Fomentar la colaboración en la enseñanza de habilidades de análisis de datos.
Dado el aumento de la disponibilidad de datos en todo el mundo y el aumento de la demanda de alfabetización en datos en el mercado laboral, cada vez más cursos de economía incluyen habilidades de análisis de datos entre sus resultados de aprendizaje previstos. Como resultado, ayudar a los estudiantes a desarrollar estas habilidades en el aula es cada vez más importante para los profesores de economía.
Proponemos tres consejos sobre cómo fomentar con éxito la colaboración entre estudiantes en el análisis de datos de aprendizaje para cursos aplicados: (i) diseñar materiales didácticos atractivos, (ii) hacer que los estudiantes trabajen en parejas durante las clases, (iii) utilizar la retroalimentación de sus pares para evaluaciones formativas.
Cómo prepararse: materiales didácticos atractivos
Figura 1: Hoja de referencia utilizada en una sesión sobre análisis de datos y visualizaciones en Python para principiantes
En primer lugar, al elegir los materiales, es clave utilizar conjuntos de datos del mundo real que sean relevantes para sus estudiantes y que estén interesados en explorar más a fondo. De esta manera, incluso el proceso de limpieza de datos, bastante temido por muchos estudiantes, puede convertirse en un ejercicio más atractivo.
En segundo lugar, durante las clases aplicadas (o laboratorios), pida a los estudiantes que resuelvan ejercicios nuevos que no hayan visto antes.
En tercer lugar, es importante diseñar chuletas que los estudiantes puedan utilizar en clase, para mejorar la autonomía durante las sesiones. Esto permite a los estudiantes desarrollar sus habilidades técnicas y concentrarse en el ejercicio, en lugar de pasar la sesión luchando por descubrir los comandos básicos que necesitan emplear. Una hoja de trucos también actúa como ayuda de revisión para los estudiantes más adelante.
Por lo tanto, estas hojas de trucos deben incluir los comandos (o funciones) clave necesarios para realizar los ejercicios. En lugar de hacer de esta una larga lista de comandos, establezca ejemplos que los estudiantes puedan seguir fácilmente.
Luego, les corresponde a ellos encontrar los comandos de la hoja de trucos que sean relevantes para cada ejercicio. Hemos incluido un ejemplo de una hoja de trucos utilizada durante una sesión sobre análisis de datos y visualizaciones en Python para principiantes (Figura 1). A los estudiantes se les proporcionó la hoja de referencia y una serie de ejercicios, utilizando un conjunto de datos completamente diferente.
Cómo entregar: Trabajar en parejas en clases.
Para facilitar el uso de hojas de trucos, haga que los estudiantes trabajen en parejas. La programación en pares es ampliamente utilizada por los científicos de datos en la industria para tareas de codificación: dos personas usan una computadora, donde el “conductor” controla el teclado y el “navegante” observa y brinda soporte (Williams, 2001). El conductor y el navegante intercambian roles con regularidad y discuten su trabajo en todo momento (Demir y Seferoglu, 2021; Hannay et al, 2009).
El uso de esta técnica para el análisis de datos fomenta la cooperación entre los estudiantes en el aula, mejora el aprendizaje práctico y construye relaciones entre los estudiantes. Los equipos se pueden configurar para el período o pueden cambiar cada clase. Lo importante es que los estudiantes trabajen juntos y no se sientan abrumados por la tarea que tienen entre manos.
Cómo evaluar: evaluaciones formativas con comentarios de pares
Finalmente, utilice evaluaciones formativas (es decir, evaluaciones que no cuentan para la calificación final del curso). Se ha demostrado que estos son fundamentales para promover el aprendizaje y la comprensión de los estudiantes (Wu y Jessop, 2018; Black y William, 2019; McMallum y Milner, 2021).
El desafío con estas evaluaciones es que muchos estudiantes no participan en ellas e incluso si lo hacen, muchos no recopilan ni incorporan la retroalimentación proporcionada en evaluaciones futuras (Duncan, 2007). Pero la evidencia sugiere que los estudiantes encuentran bastante motivador la evaluación del trabajo de sus compañeros, lo que mejora su aprendizaje y desarrollo (Ballantyne et al, 2002; Vickerman, 2009).
Las evaluaciones formativas periódicas breves en las que los estudiantes pueden ofrecer comentarios de sus compañeros se pueden incorporar muy fácilmente a un curso con el resultado del aprendizaje de desarrollar habilidades de análisis de datos. Primero, los estudiantes intentan las preguntas; luego envían sus respuestas; finalmente, cada estudiante revisa el intento de otro estudiante y proporciona comentarios por escrito. De esta manera, los estudiantes pueden ver cómo otros estudiantes han resuelto las preguntas, aprendiendo diferentes maneras de abordar los ejercicios, al mismo tiempo que comprueban la validez de la solución dada por sus compañeros y reflexionan sobre la validez de su propia solución propuesta.
Depende de cada profesor proporcionar pautas para la retroalimentación, pero hemos descubierto que es mejor brindar inicialmente algunas orientaciones sobre lo que se hizo bien y lo que se podría mejorar, y publicar las soluciones completas después de que los estudiantes hayan brindado su retroalimentación a cada uno. otro. De esta manera, los estudiantes pueden revisar los comentarios recibidos una vez más después de que las respuestas estén disponibles y reflexionar más cuando brindan comentarios a sus compañeros.
Conclusión
Si bien la tarea de trabajar con datos y analizarlos puede resultar desalentadora para los estudiantes al principio, los educadores pueden hacer que el aprendizaje sea atractivo y más accesible para los estudiantes repensando el diseño del material, la entrega y las evaluaciones. Nuestros consejos logran que los estudiantes aprendan haciendo y los alientan a ser muy activos en clases, así como fuera del aula cuando trabajan en sus evaluaciones.
Este artículo fue elaborado en cooperación con Economics Network, la organización académica más grande y más antigua dedicada a mejorar la enseñanza y el aprendizaje de la economía en la educación superior. Obtenga más información sobre la Red de Economía aquí.
Crédito de la imagen del encabezado: Pixabay.com.
Referencias
Ballantyne, R., K. Hughes y A. Mylonas, (2002). “Desarrollo de procedimientos para implementar la evaluación entre pares en clases numerosas mediante un proceso de investigación-acción”, Evaluación y evaluación en la educación superior, 27(5), 427–41.
Negro, P. y D. Wiliam, (2009). “Desarrollo de la teoría de la evaluación formativa”, Valoración, evaluación y rendición de cuentas educativas 21 (1), 5–31.
Demir, Ö. y SS Seferoglu, (2021). «Una comparación de la programación individual y en pareja en términos de experiencia de flujo, calidad de codificación y logros en codificación», Journal of Educational Computing Research, 58(8), 1448-1466.
Duncan, N., (2007). “’Feed-forward’: mejorar el uso de los comentarios de los tutores por parte de los estudiantes”, Evaluación y evaluación en la educación superior, 32 (3), 271-283.
Hannay, JE, T. Dyba, E. Arisholm y DI Sjøberg, (2009). “La eficacia de la programación en pares: un metanálisis”, Tecnología de la información y el software, 51 (7), 1110-1122.
McMallum, S. y MM Milner, (2021). “La eficacia de la evaluación formativa: opiniones de los estudiantes y reflexiones del personal”, Evaluación y evaluación en la educación superior, 46(1), 1–16.
Vickerman, P., (2009). “Perspectivas de los estudiantes sobre la evaluación formativa entre pares: ¿un intento de profundizar el aprendizaje?”, Valoración y evaluación en la educación superior, 34(2), 221-230.
Williams, L. (2001). “Integración de la programación en pares en un proceso de desarrollo de software”, Actas de la 14ª Conferencia sobre educación y formación en ingeniería de software. ‘En busca de una profesión de ingeniería de software’ (Cat. No. PR01059), 27-36.
Wu, Q. y T. Jessop, (2018). “Evaluación formativa: ¿desaparecida en acción tanto en universidades intensivas en investigación como en universidades centradas en la enseñanza?”, Evaluación y evaluación en la educación superior, 43 (7), 1019–1031.