Big Data – PER 9120

José Gabriel Aguilera Maldonado

Tema 1
Introducción al Big Data y su Aplicación en Educación

Universidad Internacional de La Rioja

TEMA 1 Introducción al Big Data y su aplicación en Educación
► PRESENTACIÓN

2
 TEMA 1 Introducción al Big Data y su aplicación en Educación

► 1.1 Introducción y objetivos

► 1.2 ¿Qué es Big Data?
► 1.3 Tecnologías y principios del Big Data

► 1.4 Big Data en Educación: características, finalidad y herramientas

► 1.5 Conceptos esenciales de Big Data en Educación

3
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► 1.1 Introducción y objetivos
► Las TIC están generando grandes volúmenes de datos, nuevas
necesidades y perspectivas para nuestra sociedad digital.
► Clases online, MOOC (Massive Online Open Courses)
► Mooc Coursera, EdX

► Khan Academy, Tutellus

► Crehana, Lynda

► El aporte del Big Data es que permite mejorar los procesos de

enseñanza aprendizaje a partir del análisis de los datos obtenidos
estableciendo patrones para predecir el comportamiento de los
alumnos, anticipándose a los abandones, objetivos programados, etc..
► Veremos funcionamiento de los datos en entornos digitales
educativos, conocer conceptos fundamentales del Big Data,
establecer fines y propósitos de las analíticas en educación
► Haremos una REFLEXIÓN de como influyen dichas analíticas de los
datos educativos en nuevas formas de intervención en los procesos
de aprendizaje actuales y futuros.

4
TEMA 1 Introducción al Big Data y su aplicación en Educación
► 1.2 ¿Qué es Big Data?

► El término hace referencia al gran volumen de datos electrónicos,

de varias fuentes y generados a gran velocidad
► No se pueden gestionar por métodos tradicionales por
complejidad y tamaño (volumen, velocidad y variedad)
► Actualmente debemos añadir, veracidad, valor, variabilidad y
visualización, constituyendo las 7V del Big Data
► La ANALÍTICA del Big Data consiste en recolectar, almacenar,
limpiar, organizar y preparar grandes cantidades de datos para
ver patrones, tendencias y relaciones entre los datos.
► Dada la imposibilidad de usar bases de datos tradicionales se
usan diferentes tecnologías y técnicas para procesar lotes de
información con el fin de estructurarlos para que tengan sentido y
permitan tomar decisiones eficientes con independencia de la
razón social institucional.

5
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► Las 7 V son las siguientes:
► Volumen : se refiera a la producción de datos, se dobla cada 40
meses, bits mínima unidad de información. (ver tabla equivalencia)
► Velocidad : se refiere a la rapidez con que se dispone de los datos,
datos en tiempo real y su procesamiento en quasi tiempo real. Es
importante la velocidad de conexión y transmisión de esos datos.
► Variedad : se refiere a la procedencia de los datos
► Estructurados (dentro de una base de datos)

► No estructurados (imágenes, vídeos, sonido, hoja de cálculo)

► Semiestructurados (tienen asociados metadatos a los datos, gps)

► Veracidad : datos reales, depurar las bases de datos es vital para

tener información fiable a la hora de tomar decisiones
► Valor : rentabilidad de la gestión de los datos y su uso
► Variabilidad : cambios que experimentan los datos y que afectan a
la homogeneización y a las posibilidades de predicción
► Visualización : consiste en lograr que los datos recolectados y
analizados sean comprensibles y sencillos de leer, gráficos, tablas
para establecer tendencias o patrones y tomar decisiones finales.
6
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► 1.3 Tecnologías y principios del Big Data
Big Data se aplica a la información que no puede ser procesada por medios
tradicionales. Big Data se refiere al tratamiento y análisis de repositorios de
datos muy grandes donde es imposible usar base de datos y analíticas
tradicionales. Big Data trata además de los datos las técnicas que pueden
mejorar las 7V´s enfocando diversos aspectos:

• El modo en el que se capturan los datos junto con la selección de los datos
que se capturan.
• El modo de almacenamiento de los datos que han sido capturados.
• “Tools” que permitan una búsqueda adecuada de esos datos almacenados.
• Si es necesario, los datos han de ser compartidos entre distintos entornos.
• Mejorar las formas de visualización de esa gran cantidad de datos.

En Educación se deben analizar: alumnos en riesgo, monitorizar desarrollo

adecuado de cada estudiantes, implementar sistemas de evaluación y
apoyo a la docencia y al estudiante, comparar notas, grupos, exámenes,
etc….
7
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► ¿Cómo funciona el Big Data?
• Con potentes equipos informáticos se recogen y procesan la información
con rapidez y eficacia, encontrando relaciones, patrones y tendencias para
que nos ayuden a realizar pronósticos fiables para la toma de decisiones.

• En Educación esto se traducen en 3 posibilidades:

q La posibilidad de implementar una educación personaliza derivada del
conocimiento exhaustivo de cada alumno.
q La posibilidad de obtener feedback en tiempo real y actuar en
consecuencia.
q La posibilidad de compartir el conocimiento.

• El éxito del Big Data reside la mejora de los procesos de enseñanza-

aprendizaje en 4 niveles:
q Descriptivo (¿qué ocurre?)
q Diagnóstico (¿por qué ocurre?)
q Predictivo (¿qué puede suceder?)
q Prescriptivo (¿Cómo se puede mejorar?)
8
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► En el contexto Educativo el Big Data se concentra en 2 campos de análisis:

q Learning Analytics
q Academic Analytics

► El OBJETIVO en ambos mejorar los procesos de aprendizaje de los

alumnos mediante el refinamiento de datos que permitan la
PERSONALIZACIÓN del aprendizaje.

► Otros usos del Big Data en Educación pueden ser:

q Control y seguimiento del plagio (Turnitin y otras gratuitas por WEB)
q Realizar diagnósticos de aprendizaje en tiempo real
q Obtener información sobre abandonos o fracaso escolar

► Las tecnologías de Big Data abarcan 2 grandes tipos de campos

q Campo operacional (carga en tiempo real, captura y almacenamiento)
q Campo analítico (análisis en retrospectiva de datos complejos)

9
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► Para dar soporte al procesamiento del Big Data es necesaria una
infraestructura de componentes que permita su tratamiento es decir:

q Aplicaciones Big Data:

q Software específico para problemas específicos.
q Herramientas de creación de informes y visualización:
q Facilitan la transmisión de la información y su análisis
q Análisis (tradicional y avanzado):
q Software que permite extraer la información de los almacenes de
datos, puede ser PREDICTIVAS (tras análisis elaboran patrones
para predecir el futuro) o de análisis de sentimiento u opinión donde
a partir de un texto se indica el sentido de una opinión.
q Data Warehouse y herramientas analíticas:
q Son estructuras de almacenamiento de datos propios de las
instituciones u organizaciones donde los datos están organizados y
estructurados, en muchos casos actúan como sistema de
seguridad.

10
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► 1.4 Big Data en Educación: características, finalidad y herramientas

El Big Data en Educación es un forma de mostrar aspectos del aprendizaje

es una perspectiva innovadora y necesaria a día de hoy en:
q Profesores: permite identificar los métodos más efectivos (Learning
Analytics). Diseño educativo personalizado en contenidos, en tiempos
de aprendizaje, procesando los datos que permiten diseñar las clases.
q Administradores y gestores de centros educativos: Big Data brinda la
posibilidad de tomar decisiones en base a las necesidades detectadas
para con ello diseñar nuevas carreras, masters, cursos evaluando al
docente sobre su metodología de enseñanza y a los alumnos respecto
al estilo de aprendizaje (Academic Analytics).

► Big Data se traduce en una enseñanza personalizada, enfocada a la

mejora continua de los métodos de aprendizaje afectando no sólo a las
personas sino también al currículo, la didáctica y la evaluación.
► El uso de tecnologías en educación recaba muchos datos (Learning
Management System (LMS)) que permiten tras análisis ver patrones.
11
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► Todos estos datos organizados, estructurados y analizados permiten tras el
análisis conocer comportamiento de los ALUMNOS, su interacción con los
contenidos, analizar tipo de contenidos, su dificultad, su organización,
grado de asimilación en base a la evaluación, número de clics de ratón, etc.
► Por otro lado están los datos de los PROFESORES, años de experiencia,
grado de interacción con los estudiantes y su temporalización, como usan
los contenidos, si son propios o no, nivel de respuesta y otros detalles.
► Además están los detalles de la INSTITUCIÓN, número de niveles, si es
pública o privada, condiciones socioeducativas y culturales del “target”.

► En los últimos años se analizan las interacciones entre los ALUMNOS y los
PROFESORES a través de las RRSS (redes sociales) y de estos con otros
agentes externos de cara a construir el conocimiento y mejorar aprendizaje.

► Todos los datos del ambiente educativo requiere el uso de herramientas

que permitan analizar y establecer “patrones” o relaciones para generar
conocimiento y posteriormente PERSONALIZAR la educación.

12
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► Características del Big Data en Educación
q Partimos de Learning Management System (LMS) donde los alumnos
interactuan, con esos datos almacenado se establecen patrones sobre
el éxito o fracaso del estudiante dando ayuda a las tutorías.
q Los datos y el software son elementos integrales para gestionar las
instituciones, elaborar políticas educativas, aplicar las prácticas de los
educadores, analizar la experiencia de la enseñanza y el aprendizaje y
el modo de llevar a cabo la investigación educativa.
q Otro ejemplo de Big Data en educación son los MOOC (Massive Open
Online Course) desde donde se reciben muchos datos para analizar.
q Finalmente debemos distinguir 3 niveles de cobertura en analíticas de
aprendizaje.
q Nivel Micro: interacciones individuales (RRSS) o grupal de cada
alumno, geolocalizaciones, clickstream por asignatura, préstamos
q Nivel Meso: datos para las instituciones educativas para mejorar
procesos, oferta académica, optimizar las decisiones institucionales
q Nivel Macro: visibilidad de analíticas entre instituciones, informe
PISA, rendimientos entre distintas comunidades autónomas
13
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► El nivel macro se nutre de la información generada en los niveles micro y
meso plasmando la transformación sobre los modelos académicos, las
aproximaciones pedagógicas o directamente sobre el sistema institucional.

14
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► Beneficios en el nivel micro:
q Identificación de los estudiantes en riesgo proporcionar intervenciones
q Dar a los alumnos una visión de sus hábitos con soluciones a mejorar

► Beneficios en el nivel meso:

q Mejorar la toma de decisiones administrativas y optimizar recursos
q Análisis transparentes enfocan los desafíos y éxitos de la institución
q Comprender temas complejos (RRSS y la información obtenida)
q Apoyar decisiones en base al impacto del análisis de varias variables
q Aumentar la productividad organizacional con información actualizada
q Ayudar a determinar el valor HARD (patentes, investigación) y el SOFT
(reputación, perfil, calidad de la enseñanza) generado por la institución

► Beneficios en el nivel macro:

q Se podría transformar el sistema universitario, los modelos académicos,
los enfoques pedagógicos en la enseñanza primaria y secundaria a
través de políticas educativas y decisiones administrativas y de
gerencia con el objeto de MEJORAR y PERSONALIZAR la educación
15
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► Finalidad del Big Data en Educación:

q Mejorar el aprendizaje a través de la personalización

q Predecir y minimizar el fracaso escolar y el abandono
q Mejorar las políticas institucionales en función de las analíticas de datos

Kerns (2013) entiende que el BIG DATA aporta a la Educación:

q Dar la opción de atender las diferencias individuales, conocer destrezas

y habilidades según sus posibilidades y avanzar según su propio ritmo
q Compartir información entre centros y evitar perder información
q Identificar áreas problemáticas para los alumnos dando apoyo
q Demanda de especialistas en el análisis de datos y formación docente
q Personalización que permita a los más dotados avanzar más rápido
q Llevar a cabo avances consistentes, aprender y volver a recordar
q Involucrar a padres y estudiantes con datos e informes, visualizando los
resultados para una mejor comprensión

16
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► Herramientas del Big Data en Educación: Es necesario el uso de técnicas
y herramientas que permitan sacar el máximo provecho a los datos.
► La MINERÍA DE DATOS EDUCACIONALES (EDM o Educational Data
Mining), usada cuando se dispone de un historial de datos pero no se
tiene información o conocimiento de los datos, es un conjunto de técnicas
de extracción de conocimientos a partir de la exploración de datos
educativos, ayudan a entender mejor a los estudiantes y los contextos de
aprendizaje.

17
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► Herramientas de ANÁLISIS y ANÁLISIS AVANZADO

► Las técnicas de minería de datos conocidas como técnicas de análisis

se usan para dar significado al mar de datos, interpretan los datos y le
dan significado, pueden ser PREDICTIVOS o PERCEPTIVOS.

► Herramientas de GENERACIÓN de INFORMES Y PANELES

► Herramientas de VISUALIZACIÓN

18
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► 1.5 Conceptos esenciales de Big Data en Educación:
q Proceso del Big Data en educación
q Implementar un aprendizaje personalizado a partir de datos del
conocimiento exhaustivo de cada alumno con feedback.

19
 TEMA 1 Introducción al Big Data y su aplicación en Educación
► El éxito del Big Data radica en la posibilidad de mejorar procesos de
enseñanza-aprendizaje en 4 niveles:

20
 TEMA 1 Introducción al Big Data y su aplicación en Educación
q Aprendizaje adaptativo: El uso del Big Data en educación deriva en la
incorporación de nuevas tecnologías activas que personalizan el
aprendizaje adaptándose en tiempo real a las necesidades del alumno.
q Mastery Learning (aprender para el dominio), la meta del aprendizaje
debe dividirse en una serie de pequeños objetivos usando distintas
estrategias para ayudar al alumno a alcanzar el dominio. Consiste en
diseñar un abanico de apoyos y recursos para que cada alumno alcance
el conocimiento con recursos alternativos y estrategias motivadoras.
q Dataficación o transformación de muchos aspectos que pueden ser
cuantificables y convertidos en información útil, incorporando los datos a
las BBDD para aplicar técnicas de medición y procesamiento.
q Educational Data Mining (EDM) o Minería de datos educacional son
técnicas de minería de datos para análisis, clasificación y visualización de
grandes cantidades de datos para encontrar patrones y mejorar los
procesos de aprendizaje, se usan métodos de inteligencia artificial y
modelos estadísticos para establecer perfiles para recomendar recursos.

21
 TEMA 1 Introducción al Big Data y su aplicación en Educación
q Academic Analytics consiste en aplicar técnicas de Inteligencia de
Negocio (Business Intelligence) para ayudar a los centro a tomar
decisiones de mejora sobre procesos educativos, definiendo métricas en
cuanto a recolección para retener alumnos y mejorar administrativamente

q Learning Analytics (o analítica del aprendizaje) consiste en la medición,

recopilación, análisis e informe de datos sobre los alumnos y sus contextos
con objeto de optimizar el aprendizaje en los entornos. La minería de datos
educativos consiste en obtener datos analizables para investigaciones
posteriores con objetivos comerciales futuros en 3 aspectos clave:

q QUÉ VARIABLES SE VAN A MEDIR, definición de variables

q CÓMO SE MEDIRÁN, criterios e indicadores
q CUÁL SERÁ LA INTERPRETACIÓN Y QUE DECISIONES

Consiste en un proceso CÍCLICO centrado en el proceso de enseñanza

aprendizaje a partir de métricas se coleccionan datos y su contexto y
finalmente se analizar y se generan informes de decisión.
22
www.unir.net