Si se aprovecha de manera eficaz, la enorme cantidad de información que genera la educación superior puede permitir a las instituciones:
- comprender mejor las necesidades de los estudiantes;
- mejorar la calidad de la enseñanza, el aprendizaje y el asesoramiento;
- reducir los costos; y
- predecir y evitar riesgos
Las herramientas de análisis existen
Pero si no existen las condiciones para su uso efectivo, la enorme volumen de datos no produce resultados concretos. De hecho, aunque la inteligencia artificial y el aprendizaje automático acaparan los titulares, la mayoría de las universidades carecen de ese nivel de sofisticación analítica.Según IBM (IBM, 2016), se han creado más datos en los últimos dos años que en toda la historia anterior de la humanidad.
Pero, los datos en bruto son de una limitada utilidad. Para extraer valor de estos datos necesitamos refinarlos, integrarlos y analizarlos para su comprensión.
Los beneficios potenciales son demasiados
y no podemos ignorarlos
Las universidades han intentado reevaluar y reconfigurar sus modelos de negocio con la esperanza de servir mejor a los estudiantes, las comunidades y las economías. Estos esfuerzos por mejorar los resultados de los estudiantes y, al mismo tiempo, reducir los costos se han centrado principalmente en la adopción a gran escala de programas, prácticas y servicios diseñados para optimizar los resultados de aprendizaje, acortar el tiempo hasta la obtención del título, reducir el exceso de créditos y agilizar la transferencia de créditos, todo ello mientras se mejora la enseñanza, el aprendizaje y el asesoramiento de forma rentable.Parecen tareas difíciles pero no imposibles de alcanzar.
El análisis de datos es el núcleo de la recopilación de las pruebas y los conocimientos necesarios para lograr los cambios de transformación requeridas. En los últimos años, se ha demostrado que un sólido análisis de datos es un ingrediente clave para la innovación estratégica.A pesar de que:
- la comunidad de la educación superior da muestras de aceptar la revolución analítica, y
- que los datos y las herramientas de análisis son abundantes,
- recursos insuficientes o mal alineados,
- demandas interminables de información,
- infraestructura desarticulada o rígida,
- limitadas habilidades y experiencia, y
- ausencia de ejecutivos capacitados para gestionar datos
Cualquiera de estos desafíos puede socavar el desarrollo de una cultura analítica.
La analítica es la representación visual de los datos evaluados. Para transformarla en representaciones visuales, tales como tablas, cuadros y gráficos, es necesario aplicar criterios humanos. La analítica es una herramienta informativa que no reemplaza reflexionar, evaluar y tomar decisiones.¿cómo pueden las universidades superar las barreras existentes para aprovechar el poder de la analítica de datos?
Muchas instituciones se beneficiarían de una base sólida de datos que se fundamente en la exactitud, oportunidad, relevancia, integración y seguridad.Exactitud
A medida que aumenta el volumen de datos disponibles, también lo hacen las presiones para utilizarlos, por lo que es importante elaborar procedimientos para garantizar que sean de calidad y utilizables de manera contextualizada. Hay múltiples pasos en la adquisición, procesamiento y análisis de los datos. Estos incluyen el descubrimiento, extracción, reformateo, acceso, normalización, enriquecimiento, comparación, presentación e integración del flujo de trabajo de los datos.Oportunidad
Es necesario que los datos y la información se entreguen de manera oportuna y accesible, de lo contrario su utilidad puede perderse independientemente de su exactitud. Esto es especialmente cierto para los colegios y universidades que buscan soluciones en tiempo real a los desafíos que enfrentan los estudiantes. Cuanto más tiempo lleve la adquisición, el procesamiento y el análisis de los datos relacionados con el ciclo de vida del estudiante, menos probable es que los conocimientos puedan utilizarse para predecir los riesgos y prescribir soluciones.Relevancia
A menudo se aspira a trasladar datos precisos y oportunos en programas o servicios que apoyen a los estudiantes y a los responsables de la toma de decisiones, pero rara vez se logra. De alguna manera hay tantos datos que se hace difícil separar lo bueno de lo malo. Con tantos datos, se hace más importante identificar las herramientas de análisis y la infraestructura adecuadas . Los analistas deben estar preparados para ofrecer conocimientos, productos y servicios que sean importantes para el usuario final.Integración
Los responsables de la toma de decisiones quieren tener acceso a la información en tiempo casi real, lo que significa que los pasos de adquisición, procesamiento y análisis de los datos deben realizarse rápidamente. Un obstáculo importante para proporcionar una visión precisa, oportuna y relevante ha sido la falta de integración. Las dificultades para conectar datos de fuentes dispares originan un sinfín de desafíos, incluyendo diferencias en el almacenamiento, definición, estructura (o la falta de ella), y el uso previsto. Los datos no estructurados, que pueden ser increíblemente ricos, representan el 90% de los datos de las instituciones y empresas. Esto hace que la integración efectiva sea un importante paso.Seguridad
Debemos proteger y utilizar los datos de manera ética. Las políticas y las mejores prácticas en materia de privacidad y seguridad de los datos, la propiedad intelectual y las prácticas éticas merecen una atención cuidadosa. Las funciones analíticas deben adherirse a las mejores prácticas para mantener la privacidad y la seguridad, y crear juntas de revisión ética para mitigar los riesgos asociados con la revolución analítica, los grandes datos y el análisis predictivo.Existen también otros factores a considerar:
Infraestructura
Se necesita la infraestructura adecuada para adquirir, procesar y analizar datos de diversas fuentes de manera relevante y segura. En recientes encuestas sobre los principales problemas que enfrentan las instituciones participantes:- más de la mitad (57%) de los encuestados eligió el gobierno de los datos como su principal problema.
- Los principales problemas estaban relacionadas con la tecnología. Incluían la calidad de los datos, los metadatos y las definiciones de los datos, el análisis predictivo, la visualización de los datos, la integración y el autoservicio.
Cultura
Invertir en datos de calidad, conocimiento e infraestructura requiere que instituciones de educación superior reorienten sus culturas hacia un modelo colaborativo de toma de decisiones basado en datos. Sin una cultura de análisis, los esfuerzos para integrar el análisis pueden generar preocupaciones sobre la calidad, eliminación de opciones, seguimiento de los estudiantes, recorte de programas y puestos de trabajo, y pérdida de la identidad institucional. El liderazgo debe abogar por el uso de los datos y la vinculación del análisis de datos en una visión futura centrada en el éxito de los estudiantes y la sostenibilidad institucional.Mejorar el éxito de los estudiantes
La principal ventaja de la revolución analítica es el éxito de los estudiantes. Algunos ejemplos de resultados de análisis predictivo en varias universidades:- utilización de un modelo de predicción de calificaciones para colocar a los estudiantes en los cursos que les ofrecían las mayores probabilidades de éxito.
- aumento de tasas de graduación y redución de las brechas en las tasas de graduación de los estudiantes de bajos ingresos, insuficientemente representados y de primera generación.
- disminución de las horas de crédito al término de la carrera.
