Educar en Pandemia: Datos para Aprender (1) – Gobernanza

03 Mayo 2022

Se reconoce hoy a los datos como el más preciado recurso del Siglo XXI, el petróleo de nuestro tiempo, el combustible que hoy impulsa a las empresas y organizaciones a competir e innovar. ¿De qué manera pueden los datos servir a los principales desafíos de la educación como su recuperación, la resiliencia y el desarrollo futuro?, ¿puede haber un enfoque específico en los datos para promover y mejorar la calidad del aprendizaje?

Los datos son la representación simbólica (numérica, alfabética, algorítmica, espacial, etc.) de un atributo o variable que describen hechos empíricos, sucesos y entidades. Al igual que el petróleo, los datos son valiosos solo después de haber sido procesados por personas, a través de computadores. Sin embargo, los datos no existen en bruto en el mundo, esperando ser descubiertos o extraídos. Las personas están involucradas en cada paso del proceso de recopilación, procesamiento, análisis e interpretación de los datos. A menudo se pueden agregar múltiples capas de uso y reutilización, combinados y compartidos, interpretados y reinterpretados, de múltiples maneras y para diferentes propósitos, por diferentes actores. Para muchos y a diferencia del petróleo, los datos son “el último recurso renovable”.

El presente artículo y los próximos, ahondaremos de qué manera los "Datos para el Aprendizaje" se posicionan como una tremenda oportunidad para contribuitr a los desafíos educativos y del aprendizaje. Comenzamos con los datos para la administración y la gobernanza educativa.

Los datos para administración y gobernanza incluyen datos diseñados para ayudar en cada nivel de educación del sistema, para ser utilizados por los equipos directivos y de liderazgo escolar, gobiernos locales y los responsables políticos nacionales para la toma de decisiones, la transparencia y la rendición de cuentas. Los Sistemas de Información de Administración Educativa (EMIS, por sus sigls en inglés) se utilizan datos para impulsar la gestión, el seguimiento y la evaluación, las innovaciones, en suma, la calidad y la equidad en todo el sistema. Estos datos incluyen los muchos tipos identificados anteriormente como tradicionales (datos sobre escuelas, docentes y alumnos), que se utilizan para informar, por ejemplo, la asignación de recursos (capital y humanos), gestionar el reclutamiento de alumnos y monitorear la eficacia escolar.

En muchos países, los datos sobre educación se han recopilado durante mucho tiempo, principalmente de manera convencional, incluidos los procesos de recopilación de datos administrativos y analógicos y la elaboración de informes. Esto a menudo se ha basado en múltiples fuentes para incluir datos como el número de escuelas, docentes y alumnos (tanto los que asisten a la escuela como los que no lo están), la proporción alumno-docente y el gasto escolar; las edades de los alumnos, su género, su estatus socioeconómico, si tienen necesidades físicas o mentales especiales, su primer idioma, las calificaciones que obtienen, la cantidad de años que pasan en la escuela y si completan la educación primaria o secundaria, las calificaciones de los maestros y los resultados de la inspección escolar.

Más allá de la educación formal, también se recopilan datos sobre el número de estudiantes en instituciones vocacionales o instituciones de educación superior, así como sobre jóvenes que no tienen empleo, educación o capacitación, o aquellos que participan en oportunidades de aprendizaje no formal o de por vida. Sin embargo, este no es el caso para contextos vulnerables, donde las fuentes de datos pueden vivir dentro de silos aislados, como los datos del censo o los datos de evaluación del aprendizaje. Los EMIS no siempre están integrados a partir de fuentes no tradicionales fuera de los sistemas formales y no formales asistidos por el gobierno.

Cada vez más, los sistemas educativos en los países integrados digitalmente recopilan y, en algunos casos, comparten, grandes cantidades de datos educativos en categorías intersectoriales, con indicadores de todo, desde los resultados y logros del aprendizaje hasta los gastos, la seguridad escolar y los docentes. Estas grandes cantidades de datos que se crean y recopilan a menudo se denominan “Big Data”, que se distingue de otros datos por exhibir los llamados atributos “V”:

  • volumen: (es decir, el tamaño del conjunto de datos es muy grande),

  • velocidad: (es decir, la velocidad a la que se pueden generar los datos),

  • variedad: diferentes tipos de datos que se generan a partir de múltiples fuentes, que necesitan referencias cruzadas y combinación para poder explotarse por completo,

  • veracidad: incompletitud de los datos recopilados y, por lo tanto, la imprecisión de las inferencias que se hacen a partir de ellos,

  • volatilidad: datos recopilados o inferidos se vuelven menos relevantes con el tiempo,

  • valor: capacidad de extraer valor de dichos datos mientras se cumplen las limitaciones de tiempo, recursos humanos y técnicos.

Big Data en la educación se usa principalmente a nivel agregado para apoyar la formulación de políticas y la administración escolar u otra institución, para informar los presupuestos y las asignaciones de recursos con el objetivo de demostrar el "progreso" y el valor. Estos datos ahora se ingresan típicamente (aunque no siempre) en un sistema electrónico u otro (desde hojas de cálculo independientes hasta EMIS y otras bases de datos).

Con respecto a los datos, "Big”, “grande" a menudo se combina con "mejor", pues se tiende a priorizar grandes conjuntos de datos en lugar de pequeños conjuntos de datos, creyendo que los conjuntos de datos más grandes dicen más y proporcionarán información más precisa que los conjuntos de datos más pequeños. A medida que gran parte del mundo avanza hacia sistemas de datos digitalizados de alta tecnología, la Big Data también está cada vez más sujeto a la extracción de datos, lo que lleva a que se extraigan múltiples inferencias (por ejemplo, mediante la combinación de conjuntos de datos y el uso de análisis avanzados).

La Big Data casi siempre es más efectiva cuando se basa y se orienta para respaldar o refutar algún supuesto, en lugar de la extracción de datos para inferir conocimiento, lo que puede conducir a conexiones espurias y errores fáciles. Big Data está de moda, pero la extracción de datos es artificial, y no es inteligente. Cuanto mayor sea el número de variables explicativas consideradas, más probable es que una relación descubierta sea coincidente y transitoria. La evidencia estadística no es suficiente para distinguir entre conocimiento real y conocimiento falso. Solo la lógica, la sabiduría y el sentido común pueden hacer eso.

Muchas plataformas digitales utilizadas en la educación, desde programas de tecnología educativa hasta sistemas de gestión del aprendizaje y administración escolar, funcionan con inteligencia artificial (IA), cuya forma principal en la actualidad es el aprendizaje automático (Machine Learning) que extrae Big Data. Además, para el Big Data de las personas, también debemos ser conscientes de que los detalles (por ejemplo, las vidas de los niños reales) pueden perderse fácilmente. Hay que recordar que detrás de los datos y del procesamiento de datos hay seres humanos. Como tal, la IA no debe verse como una herramienta puramente técnica para dar sentido a Big Data, sino una construida socialmente que puede reflejar los sesgos de los humanos que deciden los algoritmos que usan y los conjuntos de datos en los que se entrenan. Tales oportunidades y riesgos del uso de IA y Big Data se han discutido a nivel mundial, lo que llevó a la publicación de la Recomendación de la UNESCO sobre la Ética de la Inteligencia Artificial, el primer acuerdo global para garantizar que estas tecnologías emergentes estén centradas en el ser humano y sean de mayor interés para la humanidad en su conjunto.

Un desafío importante a nivel de sistemas para los países es la reinvención de la arquitectura de datos para permitir una recopilación y un intercambio de datos más ágiles y éticos junto con procesos de gestión de datos distribuidos localmente y aplicaciones de datos para el aprendizaje. Los ecosistemas de datos facilitados a través de plataformas de gestión de datos accesibles e integradas están en el corazón de esta infraestructura. Dichas plataformas permiten análisis que tienen como objetivo respaldar la toma de decisiones en tiempo real basada en datos en todos los niveles, desde la gestión diaria de las operaciones hasta las funciones de planificación estratégica.


Accesos panel

Buscador de Leyes - BCN Ley Chile


Objetivos de desarrollo sostenible

Constitución Política de Chile

Texto actualizado y completo de la Constitución Política de Chile de 1980.

Ley Fácil

Aumento de penas para delitos contra menores de 18 años, adultos mayores y personas con discapacidad

Explica los cambios al Código Penal en casos en que las víctimas sean niños, niñas, adolescentes, adultos mayores y personas en situación de discapacidad.