En uno de los experimentos de campo educativos más grandes jamás realizados, un equipo codirigido por un investigador de Cornell descubrió que las intervenciones prometedoras para ayudar a los estudiantes a completar cursos en línea no eran efectivas a gran escala, lo que sugiere que se necesitan soluciones específicas para ayudar a los estudiantes en diferentes circunstancias o ubicaciones.

Los investigadores rastrearon 250, 000 estudiantes de casi todos los países en 250 cursos masivos abiertos en línea (MOOC) durante 2 1/2 años en el estudio, "Ampliación de las intervenciones de ciencias del comportamiento en la educación en línea, "publicado el 15 de junio en el procedimientos de la Academia Nacional de Ciencias .

"Las intervenciones conductuales no son una solución milagrosa, "dijo Rene Kizilcec, profesor asistente de ciencias de la información y coautor principal.

"Estudios anteriores demostraron que la Las intervenciones ligeras al comienzo de algunos cursos seleccionados pueden aumentar las tasas de persistencia y finalización, ", dijo." Pero cuando se amplía a más de 250 cursos diferentes y un cuarto de millón de estudiantes, los efectos de la intervención fueron un orden de magnitud menor ".

El estudio fue codirigido por Justin Reich del Instituto de Tecnología de Massachusetts y Michael Yeomans del Imperial College de Londres. La investigación se realizó en las plataformas edX y Open edX, y edX se ha comprometido a trabajar para poner los datos a disposición de los investigadores institucionales para hacer avanzar la ciencia de la educación a escala.

Los 250 cursos que estudiaron los investigadores provinieron de la Universidad de Harvard, MIT y la Universidad de Stanford.

No completar los cursos en línea es un obstáculo conocido y de larga data para el aprendizaje virtual, particularmente entre las comunidades desfavorecidas y en los países en desarrollo, donde la educación en línea puede ser un camino clave para el progreso social. Los hallazgos han agregado relevancia con tanta educación en todo el mundo que se lleva a cabo en línea durante la pandemia de COVID-19.

"Mi consejo para los instructores es que comprendan y aborden los desafíos específicos en su entorno de aprendizaje, ", Dijo Kizilcec." Si los estudiantes tienen problemas con su conexión a Internet, no puedes ayudarlos a superarlos con una intervención de autorregulación. Pero si los estudiantes necesitan irse a la cama a tiempo para estar despiertos para una conferencia matutina, o necesitan planificar con anticipación cuándo comenzar a trabajar en la tarea para tenerla lista para entregar, luego, una breve intervención de autorregulación puede ayudar a los estudiantes a superar estos obstáculos ".

Anterior, investigación a menor escala, realizado por Kizilcec y sus coautores, así como por otros estudiosos, descubrió que las intervenciones para establecer metas, como escribir una lista de intenciones al comienzo de la clase, mejoraron las tasas de finalización de cursos de los estudiantes.

En este estudio, los investigadores exploraron los efectos de cuatro intervenciones:

• elaboración de planes donde se les pide a los estudiantes que desarrollen planes detallados para cuándo, dónde, y cómo completan el trabajo del curso;
• una actividad relacionada en la que los estudiantes reflexionan sobre los beneficios y las barreras para lograr su objetivo, y planifique con anticipación cómo responder a los desafíos;
• responsabilidad social, donde eligen a alguien para que sea responsable de su progreso en el curso, y planifique cuándo y qué decirles; y
• relevancia de valor, donde escriben sobre cómo completar el curso refleja y refuerza sus valores más importantes.

Para las tres primeras intervenciones, que implica la planificación anticipada, los investigadores encontraron que el enfoque fue eficaz para impulsar el compromiso durante las primeras semanas del curso, pero el impacto disminuyó a medida que avanzaba el curso. La intervención de valor-relevancia fue eficaz en los países en desarrollo donde los resultados de los estudiantes fueron significativamente peores que en otros, pero solo en cursos con una brecha de rendimiento global; en otros cursos, de hecho, tuvo un impacto negativo en los países en desarrollo.

Los investigadores probaron si podían predecir en qué cursos se produciría una brecha de rendimiento, para decidir dónde debe añadirse la intervención, pero resultó extremadamente difícil de predecir.

"No saber si ayudará o perjudicará a los estudiantes en un curso determinado es un gran problema, " él dijo.

Los investigadores intentaron utilizar el aprendizaje automático para predecir qué intervenciones podrían ayudar a qué estudiantes, pero descubrió que el algoritmo no era mejor que asignar la misma intervención a todos los estudiantes.

"Pone en duda el potencial de la IA para proporcionar intervenciones personalizadas a los estudiantes con dificultades, "Dijo Kizilcec." Los enfoques que se centran en comprender qué funciona mejor en entornos individuales y luego adaptar las intervenciones a esos entornos podrían ser más efectivos ".

Los investigadores dijeron que sus hallazgos sugieren que los estudios futuros deberían diseñarse para considerar y revelar las diferencias entre los estudiantes, además de los estudios que evalúan los efectos generales.