Análisis de comportamiento de usuarios basado en los datos de PANORAMA

Nuestro equipo multidisciplinario trabaja para producir e implementar las mejores soluciones de e-learning, adaptadas a las necesidades específicas de cada organización.

Dentro de los servicios que ofrecemos, uno muy importante es el de Reportes de uso y calificaciones, que nos permite analizar el desempeño de cada curso y de cada usuario/estudiante con un reporte detallado. Se considera data a la información almacenada en algún formato digital que luego se puede utilizar como base para análisis y toma de decisiones. Esta información se colecciona, organiza y analiza para indagar en diversas cuestiones: el análisis de datos es un proceso que consiste en inspeccionarla y transformarla, con el objetivo de resaltar información útil para sugerir conclusiones y apoyar la toma de decisiones. Una vez que esto ocurre y que tenemos listos los reportes, estamos en condiciones de predecir situaciones a futuro.

Para abordar este espectro diverso de análisis, en Aulasneo hemos desarrollado PANORAMA: un motor de análisis flexible que se puede personalizar y adaptar fácilmente a las necesidades específicas de cada organización que imparte cursos en línea a través de Open edX ™.

PANORAMA es un motor de análisis que permite crear sus propios paneles de gestión a las organizaciones que utilizan Open edX ™ para ofrecer cursos en línea

¿Cuál es la importancia de los datos extraídos de PANORAMA?

Como primer caso particular, pensemos en el análisis de comportamiento de los usuarios de video basado en los datos obtenidos. Tenemos varios enfoques posibles, por ejemplo, analizar los datos según video o según usuario/estudiante. Respecto al análisis según video, pueden surgir las siguientes preguntas:

¿cuántas veces fue visto un video?

¿cuántas veces fue pasado por alto? (es decir: cuando un alumno se inscribe a determinado curso, se espera que vea determinados videos que son parte del mismo, y mediante la extracción de los datos somos capaces de saber si el alumno efectivamente vio o no el video)

¿qué parte del video se vio?

¿cuántas veces fue rebobinado?

¿y adelantado?

¿en qué parte/s?

¿cuánto tiempo se tardó, desde el primer “play”, en terminar de verlo?

A partir de acá, podemos intentar descubrir algún patrón de comportamiento: los videos que más veces se pasaron por alto, ¿son los que más duración tienen? ¿Y los que más veces se rebobinaron? ¿son del mismo curso? ¿Y los que más se vieron?

Según el usuario, podemos medir sobre todo el desempeño: ¿cuántos videos pasó por alto? ¿cuántos empezó a ver y no terminó? ¿los tuvo que rebobinar muchas veces? ¿cuántas horas totales pasó viendo videos?

A partir de acá, podemos empezar a combinar los resultados para generar otros nuevos:

quién/cuál fue el alumno/video más activo, cuánta diferencia hubo con el menos activo, si pertenecen al mismo curso, y mil etcéteras.

Como segundo caso particular, pensemos en el análisis de comportamiento de los usuarios a la hora de responder preguntas y hacer ejercicios. De manera similar, podemos preguntarnos:

cuántas veces una pregunta fue respondida de manera correcta,

cuántas de manera incorrecta y cuántos alumnos la respondieron incorrectamente (recordemos que un alumno puede haber respondido incorrectamente varias veces en la misma pregunta),

cuántas fue pasada por alto,

cuál fue la pregunta que más veces fue contestada correctamente,

cuál fue el alumno que más veces contestó correctamente… y mil etcéteras.

Las preguntas que nos podemos hacer son infinitas, pero la importancia del análisis de datos no sólo radica en hacer varias y buenas preguntas que nos permitan obtener información relevante, si no sobre todo en el después: cómo usamos esa información para mejorar, para todos, el proceso de aprendizaje

Julia Zack
DevOps analyst

aulasneo