Escrito por Mark Tse, Desarrollador de Software, Desarrollo de Plataformas D2L
Con el lanzamiento de los conjuntos de datos de Brightspace, nuestra estrategia de datos ha evolucionado para proporcionar a los clientes los datos sin procesar a nivel de usuario que necesitan para responder preguntas matizadas que son específicas de su institución. En este artículo, exploraremos varios factores que dan forma a sus datos y cómo eso se traduce en información única para su institución.
Comprender cómo se forman los datos
Los datos brutos a nivel de usuario en los conjuntos de datos de Brightspace son la acumulación de muchas fuentes y factores diferentes. Exploremos lo que se necesita para dar forma a los datos.
Datos migrados desde otros productos de aprendizaje
Si migró a Brightspace desde otra plataforma de aprendizaje, los datos incluidos durante el proceso de migración pasarán a formar parte de los datos de sus extracciones de datos. Sus datos se ven influenciados por la forma en que se configuró la plataforma de aprendizaje anterior, cómo interactuaron los usuarios con ella y cómo se transformaron los datos durante su migración a Brightspace. Estos datos migrados que ahora están disponibles a través de los extractos de datos se verán afectados por estos factores y deben tenerse en cuenta.
Patrones de uso e integraciones
Los patrones de uso difieren de una institución a otra según el segmento (es decir, K-12, educación superior o corporativo), la ubicación (por ejemplo, idioma, diferencias culturales, requisitos de cumplimiento), estilos de enseñanza y aprendizaje (incluidas las diferencias entre entornos combinados y en línea) y otras diferencias que hacen que su institución sea única. Además, los patrones de uso están influenciados por las herramientas que habilita en Brightspace y los productos con los que se integra, como SIS, LTI y otras herramientas exclusivas de su institución que aprovechan las API de Brightspace.
Los datos de sus extracciones de datos reflejarán cuándo se integran ciertas herramientas con Brightspace y cómo han cambiado los patrones de uso y las herramientas dentro de Brightspace.
Cambios de una versión a otra
Cada versión de Brightspace introduce cambios en el código para mejorar Brightspace, ya sean pequeñas mejoras o adiciones de funciones. A medida que el sistema evoluciona, también lo hacen los datos, y la huella de esta evolución es única para una institución determinada, dependiendo de la cantidad de publicaciones por las que hayan pasado los datos y de cómo se cruzan con otros factores. Además, cada integración que tiene también pasa por un ciclo de lanzamiento, lo que aumenta la cantidad de factores que dan forma a sus datos.
Actualizaciones en tiempo real a medida que se genera la extracción de datos
Cuando se genera un extracto de datos, extraemos la mayor cantidad posible hasta el momento de la extracción. Sin embargo, para minimizar el impacto del sistema activo, es posible que un pequeño subconjunto de datos esté obsoleto, faltante, duplicado o presente cuando ya se ha eliminado. También puede significar que los datos pueden ser incoherentes entre dos conjuntos de datos diferentes (por ejemplo, los datos de las respuestas de los usuarios de los cuestionarios pueden no coincidir con los datos de los intentos de los cuestionarios).
Tenga la seguridad de que nos aseguramos de que las brechas de datos y las inconsistencias se concilien cuando se genere su próxima extracción de datos. Sin embargo, a medida que importa los datos a sus sistemas, es importante tener en cuenta que se deben tener en cuenta estos matices.
Otras fuentes de datos
Por último, los conjuntos de datos de Brightspace son solo una fuente de datos potencial de las muchas que hay en su ecosistema institucional, y siempre se pueden combinar con otras fuentes de datos para proporcionar una visión más holística de su sistema.
Minería de datos
Como puede ver, hay muchos factores diferentes que intervienen en la configuración de los datos de cada institución. Cada uno de estos factores puede influir en la forma en que se abordan los datos.
Por ejemplo, si una herramienta LTI integrada en la herramienta de contenido el otoño pasado generó más puntos de datos por interacción del usuario, un estudiante puede parecer menos comprometido en años anteriores al lanzamiento de la integración debido a un menor número de puntos de datos. Al saber cuándo se lanzó la integración y tenerla en cuenta en su análisis, puede evitar sesgar los datos de participación al comparar el año actual con años anteriores. También puede utilizar esos datos para demostrar la eficacia de una integración o herramienta.
Otro ejemplo podría ser la determinación de la competencia o el logro a posteriori al pasar a un nuevo modelo de competencias. Al aprovechar los conjuntos de datos de Brightspace para determinar qué cursos, cuestionarios, tareas, etc. se han completado, los alumnos podrían recibir un seguimiento acelerado del nuevo modelo de competencias de forma masiva en lugar de caso por caso.
Hay muchos otros ejemplos que no se mencionan anteriormente, ya que la combinación de factores y preguntas que se hacen hace que cada escenario sea único. Al proporcionarle los datos brutos a nivel de usuario, tiene acceso a datos no opinados que contienen información única y solo disponible para su institución.
Resumen
Hemos explorado lo que se necesita para dar forma a los datos que ve hoy en día, y cómo proporcionarle datos sin procesar a nivel de usuario se traduce en la información única disponible para su institución. ¡Nos encantaría saber cómo está utilizando los conjuntos de datos de Brightspace, cualquier información que haya descubierto, así como cualquier pregunta o comentario a continuación!