Title—New learning possibilities in massive collaborative projects with learning analytics: a case study. Abstract—One way to improve the education of our students is to promote the creation of massive collaborative projects. These projects, also seen as learning products, would also help to better scale our learning experiences (Massive Open Online Courses-MOOCs) and generate collective value from the hours and cognitive efforts invested doing academic work. But the complexities to assess those projects are challenging. This requires to develop new monitoring and feedback systems for these kind of projects. This article presents an exploratory analysis for applying learning analytics methodologies based on social networks analysis, factorial analysis, k-means clustering and “naïve” Bayes algorithms. Index Terms—Active learning, Big data, collaborative projects, learning analytics, MOOC. I. INTRODUCCIÓN NO de los principales retos del campo de learning analytics es contribuir a mejorar el aprendizaje de manera significativa, no marginal. Ello probablemente signifique centrarse en el desarrollo de prácticas formativas necesarias pero que no serían posibles de otro modo. En este sentido, el desarrollo colaborativo masivo de productos de aprendizaje sea quizás una de estas prácticas a las que vale la pena dedicar un esfuerzo. Esto es lo que se propone a continuación. El problema de partida de este artículo es que las actividades diseñadas para que los estudiantes aprendan y demuestren las competencias de aplicación de conocimientos son habitualmente poco consistentes y fragmentadas. Nuestro sistema educativo, habitualmente, desaprovecha el esfuerzo cognitivo de los estudiantes haciendo masivamente pequeñas actividades individuales en paralelo. Cambiar el enfoque hacia la elaboración colaborativa de grandes proyectos complejos, podría mejorar la motivación, el aprendizaje y la creación de productos útiles resultado de la inversión social educativa. Tomando esa idea como punto de partida, este artículo Jordi Sancho es profesor del Departamento de Trabajo Social y Servicios Sociales de la Facultad de Educación. Universitat de Barcelona. Grupo de investigación: Laboratori de Mitjans Interactius (LMI). Email: jsancho@ub.edu. PasseigValld‟Hebron 171, Llevant 3ª planta, 356. 08035 Barcelona. desarrolla, prueba e integra diversas técnicas y metodologías (análisis de redes sociales, análisis factorial, clustering por k-means y uso de algoritmos predictivos), que harían factible el seguimiento y valoración formativa de los proyectos colaborativos a gran escala en la educación universitaria. Hace ya tiempo que sabemos que hay un aprendizaje profesional, ligado a la práctica, que posibilita una integración de conocimientos que son difíciles de transmitir oralmente. Para ello, diversos autores han propuesto aprender de los sistemas de aprendizaje que son tradicionales en ámbitos tan diversos como la psicoterapia, arquitectura, la música, el trabajo social, o los artesanos genéricamente [1-4], se trata de pensar mientras se solucionan problemas trabajando y después compartir y discutir lo aprendido. Es más novedosa la constatación cuantitativa de que incluso las disciplinas llamadas STEM (acrónimo inglés para englobar ciencia, tecnología, ingeniería y matemáticas) muestran una mejora significativa en el rendimiento académico y en la reducción de los suspensos cuando se utilizan técnicas de aprendizaje activo (básicamente diseños constructivistas de simulación de problemas reales para resolver y trabajo con proyectos, junto con una evaluación formativa) [5-7]. El trabajo en base a proyectos mejora también la motivación de los estudiantes, especialmente a quienes tienen menor capacidad de autorregulación en el aprendizaje [8]. A pesar de las evidencias, estos nuevos métodos de aprendizaje parecen tener problemas para asentarse en el sistema educativo universitario en España. A partir de la última reforma, y bajo el paraguas de los llamados Planes de Bolonia, las universidades se han llenado de sistemas de evaluación continua que exigen a los estudiantes que dediquen una gran cantidad de tiempo a realizar pequeñas actividades, normalmente individuales o en pequeños grupos, muy fragmentadas y con un nivel bajo de complejidad (que es independiente del nivel de dificultad) para generar aprendizaje o simplemente para obtener “evidencias” de su existencia. El problema es que dichas actividades, con un corto y uniforme recorrido, en el que todos empiezan en el mismo punto y llegan al mismo lugar, están habitualmente alejadas de la complejidad real muy delimitadas y por ello tampoco fomentan ni una motivación intrínseca [9,10] ni el aprendizaje significativo que sería deseable. En este sentido, se añaden dos de las principales dificultades que plantea la multiplicación de estos tipos de Nuevas Posibilidades de Aprendizaje por Proyectos Colaborativos Masivos mediante Learning Analytics: un Análisis de Caso Jordi Sancho U VAEP-RITA Vol. 3, Núm. 4, Dic. 2015 199 ISSN 2255-5706 © IEEE-ES (Capítulo Español)