Tema 9

Del Dato (Big Data) a la Información (Internet)

Tema 9. Futuro y
perspectivas educativas del
Big Data
Índice
Esquema

Ideas clave

9.1. Introducción y objetivos

9.2. Presente y futuro de la educación con Big Data

9.3. Tendencias educativas en las que está presente el

Big Data

9.4. Campos y aplicaciones profesionales en Big Data

9.5. ¿Cómo integrar Big Data en educación?

9.6. Referencias bibliográficas

A fondo

El potencial de los dispositivos IoT en la educación

Certiblock

Realidad aumentada para niños y para alumnos de

Formación Profesional

Aplicaciones de la tecnología Blockchain en educación

Test
 Esquema

Del Dato (Big Data) a la Información (Internet) 3

Tema 9. Esquema
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

9.1. Introducción y objetivos

E l uso de Big Data y de analíticas en el ámbito educativo ofrecen grandes

posibilidades y beneficios para la mejora y personalización del aprendizaje de los

alumnos y de la gestión educativa, etc. Por otro lado, se abre también la oportunidad

d e nuevas alternativas laborales y profesionales vinculadas al uso y

aprovechamiento de los datos educativos tanto en las organizaciones como en las

administraciones educativas. Las últimas tendencias educativas apoyadas por el

desarrollo de tecnologías emergentes ofrecen grandes posibilidades de desarrollo

en este campo.

El Big Data es un recurso clave para analizar, visualizar, entender y mejorar la

educación, ya que gracias a que podemos medir y recolectar datos, podemos tomar

decisiones y mejorar el aprendizaje personalizándolo.

En este tema abordaremos los siguientes objetivos:

▸ Conocer los usos concretos que el Big Data tiene en educación.

▸ Gestionar un sistema de Big Data y analíticas en un entorno virtual de una institución

educativa o empresarial.

▸ Entender algunas de las tendencias actuales y futuras del Big Data en Educación.

▸ Valorar las posibilidades de desarrollo profesional y laboral que nos ofrece el Big

Data.

Del Dato (Big Data) a la Información (Internet) 4

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

9.2. Presente y futuro de la educación con Big Data

Podemos afirmar que en los próximos años se producirá un extraordinario auge de la

tecnología en entornos educativos que permitirá un gran aprovechamiento de los

datos y de la información generada en entornos educativos, y que cada vez serán

mayores las posibilidades de personalización del aprendizaje.

Big Data se convertirá en un instrumento clave para detectar casos de riesgo o

abandono escolar, para apoyar a alumnos con necesidades especiales o para

facilitar métodos de aprendizaje que no son eficientes, permitiendo que tanto los

docentes como los equipos directivos y la Administración educativa puedan actuar

tomando medidas y decisiones oportunas.

La mejora de la gestión educativa y también la mejora del aprendizaje mediante la

recolección, almacenaje y visualización de grandes volúmenes de datos, supone un

salto exponencial en el presente y futuro de la educación.

Los tres rasgos principales de cómo el Big Data transformará el aprendizaje son:

▸ Retroalimentación.

▸ Individualización.

▸ Predicciones probabilísticas.

Retroalimentación

Toda la enseñanza formal, y también la no formal, en todas sus etapas y niveles,

están repletas de retroalimentación. Recibimos calificaciones por actividades y

tareas, por la participación en clase, por los exámenes, por la asistencia a clase, etc.

A lo largo de nuestra vida escolar y académica acumulamos infinidad de feedback y

de datos sobre nuestro desempeño y aplicación como aprendices; todos estos son

los indicadores small data.

Del Dato (Big Data) a la Información (Internet) 5

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

Ahora bien, no siempre se reúne la información adecuada, y aun cuando se hace,

puede que no se recolecte la suficiente y que no se utilicen eficazmente los datos

recolectados.

L a retroalimentación clásica se basa en mostrar en qué medida una persona ha

entendido la lección y los contenidos de una materia según la percepción del docente

(normalmente mediante los resultados obtenidos en actividades y exámenes), no en

qué medida han sido adecuados el profesor o las herramientas docentes para un

alumno en particular. De este modo, la retroalimentación se enfoca en el resultado

del aprendizaje, más que en el proceso docente, y esto se produce por la consabida

dificultad de obtener y analizar los datos.

Gracias al Big Data todo esto está cambiando, ya que podemos reunir datos sobre

aspectos del aprendizaje que antes no se podían reunir, en este sentido, estamos

«datificando» el proceso docente. Ahora podemos combinar los datos de maneras

nuevas, y aprovecharlos para mejorar la comprensión y el resultado de los alumnos,

así como compartirlos con profesores y administradores para mejorar el sistema

educativo.

Del Dato (Big Data) a la Información (Internet) 6

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

Un ejemplo significativo de esto que mencionamos es el caso de la lectura

Figura 1. Lectura digital versus tradicional. Fuente: Pixabay.

Con un libro tradicional, en soporte papel, es imposible saber si los

estudiantes releen un pasaje determinado porque este sea especialmente

difícil de entender, como tampoco sabemos las notas que toman los

alumnos o los pasajes y conceptos que subrayan o destacan, o de qué

párrafos saltan a otros, o incluso si se produce abandono lector. Sin

embargo, cuando el libro de texto o los contenidos están en un ordenador,

una tableta y en soporte virtual, este tipo de indicadores pueden

recolectarse, procesarse y emplearse para retroalimentar a estudiantes,

profesores y editoriales. Por ejemplo, algo que es interesante averiguar en

el proceso lector es la curva de declive que registra el grado en que los

alumnos olvidan lo que han leído anteriormente y que tal vez en algún

punto eran capaces de recordar. De esta manera, el sistema sabrá

exactamente cuándo repasar determinada información con un alumno

para que este tenga más oportunidad de retenerla, igual que puede

Del Dato (Big Data) a la Información (Internet) 7

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

reforzarse un determinado contenido con soporte multimedia, vídeo, etc., y

medir las reacciones de los alumnos a partes específicas del libro de texto

o los contenidos con el fin de corregir cualquier deficiencia o anomalía.

Toda esta información puede utilizarse no solo para rediseñar lo ya

existente, sino que también permite un análisis en tiempo real para

presentar automáticamente contenidos que sean lo más adecuados para

la necesidad que presenta un alumno en un momento concreto. Esta

técnica se llama aprendizaje adaptativo.

Individualización

El aprendizaje es un proceso personal, tomamos lo que vemos, oímos, percibimos, y

lo traducimos e integramos conforme a nuestra manera de entender el mundo. Sin

embargo, lo que nos enseñan en la escuela o en la formación superior o profesional,

está empaquetado y estandarizado, como si a todos los que aprendemos nos sirviera

lo mismo. A todos los estudiantes se les trata del mismo modo, se les imparten los
mismos contenidos y han de resolver los mismos problemas y tareas.

La enseñanza y el aprendizaje se evalúan tomando como patrón un promedio, sin

tener en cuenta las preferencias, cualidades o limitaciones individuales. De este

modo, al mantener un ritmo uniforme y presentar el mismo contenido a la misma vez,

la educación tradicional se adecúa a los intereses del instructor y del sistema, no a

los del alumno. Gracias al Big Data y la tecnología podemos ajustar los aprendizajes

a las preferencias y necesidades individuales, sin recurrir a esa homogeneidad del

aprendizaje tradicional.

El software de aprendizaje persigue desde hace tiempo el objetivo de personalizar

la educación, y gracias al uso de los datos, el aprendizaje adaptativo es cada vez

una posibilidad más real.

Del Dato (Big Data) a la Información (Internet) 8

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

Un ejemplo de uso personalizado de aprendizaje que podemos citar está

desarrollado por la compañía Carnegie Learning

([Link] la cual ha implementado un sistema

para la enseñanza de matemáticas en enseñanza secundaria llamado

Cognitive Tutor. El sistema decide qué preguntas hacer a los alumnos

sobre matemáticas en función de las respuestas que los alumnos dan a

las preguntas anteriores que se les van presentando.

Un componente importante del programa es el software, que es

inteligente. Es decir, supervisa el estado del conocimiento del estudiante

en cada momento y adapta el material del curso, basándose en estas

evaluaciones continuas.

Figura 2. Recursos de Matemáticas ofrecidos en la web de Carnegie Learning. Fuente:

[Link]

El rasgo más importante del aprendizaje individualizado es su dinamismo. Los

contenidos cambian y se van adaptando según los datos se van recolectando,

analizando y transformando en retroalimentación. Esta idea se llama aprendizaje

para el dominio o Mastery Learning, e implica que los alumnos solo pasan a otro

tema más avanzado cuando han demostrado haber alcanzado una base sólida sobre

el dominio anterior.

Del Dato (Big Data) a la Información (Internet) 9

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

Gracias al Big Data, los docentes ya no necesitarán seleccionar libros de texto o

contenidos sobre sus creencias o experiencia de lo que mejor funciona

pedagógicamente. Los análisis de datos masivos los pueden guiar para que elijan los

materiales más efectivos que luego podrán personalizar para cada alumno. Es obvio

que los estudiantes de un mismo grupo entrarán en contacto con el mismo contenido,

pero este será personalizado.

La puesta en práctica de una retroalimentación de datos masivos es la base de

la individualización, en consecuencia, podremos saber lo que funciona para el

aprendizaje y lo que no, no solo en general, sino en cada contexto, cada grupo e

incluso en cada individuo, estos sistemas procesarán los resultados de la

retroalimentación y ajustarán los contenidos y el entorno docente para que resulten

óptimos a todos los alumnos.

Predicciones probabilísticas

Con Big Data obtenemos una perspectiva única sobre cómo aprenden los alumnos

de manera general, pero también, y mucho más importante, sobre cómo adquirimos

cada uno de nosotros el conocimiento individual. Podemos predecir con cierta

fiabilidad lo que cada individuo necesita hacer para mejorar su evolución educativa,

como, por ejemplo, qué tipo de contenidos funcionan mejor, qué estilo de enseñanza

y qué mecanismos de retroalimentación. Sin embargo, al seguir estas predicciones

tenemos que ser conscientes de las limitaciones inherentes a nuestras

perspectivas: son solo probabilidades y no ofrecen ninguna certeza.

Es cierto que siempre hemos vivido en educación en un mundo de probabilidades,

por ejemplo, siempre que un profesor les dice a unos padres preocupados por el

progreso académico de su hijo que este necesitaría cambiar de escuela, o repetir un

examen, o utilizar clases de refuerzo o un cierto tipo de material de apoyo, estas

tampoco son verdades absolutas, sino probabilísticas. Con Big Data nuestras

probabilidades se vuelven más visibles, de este modo, y siguiendo el ejemplo

Del Dato (Big Data) a la Información (Internet) 10

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

anterior, en vez de sentenciar a que un alumno se pase todo el verano en clases de

recuperación de matemáticas, podemos recomendar un curso de repaso, durante

unas semanas concretas, concentrado únicamente en las ecuaciones de segundo

grado.

Para todo ello es necesario un cambio de mentalidad en el modo en que enseñamos

y pasar de descubrir causalidades («un alumno que no estudia suspende») a ver

correlaciones, conexiones y asociaciones entre variables que no sería posible

detectar de otra manera («qué contenidos necesita este alumno, con qué

procedimiento adecuado a su perfil, etc.»). En términos educativos, además de

preguntarnos por qué deberíamos comprender primero el qué, aquello que puede

revelarnos el análisis no causal.

Con Big Data podemos aprovechar estas predicciones para mejorar cómo
enseñamos y aprendemos, las plataformas educativas, los contenidos digitales y

e l análisis de la trazabilidad y la huella que dejan los alumnos en los entornos

virtuales nos permiten procesar datos y encontrar las correlaciones entre las

variables.

Del Dato (Big Data) a la Información (Internet) 11

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

En el siguiente vídeo puedes ver algunos de los conceptos fundamentales del Big

Data en educación y conocer algunas aplicaciones y plataformas que nos permiten

afrontar los procesos de aprendizaje de manera personalizada: Futuro y perspectivas

de Big Data en educación.

Accede al vídeo:
[Link]
4c13-97ad-b0c700c31c81

Del Dato (Big Data) a la Información (Internet) 12

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

9.3. Tendencias educativas en las que está

presente el Big Data

La incorporación de analíticas de los datos recogidos en entornos de aprendizaje, así

como el tratamiento masivo de datos educativos conlleva un importante proceso de

transformación de los procesos de enseñanza, el sentido del cambio de modelo de

educación se centra fundamentalmente en el uso metodologías activas con

soporte de tecnologías. A continuación, se exponen algunas de las tendencias

educativas en las que está presente el Big Data:

▸ Adaptative Learning. El aprendizaje adaptativo, como ya hemos visto

anteriormente, implica la individualización del aprendizaje del alumno, cada uno

desarrolla su talento de manera personalizada, los datos recogidos hacen que el
proceso de aprendizaje ofrezca a cada uno, en función de sus necesidades y

motivaciones. En este mismo contexto también se desarrollarán cada vez más los
grupos multidisciplinares, en los cuales los talentos individuales confluyen y
colaboran para el desarrollo común y el propio.

▸ Experience Education. El mercado laboral cada vez más demanda la capacitación

experiencial de los futuros profesionales. En este sentido es claro el cambio de

posición de las instituciones educativas hacia el aprendizaje experiencial, basado en
las competencias y en la demostración real de las capacidades que los alumnos
aportan, mediante las certificaciones y acreditaciones profesionales, y no solo el

aprendizaje teórico y las titulaciones académicas. Todo este proceso requerirá de

elementos que registren todas nuestras competencias y aprendizajes, tanto formales
como informales, donde podamos registrar la formación que realicemos a lo largo de
nuestra carrera profesional. Con todo ello también podrán sugerirnos, las distintas
entidades formativas, itinerarios personalizados, lo que está estrechamente
vinculado al Big Data Learning.

Del Dato (Big Data) a la Información (Internet) 13

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

▸ Big Data Learning. Gracias al Big Data, se pueden identificar patrones de

comportamiento en cuanto a estilos de aprendizaje y conseguir una mayor

personalización. También será posible adaptar el nivel de los itinerarios de

aprendizaje en función de las necesidades, motivaciones, aptitudes y capacidades

de cada uno de los alumnos. Todo ello además de manera automática, mediante
procesos de Machine Learning, ya que las máquinas pueden aprender de esos
modelos y patrones de comportamiento de los alumnos. También podemos conocer
el histórico de aprendizaje de cada alumno y compararlo con el de otros alumnos
con un histórico similar, para generar itinerarios de aprendizaje automáticos

adaptados a cada alumno.

▸ Machine Learning. Este concepto de aprendizaje automático de máquina se refiere

a los procesos en los que las máquinas aplican técnicas de aprendizaje para

identificar automáticamente patrones y modelos en los datos que recolectan. A

través del diseño personalizado de algoritmos podemos analizar automáticamente
los datos recogidos y ofrecer soluciones a problemas, dudas o necesidades de
aprendizaje. Por definición, Machine Learning implica que las máquinas capturan
datos de su entorno, principalmente por sensores, y aprenden a partir de ellos. Con

estos datos pueden establecer patrones y realizar predicciones.

▸ Inteligencia Artificial (IA). Es un concepto más genérico y comprende la simulación

por parte de una máquina de un proceso mental (aprendizaje o resolución de

problemas), permitiendo tomar decisiones y realizar tareas que originalmente son

propias del ser humano. Algunas aplicaciones de la IA son:

• Reconocimiento óptico de caracteres.

Del Dato (Big Data) a la Información (Internet) 14

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

• Reconocimiento de escritura a mano.

• Reconocimiento de voz.

• Reconocimiento facial.

• Visión por ordenador y procesamiento de imágenes.

• Diagnóstico.

• Teoría de juegos y planificación estratégica.

• Procesamiento del Lenguaje Natural (PLN).

• Traducción y Chatbots.

Figura 3. Reconocimiento facial con IA emocional. Fuente: [Link]

inaugural-emotion-ai-summit-event-at-mit-media-lab

Normalmente, al igual que en casi todos los procesos de Big Data, se trabaja con

API. Una Application Programming Interface o Interfaz de Programación de

Del Dato (Big Data) a la Información (Internet) 15

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

Aplicaciones (API) es un conjunto de código que se puede emplear para que varias

aplicaciones se comuniquen entre ellas, de tal modo que podemos decir que una API

sirve para conectar código o funciones entre plataformas diferentes y que, de este

modo, se puedan aprovechar los servicios de una web en otra. Algunos ejemplos de

API disponibles en la nube de Google Cloud (todas ellas gratis y con guía de ayuda

en los enlaces que se indican) son:

▸ Cloud vision ([Link] Esta API nos permite analizar el

contenido de imágenes, además puede detectar un grupo de objetos, para luego

generar etiquetas que nos ayudarán a clasificar la imagen. También tiene la

capacidad de extraer texto de imágenes gracias a la detección óptica de caracteres.

▸ Cloud Natural Language ([Link] Es muy útil

para extraer información de personas, lugares, eventos y todo lo mencionado en un

documento, noticia, web, entrada en un blog, etc. Una de sus utilidades es que
puede ser usado para detectar el sentimiento escrito en los comentarios de
YouTube, en las respuestas de tu Twitter o Facebook, etc. Se utiliza mucho, por

ejemplo, a la hora de analizar cómo responden y se comportan los clientes desde el

email o el chat en un servicio de atención al cliente.

▸ Cloud Translation ([Link] es la misma API con la que

funciona Google Translator, que nos permite traducir un documento, web, entrada de
un blog, etc., a más de 100 idiomas diferentes y, por supuesto, detecta el idioma de
un documento.

Del Dato (Big Data) a la Información (Internet) 16

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

En el vídeo siguiente encontrarás una descripción de los servicios cognitivos que

ofrece Google Cloud, especialmente las utilidades para formación y educación, con

ello puedes hacerte una idea aproximada de sus posibilidades.

Accede al vídeo:
[Link]
473d-8ac3-b0c700c439aa

Microsoft también ofrece un importante paquete de servicios cognitivos que

puedes encontrar en este enlace [Link]
es/services/cognitive-services.

Algunos de estos servicios cognitivos son:

▸ Personalizer: Personalizer | Microsoft Azure

▸ Text Analytics: Text Analytics | Microsoft Azure

Del Dato (Big Data) a la Información (Internet) 17

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

▸ Translator text: Translator | Microsoft Azure

▸ Text to speech: Text to Speech | Microsoft Azure

▸ Computer visión: Computer Vision | Microsoft Azure

▸ Face: Reconocimiento facial | Microsoft Azure

También puedes ver una demostración de los servicios cognitivos de Microsoft y su

uso educativo en el siguiente vídeo: Servicios cognitivos Microsoft.

Accede al vídeo:

[Link]
4bda-9988-b0c700c5194a

En el contexto de la Inteligencia Artificial se suele hablar de cuatro tipos de IA:

[Link] que piensan como humanos: intentan emular el pensamiento humano,

como, por ejemplo, las redes neuronales artificiales.

[Link] que actúan como humanos: imitan el comportamiento humano, como

Del Dato (Big Data) a la Información (Internet) 18

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

hace la robótica.

[Link] que piensan racionalmente: tratan de imitar o emular el pensamiento

lógico racional del ser humano, en la línea de los sistemas expertos.

[Link] que actúan racionalmente: tratan de emular de forma racional el

comportamiento humano, algo que hacen los agentes inteligentes.

▸ Microlearning o microaprendizaje. Se refiere al aprendizaje de contenidos que se

encuentran empaquetados en pequeñas «píldoras de aprendizaje» para consumo

inmediato y rápido sobre un tema específico en formato de juego, simulación, vídeo,
infografía, etc. Se distribuyen para que puedan ser consumidos desde cualquier

plataforma y dispositivo, en cualquier momento y lugar. Conlleva una metodología

más de consumo y consulta rápida que de aprendizaje en sí mismo. Normalmente
ofrecen funcionalidades de seguimiento y analíticas.

▸ Internet de las cosas y los wearables. Los dispositivos que se encuentran

conectados a Internet permiten a los alumnos el acceso a infinidad de recursos; al

mismo tiempo, estos dispositivos portátiles (los llamados «wearables» o «portables»,
como relojes, pulseras inteligentes, etc.) pueden emitir datos para ser analizados
posteriormente. Internet of Things (IoT) se refiere a la conectividad entre los objetos

y a cómo obtener un control a distancia de ellos cuando están interconectados. Sin

duda, el concepto de Smart City, ciudad inteligente en la que los dispositivos
interconectados pueden monitorizar la calidad del aire, el tráfico de la ciudad, o si los
contenedores de basura están llenos, es transferible al concepto Smart School,
escuela inteligente, en donde es posible hacer un seguimiento personalizado y de
manera automática de la asistencia del estudiante, de sus progresos en

determinados contenidos, de monitorizar por vídeo a los estudiantes para atender los
conflictos o situaciones de falta de seguridad, de cómo se gestionan los recursos de

Del Dato (Big Data) a la Información (Internet) 19

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

la escuela, etc.

Figura 4. Internet de las cosas: dispositivos interconectados en la nube. Fuente Pixabay. Disponible en:

[Link]

En la sección A fondo puedes ver el artículo El potencial de los dispositivos IoT

en la educación en el que se explica cómo Internet de las Cosas hace posible a

los centros educativos implementar un sistema innovador y que facilita la

incorporación de metodologías de aprendizaje muy eficaces.

▸ Rediseño de los espacios de aprendizaje. Las nuevas metodologías de

enseñanza y el soporte de tecnología necesitan nuevos espacios más versátiles y

flexibles que posibiliten el uso de los dispositivos. Para ello aparecen las aulas
inteligentes, espacios polivalentes para el desarrollo de la creatividad y
potenciadores del trabajo cooperativo, dotados de conexión para videoconferencia,
pizarras digitales, conectores para monitorización, etc.

Del Dato (Big Data) a la Información (Internet) 20

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

Figura 5. Rediseño de los espacios en el aula. Fuente: [Link]

replantear-la-organizacion-del-espacio-aula/

▸ Deep Learning o aprendizaje profundo. Es un proceso referido a cómo los

algoritmos son capaces de aprender sin intervención humana previa, sacando ellos

mismos las conclusiones acerca de la semántica embebida en los datos. En Deep

Learning se usan estructuras lógicas que se asemejan en mayor medida a la
organización del sistema nervioso de los mamíferos, con capas de unidades de
proceso (neuronas artificiales) que se especializan en detectar determinadas
características existentes en los objetos percibidos. Ya existen compañías que se
centran completamente en enfoques de aprendizaje automático no supervisado,

como Loop AI Labs ([Link] cuya plataforma cognitiva es capaz de

procesar millones de documentos no estructurados y construir de forma autónoma

representaciones estructuradas.

▸ Realidad virtual, Realidad aumentada, Realidad mixta. La realidad virtual (VR)

describe los ambientes que simulan digitalmente la presencia física de personas y

objetos para generar experiencias. Se trata de mundos creados íntegramente por
ordenador y que pueden o no recrear un espacio físico real. Estos mundos digitales
son visualizados mediante gafas de realidad virtual que aumentan el ángulo de

visión y permiten la visión tridimensional (por ejemplo, HTC VIVE, Oculus, Samsung,

Del Dato (Big Data) a la Información (Internet) 21

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

etc.). De este modo se busca la inmersión total en la experiencia, ya que una vez
nos ponemos las gafas dejamos de percibir nuestra realidad física y nos trasladamos
a un escenario no real. Si bien algunos de estos mundos digitales pueden ser
visualizados a través de una pantalla tradicional, pierden la esencia de conseguir la
inmersión total en el mundo virtual.

Figura 6. Realidad virtual con gafas HTC. Fuente: [Link]

virtual-revolucionara-la-educacion-del-futuro/

A continuación, puedes ver un par de ejemplos de videodemostraciones de cómo

funciona la realidad virtual en la escuela.

Del Dato (Big Data) a la Información (Internet) 22

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

VR in Education: los estudiantes que aprenden con apoyo de la realidad

virtual aportan dinámicas completamente novedosas en el aula por su

experiencia de aprendizaje.

[Link]

[Link]

La Realidad Virtual supone la inmersión en la simulación digital de un mundo en el

que el usuario puede manipular los objetos e interactuar con el ambiente.

La Realidad Aumentada (AR) permite a los estudiantes construir aprendizajes más

amplios basados en interacciones con objetos virtuales. Consiste en superponer

objetos y personajes virtuales en el mundo real. Es una tecnología que agrega

información digital a elementos físicos del entorno, imágenes u objetos reales

captados a través de algún dispositivo móvil. Mientras que la Realidad Virtual suele

complementarse del uso de unas gafas especiales para su visualización en 3D, la

Realidad Aumentada puede ser visualizada simplemente a través de un smartphone.

Por ello, esta tecnología es más accesible para todo el mundo.

Del Dato (Big Data) a la Información (Internet) 23

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

Figura 7. Ejemplo de uso educativo de realidad aumentada. Fuente:

[Link]

A continuación, puedes ver un par de vídeos que muestran ejemplos de cómo

funciona la realidad aumentada en el aula.

AR in Education: los estudiantes que aprenden con apoyo de la realidad

virtual aportan dinámicas completamente novedosas en el aula por su

experiencia de aprendizaje.

[Link]

Del Dato (Big Data) a la Información (Internet) 24

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

[Link]

En la sección A fondo encontrarás un artículo (Realidad aumentada para niños)

en el que se describen varias aplicaciones para diseñar e implementar realidad

aumentada en el aula.

L a Realidad Mixta crea un entorno virtual en el que el usuario trata los elementos

virtuales como si estuvieran allí en la realidad. Se trata de un paso más en la

simulación virtual mediante hologramas que se superponen sobre un escenario real.

Figura 8. Ejemplo de realidad mixta.

Del Dato (Big Data) a la Información (Internet) 25

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

Otro dato interesante a tener en cuenta respecto a la Realidad Mixta es que esta

también necesita de unas gafas cerradas, que tienen una cámara en la parte frontal

para que el usuario pueda ver a través de las gafas el entorno real, donde se

incorporarán los elementos virtuales con los que el usuario va a poder interactuar.

Un ejemplo de dispositivo para uso de realidad mixta son las gafas Hololens de

Microsoft ([Link] En los siguientes enlaces

puedes ver unos vídeos explicativos de su funcionamiento y uso en el aula:

Gafas Hololens

[Link]

[Link]

También es muy importante considerar el uso de la realidad virtual en el contexto del

Big Data, el cual surge de la necesidad de mejorar la visualización y comprensión de

gráficos, tablas y flujos de datos en general, renovando el enfoque de presentación

de los mismos datos.

Del Dato (Big Data) a la Información (Internet) 26

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

La cantidad de datos que un cerebro humano es capaz de procesar en una pantalla

de ordenador bidimensional es limitada. Las dos dimensiones también limitan

intrínsecamente las capacidades gráficas y de animación que harían la presentación

de los datos más fácilmente entendible y analizable. Además, el crecimiento

exponencial de información que somos capaces de recoger gracias al desarrollo

tecnológico hoy en día plantea la necesidad de mejorar rápidamente la adquisición y

capacidad de análisis de datos. La realidad virtual puede ayudar a resolver el

problema desde el campo educativo, hasta el formativo y el promocional. Su eficacia

es dada por la elevada componente emotiva que, la sensación de presencia física en

el entorno artificial crea en el usuario.

Figura 9. Análisis y visualización de Big Data mediante realidad virtual. Fuente:

[Link]

En la sección A fondo puedes encontrar ejemplos de la aplicación de realidad

mixta en entornos de Formación Profesional.

▸ Blockchain. Las «cadenas de bloques» también pueden transformar la forma

tradicional de enseñanza y aprendizaje, concibiendo la educación como un proceso

donde el alumno construye su propio conocimiento en base a un aprendizaje

Del Dato (Big Data) a la Información (Internet) 27

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

individualizado en el que los libros físicos son sustituidos por bases de datos
distribuidas a través de diferentes equipos donde se almacenan bloques de

información (puede ser cualquier tipo de información) imposible de manipular o

borrar.

En este contexto, aunque los alumnos reciben fragmentos similares de conocimiento,

Blockchain permite que cada uno construya su itinerario personal de aprendizaje

individualizado, ya que accede a información conectada en esas cadenas de

bloques.

Las aplicaciones de Blockchain facilitan la puesta en marcha de plataformas

educativas en las cuales los estudiantes gestionan sus datos y deciden qué

contenidos compartir y con qué personas; todo ello además de una manera segura,

ya que estos están protegidos e impiden posibles casos de robo de ficheros o

intentos de plagio. Incluso en el caso de tener que gestionar una transacción

económica, por ejemplo, que el alumno necesite abonar las tasas correspondientes,

el proceso se completaría de manera completamente segura (De Miguel, 2018).

Otra de las aplicaciones interesantes es un nuevo sistema de emisión y certificación

de documentos oficiales y titulaciones. De este modo, se logra asegurar la veracidad

de las evaluaciones y títulos que alcanza un estudiante en su vida académica: en

este caso, la tecnología que aplica el sistema certifica el registro seguro y auténtico

de todo este histórico. Son muchas y muy variadas las posibilidades del Blockchain

en educación.

Un ejemplo muy cercano a nosotros es el Certiblock, un sistema creado

por la Escuela de Ingeniería de UNIR que permite emitir y validar títulos

universitarios de forma segura, online y accesible.

Del Dato (Big Data) a la Información (Internet) 28

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

Figura 10. Sistema Certiblock de certificación de títulos académicos mediante blockchain.

Fuente: [Link]
innovador-proyecto-que-aplica-el-blockchain-al-ambito-academico/

En la sección A fondo encontrarás la referencia a este proyecto Certiblock y

también a aplicaciones de la tecnología Blockchain en educación.

Del Dato (Big Data) a la Información (Internet) 29

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

9.4. Campos y aplicaciones profesionales en Big

Data

Son muchas las aplicaciones y oportunidades que se nos ofrecen como expertos en

Big Data y Learning Analytics que nos posibilitan aportar soluciones para mejorar

todo tipo de experiencias sociales, económicas, industriales, empresariales, etc.

(Pulido, 2014) y, por supuesto, también en la experiencia educativa mencionamos

algunas de ellas:

▸ Mejorar en la selección de material y lectura comprensiva. Los programas de

aprendizaje personalizado habilitan a los estudiantes a ir a su ritmo, y a los maestros

registrar sus intereses, descubriendo los patrones que revelan la parte de su

aprendizaje que les produce mayor dificultad.

Los datos arrojados por el comportamiento y las elecciones y preferencias de los

alumnos al utilizar los diferentes programas pueden ser utilizados para para apoyar a

los estudiantes a superar alguna dificultad en áreas de conocimiento específicas.

Los algoritmos de un buen programa de aprendizaje pueden hasta registrar cómo

leen, cuánto se tardan en leer, y qué partes de material necesitan revisar más de una

vez. Toda esta información tiene el potencial de mejorar significativamente la

experiencia en las aulas virtuales (Williamson, 2018).

▸ Potencializar una mejor toma de decisiones de docentes y directivos. En un

futuro próximo, cuando las escuelas almacenen, ordenen y examinen volúmenes

grandes de datos, estarán en una excelente posición para desarrollar técnicas
didácticas y objetivos aplicables a su contexto específico.

Para este propósito, será necesario el trabajo de especialistas en análisis y

educación. Para llegar a este paso no es solamente imperativo tener la tecnología

precisa, sino saber cómo utilizar la práctica del Big Data.

Del Dato (Big Data) a la Información (Internet) 30

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

▸ Orientación vocacional y predicción de carrera. Con el uso del Big Data pueden

mapearse caminos más claros para desarrollar las habilidades e intereses mayor
predilección para cada estudiante. Esto, junto con el acompañamiento de un asesor

que trabaje con estos datos, podría reducir sustancialmente la deserción y cambio de
carrera durante los estudios.

De la misma forma, podemos seguir al estudiante más allá de su graduación,

ayudándolo a tomar decisiones profesionales más inteligentes y aumentando su

visibilidad con las empresas que buscan candidatos de su perfil.

El Big Data es uno de los aspectos que jugarán un papel fundamental en la

innovación educativa en un futuro cercano, tanto la tecnología como la reflexión

sobre las implicaciones legales, éticas y filosóficas del uso del Big Data están en este

momento muy cerca de llegar al punto en el que pueden influir directamente sobre

las estrategias educativas. Hasta entonces, es importante como educadores estar al

tanto de este proceso.

A partir de estos escenarios previsibles podemos aventurar algunas de las

tendencias clave y prácticas emergentes que configuran el futuro de la enseñanza

y el aprendizaje, como pueden ser:

▸ Aplicaciones educativas de Inteligencia Artificial y Machine Learning.

▸ Recursos educativos abiertos.

▸ Tecnologías de aprendizaje adaptativo.

▸ Análisis para el éxito del estudiante.

▸ Realidad Virtual, Realidad Aumentada, Realidad Mixta.

▸ Elevación del diseño instruccional, ingeniería de aprendizaje y diseño UX

(experiencia de usuario) en pedagogía.

Del Dato (Big Data) a la Información (Internet) 31

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

Profesiones emergentes en educación vinculadas al Big Data

La vertiginosa aparición de tendencias tecnológicas vinculadas a Big Data está

propiciando la aparición de nuevas profesiones, muchas de ellas en el campo

educativo (Álvarez, 2015). Enumeramos a continuación algunas de ellas, que,

además, por el momento, no gozan de un programa regulado de formación

académica.

▸ Consultor Big Data. Es necesario saber gestionar toda la información que se

genera en la actualidad. Existen tantos datos y tanta información que alguien tiene
que ocuparse de organizarla, analizarla y gestionarla. Según las tendencias que
hemos visto antes, en el campo educativo se abren muchas posibilidades.

▸ Experto en Learning Analytics. Todos los cambios que se van a desarrollar en el

ámbito de la enseñanza, así como el cambio de modelos y roles en educación, la

irrupción de metodologías innovadoras, la relación de los alumnos con el

profesorado, etc., requieren expertos que sean capaces de trasladar los contenidos
a la web, y establecer diseños que permitan recolectar y analizar los datos que se
producen en entornos virtuales de aprendizaje, esto es, con un perfil más de
tecnólogo que de investigador o docente, pero con un profundo conocimiento de la
pedagogía.

▸ Gestores cloud. Todos los entornos virtuales de aprendizaje están ya en la nube,

ya no se almacenan datos en local o en los dispositivos. Es necesario, por tanto, que

toda esa información esté actualizada y protegida debidamente. Además, la inmensa
mayoría de aplicaciones y sistemas de gestión actúan ya en cloud, por lo que hacen

falta especialistas que diseñen, construyan y mantengan los entornos cloud para las
instituciones y administraciones educativas.

Del Dato (Big Data) a la Información (Internet) 32

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

▸ Investigador educativo. La mayoría de los nuevos empleos que se van a generar

en la educación requieren especialistas con competencia digital y expertos en la

incorporación de metodologías innovadoras con soporte tecnológico. Además de

ello, serán necesarios futuros profesionales en áreas emergentes, como orientador.

▸ Administrador de servidores y sistemas de almacenamiento. Su responsabilidad

tendrá que ver con la administración de toda la información (académica, de gestión,

de administración, etc.) disponible en los sistemas de las organizaciones educativas.

Quienes se dediquen a ello deberán garantizar que toda la información disponible en
los servidores y sistemas de almacenamiento masivo esté debidamente actualizada,
protegida, y disponible. También la ciberseguridad será una de las funciones de
estos puestos.

Del Dato (Big Data) a la Información (Internet) 33

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

9.5. ¿Cómo integrar Big Data en educación?

Cuando el objetivo es la implementación de Big Data en la organización, lo

primero que es conocer y cuantificar cuánto valor puede ofrecer al negocio. No es

necesario comenzar con enormes inversiones de tecnología o desarrollos ad hoc;

hoy en día existen multitud de plataformas y entornos virtuales, gratis o asequibles

económicamente. Lo importante es conocer el punto de partida de la organización y

de las personas que estarán implicadas en el proceso.

Inicialmente es necesario llevar a cabo una autoevaluación que permita conocer el

estado real del perfil de la organización, qué expectativas se tienen a medio y largo

plazo o qué restricciones afectan a la recogida, procesamiento y análisis de la

información.

Una de las principales limitaciones para la adopción de la tecnología Big Data en

cualquier institución son los recursos económicos, de infraestructura y de capital

humano experimentado que se requieren para su instrumentalización.

Una vez respondidas todas estas cuestiones, se está en posición de decidir cuál es

el proyecto de Big Data más adecuado para la empresa. El primer paso es la

elección de tecnología. Hay que seleccionar la que mejor se adapte a las

necesidades corporativas, en otras palabras, la que facilitará la consecución de los

objetivos del proyecto. Son las metas del proyecto las que determinan la tecnología y
no al revés.

Del Dato (Big Data) a la Información (Internet) 34

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

A continuación, se propone un esquema de trabajo para la implementación de un

proceso de Big Data y analíticas de aprendizaje en una organización educativa o un

entorno formativo empresarial:

Hemos visto a lo largo de la asignatura, existen algunas herramientas de gran

utilidad que podemos utilizar para integrar procesos completos de analíticas en

entornos educativos, pero en este momento nos parece oportuno recordar las

posibilidades y potencialidades de Google Analytics en educación. En el siguiente

vídeo puedes ver una demostración de ello.

Del Dato (Big Data) a la Información (Internet) 35

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

Accede al vídeo:
[Link]

4af4-bec8-b0c700cbdb7a

Del Dato (Big Data) a la Información (Internet) 36

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 Ideas clave

9.6. Referencias bibliográficas

Álvarez, P. (2015). 15 profesiones con futuro [artículo en línea]. Disponible en:

[Link]

Argonza, J. S. (2016). Big Data en la educación. Revista Digital Universitaria, 17(1).

De Miguel, R (2018). Estas son las principales aplicaciones de la tecnología

blockchain en Educación. [Artículo en línea 30 julio 2018]. Disponible en:

[Link]
blockchain-en-educacion/[Link]

Díaz, F. J., Osorio, M. A., Amadeo, A. P. y Romero, D. (2013). Aplicando estrategias

y tecnologías de Inteligencia de Negocio en sistemas de gestión académica. En XV

Workshop de Investigadores en Ciencias de la Computación. Disponible en:

[Link]

Gonzalez Crespo, R., Diez, F., Perez, J., Delgado von Eitzen, C., Rodríguez Galiano,

D. y Gil, R. (2018). CertiBlock: Emisión y validación de títulos universitarios con

Blockchain. Disponible en:

[Link]

on_de_titulos_universitarios_con_Blockchain

Pulido, E. (2014). Big Data: ¿solución o problema? Disponible en:

[Link]

Williamson, B. (2018). Big Data en educación: el futuro digital del aprendizaje, la

política y la práctica. Ediciones Morata, SL.

Del Dato (Big Data) a la Información (Internet) 37

Tema 9. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
 A fondo

El potencial de los dispositivos IoT en la educación

Telefónica IoT (2018). El potencial de los dispositivos IoT en educación . [Artículo en

línea] 11 diciembre 2018. Recuperado de: [Link]

de-los-dispositivos-iot-en-la-educacion

En este artículo se explica cómo Internet de las Cosas hace posible a los centros

educativos implementar un sistema innovador y que facilita la incorporación de

metodologías de aprendizaje muy eficaces. Los beneficios de la integración de este

tipo de tecnología en el entorno educativo son múltiples: ahorran tiempo, agilizan

tareas, potencian las capacidades de los alumnos y están revolucionando la

dinámica en el aula.

Del Dato (Big Data) a la Información (Internet) 38

Tema 9. A fondo
© Universidad Internacional de La Rioja (UNIR)
 A fondo

Certiblock

La iniciativa denominada Certiblock y pionera en España permite emitir y validar

títulos universitarios de forma segura, a la par que incrementa la eficiencia y ahorra

costes y tiempo en la expedición de estos certificados académicos. Otro beneficio

importante es que evita su falsificación gracias a la seguridad que aporta la

denominada «cadena de bloques» y facilita su verificación y disponibilidad por parte

de otras universidades o empresas, ya que una vez que el título se inserta en

blockchain, no puede ser alterado ni eliminado.

Accede al post desde la siguiente dirección web:

[Link]
innovador-proyecto-que-aplica-el-blockchain-al-ambito-academico/

Puedes consultar el poster con el resumen de la iniciativa Certiblock que se presentó

en el Congreso Internacional de Educación Superior de Calidad en el Espacio

Latinoamericano (ESCEL) en el siguiente enlace:

[Link]

on_de_titulos_universitarios_con_Blockchain

Del Dato (Big Data) a la Información (Internet) 39

Tema 9. A fondo
© Universidad Internacional de La Rioja (UNIR)
 A fondo

Realidad aumentada para niños y para alumnos de

Formación Profesional

Andalucía digital (2019). 7 Apps de realidad aumentada para niños: una forma

divertida de aprender. [Artículo en línea]. 10 enero 2019. Recuperado de

[Link]

Asimismo, en este artículo de la Revista Educación 3.0 se explica, entre otras, una

experiencia denominada «Teleformación Interactiva y Realidad Mixta en Entornos

Biomédicos», que fue aprobada por la Consejería de Educación de Canarias y que

comenzó a desarrollarse en el curso 2017-2018. Mediante el uso de las gafas de

realidad mixta Hololens de Microsoft, se han llevado a cabo diversas experiencias de

formación para alumnos en entornos del ámbito sanitario.

Educación 3.0 (2018). Realidad mixta para alumnos de Formación Profesional con

Hololens. [Artículo en línea]. 15 de marzo 2018. Recuperado de

[Link]

En este artículo se explican las diferencias entre realidad virtual y aumentada y se

enumeran las principales ventajas del uso de la realidad aumentada en el aula. Se

describen siete aplicaciones para diseñar e implementar realidad aumentada y se

acompañan de vídeos explicativos de estas.

Del Dato (Big Data) a la Información (Internet) 40

Tema 9. A fondo
© Universidad Internacional de La Rioja (UNIR)
 A fondo

Aplicaciones de la tecnología Blockchain en

educación

De Miguel, R (2018). Estas son las principales aplicaciones de la tecnología

Blockchain en Educación. [Artículo en línea]. 30 julio 2018. Recuperado de:

[Link]

blockchain-en-educacion/[Link]

En este artículo se explica en qué consiste la cadena de bloques y sus usos

aplicados en entornos educativos. Es uno de los campos con más futuro en el ámbito

del Big Data y se espera que tenga un gran desarrollo a medio plazo en educación,

pues sus posibilidades son muy innovadoras.

Del Dato (Big Data) a la Información (Internet) 41

Tema 9. A fondo
© Universidad Internacional de La Rioja (UNIR)
 Test

1. La tecnología Big Data ha comenzado a brindar grandes beneficios en

educación, por ejemplo, en:

A. Integrar las tic de manera rápida y en todos los estamentos escolares al

mismo tiempo.

B. Desarrollo de nuevos métodos para la enseñanza y el aprendizaje.

C. Obligar a profesores y alumnos a utilizar las aplicaciones digitales.

D. Ninguna de las respuestas anteriores es correcta.

2. La tecnología Big Data permite recolectar, almacenar y preparar grandes

volúmenes de datos para analizar o visualizar la relación entre ellos:

A. Verdadero.

B. Falso.

3. Una de las siguientes afirmaciones en relación con el uso del Big Data en

educación es verdadera. Señala cuál es:

A. La analítica de aprendizaje es una aplicación educativa de analítica web

que recopila y analiza los datos sobre la interacción de los estudiantes con

actividades de aprendizaje online.

B. Se deben crear programas de integración de big data en las escuelas,

cualquier tecnología es útil.

C. No importa la competencia digital de docentes y alumnos, el software lo

hace todo.

D. Ninguna de las respuestas anteriores es correcta.

Del Dato (Big Data) a la Información (Internet) 42

Tema 9. Test
© Universidad Internacional de La Rioja (UNIR)
 Test

4. En el aprendizaje adaptativo son importantes los grupos multidisciplinares, donde

cada alumno desarrollará su talento en función de las capacidades y motivaciones

que quedan establecidas en el currículo académico:

A. Verdadero.

B. Falso.

5. Deep Learning es una metodología que combina el pensamiento crítico, la

resolución de problemas y el aprendizaje autodirigido:

A. Falso.

B. Verdadero.

6. Es la tecnología la que debe determinar las metas al integrar Big Data en las

organizaciones y no al revés:

A. Verdadero.

B. Falso.

7. Una de las principales limitaciones para la adopción de la tecnología Big Data en

cualquier institución son los recursos económicos, de infraestructura y de capital

humano:

A. Verdadero.

B. Falso.

8. No se observan grandes oportunidades de carreras profesionales a corto y medio

plazo en Big Data educativa:

A. Verdadero.

B. Falso.

Del Dato (Big Data) a la Información (Internet) 43

Tema 9. Test
© Universidad Internacional de La Rioja (UNIR)
 Test

9. Es uno de los tipos de Inteligencia Artificial:

A. Humanos que piensan como sistemas.

B. Sistemas que piensan racionalmente.

C. Sistemas que actúan como máquinas.

D. Ninguna de las respuestas anteriores es correcta.

10. A los dispositivos que se encuentran conectados a Internet y que permiten

acceder a recursos y emitir datos los llamamos:

A. Wearables.

B. Microlearning.

C. Blockchain.

D. Ninguna de las respuestas anteriores es correcta.

Del Dato (Big Data) a la Información (Internet) 44

Tema 9. Test
© Universidad Internacional de La Rioja (UNIR)