Debido a la caída de matriculaciones, especialmente internacionales, que ha habido al inicio de este curso, la analítica y la trazabilidad de datos en captación y conversión han acaparado más atención de la que ya gozaban, pero su relevancia no va a quedar ahí sino que se va a extender a lo largo de todo el journey de estudiante. ¿Cómo? Ayudando a evaluar el desempeño de los estudiantes y anticipando posibles necesidades durante la etapa formativa, pero también después, mejorando la relación que los estudiantes tienen con la institución una vez son parte de la comunidad de alumni.
A lo largo del 2020 se han hipersegmentado las campañas, se ha incrementado la inversión SEO y SEM y se han multiplicado los eventos destinados a captar como jornadas de puertas abiertas o sesiones informativas.
Se han multiplicado porque al estar adaptados al formato online era la única manera de proveer el mismo tipo de atención que se daba en presencial a las personas interesadas. ¿El auge de la analítica se va a quedar ahí? No, se normalizará su uso desde la generación de awareness, inicio de la captación, hasta la finalización de los estudios y entrada al mercado laboral.
El archiconocido Big data se adentrará en el propio contenido curricular y en el desempeño del estudiante: ¿Cuándo, cómo y a través de qué accede? ¿Cuáles son las materias que más consultas generan? ¿Qué formatos de contenido son los más consumidos? ¿Cuáles los que mejores resultados reportan?
A lo largo del 2020 se han hipersegmentado las campañas, se ha incrementado la inversión SEO y SEM y se han multiplicado los eventos destinados a la captación
Las conclusiones que se extraigan podrán aplicarse a la formación de nuevos itinerarios de aprendizaje, planes curriculares y tipos de estudios; podrán recomendarse asignaturas y otros contenidos a los estudiantes; darán pistas sobre qué contenidos audiovisuales tiene sentido crear; ayudarán a crear modelos de estudiantes y predecir su comportamiento; servirán para plantear unas prácticas profesionales de interés para el alumnado y podrán utilizarse como criterios de evaluación.
Riesgos
Hay riesgos en el análisis de datos que afectan a la toma de decisiones, como la inclusión de sesgos o la reducción de las personas a simples números.
Las herramientas y plataformas cloud no son desarrollo propio de las instituciones por lo que los datos suelen pasar a terceros.
Ventajas
Pueden descubrirse microsegmentos de personas con necesidades específicas así como correlaciones de datos no evidentes a simple vista, que pasarían desapercibidas si no se contase con herramientas de tracking.
La posibilidad de anticiparse a posibles abandonos de estudios o a problemas de rendimiento, al poder trazar y analizar el desempeño de los estudiantes a lo largo del curso.
Oportunidades
A corto plazo, las oportunidades son eminentemente tácticas:
- Aumento de leads de calidad y ratio de conversión.
- Mayor calidad en la atención al estudiante al poder anticipar problemas y necesidades mediante la recogida y análisis de datos de su comportamiento.
A medio y largo plazo tienen carácter más estratégico:
- Formaciones a medida para grupos reducidos, creación de nuevos estudios especializados acordes a los intereses que se detecten o modificación de contenidos didácticos según patrones de consumo.
- Asignación de mentorías con los profesionales adecuados, trazabilidad del desarrollo de las prácticas laborales y seguimiento de la carrera profesional.
- Compartir y cruzar la información de los proyectos de investigación para generar nuevos resultados de utilidad.
Reflexiones
- ¿Se pueden desarrollar mecanismos que aseguren un uso ético de los datos?
- ¿Debería el estudiante poder elegir si ser trackeado o no?
- ¿Hasta qué punto se puede garantizar el anonimato de los estudiantes en entornos que no sean masivos?
- ¿Qué implicaciones tiene una Educación Superior dirigida parcialmente por decisiones basadas en datos?
- ¿Cómo se pueden evaluar las medidas que han tenido éxito de las que no? ¿Qué significa tener éxito en un ámbito como el de la educación?
- ¿De qué manera puede mejorar el uso de datos al proceso de evaluación?
- Si los datos se usan para mejorar la entrada del estudiante al mundo laboral, ¿podrían los algoritmos orientar las decisiones a un marco demasiado utilitarista?