¿Qué hay que tener en cuenta para la formación de profesionales que comienzan a usar Big Data? 📊
Como hemos visto antes en la Metodología para tomar decisiones con datos en educación de Kimche, existen varios pilares que sostienen una buena gestión educativa en base al uso y análisis de datos para educación. Uno de ellos es la etapa de “Descubrir oportunidades de mejora”, que cuenta con los siguientes puntos a trabajar en el establecimiento:
💚 Descubrir oportunidades de mejora:
En esta ocasión hablaremos del nivel de formación de profesionales y su relevancia para el uso de Big Data en educación 🎓. Son muy importantes las competencias técnicas que tengan las y los profesionales que manejen los datos a nivel interpretativo y de análisis de la información 👩🏾💻. Además, se requieren ciertos conocimientos sobre conceptos de evaluación, confiabilidad y validez de los datos.
👉🏼 Sobre todo, es necesario que las personas a cargo cuenten con competencias que les permitan evaluar, identificar necesidades, valorar progresos, fortalezas y debilidades, medir desempeños, etcétera. A su vez, el resto de profesionales del establecimiento debe ser capaz de reflexionar respecto de esas evaluaciones.
Asimismo, deben poder identificar soluciones que permitan abordar los resultados de su evaluación, y de esta manera transitar hacia la mejora. Además, tienen que contar con las herramientas que les permitan monitorear y evaluar las medidas que han tomado en base a sus evaluaciones 📄🔨.
Obtén análisis detallados con los datos del establecimiento y evalúa fácilmente qué medidas están funcionando y cuáles no, gracias al Módulo de Big Data Kimche 📊
¿Qué conocimientos y habilidades se necesitan para la formación de profesionales? 👩🏽🏫👨🏻🏫
Los conocimientos y habilidades básicas que deben adquirir las y los profesionales son, primero que todo, sobre análisis de datos en general. En particular, la idea es poder identificar qué datos son adecuados y necesarios para el análisis que se realice. Para esto habrá que contar con una significación pertinente y contextualizada de los datos 📈. Así podrá integrarse y priorizarse la información precisa para los procesos y objetivos específicos, aplicando los datos para mejorar la calidad del trabajo y evaluar la eficacia de las acciones que se implementen. Algunos temas a considerar en la formación son:
- Estadística – Lectura de gráficas
- Interpretación de información
- Creencias – Escala de inferencia
- Cómo enfrentar conversaciones en torno a datos
En Kimche siempre estamos dando diversos seminarios web 🌐 para asesorar a los establecimientos en la aplicación del uso de datos y así contribuir en la toma de decisiones para mejorar la educación. Revisa permanentemente nuestros asesorías virtuales aquí 👈🏼.
Creencias previas de los profesionales y la escala de inferencia 🧠🪜
Debemos poner especial atención en las creencias previas y la mentalidad fija que pueden tener las y los profesionales del establecimiento, ya que pueden afectar directamente a la interpretación de un dato 📉. Algo que suele ocurrir es asumir o llegar a conclusiones que supuestamente son obvias 💁🏼♂️. Por ejemplo, si estamos analizando datos relativos a la asistencia y cruzándolos con el clima, que un profesor diga: “es obvio que todos los estudiantes faltan cuando llueve” 🌧️. Pero, ¿qué pasa si hay otros factores a considerar? ¿Qué pasa si, por ejemplo, una niña que siempre va a clases sólo falta cuando hay lluvia? ¿Estará pasando algo más en su contexto? 🤔
💡 La escala de inferencia es un modelo que funciona como una herramienta muy útil para entender ciertos comportamientos derivados de las creencias previas 💭. A menudo, el modo en que pensamos puede provocar reacciones que dificultan las relaciones interpersonales y el entendimiento de tal o cual problema. Es así como el sesgo cognitivo hace que las personas tiendan a malinterpretar la información y a tomar decisiones irracionales. La escala de inferencia funciona de la siguiente forma:
- Observas la realidad: aún no se interpreta nada, sino que sólo se asimila la realidad que se observa.
- Seleccionas los datos: prestas atención seleccionando hechos concretos en función de tus creencias personales y experiencias previas. Es decir, hay información que omites, por lo que comienza a aparecer el sesgo.
- Agregas contexto a los datos: luego de seleccionar los datos que te interesan, los consideras según tus propias creencias y experiencias. Les das significado.
- Haces suposiciones a partir de los significados: supones cosas sin considerar su validez. Al hacer esto, aplicas el contexto a una situación particular e ignoras cualquier otro punto de vista para tal situación.
- Sacas conclusiones: llevas tus suposiciones al paso de sacar conclusiones sobre el significado que le diste a la situación y piensas cómo deberías actuar.
- Tomas decisiones: transformas las conclusiones en creencias personales que usarás a futuro. O sea, continuamente refuerzas tus creencias cada vez que sacas conclusiones, independiente de su validez. A esto se le llama “bucle reflexivo”.
- Actúas: llevas a cabo las acciones que consideras correctas, ya que se basan en tus creencias. Sin embargo, olvidas que estás actuando según tus propias suposiciones, en vez de considerar todos los hechos.
☝🏼 Si quieres saber más sobre la escala de inferencia y cómo identificar en qué escalón de ella estás, para usarla a tu favor y que no te perjudique, lee este artículo 💬.
5 componentes esenciales para conversaciones de calidad sobre datos y dejar atrás la sensación de “pérdida de tiempo”
La experiencia nos ha dicho, junto con los testimonios de varios colegios, que la digitalización y el uso y análisis de datos en las escuelas les ahorra muchísimo tiempo a las y los funcionarios y al equipo directivo, además de hacer más fácil la gestión educativa. Sin embargo, como mencionamos recién, sabemos que hay cierta parte de personas que a priori siente un rechazo por hacer el cambio en la forma de hacer las cosas.
Además de esto, una vez ya inmersos en la cultura de datos, muchas veces los profesores sienten que las reuniones de equipo focalizadas en datos no son tan productivas y se alejan de la realidad o se acercan a una “colegialidad aritificial” (Hargreaves, 1994). En el fondo, piensan que los datos examinados no se ven reflejados en la práctica docente. Para revertir estas creencias, el sitio ascd.org postula 5 componentes esenciales para tener conversaciones de calidad sobre datos:
- 1. Las y los estudiantes son responsabilidad compartida de todas y todos: Un sentido compartido de responsabilidad es clave entre los miembros del colegio. El liderazgo para el uso de datos no es propio de un rol en particular, sino que debe distribuirse entre una red de personas, que se complementen en el trabajo. Liderazgo distribuido.
- 2. Las conversaciones sobre datos incluyen desacuerdos saludables: No siempre los profesores y el resto de funcionarios de una comunidad educativa estarán de acuerdo, y eso es normal. Un nivel saludable de desacuerdo es fundamental para tener conversaciones de calidad sobre los datos y mejorar en la gestión. Lo importante es que se cree activamente un clima donde sea posible plantear diferencias, sobre todo en contextos donde mejorar la enseñanza y el aprendizaje son la meta. A su vez, siempre los desacuerdos deben resolverse respetuosamente y sin perder el foco de trabajo.
- 3. Las conversaciones sobre datos generan confianza en lugar de sospecha: Algunos docentes desconfían del uso de datos, pues temen que éstos puedan ser usados en su contra. Para que esto no ocurra es crucial establecer confianza entre líderes educativos y profesores, y dentro del equipo de docentes también, respetándose entre todas y todos. Además, algo útil es enfocar las conversaciones en cómo la escuela debe mejorar y no personalizar la discusión en un profesor o profesora en particular. Del mismo modo, la honestidad en cada miembro del equipo será fundamental.
- 4. Los equipos de datos adoptan un enfoque orientado a la solución: Para que el uso de datos realmente mejore la enseñanza y el aprendizaje, los docentes deben participar en la práctica reflexiva y actuar cuando la evidencia es clara y convincente. Hay que centrarse en el futuro y tener una actitud positiva para llegar a soluciones sin prejuicios. Junto con ello, es importante que los equipos dejen espacio para la experimentación y para investigar distintas posibles soluciones de un problema detectado con los datos.
- 5. Los equipos de datos saben lo que se espera que logren: Las y los líderes educativos juegan un rol principal al establecer las expectativas para las discusiones sobre datos con profesores. Éstas expectativas deben estar equilibradas, pues hay que evitar sofocar con mucho o que las discusiones se desvíen con poco. En resumen, es importante comunicar expectativas amplias de lo que se quiere lograr en las discusiones de datos, pero los profesores no deben sentirse paralizados. La idea es guiar las discusiones siempre con respeto, curiosidad y con miras a mejorar entre todas y todos, para lograr un impacto positivo en la vida de las y los estudiantes.
