8.2: Datos versus Evidencia
- Page ID
- 153789
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
\( \newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\)
( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\id}{\mathrm{id}}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\kernel}{\mathrm{null}\,}\)
\( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\)
\( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\)
\( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\AA}{\unicode[.8,0]{x212B}}\)
\( \newcommand{\vectorA}[1]{\vec{#1}} % arrow\)
\( \newcommand{\vectorAt}[1]{\vec{\text{#1}}} % arrow\)
\( \newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vectorC}[1]{\textbf{#1}} \)
\( \newcommand{\vectorD}[1]{\overrightarrow{#1}} \)
\( \newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}} \)
\( \newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}} \)
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
\(\newcommand{\avec}{\mathbf a}\) \(\newcommand{\bvec}{\mathbf b}\) \(\newcommand{\cvec}{\mathbf c}\) \(\newcommand{\dvec}{\mathbf d}\) \(\newcommand{\dtil}{\widetilde{\mathbf d}}\) \(\newcommand{\evec}{\mathbf e}\) \(\newcommand{\fvec}{\mathbf f}\) \(\newcommand{\nvec}{\mathbf n}\) \(\newcommand{\pvec}{\mathbf p}\) \(\newcommand{\qvec}{\mathbf q}\) \(\newcommand{\svec}{\mathbf s}\) \(\newcommand{\tvec}{\mathbf t}\) \(\newcommand{\uvec}{\mathbf u}\) \(\newcommand{\vvec}{\mathbf v}\) \(\newcommand{\wvec}{\mathbf w}\) \(\newcommand{\xvec}{\mathbf x}\) \(\newcommand{\yvec}{\mathbf y}\) \(\newcommand{\zvec}{\mathbf z}\) \(\newcommand{\rvec}{\mathbf r}\) \(\newcommand{\mvec}{\mathbf m}\) \(\newcommand{\zerovec}{\mathbf 0}\) \(\newcommand{\onevec}{\mathbf 1}\) \(\newcommand{\real}{\mathbb R}\) \(\newcommand{\twovec}[2]{\left[\begin{array}{r}#1 \\ #2 \end{array}\right]}\) \(\newcommand{\ctwovec}[2]{\left[\begin{array}{c}#1 \\ #2 \end{array}\right]}\) \(\newcommand{\threevec}[3]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \end{array}\right]}\) \(\newcommand{\cthreevec}[3]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \end{array}\right]}\) \(\newcommand{\fourvec}[4]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}\) \(\newcommand{\cfourvec}[4]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}\) \(\newcommand{\fivevec}[5]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}\) \(\newcommand{\cfivevec}[5]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}\) \(\newcommand{\mattwo}[4]{\left[\begin{array}{rr}#1 \amp #2 \\ #3 \amp #4 \\ \end{array}\right]}\) \(\newcommand{\laspan}[1]{\text{Span}\{#1\}}\) \(\newcommand{\bcal}{\cal B}\) \(\newcommand{\ccal}{\cal C}\) \(\newcommand{\scal}{\cal S}\) \(\newcommand{\wcal}{\cal W}\) \(\newcommand{\ecal}{\cal E}\) \(\newcommand{\coords}[2]{\left\{#1\right\}_{#2}}\) \(\newcommand{\gray}[1]{\color{gray}{#1}}\) \(\newcommand{\lgray}[1]{\color{lightgray}{#1}}\) \(\newcommand{\rank}{\operatorname{rank}}\) \(\newcommand{\row}{\text{Row}}\) \(\newcommand{\col}{\text{Col}}\) \(\renewcommand{\row}{\text{Row}}\) \(\newcommand{\nul}{\text{Nul}}\) \(\newcommand{\var}{\text{Var}}\) \(\newcommand{\corr}{\text{corr}}\) \(\newcommand{\len}[1]{\left|#1\right|}\) \(\newcommand{\bbar}{\overline{\bvec}}\) \(\newcommand{\bhat}{\widehat{\bvec}}\) \(\newcommand{\bperp}{\bvec^\perp}\) \(\newcommand{\xhat}{\widehat{\xvec}}\) \(\newcommand{\vhat}{\widehat{\vvec}}\) \(\newcommand{\uhat}{\widehat{\uvec}}\) \(\newcommand{\what}{\widehat{\wvec}}\) \(\newcommand{\Sighat}{\widehat{\Sigma}}\) \(\newcommand{\lt}{<}\) \(\newcommand{\gt}{>}\) \(\newcommand{\amp}{&}\) \(\definecolor{fillinmathshade}{gray}{0.9}\)Los “datos” han sido ampliamente, pero imprecisamente, utilizados en la educación durante la mayor parte del siglo XXI. Los educadores basados en datos toman decisiones basadas en la información que han recopilado sobre el desempeño de sus estudiantes. Ostensiblemente, esto se hace en un intento de adoptar la posición de investigador y fundamentar decisiones en investigación objetiva, dando así más apoyo a sus decisiones. Sin embargo, tras una inspección más cercana, hay poco parecido entre la recolección de datos, los datos y los métodos de análisis utilizados por los investigadores y los utilizados por la mayoría de los “educadores basados en datos”.
Los educadores basados en datos tienden a usar datos que están convenientemente disponibles; estos datos casi siempre son puntajes en pruebas estandarizadas o basadas en estándares. Estas pruebas incluyen tanto pruebas de gran escala como de alto riesgo y también las administradas por profesores en el aula con fines de diagnóstico. La validez y confiabilidad de estas pruebas rara vez se cuestiona; los educadores que dicen estar basados en datos aceptan que las pruebas miden con precisión lo que afirman los editores. Los educadores basados en datos también tienden a buscar tendencias interesantes y reveladoras en los datos, pero rara vez buscan responder preguntas específicas usando sus datos. Además, rara vez utilizan la teoría para interpretar los resultados; se supone que la instrucción determinó los puntajes y que los cambios en la instrucción afectaron todas las tendencias que observan.
Los investigadores, por otro lado, definen las preguntas que buscan responder y los métodos de datos que utilizarán antes de recabar datos; recogen únicamente los datos que necesitan, y todos los datos se interpretan a la luz de la teoría. Los investigadores se desafían a sí mismos y a sus pares a justificar todos los supuestos y demostrar la validez y confiabilidad de los instrumentos que generan datos y se desafían a sí mismos y a sus pares a demostrar la calidad de sus datos y conclusiones; para los investigadores, conclusiones basadas en inválidas o malas (o no éticamente) los datos recopilados deben ser desechados por investigadores y gerentes creíbles.
Al adoptar una postura hacia los datos que se asemejan más a la investigación que a la toma de decisiones basada en datos, los gerentes de TI tienden a basar sus decisiones en datos que son más válidos y confiables de lo que se usa comúnmente en educación Sus decisiones también tienen más probabilidades de estar fundamentadas en una teoría que ayuda a explicar las observaciones. Otros beneficios de adoptar una postura similar a la investigación hacia los datos y la evidencia incluyen:
- Procesos más eficientes a medida que los planificadores utilizan la teoría para enfocar los esfuerzos en factores relevantes y solo en factores relevantes;
- Decisiones más efectivas, porque se utilizan múltiples datos confiables y válidos;
- Intervenciones más eficaces, porque se centran en factores de importancia local y hay una clara justificación para las acciones;
- Las evaluaciones y evaluaciones de las intervenciones son más precisas y más informativas para mayores esfuerzos porque la evidencia es clara y claramente entendida.
La investigación generalmente se diferencia en dos tipos. La investigación pura está diseñada para generar y probar la teoría, la cual contiene ideas sobre cómo funcionan los fenómenos y permite a los investigadores predecir y explicar lo que observan. La investigación aplicada se lleva a cabo para desarrollar tecnologías útiles que aprovechen los descubrimientos de la investigación pura; la investigación aplicada a menudo se llama desarrollo tecnológico. Los académicos que se dedican a la investigación pura identifican y proporcionan evidencia de relaciones de causa y efecto; esto generalmente se hace a través de experimentos estrechamente controlados y datos cuantitativos. Los académicos y profesionales que se dedican a la investigación aplicada o al desarrollo tecnológico buscan producir herramientas eficientes y efectivas (ver Figura 7.2.1).
Figura\(\PageIndex{1}\): Continuo de investigación pura y aplicada
En 1997, Donald Stokes sugirió diseñar un proyecto para que sea un tipo de investigación no impide que uno haga el otro tipo, por lo que la dicotomía de la investigación pura y aplicada es engañosa. Según Stokes, muchos investigadores buscan crear nuevos conocimientos y resolver problemas humanos simultáneamente; sugirió reemplazar el continuum de la investigación pura a la aplicada por una matriz en la que un eje se etiqueta “¿Buscan los investigadores una nueva comprensión?” y el otro está etiquetado como “¿Buscan los investigadores utilizar sus descubrimientos?” Al dividir cada eje en secciones “sí” y “no”, surgen cuatro tipos de investigación (ver Figura 7.2.2).
Figura\(\PageIndex{2}\): Matriz de actividades de investigación
La investigación pura y aplicada tal como fueron concebidas originalmente permanecen en esta nueva matriz. Los científicos cognitivos que estudian la estructura y función cerebral con poca preocupación por convertir sus descubrimientos en intervenciones son investigadores puros cuyo trabajo puede afectar en última instancia a la educación, pero diseñar intervenciones no es su propósito principal. La actividad de los programadores informáticos que están desarrollando y refinando juegos educativos cae dentro del cuadrante de desarrollo tecnológico. En general, buscan construir sistemas que sean eficientes, y construyen sus sistemas para aprovechar los descubrimientos de los científicos cognitivos, pero su trabajo no contribuye a una nueva comprensión.
La matriz de Stokes introduce una categoría de investigación en la que no hay intención de hacer nuevos descubrimientos ni intención de aplicar ningún descubrimiento. Si bien puede parecer un conjunto nulo, hay pasatiempos interesantes y satisfactorios como la observación de aves que caen dentro de este cuadrante. Actividades similares son aquellas en las que los descubrimientos y aplicaciones del conocimiento son para la realización personal y el entretenimiento. La matriz de Stokes también introduce una categoría de actividad en la que el investigador pretende tanto hacer nuevos descubrimientos como aplicar los descubrimientos; calificó esta “investigación inspirada en el uso” y se refirió a ella como el cuadrante de Pasteur. Tal vez recuerden que Louis Pasteur era un biólogo francés del siglo XIX y “quería entender y controlar los procesos microbiológicos que descubrió” (Stokes, 1997 p. 79). El enfoque de Pasteur fue tanto explicar la ciencia natural de estas enfermedades como definir intervenciones que las prevengan. De la misma manera, los gerentes de TI buscan construir sistemas eficaces en sus escuelas y entender qué es lo que los hace así.
En el centro de la investigación inspirada en el uso se encuentra una intervención que está diseñada para resolver un problema. En la administración de TI escolar, las intervenciones incluirán muchos y diversos sistemas de hardware, software y procedimientos y métodos para usar ese hardware y software. Debido a que es foco de investigación, las intervenciones se pueden entender en términos de teoría. La teoría explica lo que se observa, y la teoría predice lo que se observará cuando se cambien los sistemas. Debido a que es el foco del desarrollo tecnológico, se revisan las intervenciones para que se observen los cambios deseados. Los investigadores inspirados en el uso también buscan observar el desempeño de múltiples maneras. Una sola medida no es suficiente para el eficaz administrador de TI cuya planificación y toma de decisiones se basan en investigaciones inspiradas en el uso.
La educación y la investigación forman una situación compleja. La educación es un campo de investigación activa y diversa; la investigación pura, el desarrollo tecnológico, la investigación de acción y la investigación de evaluación contribuyen a la colección emergente de investigación. Además, un curso de investigación educativa forma parte de casi todos los programas de posgrado en la materia, por lo que muchos profesionales de la educación creen que tienen una capacidad sofisticada para utilizar e incluso generar investigación. A pesar de esto, Carro-Chellman y Savoy (2004) observaron que la falta de atención a la evidencia y los datos en la educación llevó a que “muchas innovaciones fueran menos que aceptables o utilizables y rara vez se implementaran efectivamente”, pero concluyeron, “la frustración por la falta de resultados útiles relevantes han llevado a una mayor colaboración esfuerzos para diseñar, desarrollar, implementar y beneficiarse de investigaciones, procesos y productos” (p. 701). Ante esta observación, es razonable concluir que la investigación inspirada en el uso mejorará los esfuerzos de colaboración para que los sistemas informáticos escolares estén diseñados de manera adecuada, apropiada y razonable.