Big data para la alfabetización

Jamiil Touré Ali
Cepei

j.toure@cepei.org 

19 de octubre de 2020


Su nivel educativo no indica si es alfabetizado o no. Leer, escuchar, hablar y escribir tampoco es suficiente para definir si se es alfabetizado. Sin embargo, se están recopilando datos para medir la tasa de alfabetización en el mundo. Según el Instituto de Estadística de la UNESCO (UIS), la alfabetización podría definirse como: “¿Puede [Nombre] leer y escribir una oración simple en [Idioma (s)]”, la cual también forma parte del cuestionario utilizado para la recopilación de datos para evaluar la alfabetización. Ser alfabetizado o analfabeto definitivamente no implica ser capaz de hablar un idioma en particular. ¿Qué es entonces ser alfabetizado? ¿Y cómo podrían contribuir el big data sobre educación a la alfabetización?

La alfabetización sigue siendo uno de los problemas más urgentes de nuestro planeta. Las estadísticas recientes evalúan las tasas de alfabetización entre los jóvenes (15-24) y los adultos, como positivas (UNICEF, 2019). Sin embargo, el número de analfabetos sigue siendo alarmante: millones de niños y jóvenes aún no asisten a la escuela y más de la mitad de los que asistían para finales de 2019 no cumplían con los estándares mínimos de competencia en lectura y aritmética (ONU, 2020). Y, sin embargo, vivimos en una era digital donde impera el big data.

Big data en la educación

Debido a los avances de las nuevas tecnologías, la educación se ha revolucionado enormemente. La última década ha sido testigo del uso del big data en la educación. En particular, las tecnologías de almacenamiento de big data y las herramientas de análisis han ayudado a recopilar datos en línea, capaces de producir los siguientes conocimientos sobre el sistema educativo en beneficio de sus dos actores principales (profesores y estudiantes):

  • Instrucciones mejoradas: el aprendizaje no es un enfoque único para todos y los seres humanos aprenden de maneras diferentes. La información del big data es algo que los maestros ahora pueden usar para mejorar la experiencia de aprendizaje de sus estudiantes y hacer que aprendan mediante un contenido muy personalizado para trabajar en sus debilidades. Por ejemplo, en la Universidad de Florida Central, los instructores utilizaron la plataforma de aprendizaje adaptativo Realizeit para ayudar a los estudiantes a mejorar sus conocimientos matemáticos e identificar una ruta de aprendizaje sólida que permitiera aumentar la tasa de aprobación del curso (builtin, 2020).
  • Relacionar estudiantes con sus programas: con el auge de las nuevas tecnologías, ahora tenemos enormes datos sobre diferentes sistemas curriculares universitarios. Algunas universidades utilizan dicha información para ayudar a relacionar a los estudiantes con un programa. Por ejemplo, Naviance es una plataforma que ayuda a los estudiantes a explorar y comprender las posibilidades de continuar con su educación, mientras los relaciona con las universidades y especializaciones que mejor se adaptan a ellos.
  • Relacionar a los estudiantes con la vida laboral: las soluciones de análisis del big data ayudan a determinar la idoneidad de los estudiantes para emplearse. La aplicación basada en datos 12Tweenty ha ayudado, por ejemplo, a los asesores y administradores de la escuela de administración de UCLA Anderson a mejorar la tasa de respuesta de los estudiantes a las encuestas laborales en más del 99% (builtin, 2020).
  • Financiamiento transparente de la educación: si financiar la educación era un problema, hoy en día con los datos adquiridos de varios planes de estudios universitarios no es gran cosa que se pueda obtener, sin costo, el rango del monto para financiar tu educación usando una calculadora en línea. 
  • Administración eficiente del sistema: un sistema educativo incluye recursos humanos (profesores y estudiantes) y recursos de estudio (libros, biblioteca, mobiliario, etc.). Panorama Education es un ejemplo de una empresa de big data que proporciona un sistema eficiente en distritos escolares de EE.UU. (builtin, 2020).

El big data en la educación implica un mayor control sobre diferentes aspectos que afectan a los estudiantes, profesores, administración, etc. para lograr mejores resultados o estadísticas y, sobre todo, graduar estudiantes mejor educados. También implica obtener educación desde plataformas de e-learning (aprendizaje en línea) y gamificación. Y a medida que las personas obtienen educación a su manera, las nuevas tecnologías rediseñan nuestra forma de aprender y enseñar, y queda claro que la educación en el futuro dependerá mucho de las nuevas tecnologías. Sin embargo, una persona educada no es necesariamente una persona alfabetizada. La alfabetización está íntimamente relacionada con los idiomas, y el avance de los macrodatos en la educación puede ayudar a generar una solución para el analfabetismo en todo el mundo. Desde 1967, el 8 de septiembre, la UNESCO nos recuerda esta lucha a través de la celebración del día internacional de la alfabetización.

Alfabetización en la era tecnológica

Si bien las celebraciones del Día Internacional de la Alfabetización (ILD, por sus siglas en inglés) del año pasado se centraron en la alfabetización y el multilingüismo, destacando la necesidad de preservar el mundo global en el que todos vivimos, cada vez es más claro que ningún dialecto debe quedar atrás. El informe de 2005 de la UNESCO sobre la importancia de la escolarización en la calidad de la lengua materna establece claramente que la creencia común de que el bilingüismo genera confusión y que la primera lengua debe dejarse de lado para que se pueda aprender la segunda es un mito. Entonces, nuestro desafío es desbloquear el potencial de nuestra educación independientemente del idioma o dialecto y reducir la tasa de analfabetismo. Este es probablemente uno de los impulsos del ILD 2019 sobre la inclusión global de idiomas. 

El procesamiento del lenguaje natural (PLN) para big data en la educación, podría ayudar a reducir el analfabetismo. Sin embargo, el estado de la técnica actual del PLN está realmente sesgado hacia idiomas como inglés, español, chino, árabe, francés, entre otros. Esta desigualdad que se debe a la brecha lingüística digital, provoca la imposibilidad de digitalización en algunas lenguas indígenas, y de ahí la necesidad de recurrir a una segunda lengua en algunos países. Como resultado de los aproximadamente siete mil idiomas que existen en el mundo, miles están muriendo (SIL, 2020). El PLN puede ayudarnos para el desarrollo del lenguaje, pero primero, necesita que el lenguaje sea digitalizado (ONU, 2020). La iniciativa Translation commons through language digitalization proporciona una guía para poner un idioma en línea.

Para el Día Internacional de la Alfabetización 2020, el tema es la enseñanza y el aprendizaje de la alfabetización durante la crisis del COVID-19, y tiene como objetivo destacar el aprendizaje de la alfabetización desde una perspectiva de aprendizaje permanente. Esto, en consonancia con que los macrodatos para la alfabetización necesitan recurrir a la digitalización de la lengua indígena para permitir a los investigadores y profesores proporcionar contenido digital en esas lenguas; promover la inclusión lingüística en el mundo y buscar fondos para financiar el acceso a internet para el proyecto de alfabetización y aprendizaje continuo. 

Conclusión

El uso de macrodatos en la educación es cada vez más generalizado, lo cual tiene como beneficio que algunas estadísticas para la educación puedan ser aprovechadas. Sin embargo, aún subsisten problemas como el analfabetismo. Para que los macrodatos en la educación sean una solución mundial, es posible que debamos tener en cuenta varias condiciones como, por ejemplo, la accesibilidad a Internet, el conocimiento sobre el uso de dispositivos tecnológicos y reconocer que la alfabetización no se trata de aprender un idioma específico. Y si reconocemos estas condiciones, el Día Internacional de la Alfabetización podría ser un buen marco para seguir combatiendo el analfabetismo durante la crisis del COVID-19, a través del multilingüismo, la enseñanza y el aprendizaje, sin dejar a nadie atrás.

.

Acerca del autor

Jamiil Toure

Ingeniero de Diseño en Electricidad y Máster Graduado en Ciencias Matemáticas con buenos conocimientos de lenguaje de programación como python y R para el uso de tareas / proyectos de ciencia de datos, aprendizaje automático y aprendizaje profundo.