Learning Analytics

Ορισμοί

Eίναι η μέτρηση, συλλογή, ανάλυση και παρουσίαση των δεδομένων σχετικά με τους μαθητές, με σκοπό την κατανόηση και τη βελτιστοποίηση της μάθησης και το περιβάλλον στο οποίο εμφανίζεται.

Το θέμα είναι δομημένο σε έξι κρίσιμες διαστάσεις, όπως παρουσιάζεται στο παρακάτω διάγραμμα. Κάθε μία από αυτές τις διαστάσεις διαθέτει στοιχεία που δίδονται παραδειγματικά στ0 εσωτερικό  του κύκλου. Αυτά είναι μόνο τυπικά παραδείγματα και δεν είναι μια πλήρης λίστα των στοιχείων. Οι έξι διαστάσεις είναι:

  1. Ενδιαφερόμενοι – συμμετέχοντες
  2. Σκοποί και Στόχοι
  3. Εκπαιδευτικά στοιχεία
  4. Μεθοδολογίες – μέθοδοι και τεχνολογίες
  5. Περιορισμοί
  6. Αρμοδιότητες.

Learning-Analytics

Ο ορισμός και τοι στόχοι αμφισβητούνται. Ένας προηγούμενος ορισμός, που συζητήθηκε από την κοινότητα πρότεινε, ότι Learning analytics, είναι η χρήση των ευφυών δεδομένων που παράγονται για το μαθητή, καθώς και τα μοντέλα ανάλυσης για να δημιουργήσουν πληροφορίες και κοινωνικές δια-συνδέσεις, με στόχο την πρόβλεψη και την παροχή συμβουλών μάθησης.

Μια άλλη συστηματική επισκόπηση των βασικών εννοιών του παρέχονται  [Chatti et al. (2014)], μέσω ενός μοντέλου αναφοράς βασίζεται σε τέσσερις διαστάσεις:

  1. Δεδομένα, περιβάλλον, το πλαίσιο (τι;),
  2. Ενδιαφερόμενα μέρη (ποιος;),
  3. Στόχοι (γιατί;),
  4. Μέθοδοι (πώς;).

Έχει επισημανθεί ότι υπάρχει μια ευρεία συνειδητοποίηση των Learning Analytics σε όλα τα εκπαιδευτικά ιδρύματα, αλλά ο τρόπος με τον οποίο ορίζονται και υλοποιούνται μπορεί να διαφέρει. Στη συνέχεια καταγράφονται  ορισμένοι τρόποι αξιοποίησης:

  • για μεμονωμένους μαθητές ώστε να προβληματιστούν σχετικά με τα επιτεύγματα και τα πρότυπα συμπεριφοράς σε σχέση με τους άλλους,
  • για μαθητές οι οποίοι χρειάζονται επιπλέον υποστήριξη και προσοχή,
  • για να βοηθήσουν τους εκπαιδευτικούς και να υποστηρίξουν το επιτελικό σχέδιο για τις παρεμβάσεις με άτομα και ομάδες,
  • για λειτουργικές ομάδες που επιδιώκουν να βελτιώσουν το τρέχοντα τρόπο – μέθοδο διδασκαλίας αναπτύσσοντας και εμπλουτίζοντας το πρόγραμμα σπουδών.

Λογισμικό 

Μεγάλο μέρος του λογισμικού που χρησιμοποιείται σήμερα για analytics μάθησης «αντιγράφουν» τη λειτουργικότητα του λογισμικού web analytics, αλλά εφαρμόζει τις αλληλεπιδράσεις μαθητή με το περιεχόμενο. Εργαλεία ανάλυσης των κοινωνικών δικτύων χρησιμοποιούνται συνήθως για τη χαρτογράφηση των κοινωνικών συνδέσεων και συζητήσεων. Μερικά παραδείγματα της μάθησης εργαλεία analytics λογισμικού:

  • Snapp: Ένα εργαλείο  που οραματίζεται το δίκτυο των αλληλεπιδράσεων που προκύπτουν από τη συζήτηση θέσεις φόρουμ και απαντήσεις.
  • LOCO-Analyst: ένα εργαλείο ανάλυσης των μαθησιακών διαδικασιών που λαμβάνουν χώρα σε ένα web-based περιβάλλον μάθησης.
  • SAM – (Student Activity Monitor) – (Μαθητής, Δραστηριότητα, Monitoring) το οποίο προορίζεται για Περιβάλλοντα Προσωπικής Μάθησης.
  • BEESTAR Insight: Ένα σύστημα σε πραγματικό χρόνο που συλλέγει αυτόματα ατοιχεία μαθητών από την εμπλοκή τους σε δραστηριότητες και παρέχει εργαλεία ανάλυσης και πίνακες για τους μαθητές, τους εκπαιδευτικούς και τη διαχείριση της μάθησης.

Κριτική

Η ηθική της συλλογής δεδομένων, της ανάλυσης, της υποβολής εκθέσεων και της λογοδοσίας έχει προταθεί ως μια πιθανή ανησυχία για Learning Analytics . Οι ανησυχίες που εγείρονται αφορούν:

Την ιδιοκτησία των Δεδομένων.

  • Η Επικοινωνία γύρω από την έκταση και το ρόλο των LearningAnalytics
  • Ο ρόλος του ανθρώπινου παράγοντα ανατροφοδότησης και διόρθωσης σφαλμάτων στα συστήματα αυτά.
  • Η κοινή χρήση δεδομένων μεταξύ των συστημάτων, των οργανώσεων και των ενδιαφερόμενων φορέων.
  • Το μεγάλο εύρος των δεδομένων, που πιθανώς να προέρχεται και απόκαταγραφή δραστηριοτήτων, εγγραφές μαθητών – σπουδαστών, συμμετοχή, αναθέσεις εργασιών, και άλλες λεπτομερειακές πληροφορίες.

Συστήματα αλληλεπιδράσης

  • Διαθέτουν μηχανισμούς ανάδρασης;
  • Προσφέρουν αξιόπιστη ταυτοποίηση όπως ο τομέας και κοινές υπηρεσίες και τα κοινωνικά δίκτυα;
  • Λαμβάνουν υπόψη τους τη πολυπλοκότητα της νομικής και ηθικής κατάστασης;

Εκπαίδευση

Βασικά ζητήματα της διαχείρισης μάθησης, συμπεριλαμβανομένων των κοινωνικών και τεχνολογικών επιδόσεων.
Κίνητρα για την ανάπτυξη, σε συνδυασμό με το εταιρικό, ατομικό και γενικό καλό.
Προσδοκία για αποτελεσματική επιχειρηματική πρακτική, κοινωνικών δεδομένων, και των πολιτιστικών πτυχών μιας παγκόσμιας πελατειακής βάσης.

Πηγές:

  1. Eli (2011). «Seven Things You Should Know About First Generation Learning Analytics.». EDUCAUSE Learning Initiative Briefing.
  2. Long, P. and Siemens, G., (2011). «Penetrating the fog: analytics in learning and education.». Educause Review Online 46 (5): 31–40.
  3. Buckingham Shum, Simon (2012). Learning Analytics Policy Brief. UNESCO.
  4. Siemens, George. “What Are Learning Analytics?” Elearnspace, August 25, 2010. http://www.elearnspace.org/blog/2010/08/25/what-are-learning-analytics/
  5.  Greller, Wolfgang; Drachsler, Hendrik (2012). «Translating Learning into Numbers: Toward a Generic Framework for Learning Analytics.» (pdf). Educational Technology and Society 15 (3): 42–57.
  6. Chatti, M. A., Lukarov, V., Thüs, H., Muslim, A., Yousef, A. M. F., Wahid, U., Greven, C., Chakrabarti, A., Schroeder, U. (2014). Learning Analytics: Challenges and Future Research Directions. eleed, Iss. 10. http://eleed.campussource.de/archive/10/4035
  7. Powell, Stephen, and Sheila MacNeil. Institutional Readiness for Analytics A Briefing Paper. CETIS Analytics Series. JISC CETIS, December 2012. http://publications.cetis.ac.uk/wp-content/uploads/2012/12/Institutional-Readiness-for-Analytics-Vol1-No8.pdf.
  8. C. Brooks. A Data-Assisted Approach to Supporting Instructional Interventions in Technology Enhanced Learning Environments. PhD Dissertation. University of Saskatchewan, Saskatoon, Canada 2012.
  9. Ferguson, Rebecca. The State of Learning Analytics in 2012: A Review and Future Challenges. Technical Report. Knowledge Media Institute: The Open University, UK, 2012. http://kmi.open.ac.uk/publications/pdf/kmi-12-01.pdf
  10. Cooper, Adam. A Brief History of Analytics A Briefing Paper. CETIS Analytics Series. JISC CETIS, November 2012. http://publications.cetis.ac.uk/wp-content/uploads/2012/12/Analytics-Brief-History-Vol-1-No9.pdf.
  11. Buckingham Shum, S. and Ferguson, R., Social Learning Analytics. Educational Technology & Society (Special Issue on Learning & Knowledge Analytics, Eds. G. Siemens & D. Gašević), 15, 3, (2012), 3-26. http://www.ifets.info Open Access Eprint: http://oro.open.ac.uk/34092
  12. Brown, M., Learning Analytics: Moving from Concept to Practice. EDUCAUSE Learning Initiative Briefing, 2012. http://www.educause.edu/library/resources/learning-analytics-moving-concept-practice
  13. Slade, Sharon and Prinsloo, Paul «Learning analytics: ethical issues and dilemmas» in American Behavioral Scientist (2013), 57(10), pp. 1509-1528. http://oro.open.ac.uk/36594
  14. Kay, David, Naomi Kom, and Charles Oppenheim. Legal, Risk and Ethical Aspects of Analytics in Higher Education. Analytics Series. Accessed January 3, 2013. [1]
  15. http://portal.ou.nl/en/web/topic-learning-analytics/home/-/wiki/Main/Learning%20Analytics%20framework