Chica con computadora y cuaderno

Digital Transformation Empowers Student Learning in Higher Education

Digital Transformation Empowers Student Learning in Higher Education

Universities across the country use digital transformation initiatives to improve classroom accessibility and data analytics.

Artículo originalmente publicado en Ed Tech Magazine por Melissa Delaney

A common refrain in the workplace is «Don’t reinvent the wheel.” But what if the wheel is bumpy and worn? What if there’s a better means of transport?

Digital transformation sets aside the notion that it’s preposterous to reinvent the wheel. It goes back to the beginning to question what the ultimate goal is, then explores new ways of achieving that goal. It can apply to just about any process on a campus, which can make it a hard concept to grasp. But colleges and universities around the country are seeing countless digital transformation success stories.

Here are a few examples.

MORE FROM EDTECH: See how universities are approaching digital transformation on campus.

Universities Rethink Sign Language Interpretation

Foothill-De Anza Community College District in Los Altos Hills, Calif., engaged in a digital transformation project to pilot more effective sign language interpretation services in lectures for students who are hearing-impaired.

In the past, an interpreter sat in a designated part of the classroom near the students. The support was costly, with longer classes requiring more than one interpreter to relieve each other, and it could be distracting to the rest of the class.

So, the college began equipping faculty with wireless microphones connected to Skype or Zoom. Classroom audio is sent to a remote captionist who transcribes the lecture in real time. The transcription goes to the student via Skype or Zoom, letting him or her read the text live as the lecture occurs. Students can use college-supplied iPad devices or their own devices, including laptops, tablets or smartphones.

“We do this remotely, so it’s much less intrusive in the classroom, it’s easier for the faculty member, and then the student has a transcribed record of that lesson,” says Joseph Moreau, vice chancellor of technology at Foothill-De Anza Community College District.

“Any student, for that matter, could use it,” he says. “It could be a student whose first language is not English or who is dyslexic. It could be any number of students who need that extra input channel to more comprehensively understand the material.”

Digital Transformation Can Expand Educational Opportunities

Building on digital initiatives started in 2014, Boston University leaders in 2016 created the Digital Learning and Innovation department to explore new ways to deliver education. For example, expanding on the concept of massive online open courses, the group created BU MicroMasters programs: combinations of courses delivered in a MOOC format.

“This is really good for people who are unable, because of time or money, to invest in getting a full master’s degree,” says Josie DeBaere, BU’s director of technology architecture. “Because you have a specific program of courses that are part of this track, it’s more standardized than just taking a bunch of classes on a nondegree level.”

Aldrich

We wanted to rationalize that data and begin to capitalize on it — to make use of it, to help make better decisions and to help ensure our students are supported as much as possible.

Brendan Aldrich Chief Data Officer, California State University, Office of the Chancellor

DeBaere, who earned her Ph.D. at BU, said she was fortunate to be able to finance her education by teaching, but she had classmates who struggled because they couldn’t afford to attend school full-time and therefore couldn’t take on teaching assistantships.

The MicroMasters programs provide remote access to BU courses at a lower cost, creating opportunities for students who wouldn’t otherwise be able to take graduate-level courses. The programs can also help students demonstrate that they’re strong candidates for a traditional graduate program.

“It’s a win for the university as well,” says DeBaere.

MORE FROM EDTECH: Higher education experts offer advice on preparing for digital transformation.

Colleges Use Transformation to Make Smarter Use of Data

California State University, the largest four-year university system in the country, has almost 50,000 employees and nearly a half-million students spread across 23 campuses. It also has a wealth of data about its students. But when Brendan Aldrich came to Cal State a year ago as the chief data officer, his biggest challenge was wrapping his arms around all that data.

“Since it was stored in so many different locations and repositories, one of my first jobs was to figure out how to bring all of that information together fast enough and flexibly enough from 23 different campuses every single day,” he says. “We wanted to rationalize that data and begin to capitalize on it — to make use of it, to help make better decisions and to help ensure our students are supported as much as possible.”

Aldrich spearheaded a data lake project that’s nearing the end of its first phase. “We’ve been pulling in the data for over a year, and now we’re populating our data lake with full sets of every piece of data we currently use for all of our warehousing, analytics, queries, dashboards and reports from every campus across the system so that both we in the chancellor’s office as well as the individual campuses can start to interact with this data more flexibly,” he says.

The project says Aldrich, is enormous, but the payoffs are equally big: “Every one of our campuses will be more empowered to work with data and to engage in more modern and more relevant data projects in the service of their students and their constituents.”

onurdongel/Getty Images

 

Comparte este contenido:

EE.UU: Pasó de trapear a revolucionar la limpieza con datos

América del Norte/EE.UU/25 Septiembre 2016/Fuente:El Financiero /Autor: New York Times Syndicate

Simon Brooks se mudó a Silicon Valley para emprender con una app que tenía en mente, en vez de eso, en 2015 echó a andar Squiffy Clean, una empresa de limpieza comercial que utiliza un algoritmo para calcular el precio con base en los datos que recopila sobre los sitios.

Un jueves por la noche, en octubre del 2013, Simon Brooks empacó sus pertenencias y condujo hacia el oeste, a Silicon Valley, pensando que iba camino a crear la siguiente aplicación tipo Scrabble, el juego de palabras, a la que llamó Gadzookery.

Tenía poco que perder. Brooks debía más sobre su casa en Louisville, Kentucky, de lo que valía. Su matrimonio se había terminado, y había estado trabajando en restaurantes y bares durante dos años, desde que la crisis financiera lo obligó a dejar su empleo como agente hipotecario.

“Metí a mis perros y mis maletas en el coche, y manejé a Dojo”, contó Brooks.

Se estaba refiriendo a Hacker Dojo en Silicon Valley, un espacio comunitario para empresas emergentes de tecnología, cuyos miembros (por lo general, las tarifas empiezan en 125 dólares mensuales) tienen acceso las 24

El espacio de piratería resultó ser la clave para su nueva empresa; solo que no como él lo había imaginado.

Brooks llegó con 12 mil dólares y una versión aproximada de su juego de palabras educativo. Esperaba reunir a un equipo en Dojo que lo ayudara a reconstruirlo, pero, una vez allí, no encontró ni a los desarrolladores que requería, ni un cuarto para rentar. Terminó en moteles.

Cuatro meses después, ya se le había acabado el dinero y vivía en su Lexus 1999. Cuando el gerente de Dojo solicitó a un voluntario que limpiara los baños y la cocina cada tarde a cambio de una membresía gratuita, Brooks levantó la mano.

Sin darse cuenta, había dado el primer paso para crear su empresa emergente: una compañía de limpieza que depende de lo analítico para mejorar la eficiencia y fijar los precios.

Larry Maloney, un miembro fundador de Hacker Dojo, dijo que la gente estaba inconforme con la calidad del trabajo que hacían los limpiadores antes de que Brooks se ofreciera de voluntario.

Normalmente, dijo Maloney, el Dojo olía algo rancio, en gran medida, debido a los desarrolladores que trabajaban tarde por la noche. “Con Simon”, dijo, “olía limpísimo”.

No fue una hazaña fácil. El Dojo es un espacio extenso de más de mil 485 metros cuadrados. Nunca cierra y es típico que tenga al menos 300 visitantes cada día.

Después de ocho meses, la administración se deshizo de la pequeña empresa local que le hacía la limpieza y empezó a pagarle a Brooks 400 dólares mensuales por sus servicios.

Ocho meses después de eso _ tras haber pasado unos dos años tratando infructuosamente de crear la aplicación Gadzookery _ Brooks se puso a examinar seriamente el mercado de la limpieza comercial.

“Era un sector de 51 mil millones de dólares”, que consistía, en su mayor parte, de pequeñas compañías, dijo. Brooks vio una oportunidad. La administración de Hacker Dojo estuvo de acuerdo en darle un adelanto de un mes para comprar el equipo y los suministros que necesitaba para empezar, y echó a andar Squiffy Clean en el 2015.

Existen unas 100 mil firmas de limpieza comercial en Estados Unidos hoy en día, notó John Barrett, el director ejecutivo de ISSA, una asociación gremial del sector de la limpieza en el mundo. Las 50 más grandes representan cerca de 30 por ciento de los ingresos, según un informe sectorial que publicó Dun & Bradstreet, lo cual deja bastante espacio para que las otras firmas capturen clientes.

Más de 90 por ciento de las empresas de servicios de limpieza son propiedad de un solo dueño, según un informe de IBISWorld, una firma de investigación sobre el sector. Sin embargo, el mayor movimiento está al nivel de las empresas emergentes, dijo Barrett .

“La rotación excesiva es increíble”, dijo.

Hasta ahora, Brooks ha evitado esa rotación. Seis meses después de empezar, estaba ganando suficiente para mudar su negocio del Hacker Dojo a una oficina en Palo Alto.

Es inusual en el sector que su compañía tenga alta tecnología. Recopila más de 700 puntos de datos, como el tiempo que se lleva trapear una décima parte de un metro cuadrado, y utiliza la información para mejorar y refinar sus métodos de limpieza, así como para establecer los precios.

“Tenemos un cliente con un edificio de 8 mil pies cuadrados (743 metros cuadrados), nos zambullimos en los datos e hicimos cambios a la forma de hacer la limpieza, como combinar ciertas tareas o cambiar el orden en el que se hacen, y ahorramos 600 dólares en costos mensuales de mano de obra”, dijo Brooks. “Los márgenes en el sector son tan bajos que tenemos que quitar toda la mano de obra que podamos”.

La mayoría de las compañías de limpieza pequeñas cobran por la cantidad de horas de trabajo, pero Squiffy Clean creó un algoritmo para calcular el precio con base en los datos que recopila sobre los sitios de la limpieza.

Asimismo, la empresa también está desarrollando tecnología para evitar las demandas fraudulentas de compensaciones por parte de los trabajadores. Usará los datos para ayudarse a determinar si ocurrió algún incidente.

Barrett en ISSA dice que aun cuando las grandes compañías en el negocio de la contratación de la limpieza utilizan métodos de alta tecnología, es muchísimo menos común entre las pequeñas.

En comparación con otras empresas que limpian oficinas, Squiffy Clean paga, en lo general, un salario por hora más alto (alrededor de 17 dólares la hora). El salario por hora medio en el sector es de 11.27 dólares, según la Oficina de Estadísticas Laborales de Estados Unidos. También, les da acciones de la empresa a los limpiadores y hace de su seguridad una alta prioridad. Dos empleados que trabajaron para Handy, el servicio de limpieza residencial, por ejemplo, lo demandaron en el 2014 por violaciones a la ley del trabajo.

Iniciar cualquier negocio, sin importar la tecnología, es difícil, y todavía más cuando el fundador es indigente. Sin embargo, Brooks estaba sano física y mentalmente, y contaba con el apoyo de Maloney y otros en Hacker Dojo.

En marzo, Brooks recaudó 10 mil dólares por medio de Kiva, la plataforma de préstamos par a par. Squiffy Clean también tiene presencia en AngelList, la plataforma de inversiones en empresas emergentes y está en pláticas con potenciales inversionistas.

Hoy, Squiffy Clean, todavía en su fase piloto, atiende al área de la bahía de San Francisco, desde San José hasta Palo Alto. La compañía tiene cinco clientes iniciales. Su sitio web recién reestructurado da a los clientes potenciales una cotización de precio garantizado en 15 segundos, comentó Brooks.

Uno de los primeros clientes de Squiffy Clean fue Singularity University, un centro de investigación en Silicon Valley y acelerador de empresas emergentes.

“Muchas personas ven al trabajo de limpieza solo como una forma de ganar dinero, pero Simon lo abraza como el trabajo muy importante que es y asume un enfoque muy científico al respecto”, comentó Tom LeGan, el gerente de instalaciones en Singularity. “También es muy compasivo con sus empleados. No ves eso en muchas corporaciones, ya no digamos en una compañía de servicios de limpieza”.

Brooks todavía sigue enfrentando muchas de las dificultades que tienen otras empresas emergentes en la zona de la bahía, incluido un mercado laboral muy tenso.

“Todos estamos tratando de atraer a los mejores ingenieros y el sector de la limpieza no es sexi, así es que es duro”, explicó.

 

Fuente de la noticia: http://www.elfinanciero.com.mx/tech/paso-de-trapear-a-revolucionar-la-limpieza-con-datos.html

Fuente de la imagen: http://www.elfinanciero.com.mx/files/article_main/uploads/2016/09/23/57e5daf021284.jpg

Comparte este contenido:

Está llegando: dos posibles caminos del Big Data en educación

www.futuroeducativo.com

La Inteligencia Artificial está llegando a la educación. Ya no es ciencia ficción. El uso de grandes cantidades de datos (Big Data) para dirigir el aprendizaje de los alumnos ya está siendo parte de nuevos experimentos reales. Es un momento central en la historia de la educación: ¿quién controlará los datos? ¿Qué usos tendrán? ¿Qué beneficios y qué riesgos traerán? ¿Quiénes serán los ganadores y perdedores? Muchas preguntas cruciales se están abriendo. Aquí veremos dos casos que ayudan a formular estas preguntas y aventurar posibles respuestas.

El primer camino del Big Data es el modelo de las AltSchool, ya reseñadas en este blog. Las AltSchool son un furor en el mundo de EdTech. Su creador es Max Ventilla, cuyos años previos en Google lo llevaron a una visión de frontera en el uso de algoritmos predictivos.

Las AltSchool son micro-escuelas, muy pequeñas, de menos de 150 alumnos. Su propósito central es convertirse en la mayor revolución educativa del siglo XXI. Por eso invierten el 10% de su presupuesto (que se agigantó con U$S 133 millones de capital recolectado recientemente, con Mark Zuckemberg de Facebook como principal inversor) en investigación y desarrollo.

Lo que hacen las AltSchool hoy es un laboratorio de lo que, según Ventilla, será un nuevo modelo de escuelas y de sistema educativo en los próximos 30 años.

En las AltSchool se está experimentando es el modelo más extremo de observación de los alumnos para personalizar la enseñanza. Esto incluye el seguimiento con cámaras y micrófonos de todas las interacciones de los alumnos dentro de las escuelas con un software de seguimiento de los movimientos corporales y faciales y de reconocimiento de voz.

El seguimiento de las expresiones en el rostro de los alumnos permite realizar una analítica de cada clase: la iluminación del aula cambia automáticamente dando una señal cuando el ruido de los alumnos se hace demasiado alto. El docente es asistido por las máquinas para controlar el curso y es evaluado por el nivel de atención e interés de sus alumnos.

En paralelo, las AltSchool tienen un “playlist” de aprendizaje para cada alumno, con diversas actividades digitales personalizadas.

El reconocimiento facial basado en la filmación de los alumnos (véase aquí el sistema EngageSense, su prototipo más avanzado) brinda datos a una computadora que utiliza algoritmos para medir el nivel de compromiso con la tarea y sugerir a los docentes actividades. Para resumirlo (y simplificarlo): si los alumnos no prestan atención una computadora le avisará al docente.

Este primer modelo de uso experimental del Big Data en educación abre dos grandes preguntas éticas: ¿qué ocurre con la privacidad de los alumnos? ¿Quiénes pueden acceder a esta tecnología de frontera?

La primera cuestión se enfrenta con grandes vacíos legales, como lo analiza esta nota. El Big Data está casi completamente desregulado en todo el mundo. ¿Quién tiene derecho a filmar y analizar las expresiones faciales de nuestros hijos? ¿Cuáles son las consecuencias de saber que uno está siendo filmado todo el tiempo? ¿No es este modelo educativo una amenaza de panóptico estilo Big Brother, de vigilancia absoluta que puede cambiar la personalidad de los alumnos, sus relaciones y amenazar su intimidad?

La segunda cuestión refiere a la equidad. Las AltSchool son escuelas de elite que nacieron en Silicon Valley: cuestan aproximadamente 30 mil dólares por año para quienes quieren asistir a ellas. Si realmente tienen resultados, si logran la personalización de la enseñanza por vía de las máquinas, ¿no estarán ampliando la brecha social mediante cambios educativos exponenciales que benefician a los privilegiados?

El otro camino del Big Data en educación tiene una orientación muy distinta, pero comparte el componente de innovación radical que permiten los avances de la Inteligencia Artificial basada en algoritmos. Se trata del uso de grandes cantidades de datos para analizar el funcionamiento de un sistema educativo, detectar desigualdades y actuar para reducirlas.

Un ejemplo revelador de estas posibilidades fue sistematizado por distintos investigadores chilenos queresultaron ganadores del concurso “Nuevos debates, Datos para el desarrollo” del BID. El estudio se tituló: “Apoyando la formulación de políticas públicas y toma de decisiones en educación utilizando técnicas de análisis de datos masivos: el caso de Chile”.

Utilizando técnicas de la ciencia de los datos, los investigadores analizaron datos abiertos publicados por el gobierno chileno sobre la oferta educativa, los contextos sociales y diversos indicadores de rendimiento educativo. Uno de los ejes del análisis fue estudiar dónde vivían los alumnos según la escuela a la que asisten, e incluso medir el tiempo que demoraban en llegar a la escuela por distintas vías de transporte.

Un mapa de estas características es un poderoso predictor de la deserción escolar, dado que permite localizar personalizadamente la distancia entre los alumnos y las escuelas. Con estos datos se podría planificar la creación detallada de nuevas escuelas (o sistemas de transporte) para cubrir demandas e injusticias imposibles de divisar sin este nivel de desagregación de la información.

El estudio construyó un modelo para predecir la deserción escolar que inicialmente usó 127 atributos de los estudiantes, establecimientos y las manzanas donde viven o se ubican, para alimentar un algoritmo de aprendizaje automático. Estos atributos se redujeron a 31, entre los cuales aparecen como significativos variables como la vulnerabilidad del colegio, la convivencia, participación, autoestima y motivación de los estudiantes.

El estudio creó una “geografía de las oportunidades educativas”, analizando también la equidad en los resultados de aprendizaje. El uso de los datos desagregados permitió mapear con exactitud la segregación educativa, que concentra a los alumnos de mejor nivel socioeconómico en escuelas más cercanas, de más fácil acceso y de mejores resultados de aprendizaje.

En suma, esta nueva generación de uso de los datos tiene un inmenso potencial tanto para personalizar la enseñanza como para mapear desigualdades de manera tan detallada que faciliten la acción del Estado y ataquen directamente los factores que promueven la deserción escolar. Los riesgos del primer modelo no deben ser subestimados: borrar la intimidad de los alumnos, controlar la vida privada desde grandes corporaciones o desde el mismo Estado, agigantar las brechas sociales por medio de las brechas tecnológicas. Pero también sus posibilidades de personalización de la enseñanza deberán ser estudiadas con rigor en los próximos años.

Es tiempo de abrir las preguntas, los debates, las experiencias y crear una nueva discusión educativa: el uso del Big Data para promover la equidad y la pasión por el aprendizaje. Los gobiernos de América Latina no pueden dejar estas discusiones para atender las urgencias: aquí mismo pueden estar ocultas algunas de las respuestas a esas mismas urgencias.

Comparte este contenido: