Generación de evidencia
Asia
Generación de evidencia
Asia
Los datos de participación del usuario son útiles para las organizaciones de tecnología educativa porque permiten obtener indicadores significativos relacionados con los resultados del aprendizaje. Por ejemplo, la evidencia inicial sugiere que el tiempo dedicado a la tarea, la frecuencia de las sesiones y las tasas de finalización pueden indicar si los usuarios están utilizando el producto según su propósito pedagógico, lo que permite a las organizaciones mejorar el diseño del producto. Sin embargo, las organizaciones de tecnología educativa también se enfrentan a desafíos para gestionar y utilizar grandes cantidades de datos de participación del usuario para comprender si los programas generan mejoras significativas en el aprendizaje y de qué manera. NABU, una plataforma líder de lectura en tecnología educativa, está invirtiendo en un enfoque estructurado y coherente para utilizar los datos de su aplicación y sitio web con el fin de comprender cómo el acceso y la interacción con su contenido educativo se traducen en mejores resultados de alfabetización. Para respaldar estos esfuerzos, NABU necesitaba un marco más claro de participación e impacto del usuario, prioridades de producto estructuradas y sistemas de datos más robustos para conectar los datos de participación de la plataforma con los primeros indicios del impacto del programa en las habilidades de lectura.
A través de la Alianza para la Tecnología en la Educación (P4T-Ed), IPA se asoció con NABU para perfeccionar su teoría del cambio, la cual sentó las bases para desarrollar un marco de participación, retención e impacto adaptado de los estándares de la industria. IPA analizó los datos de la aplicación de lectura de NABU para validar el marco de participación, comprender los patrones actuales de participación y retención de los usuarios e identificar los puntos débiles en su experiencia.
IPA llevó a cabo una evaluación de los sistemas de datos para identificar deficiencias y, basándose en los resultados, diseñó un sistema de datos.1 Este proceso toma los datos brutos de la plataforma, los limpia y estructura, y los transforma en indicadores listos para el análisis, priorizados por Nabu para el monitoreo del programa. Esta estructura de datos respalda el marco de participación e impacto, y organiza y amplía el acceso a los datos de la plataforma para todo el equipo de NABU. IPA también diseñó un prototipo de panel de control basado en indicadores priorizados y casos de uso para la toma de decisiones, y brindó asistencia técnica directa para respaldar la implementación de la arquitectura de datos y el panel de control.
Tras esta colaboración, NABU cuenta con una teoría del cambio más clara y práctica, así como con un marco estructurado de participación e impacto que ayuda a la organización a priorizar qué medir y cuándo, proporcionando datos útiles sobre la participación de los usuarios para orientar la estrategia y la mejora de los productos.
La arquitectura de datos y el panel de control de monitorización de Medallion permiten a los equipos de producto y programa de NABU acceder a los datos y consultarlos de forma independiente, reduciendo la dependencia de las solicitudes puntuales al equipo de tecnología y organizando grandes volúmenes de datos en conjuntos de datos estructurados y procesables. Ahora, NABU puede utilizar el panel de control para monitorizar la participación significativa de los usuarios y realizar un seguimiento continuo del progreso hacia los resultados, conectando los datos de participación con las decisiones del programa de forma más sistemática.
En conjunto, estas herramientas y sistemas fortalecen la capacidad de NABU para utilizar grandes volúmenes de datos de participación para tomar decisiones de productos basadas en evidencia y generar información sobre los factores que influyen en los resultados de alfabetización de los niños a los que atiende.
1. El diseño de la infraestructura de datos se basa en los estándares de la industria de una arquitectura de medallón que organiza los datos en tres capas progresivas: bronce, plata y oro. Cada capa limpia, organiza y agrega los datos, acercándolos un paso más a un formato listo para el análisis.
