Big Data en la Gestión Académica Administrativa de los Procesos de Formación Continua Virtual

Big Data in the Administrative Academic Management of the Virtual Continuing Training Processes

Big Data na Gestão Acadêmica Administrativa de Processos Virtuais de Formação Contínua

La gestión académica en los procesos educativos es fundamental para su ejecución, seguimiento y perfeccionamiento. Ahora bien, el desarrollo tecnológico ha posibilitado un mejor manejo y control de actividades; así como ampliar el conocimiento del proceso formativo. En concordancia los procedimientos administrativos han generado normativas y lineamientos que se ajustan al cambio, permitiendo una mejor toma de decisiones en beneficio de la formación continua virtual.

La investigación contribuye con la experiencia desarrollada en la Dirección de Educación Continua, a Distancia y Virtual (DEaDV) de la Universidad Técnica de Ambato (UTA). El primer objetivo se orientó a una revisión teórica fundamental de conceptos aplicados a la gestión académico-administrativa del proceso de formación continua virtual. El segundo objetivo describe la metodología y acciones realizadas en las labores académicas y administrativas en base a la toma de decisiones adoptadas por la información big data obtenida de la plataforma educativa. Se representa información y resultados del big data del proceso educativo. Se discute la viabilizan de la información obtenida de los partícipes en los procesos formativos, así como la ejecución inmediata de acciones en cursos consecutivos. Finalmente se exaltan características beneficiosas y no beneficiosas de la gestión académica administrativa en los procesos de formación continua virtual.

BIG DATA

La tecnología de almacenamiento, análisis y tratamiento de grandes volúmenes de datos “big data” en el contexto educativo es una herramienta que apoya principalmente la gestión académica y administrativa, que combinada a las acciones analíticas de aprendizaje permiten: medir, recopilar, ordenar, clasificar, analizar e informar. En tal sentido el procesamiento de la información facilita la toma de decisiones a autoridades y directivos de las instituciones educativas, que permanentemente buscan optimizar y mejorar la calidad de los procesos formativos, así como la innovación e inclusión educativa (Leiva-Olivencia y Matas-Terrón, 2020).

La inteligencia de datos dinamiza la gestión del proceso académico de forma eficiente y con feedback en tiempo real. De este modo los contenidos programáticos se van personalizando y reprogramando en función del educando y la meta educativa. Por lo consiguiente este giro de la transformación del aprendizaje beneficia a la sociedad y el colectivo académico (Meléndez- Tamayo y Flores-Rivera, 2018).

Dentro de este orden de ideas el big data se caracteriza por cuatro dimensiones o uves conocidas como volumen que beneficia y opera masivas cantidades de datos que son gestionas y procesadas con el objetivo de comprender su entorno, sus partícipes y sus necesidades; velocidad que se relaciona con los altos flujos de información limitan a los sistemas tradicionales a su almacenamiento, tratamiento y análisis. Hoy en día es una constante el aumento de la velocidad y el flujo de datos, lo que obliga al big data a ser más eficiente en su recopilación, procesamiento y exactitud de su información.

Cabe indicar que existen operaciones en donde sus procesos tienen que tomar decisiones en tiempo real ejemplo de ello es el potencial fraude, comportamiento de clientes, marketing instantáneo entre otras acciones sensibles contra el tiempo; variedad compromete manejar datos de diferentes tipos de fuentes, que pueden ser estructurados, semiestructurados y no estructurados; veracidad minimiza la imprevisibilidad y la incertidumbre de algunos tipos de datos, que desfavorecen la confiabilidad y la calidad de la información cuando es generada (Joyanes-Aguilar, 2013; Sevillano- Pérez, 2015; Fundación Telefónica, 2018). La Figura 1, ilustra las cuatro V de big data y sus dimensiones operativas

MINERÍA DE DATOS

La Minería de Datos (MD) es una herramienta de las ciencias computacionales que permiten el análisis de grandes volúmenes de datos combinando metodologías, métodos, medios y técnicas en relación directa con la estadística y procesos automatizados de aprendizaje; su objetivo es generar conocimiento relevante de las bases de datos; a raíz de patrones estimados y válidos (Menacho-Chiok, 2020; Antonio-Aquino, et al., 2015). En la Tabla 1, se presenta una síntesis de las principales características de los procesos de minería de datos.

La MD requiere del big data para agilizar su procesamiento y gestión de los datos, así como el big data requiere de la MD para un análisis predictivo de patrones y tendencias estructurando la información. La integración de estas herramientas big data como el “activo” y MD como la “técnica” es un recurso efectivo para la gestión y toma de decisiones (Balagueró, 2017; Big Data International Campus, 2017).

La MD aplicada a entornos de aprendizaje educativos ha dado paso a la minería de datos educativos (MDE) siendo una disciplina emergente, que desarrolla métodos y/o procedimientos que explora datos únicos y que cada vez crecen en número. La MDE permite comprender mejor a los estudiantes y a sus entornos virtuales de aprendizaje (Sociedad Internacional de Minería de Datos Educativos, 2011).

La MDE es una práctica investigativa computacional que sistematiza la búsqueda de patrones utilizando algoritmos, modelos, métodos, procedimientos y técnicas pedagógicas para analizar e interpretar datos de entornos educativos. La finalidad es fomentar y mejorar las estrategias, técnicas y prácticas educativas; así como optimizar e incrementar el nivel participativo de estudiantes y docentes en los procesos enseñanza-aprendizaje (Romero y Ventura, 2010; Ballesteros-Román, et al., 2013; Mosquera-Gende, 2018), además se aporta con innovación y mejoramiento de programas curriculares y syllabus que benefician a la comunidad educativa (Flores-Rivera, et al., 2021). A continuación, la Figura 2, describe el proceso de minería de datos educativos.

De acuerdo con la Figura 2, el proceso de minería de datos tiene etapas de preprocesamiento y post - procesamiento que permiten depurar la información, para que el conocimiento generado se gestione eficientemente en beneficio del ambiente educativo; los resultados “datos” actuales del proceso serán nuevamente analizados en procura de un mejoramiento continuo del ambiente educativo.

GESTIÓN EDUCATIVA EN PROCESOS DE FORMACIÓN CONTINUA

Las instituciones de educación superior (IES), en los últimos años han ido incrementado la sistematización en la gestión de sus modalidades educativas (presencial, semipresencial, a distancia y/o virtual), en base a aprendizajes propios y externos. Además de considerar el aporte de experiencias de empresas e industrias que convergen con los ambientes educativos (Briceño- Toledo et al., 2020). La modalidad a distancia es donde se genera una mayor evolución de procedimientos relacionados al modelo de gestión educativa. La Tabla 2, sintetiza los siguientes criterios:

Los criterios abordados cumplen con el propósito de gestión de los contenidos programados, pero es preciso considerar tendencias educativas universitarias, tal como, la renovación de la demanda de enseñanzas, cualificaciones y modelos educativos; el aumento de la oferta educativa y de la educación transnacional y la internacionalización; la consolidación de nuevos esquemas de competencia y cooperación universitaria; la irrupción del componente educativo digital; y la transformación de los esquemas de financiación y organización y la necesidad de una gestión eficiente (Vázquez-García, 2015).

Estándares e indicadores de calidad para la formación continua virtual

Importante lo que mencionan Rubio-Gómez, (2015) y Pontoriero, (2021) sobre uno de los actores referentes en estándares e indicadores de calidad para la formación virtual es el Instituto Latinoamericano y del Caribe de Calidad en Educación Superior a Distancia (CALED) organismo que en el año 2009 propone estándares de cursos cortos en formación continua, tomado como base el proyecto “Centro Virtual para el Desarrollo de Estándares de Calidad para la Educación Superior a Distancia en América Latina y el Caribe”, … siendo su plan promover la mejora, lanzamiento y administración de programas de educación a distancia y contribuir a la capacidad de los gobiernos para regular, evaluar y acreditar sus programas de educación a distancia, dimensionando en el tiempo y el espacio el objetivo primordial. En consecuencia, el modelo se ajusta a la realidad de los países de la región y despliega áreas, sub-áreas, estándares e indicadores, como se indica en la Figura 3.

Adicionalmente, se constituyó otro modelo para programas largos de formación continua como un instrumento completo para la autoevaluación de educación a distancia (elaborado por el CALED). Su despliegue fue: criterios, subcriterios, objetivos o metas, estándares e indicadores (Rubio-Gómez, 2015), como se indica en la Figura 4.

Posteriormente, el modelo fue mejorado obteniendo la siguiente estructura (Figura 5).

En el año 2013 varios representantes de IES y organismos de educación a Distancia que ofrecen programas en línea concretaron modelos de tarjetas de puntuación con categorías e indicadores para la evaluación de cursos educativos en línea y la evaluación de programas en línea con el propósito de mejorar la calidad y garantizar procesos continuos de educación en línea y a distancia de América Latina y el Caribe (Rubio-Gómez, 2015). Ver la Tabla 3

En consecuencia, los modelos indicados han contribuido con indicadores, estándares y/o parámetros para cursos y programas de formación continua que gestionan la evaluación y acreditación de la calidad en educación a distancia y virtual (Rubio-Gómez, 2015).

Estándares del aprendizaje virtual

Las IES y entidades de formación continua dedicados a la enseñanza virtual adoptan estándares e-learning “conjunto de reglas” que especifican como deben ser diseñados los cursos en línea que se integran a las plataformas de sistemas de gestión del aprendizaje (SGA) (Hazim-Torres, et al., 2019; Hilera-González y Hoya-Marín, 2010). Dentro de los estándares estimados para e-learning y SGA está la accesibilidad que proporciona acceso al usuario del contenido apropiado desde cualquier lugar a través de un navegador de internet sin importar la plataforma o el contenido en sí mismo; adaptabilidad que facilita la personalización del SGA; durabilidad donde el contenido puede utilizarse sin importar los cambios tecnológicos de la base en el cual se elaboró (evitándose la obsolescencia). Esto sin necesidad de tener que recodificar o recompilar programas de software; interoperabilidad el contenido debería ser independiente de herramienta o plataforma, de tal manera de poder utilizar diferentes SGA para acceder un mismo contenido. También se refiere a la posibilidad de usar un contenido en un SGA diferente; productividad si los proveedores de tecnología y procesos e-learning desarrollan sus productos siguiendo estándares comúnmente aceptados, la efectividad de un curso e-learning se incrementa significativamente con lo que tiempo y costos disminuyen; reusabilidad facilita el diseño de contenidos para ser reutilizados en diferentes asignaturas, cursos o programas educativos (Hodgins, 2001; Aguirre, et al., 2004).

Además, se considera el estándar SCORM (Sharable Content Object Reference Model - Modelo de Referencia para Objetos de Contenido Compartible) conjunto de parámetros que proporcionan un nivel de calidad al SGA y sus cursos. En este sentido, destacan características de accesibilidad y/o disponibilidad de los usuarios para que puedan ingresar a contenidos educativos desde cualquier lugar remoto teniendo a su alcance internet y dispositivos electrónicos; adaptabilidad cumplen con necesidades de los diferentes usuarios, grupos y organizaciones; durabilidad de los contenidos educativos que no deberían tener necesidad de rediseñar, reprogramar o reconfigurar un código para actualizarse con la evolución de la tecnología; económico disminución del tiempo y costos de entrega del contenido educativo; interoperabilidad muestra el contenido educativo de múltiples fuentes. Además, los cursos funcionan igual independientemente del SGA en el que opere; reutilización donde los cursos pueden ser mejorados y modificados en cualquier instante. Se pueden retomar una parte/s o sección/es del contenido de un curso y la programación no quede condicionada al funcionamiento del curso original (Shariat, et al., 2014; Centro de Recursos Estratégicos en Capacitación [CREC] iSpring, 2016).

GESTIÓN EDUCATIVA VIRTUAL

Los procesos de formación continua se benefician de la gestión educativa virtual; siendo esencial la plataforma tecnológica que es el escenario donde se facilita y garantiza la ejecución de planes y contenidos programáticos; que se acondicionan a todos los niveles y ámbitos; especialmente los de modalidad virtual sin descartar las otras modalidades de estudio (Castillo-Maza, 2007; Rodriguez-Andino et al., 2005).

Las entidades educativas han puesto en marcha dinámicas que benefician la descentralización de los procesos formativos. La tecnología es parte esencial del cambio y la gestión vincula a directivos, administrativos y docentes a participar de manera autónoma o consensuada en la toma de decisiones y posibilitar un fácil acceso a la educación global y la sociedad en general (Rico-Molano, 2016). Este escenario necesita de la gestión del conocimiento que comprende un proceso de creación, validación, presentación, distribución y aplicación del conocimiento. También, el proceso precisa de que la institución educativa: aprenda, reflexione, desaprenda y vuelva a aprender, siendo oportuna la construcción, permanencia y renovación de competencias fundamentales educativas (Bhatt, 2001).

La gestión educativa virtual en los procesos organizativos en línea que maneja la institución investigada está integrada por las siguientes áreas de trabajo: dirección, administración, pedagogía, sistemas y contenidos (Figura 6). Las características de cada área es contar con personas especializadas en su trabajo y sinergia para conformar un equipo multidisciplinario que dé solución a las necesidades manifestadas por la colectividad universitaria

Los procedimientos ejecutados por cada área de trabajo están sujetos a una retroalimentación continua que permite detectar anomalías o en su defecto complementar requerimientos o sugerencias expuestas por la dirección. Adicionalmente se coordinan reuniones (presenciales y/o telepresenciales) en donde se socializan las labores ejecutadas que fortalecen la gestión organizativa virtual. En concordancia con estas labores, la ejecución de un curso virtual en la DEADV-UTA se caracteriza por procesos de cooperación y comunicación activa (acuerdos y reuniones), que están supeditados a una supervisión permanente que garantiza un óptimo funcionamiento de las actividades automatizadas, así como un desempeño pertinente de las funciones docentes que benefician a los partícipes de los programas formativos. La Figura 7, ilustra el proceso de gestión de un curso virtual en la IES

Actualmente la DEaDV-UTA, cuenta con un sistema de seguimiento de procesos en tiempo real. Es decir, el sistema mide, controla y evalúa el avance de las actividades necesarias de un curso de educación continua. De igual forma, el sistema asiste para la toma de decisiones o correcciones de fechas y tiempos que pueden afectar el desarrollo y cumplimiento de cursos en ejecución. La Tabla 4, registra datos totales de cursos y participantes, así como las aulas virtuales utilizadas para la formación continua hasta el año 2021

La Figura 8, ilustra una captura de la interfaz “Dashboard” que refleja el seguimiento de procesos en un curso de formación continua ejecutado en la DEaDV

Los insumos o datos de gran escala “big data”, de la plataforma educativa institucional, incorporaron como recurso de evaluación el “cuestionario” (Ver Tabla 5); esta práctica es permanentemente e indaga aspectos académicos y administrativos de los procesos de educación continua. El cuestionario está estructurado con una información que se almacena en la base de datos, mide la percepción de los participantes; recopila la información por áreas o tópicos. Es decir, la plataforma sistematiza los resultados en la ejecución del curso; realizando un análisis estadística descriptivo e inferencial de los datos de los diferentes cursos en un período de tiempos establecido.

Es preciso indicar que el cuestionario se validó mediante el método del alfa de Cronbach que de acuerdo con Oviedo-Acevedo y Campo- Arias, (2005), es un índice utilizado para medir la confiabilidad y la consistencia interna de los ítems de un instrumento que se encuentran en la escala de Likert midiendo el grado de correlación entre los mismos. La teoría del coeficiente de alfa de Cronbach toma valores entre [0 y 1] para comprobar si el instrumento evaluado es válido. Mientras se aproxima a 0, se dice que tiene información incorrecta que puede llevar a conclusiones equivocadas; por el contrario, si el resultado está próximo a 1 el instrumento de recolección resulta viable y útil para medir lo que se necesita. En la investigación la prueba de confiabilidad se realizó a un cuestionario de 26 ítems y 9 preguntas (Ver Tabla 5) encuestando a 36 participantes de los cuales 21 respondieron a la encuesta. Se aplicó el software estadístico SPSS determinándose un alfa de Cronbach de 0,801; el cual está próximo a 1, por lo que el resultado obtenido de la encuesta es confiable. De esta forma y con el propósito de mejorar el servicio en cada uno de los componentes ya sea de satisfacción se invita a contestar la encuesta que aborda las siguientes dimensiones (Figura 9)

La aplicación de la encuesta y los datos recolectados del rendimiento académico de los participantes generan un big data con información y conocimiento de valor que permite tomar acciones y decisiones oportunas en la gestión operativa que realiza la DEaDV.

La presente investigación permitió obtener resultados de la utilización del sistema en el seguimiento de procesos y consideró una gestión en tiempo real, conjuntamente identificó el avance de las tareas o actividades necesarias para su cumplimiento en el desarrollo de un curso de educación continua. Tales acciones mejoraron la gestión de los procesos de una forma significativa, con un incremento del 85 % (Dirección de Educación Continua a Distancia y Virtual [DEaDV], 2021), logrando efectuar un seguimiento de manera ágil y oportuna.

La aplicación de la MDE con la implementación de un cuestionario permitió almacenar la información en una base de datos. Es decir, se midió la percepción de los participantes “analítica de datos” de los cursos de educación continua de la DEaDV. En este sentido la aplicación del cuestionario recopiló información destina al área académica y administrativa. La Figura 10, ilustra las dimensiones del cuestionario.

Los datos académicos permiten obtener una información importante de los tutores como la capacidad de motivación, dominio de los contenidos, fomento del trabajo en equipo, evaluados en una escala de Likert desde muy bajo hasta muy alto, dichos resultados constituyen herramientas muy útiles para la toma de decisiones, reajuste de contenidos programáticos y análisis en período de tiempos y/o áreas de la dirección (docencia, investigación, TIC, especificas). La Tabla 5, muestra las preguntas del cuestionario y el registro de respuestas que utilizó la escala de Likert.

Las actividades académicas y administrativas se vieron fortalecidas por el uso del big data, constituyéndose en una herramienta esencial que combina competencias digitales TIC para la toma de decisiones. En este sentido, la gestión optimizó la organización y la planificación académica con acciones acertadas e inteligentes por parte del instructor y supervisor de los cursos de formación continua; la clave es el seguimiento ágil y oportuno “en tiempo real” que fue correspondido con la confianza de los participantes que buscan la excelencia académica (Flores y Meléndez, 2021).

El sistema de seguimiento de procesos formativos cuenta con un componente gráfico de semaforización (indicador de gestión inteligente) que ayudó a identificar rápidamente dificultades que se presentan en el proceso académico-administrativo; es decir, permite actuar rápida y convenientemente en la toma de decisiones, con correctivos oportunos para el cumplimiento de fechas y tiempos establecidos para el alcance de resultados exitosos.

La implementación de la MDE y big data permitió obtener términos de cumplimiento por áreas, tiempos y fechas, que combinados a los registros históricos establecieron una mejor proyección y planificación de los procesos formativos. Asimismo, el sistema posibilita un análisis de períodos de tiempos útiles para el diseño de estrategias que contemplan la promoción y publicidad de los procesos formativos continuos. Tal como señala Bonami, et al, (2020) la plataforma educativa procesa constantemente información que comprende el estado del participante, lo cual proporciona indicadores que ayudan en el control y acción del proceso educativo

.

El big data como herramienta de la plataforma educativa permanentemente se ve abastecida con datos generados por los cursos de formación continua; así como, del cuestionario digital que posibilitó percibir reacciones de los partícipes en los cursos. En este sentido, el análisis es más exhaustivo para la gestión académico-administrativa, lo que permite una toma de decisiones eficientes que se ajustan en tiempo y medida. De tal forma se beneficia al modelo educativo y sus modalidades de aprendizaje con características que fomentan flexibilidad, interactividad, proactividad, responsabilidad y calidad de los contenidos formativos (Flores y Meléndez, 2021).

La gestión académica administrativa en los procesos de formación continua virtual irá creciendo y variando con el tiempo, lo que posibilita estudios de nuevas herramientas digitales que se ajusten y den solución inmediata a futuros escenarios. Es decir, la transformación digital es una constante en la que educación y otros sectores. Por tanto, los involucrados en el entorno académico-administrativo deben de estar comprometidos y preparados para dar soluciones inteligentes con toma de decisiones acertadas (Mota-Fonseca, 2020).

La utilización del big data en los procesos formativos, promueve un constante reajuste de los contenidos programáticos con el objetivo de beneficiar las metodologías, métodos, estrategias entre otras actividades vinculadas a la educación. De este modo se fortalecen aprendizajes, competencias y habilidades del educando en favor de la sociedad.

El big data apoya eficiente e inteligentemente la toma de decisiones en tiempo real, lo que permite una gestión asertiva y objetiva en la formación virtual y modalidades de estudio. Es este sentido, que la gestión educativa virtual a nivel superior debe impulsar estrategias que se basen en la información y conocimiento digital; esto permitirá fortalecer la investigación, innovación y desarrollo del proceso enseñanza y aprendizaje. Es decir, estudiantes, profesores, administrativos y directivos deben comprometer esfuerzos para actualizar, optimizar y mejorar procedimientos estratégicos educativos virtuales.

El cuestionario es un insumo importante para el big data, ya que es recurso que se complementa con los otros datos obtenidos de la plataforma educativa. De tal forma, que una vez aplicado genera una retroalimentación importante para la toma de decisiones, lo cual permite la mejora continua en los cursos de formación como procesos metodológicos, tiempos, contenidos programáticos entre otros aspectos cruciales.