Al pensar en los MOOC, es fácil olvidar que realmente es la primera vez que se imparte educación a una escala significativa; esto en realidad puede resultar más revolucionario que cualquier otra cosa al respecto. Se recopilan cantidades masivas de datos útiles en los MOOC para cada acción realizada por los estudiantes. Estos datos se pueden usar para mejorar dramáticamente la calidad de la educación a través de la optimización de cursos, la experimentación con métodos de enseñanza y la personalización a las necesidades de los estudiantes.
En comparación con los cursos universitarios tradicionales que apenas cambian de semestre a semestre, los MOOC se pueden optimizar de una semana a otra. Los datos permiten reconocer áreas donde el contenido es insuficiente para cumplir con los objetivos de aprendizaje, de modo que puedan modificarse y mejorarse. Como Daphne Koller dijo elocuentemente: “Si dos estudiantes en una clase universitaria de cien dan una respuesta incorrecta, nunca lo notarías, pero cuando dos mil personas dan la misma respuesta incorrecta, es difícil pasarla por alto”.
En lugar de que los gerentes de producto tomen las decisiones finales sobre la mejor manera de lograr un objetivo, es mucho más eficiente experimentar con varias versiones de la misma página y luego dejar que los datos conduzcan, que es la mejor decisión a través de las pruebas A / B. Udacity realizó tales pruebas A / B basadas en datos para evaluar si las versiones en blanco y negro de las lecciones eran preferibles al color y, sorprendentemente, los datos sugirieron que los estudiantes obtuvieron mejores resultados con las lecciones en blanco y negro. Pruebas similares en Coursera mostraron que los correos electrónicos que resumen la actividad personal de los estudiantes eran más atractivos que los correos electrónicos que simplemente les recordaban los plazos del curso.
- ¿Cuál es la diferencia entre los pronósticos de combinación y conjunto?
- ¿Cómo podría el posmodernismo cambiar el aprendizaje automático?
- Cómo desarrollar una aplicación que reproduzca música de acuerdo a tu estado de ánimo
- En la regresión logística multinomial, ¿por qué el valor p en la prueba de razón de probabilidad es significativo pero en las estimaciones de parámetros no es significativo para cada dimensión?
- ¿Cuántas imágenes necesita un buen sistema de aprendizaje automático para aprender un nuevo concepto?
Cada estudiante tiene un estilo de aprendizaje diferente. Los datos se pueden usar para monitorear cómo los estudiantes interactúan con los sistemas de enseñanza (cuándo aceleran, cuándo disminuyen la velocidad, dónde hacen clic) y una computadora puede aprender a anticipar sus necesidades y entregar material personalizado en cualquier medio (video, texto, juego) o diálogo) promete maximizar su comprensión y retención. En este nuevo modelo de personalización , el contenido y la entrega se pueden personalizar mejor para que cada alumno brinde lo que necesita para aprender y tener éxito.
El sueño con la educación en línea es que a través de la experimentación y la optimización , podremos ofrecer experiencias educativas personalizadas que sean mucho más efectivas que cualquier cosa que los sistemas educativos tradicionales hayan ofrecido antes.
Lea el artículo completo: el video es excelente, pero desbloquear datos MOOC es un cambio de juego