Analyysi oppimisen (in Englanti, oppimisen analytiikan , joka on myös käännetty "oppimisen analytiikan" tai "analyysi koulutus") on kurinalaisuus omistettu mittauksen, kerääminen, analysointi ja esittäminen tietoperusteisissa raportit oppijoiden oppimiskonteksti tavoitteena oppimisen ja kontekstin ymmärtäminen ja optimointi .
Verkkopalvelujen ja työkalujen, erityisesti Moodlen kaltaisten oppimisympäristöjen , käytön jäljet ovat ensisijainen oppimistiedon lähde. Nämä tiedot sisältävät työistuntojen lukumäärän ja keston, luettelon käytetystä sisällöstä ja testien tulokset. On myös mahdollista tunnistaa sovellusten, kuten toimistoautomaatiotyökalujen tai elektronisten käsikirjojen, käytön jäljet.
Fyysisten tietojen keräämiseen voidaan käyttää myös useita laitteita:
Tämä luettelo laitteista saattaa tuntua häiritsevältä. Todellisuudessa rajoitettu määrä lähteitä valitaan haluttujen sovellusten mukaan.
Itse asiassa se on ennen kaikkea liiketoimintatiedon koulutustekniikoiden , kuten tiedonlouhinnan ja sosiaalisten verkostojen analyysin, soveltaminen maailmaan .
Kaksi menetelmää suositellaan oppimisen seurannan, verkkotyökalujen ja -palvelujen käytön aikana kerättyjen tietojen koodaamiseksi:
· XAPI , ADL: n kehittämä standardi, ryhmä, joka suositteli oppimisjaksojen pakkaamista SCORM- muodossa ;
· Paksuus, IMS: n kehittämä standardi .
Nämä standardit ehdottavat tietojen koodaamista RDF-kolmoisten muodossa muodossa "aihe-predikaatti-objekti" + konteksti. Esimerkiksi :
· Oppija suoritti luvun 3 online-lukemisen 20 minuutissa;
· Oppija vastasi "kyllä" testin numero 2 kysymykseen 3;
· Oppija on lukenut luvun 3 loppuun matkustellessaan Montrealin saarella.
Lisäksi nämä koodaukset tarjoavat hallittuja sanastoja yhteentoimivuuden varmistamiseksi. Nämä lauseet tallennetaan oppimislausekemyymälään (johon viitataan lyhenteellä LRS - Learning Record Store ). Raakatietojen, kuten syke, ääni tai video, suoran tallennuksen tulokset on käsiteltävä ennen niiden tallentamista tähän muotoon. Siten leposykkeelle voidaan määrittää lähtötaso, muut tiedot luokitellaan sitten vastaavasti. Muun tyyppiset tiedot, esimerkiksi ryhmäkeskustelujen luonne, ihmisten on ennalta koodattava ennen niiden tallentamista.
Kun oppijalla on pääsy hallintapaneeliin, joka kuvaa hänen edistymistään ja tilannettaan suhteessa ryhmän jäseniin, hän pystyy osallistumaan reflektiiviseen prosessiin, joka motivoi oppimista.
Kun riskitekijät on tunnistettu, oppimisanalytiikka auttaa kohdentamaan merkittäviä viivästyksiä verkkotoiminnoissa ja ilmoittamaan niistä sekä epätyydyttävistä arviointituloksista, jotka viittaavat oppijan tai opettajan toimintaan. Toisaalta jotkut kritisoivat tätä käyttöä, joka on keskittynyt epäonnistumisten estämiseen, eikä toimenpiteitä, joiden tarkoituksena on tarjota tukea henkilökohtaisten kurssiehdotusten muodossa tai osallistua tukiryhmään.
Tiettyjen profiilien havainnointi voi antaa mahdollisuuden epäillä vaikeuksia, kuten fyysisiä tai kognitiivisia haittoja. Tämän jälkeen opettajalle voidaan lähettää varoitus vahvistamaan tämä hypoteesi ja ohjaamaan opiskelija sopiviin resursseihin.
Digitaalisten resurssien käytön seuraaminen koko kurssin ajan sekä tämän käytön ja testipisteiden välinen yhteys antavat opettajalle mahdollisuuden säätää oppimisjaksoja. Laajemmassa mittakaavassa voimme vahvistaa tiettyjen matalaan tai riskiryhmään luokiteltujen oppijoiden ohjaamisen vaikutuksen valmisteleviin kursseihin vertaamalla heidän tuloksiaan suoraan opiskelijoiden tuloksiin.
Opettajan ja opiskelijan vuorovaikutuksen video- ja äänitallenteiden analyysi voi antaa hyödyllistä palautetta oppimismenetelmän käytöstä sekä opettajan tarjoamasta helpotuksesta ja tuesta. Tämän lähestymistavan tulisi johtua henkilökohtaisesta kehitysprosessista, eikä sitä tulisi koskaan käyttää hallinnon arviointiin.
Laaja valikoima tiedonkeruulaitteita samoin kuin tiedonkoodausten yhteentoimivuus tarjoavat tutkijoille mahdollisuuden tutkia, vertailla ja arvioida aiheeseen liittyvän opetusmenetelmän ja sisällön valintaa. Kasvatustutkimuksen alaa kehotetaan rikastumaan huomattavasti näillä uusilla työkaluilla ja uusilla menetelmillä.
Monet tiedonkeruulaitteet liittyvät tietokoneiden käyttöön ja läsnäoloon verkossa. Oppimista tapahtuu kuitenkin myös luokkahuoneessa, mutta myös jokapäiväisessä elämässä. Oppimisanalyysiin käytetty data on vain murto-osa, joka voidaan havaita tietyssä kontekstissa. Lisäksi perinteinen oppimismitta heijastuu tutkintotodistusten ja pisteiden muodossa. Siinä ei oteta huomioon kaikkea tiedon ja taitojen parantumista, joka liittyy yksilön kasvuun.
Suurin osa sovelluksista käyttää opettajaa välittämään viestejä ja ilmoituksia oppimisen viivästyksistä ja vaikeuksista. Kun on kyse luokan koontinäytön tulkitsemisesta, jotkut ihmettelevät, onko opettaja riittävän koulutettu luomaan suhteita tietojen esityksen ja havaitun käyttäytymisen välillä. Tämä keskustelu ei ole uusi, koska se pätee myös koulutussuunnittelua koskeviin keskusteluihin .
Hallinto-, oppimis- ja henkilötietojen risteys on merkittävä uhka oppijoiden yksityisyydelle. Tietojen kerääminen on tietysti oppilaitokselta odotettavan koulutustuen ydin. Ja suorituskykyyn suuntautuneet opiskelijat ovat innostuneita näistä palautetyökaluista.
Lisäksi suurin osa hallituksista on antanut yksityisyyden suojaa koskevia lakeja [2]. Näiden lakien mukaan suostumus on saatava henkilöltä, jolta tietoja kerätään ja tallennetaan. Niiden säilyttämisen tarkoitus ja kesto on myös ilmoitettava.
Useat lait, mukaan lukien yleinen tietosuoja-asetus , antavat myös oikeuden tutustua omasta henkilöstään kerättyihin tietoihin, pyytää korjauksia tai tietojen poistamista.