En notas anteriores presentamos casos de empresas que resolvieron desafíos basados en datos utilizando la plataforma de Qlik. En esta ocasión, te comentamos cómo el análisis predictivo que ofrece Qlik Sense permite identificar y ayudar a estudiantes con dificultades en el aprendizaje de manera rápida y precisa.
¿A dónde se puede llegar con la analítica predictiva?
- Aumentar el número de estudiantes que potencialmente completarán sus estudios.
- Crear beneficios financieros para las instituciones y los estudiantes, ya que hay una tendencia a disminuir la tasa de abandono, lo cual implica menos pérdidas por concepto de matrícula para las instituciones y mayores probabilidades de tener una carrera profesional económicamente exitosa para los estudiantes.
- Mejorar la experiencia de aprendizaje de los alumnos. En esta ocasión, compartimos con vos un caso de estudio en el que se demuestra cómo la analítica predictiva que ofrece Qlik ayuda a detectar situaciones de riesgo y a resolver problemas de aprendizaje de los alumnos.
El caso: el sistema escolar del condado de Loudoun
El Condado de Loudoun, en la frontera de Maryland cerca de Washington DC, tiene uno de los sistemas escolares de más rápido crecimiento en Estados Unidos. Unos 83.000 estudiantes asisten a las escuelas del condado, y más de 2.000 estudiantes nuevos se inscriben en el sistema cada año. El distrito tiene cerca de 100 escuelas.
No es la primera vez que el distrito utiliza una plataforma de almacenamiento de datos. Hace unos años atrás los administradores podían realizar algunas funciones analíticas básicas, pero no pudieron crear fácilmente conjuntos de datos, además de que los mismos no se actualizaban periódicamente. Por lo tanto, fue dada de baja en 2012.
En cambio, el sistema de visualización y análisis de autoservicio de Qlik permite a los responsables del distrito escolar generar una nueva forma de tomar de decisiones.
La implementación de Qlik Sense les permitió detectar situaciones de riesgo para los estudiantes, ya sean:
- Faltas a clase
- Sobrecarga del trabajo escolar
- Bajas calificaciones
- Problemas de salud.
El desafío de los grandes sistemas escolares es que este tipo de situaciones no pasen desapercibidas.
La experiencia con Qlik
La implementación de Qlik se realizó en julio de 2018. Rachel Johnson, Directora de Administración de Información y Seguridad de Datos, cuenta que la plataforma de análisis de autoservicio está configurada para administradores de nivel superior y que según la hoja de ruta estipulada, planean extenderlo a los directores de escuelas en aproximadamente un año y a los maestros después de dos años.
“En comparación con el antiguo análisis predictivo, la plataforma Qlik es más rápida, más intuitiva de usar y más escalable”, opinó Johnson.
Al observar los datos, que podrían incluir calificaciones, asistencia e información demográfica, así como la historia y los antecedentes de los maestros, el sistema ayuda notablemente a los decisores. Permite además la detección de qué alumno tiene problemas de aprendizaje para que, posteriormente, se le pueda asignar un maestro o tutor que se adapte a las necesidades del alumno.
¿Cómo replicar el caso del sistema escolar de Loudoun en otras escuelas?
En principio, contar con una visión y un plan de acción definido con ayuda del análisis predictivo permitirá a toda escuela mejorar la calidad de su educación. Para lograrlo es necesario tomar en consideración estos puntos:
- Capacidad institucional: Es esencial contar con la tecnología adecuada, infraestructura de datos, talento, servicios, recursos financieros y habilidades de análisis de datos.
- Propósitos de la analítica predictiva: el plan debe incluir las preguntas que se esperan responder y los objetivos que se pretenden alcanzar.
- Personal clave para tomar decisiones importantes: al desarrollar un plan, hay que incluir al personal clave y a las partes interesadas en la toma de decisiones.
- Consecuencias no deseadas de la analítica predictiva: incluir un debate sobre las posibles consecuencias no deseadas y los pasos que se pueden tomar para mitigarlos.
- Resultados a medir: establecer los resultados medibles que se esperan lograr como resultado del uso de análisis predictivo en un período de tiempo determinado.
Para finalizar
El análisis de los datos de estudiantes para predecir su comportamiento académico, ha ayudado a las instituciones a alcanzar sus objetivos anuales de inscripción e ingresos con un reclutamiento más específico y un uso más estratégico de la ayuda institucional. El análisis predictivo también ha permitido a las instituciones educativas adaptar mejor sus servicios de asesoramiento y personalizar el aprendizaje para mejorar los resultados de los estudiantes.
Sin embargo, para que se vean resultados reales, es importante que se comprenda y valore la interpretación humana de los análisis. Los datos, por sí mismos, no significarán nada sin una interpretación, información y acción humanas.
El éxito a largo plazo sólo puede lograrse observando la institución: ignorar los elementos fundamentales de la práctica analítica (datos descriptivos y diagnósticos) dejará a la institución mal preparada para tomar medidas sobre las predicciones relacionadas con áreas tales como el ingreso de nuevos estudiantes, la retención, los costos de gestión y la recaudación de fondos.
Si querés conocer más sobre las iniciativas de Qlik en el ámbito educativo, te invitamos a visitar nuestra nota sobre el Qlik Academic Program.