julio de 2015. Un excelente trabajo, un gran trabajo, un impecable matemáticamente hablando trabajo, y , sobre todo, un trabajo totalmente inútil. Porque, si Vd. desea aprender algo sobre Big data, lo último que debería hacer en su vida es seguir esas cincuenta cuentas de Twitter.

Y eso se descubre en los comentarios.

Porque resulta que al final esa información no tiene sentido: aparecen muy bien situados sitios que han mencionado 5 veces “big data” pero que no aportan nada en relación a ese tema. Por el contrario,  no aparecen sitios fundamentales sobre “big data” pero que, por la misma especialización de su contenido, tienen un público más reducido (= pocos seguidores, pocos retweets, …).

Por supuesto, podemos volver a modificar el peso de los parámetros y reconsiderar los criterios de selección. Podemos introducir millones de parámetros en superordenadores, pero, sabe, al final siempre parece faltar uno, justamente ese que hace que el resultado no sea una estupidez.

Me encanta el comentario del Dr. Vincent Granville cuando dice que prepararán su propia lista a partir de varias listas, “eliminando los falsos positivos e introduciendo los falsos negativos”. Es decir, trabajaran con millones de datos y varios estudios que utilizan grandes analíticas para al final arreglar los resultados “a mano”.

Pues sí, algo parecido pasa en Educación: utilizamos nuestras estupendas analíticas para estudiar datos de participación en Moodle y al final, de verdad, ¿qué sabemos?.  ¿Qué hay un alumno que ha completado sólo la mitad de las tareas y apenas ha participado en el foro y de ahí concluimos que está en riesgo de suspender? Para ese viaje no hacían falta alforjas (2*).


Pero, ¿sabemos al menos cómo se llama? ¿cuántos hermanos tiene? ¿qué lugar ocupa? ¿qué papel adopta en la familia? ¿cómo son sus padres? ¿qué tiempo le dedican? ¿qué tiempo dedican en su casa a leer? ¿cuáles son sus aficiones? ¿está enamorado? ¿correspondido? ¿qué le pasa a esa edad? ¿le interesa algo lo que le queremos enseñar?... y siguen mil preguntas, algunas de las cuales son relevantes para que el buen profesor sepa qué necesita y cómo ayudarle.

Creo que recoger información del alumno y analizarla puede ser bueno. Ojala el LMS nos proporcione esa información. Pero más importante es observarle en clase, ver esa mirada perdida, ese gesto, hablar con él de fútbol o de música, notar el brillo en sus ojos al sacar un tema… Por eso el Blended learning y la clase invertida tienen que orientarse en otro sentido: dar más tiempo al profesor/a para encontrarse con el alumno/a, conocerle, orientarle.

Para ese viaje, bien vale la pena llenar las alforjas.




Naso, L. (2015). Top "Big Data" accounts on Twitter. En Data Science Central (3/8/2015).

http://www.datasciencecentral.com/m/blogpost?id=6448529%3ABlogPost%3A307055

(2*)
“Para ese viaje no hacían falta alforjas”
Las alforjas eran el equivalente a las maletas, bolsas de tela u otros materiales con los enseres. El refrán hace referencia a cargar con mucho para algo que no lo necesitaba. O analizar millones de datos para llegar a conclusiones obvias.

No hay comentarios:

Publicar un comentario en la entrada