Aprender ciencia de datos haciendo
El objetivo de DataCamp es crear la mejor plataforma para aprender ciencia de datos. Nuestra filosofía es que se aprende haciendo: nuestros vídeos de alta calidad, el código en el navegador y la gamificación ofrecen a los estudiantes una experiencia de aprendizaje dinámica sin salir del navegador. Al mismo tiempo, queremos aplicar un enfoque basado en datos a nuestro producto y compartir con el mundo lo que descubrimos sobre cómo se aprende ciencia de datos. En este artículo echamos un vistazo entre bambalinas en DataCamp y compartimos algunas ideas sobre el proceso de aprendizaje en ciencia de datos.
Creación y mantenimiento cualitativo de cursos
Temas de los cursos
El equipo de DataCamp siempre busca los temas más interesantes para crear cursos, y no es fácil decidir con tantos avances y novedades. Por eso intentamos que este proceso sea lo más basado en datos posible: además de analizar las últimas tendencias en ciencia de datos y los lenguajes de programación más demandados por la industria, DataCamp también consulta a su red de instructores, expertos del sector y académicos, para conocer su opinión sobre qué debería incorporarse al programa de formación y cómo debería ser ese curso.
Pero, al final, el centro de DataCamp es el estudiante, y por eso también implicamos activamente a nuestros usuarios en la selección de temas: realizamos entrevistas y encuestas para detectar sus necesidades. Con estos datos y las opiniones de los expertos decidimos no solo el tema, sino también el contenido del curso: así nos aseguramos de que todo lo relevante para el estudiante quede cubierto.
Además, recopilamos los términos que los usuarios introducen en los buscadores del sitio. Con la ayuda de R, analizamos, clasificamos y visualizamos internamente esas búsquedas para que el equipo de desarrollo de cursos de DataCamp las use como punto de partida al planificar el programa de los próximos meses.
Consulta toda la biblioteca de cursos de DataCamp aquí.
Dificultades del estudiante y mejora continua
Pruebas beta
Antes de publicar un curso, DataCamp lo envía a un grupo reducido de usuarios y les pide que tomen notas y den su opinión mediante una encuesta con preguntas abiertas. Esto nos permite hacer los últimos ajustes antes de comunicar a toda la base de usuarios que hay un nuevo curso.
Pistas y soluciones
Definir los temas y hacer una beta con un grupo pequeño es una cosa, pero cuando el curso está en vivo, en DataCamp también prestamos atención a dónde aparecen las dificultades para el estudiante.
¿Sabías que cada vez que pides una pista o una solución, DataCamp recopila ese dato para saber cuántas veces se solicitan pistas o soluciones en los ejercicios? ¡Usamos esa información para mejorar nuestros cursos!
Analizamos los números para ver dónde podemos mejorar: cuando se piden demasiadas pistas o soluciones, identificamos el problema y revisamos los ejercicios. ¿Cómo los mejoramos? Con el feedback de los usuarios. Por ejemplo, en un curso de Kaggle había un ejercicio de construcción de un árbol de decisión en R que resultaba problemático. Al principio, las instrucciones incluían solo un ejemplo muy genérico de cómo construirlo, lo que derivó en un porcentaje alto de peticiones de pistas y soluciones. Con el feedback de los usuarios, el equipo de DataCamp amplió las instrucciones e incluyó tres viñetas adicionales para explicar cómo definir cada parámetro. Así, la tarea quedó más clara y práctica, y la tasa de pistas bajó al 15%, mucho más razonable para el nivel de dificultad. Experiencias e iteraciones como esta nos ayudan a diseñar mejor los futuros cursos del programa de formación en ciencia de datos de DataCamp.
Además, vemos que algunos cursos, como "Introduction to R", plantean menos problemas que cursos de estadística como "Intro to Statistics with R: Multiple Regression", porque los usuarios piden menos pistas y soluciones. En parte es porque el material introductorio es muy guiado, mientras que los cursos más avanzados te dan más libertad para descubrir por tu cuenta: aprender haciendo se nota aún más a medida que avanzas por los cursos de DataCamp. El proceso de mejora debe mantener el equilibrio entre aprender practicando y ofrecer el apoyo que el alumno necesita.
Feedback personalizado
Además de las pistas y soluciones, ya has leído brevemente sobre el feedback personalizado que DataCamp ofrece junto con los retos de código de todos sus cursos. El sistema está planteado para que primero puedas pedir pistas y, como último recurso, recurrir a la solución. Esta última opción se desincentiva, ya que afecta a los XP que obtienes si la usas. Esto empuja a los estudiantes a intentarlo por sí mismos y a desarrollar intuición sobre qué hay que codificar para completar la tarea. Como ventaja adicional, los mensajes de feedback están redactados para que el usuario entienda al momento qué falla en su código, sin tener que descifrar mensajes de error que quizá no le digan nada al principio. Así fomentamos que nuestros estudiantes comprendan el código y, sobre todo, en qué se están equivocando. Eso fortalece el proceso de aprendizaje en ciencia de datos.
Ofrecer este feedback personalizado no fue sencillo: cuando DataCamp empezó, el sistema de feedback estaba en pañales y los mensajes eran demasiado genéricos. Con los años, hemos visto que nuestros usuarios llegan con bagajes y objetivos distintos, lo que exige un enfoque personalizado. Como resultado, el sistema ha mejorado muchísimo y sigue mejorando gracias a las aportaciones de los usuarios: registramos todos los problemas que encuentran durante los cursos y los usamos para la mejora continua tanto de los contenidos como del sistema de feedback.
Tiempo dedicado por ejercicio
Además de seguir el número de pistas y soluciones por curso, DataCamp también analiza con más detalle cómo avanzan los estudiantes por los ejercicios: registramos y estudiamos el tiempo que dedican a cada uno para detectar posibles fricciones en la experiencia de aprendizaje. Como queremos que los estudiantes progresen a un ritmo saludable, esta información también se tiene en cuenta para mejorar continuamente la calidad de los cursos.
Valoraciones de los cursos
Además de medir la dificultad y el tiempo dedicado a los ejercicios para perfeccionar el proceso de creación, en DataCamp también monitorizamos qué cursos gustan más para crear nuevos contenidos que mantengan el interés. Temas que generalmente resultan menos populares son estadística, manipulación de datos y visualización de datos, mientras que los cursos introductorios de programación, el machine learning y los proyectos/estudios de caso funcionan mejor entre los usuarios de DataCamp.
Estas valoraciones, junto con el número de pistas o soluciones solicitadas, nos dan una idea muy clara de qué cursos pueden necesitar un repaso adicional.
Estructura
Tanto si ya eres profesional como si estás empezando tu carrera, el tiempo es limitado y valioso. Por eso, en nuestros cursos indicamos claramente los prerrequisitos que conviene cumplir antes de inscribirte en un curso concreto. Por ejemplo, en el curso Python Data Science Toolbox de DataCamp:
Los prerrequisitos aparecen bien detallados para que sepas qué conocimientos y habilidades se esperan antes de empezar.
Además, hemos dividido los cursos en capítulos y, dentro de ellos, en unidades más pequeñas donde se alternan vídeos y retos de código con feedback. Esta estructura funciona muy bien para aprender ciencia de datos: no solo aporta variedad al programa de formación, sino que también permite avanzar rápido y a buen ritmo, una de las mejores formas de mantener la motivación y el compromiso con el contenido: hay menos abandonos y más ganas de continuar.
Interfaz
La interfaz es una de las piezas clave al enseñar ciencia de datos: desde el principio, DataCamp ha diseñado un entorno en el que puedes programar cómodamente en tu navegador, sin necesidad de instalar RStudio o Python en local. Esto, unido a los vídeos y al feedback personalizado, rebaja mucho la barrera de entrada para principiantes y hace que la experiencia de aprendizaje sea más satisfactoria.
Con los años, hemos introducido cambios para hacerla mucho más interactiva: en la interfaz actual, puedes navegar más fácilmente por el curso, contactar con soporte si detectas problemas técnicos y ver con claridad cuántos XP puedes ganar al completar cada ejercicio.
Itinerarios de aprendizaje
Tanto estudiantes como docentes saben que puede ser un reto encontrar un (conjunto de) curso(s) de ciencia de datos que se ajuste a tus necesidades en calidad, engagement, estilo de aprendizaje… Con tanto donde elegir, es fácil perder de vista tu objetivo y propósito inicial. En particular, muchos estudiantes son profesionales que quieren dar el salto al sector de la ciencia de datos y tienen metas de carrera profesional muy concretas. O ya trabajan en el sector y buscan profundizar en un tema o habilidad específica.
Por eso, DataCamp creó recientemente los itinerarios, que ofrecen una forma estructurada de recorrer los cursos de DataCamp que ya conoces: así podrás concentrarte, paso a paso, en reforzar tus habilidades en ciencia de datos o en avanzar hacia ese objetivo profesional con el que llevas tiempo soñando.
En línea con lo que has leído sobre nuestro proceso de creación y sobre los propios usuarios de DataCamp, estos itinerarios también ayudan a abordar de forma dirigida los temas que más cuestan, para mejorar más rápido y afrontar la curva de aprendizaje.
Echa un vistazo a todos los itinerarios de DataCamp aquí.
Práctica diaria
Diseñar cursos de calidad e itinerarios que mantengan el foco ayuda a escalar la curva de aprendizaje, pero aprender ciencia de datos sigue siendo todo un reto. En DataCamp queremos que puedas aprender cada día y, seamos sinceros, conviene tocar ciencia de datos a diario (aunque sea un poco). El problema habitual es que cuesta mantener fresco todo lo que vas aprendiendo. Por eso, DataCamp ofrece una función de práctica diaria para que puedas controlar qué dominas y qué habilidades te interesa repasar.
El sistema es muy sencillo: al entrar en modo práctica, recibirás desafíos para repasar lo visto en los cursos que has completado. Son cinco ejercicios en distintos formatos (tipo test, completar, …) que te ayudan a fijar contenidos y retener mejor lo aprendido. Si aciertas los cinco, ganas 250 XP. Por supuesto, cada día recibes una serie distinta de ejercicios. Puedes acceder al modo de práctica diaria desde tu panel.
Conclusión
DataCamp está reinventando el aprendizaje y la evaluación en ciencia de datos, y esta es solo una de las muchas formas en que combinamos investigación en educación, las últimas tecnologías y la propia ciencia de datos para llevar el estado del arte un paso más allá.
Si te interesa la educación en ciencia de datos, únete a nosotros para construir el mejor lugar para aprender. Echa un vistazo a nuestras ofertas de empleo.
