Analítiques d'aprenentatge

De Viquipèdia
Salta a: navegació, cerca

Analítiques d'aprenentatge és la mesura, recopilació, anàlisi i presentació de dades sobre els estudiants i els seus contexts, amb la finalitat de comprendre i optimitzar l'aprenentatge i l'entorn on es produeix. Es relaciona amb el camp mineria de dades educativa perquè comparteixen un mateix objectiu: millorar la pràctica educativa.

Què entenem per analítiques d'aprenentatge?[modifica | modifica el codi]

Segons EDUCAUSE [1] l'analítica d'aprenentatge és l'ús de dades i models per predir el progrés i el rendiment dels estudiants i la capacitat d'actuar sobre aquesta informació.

Segons George Siemens, les analítiques d'aprenentatge es refereixen a la interpretació d'un ample rang de dades produïdes i recollides dels estudiants per orientar sobre la seva progressió acadèmica, predir actuacions futures i identificar elements problemàtics. Les dades es recullen a partir d'accions explícites, com completar tasques i realitzar exàmens però també ( i en això està la novetat) de les actuacions tàcites, de les interaccions socials en línia, activitats extracurriculars... En el context del congrés 2011 Learning and Knowledge Analytics (LAK11) es diu que és la mesura, recopilació, anàlisi i presentació de dades sobre els estudiants i els seus contexts, amb la finalitat de comprendre i optimitzar l'aprenentatge i l'entorn on es produeix.[2]

Segons Santamaria[3] l'anàlisi d'aprenentatge utilitza conjunts de dades educatives dels sistemes digitals d'aprenentatge, d'administració i socials per a analitzar la posició de l'aprenent i per benefici i com a automillora de l'eficàcia de l'aprenentatge a través de la retroalimentació/feedback i la predicció.

Segons Gros, les analítiques d'aprenentatge consisteixen en la interpretació d'un ampli espectre de dades produïdes i recollides sobre els estudiants per orientar la seva producció acadèmica, predir accions futures i identificar elements problemàtics. L'objectiu de la recol·lecció, registre, anàlisis i presentació d'aquestes dades és possibilitar que els professors puguin adaptar de manera ràpida i eficaç les estratègies educatives que millor s'adaptin als alumnes.[4]

Diferència entre analítiques d'aprenentatge i Mineria de dades educativa ( EDM)[modifica | modifica el codi]

No és fàcil diferenciar clarament aquests dos camps. Sovint aquests dos termes han generat discussió i controvèrsia pels investigadors.

Siemens defensa que la mineria de dades educatives abasta tant les analítiques d'aprenentatge com les anàlisis acadèmiques. Ell considera que la EDM inclou les anàlisis d'aprenentatge així com l'anàlisi acadèmica, que ell mateix descriu com les dades sobre l'aprenentatge i dades sobre trets relacionats amb l'aprenentatge, l'administració, la investigació.

Segons Santamaria l'EDM és un dels possibles mètodes que es poden utilitzar per les analítiques d'aprenentatge però no l'únic. Santamaria ens diferencia els següents mètodes d'analítiques :

Aportacions als procés d'ensenyament-aprenentatge[modifica | modifica el codi]

  • La informació aportada per les analítiques permet personalitzar l'acció formativa i dissenyar entorns d'aprenentatge més ajustats a les necessitats, interessos i formes d'interacció dels alumnes.
  • El registre dels processos d'aprenentatge permet centrar l'atenció en el disseny del procés educatiu en lloc de fer-ho únicament en els materials.
  • El registre estadístic de les activitats dels docents i dels estudiants permet identificar punts conflictius en el procés d'ensenyament-aprenentatge per així poder-los afrontar i solucionar.tot assistint a la seva contínua millora.

Software[modifica | modifica el codi]

Alguns exemples de software per les analítiques d'aprenentatge:

SNAPP - una eina d'anàlisis d'aprenentatge que permet visualitzar la xarxa d'interaccions que resulten dels missatges i respostes en els fòrums de discussió.

Segons Reig [5] SNAPP és una eina que permet als usuaris visualitzar la xarxa d'interaccions resultant de la participació en fòrums de discussió, Les visualitzacions de la xarxa en fòrums proporcionen una oportunitat pels professors per identificar patrons de comportament d'usuari, en qualsevol moment durant la progressió del curs. Treballa amb diversos LMS open source, com BlackBoard ( inclòs el seu antecessor, Webct) i Moodle. Moltes de les dades generades des de diferents LMS ( sistemes de software gestor de continguts en elearning) inclouen informes del nombre de sessions ( log-ins), temps de connexió, nombre de descargues que poden tenir sentit des d'un model vertical, basat en el contingut, individual, tradicional en definitiva, d'ensenyança.

Avui, en un escenari d'aprenentatge social constructivista augmentat [6] a través de les possibilitats de xarxes socials es necessiten altre tipus de mètriques: qui respon a qui, a quin nivell es comuniquen els membres, quines són les discussions que més interès generen... tot dibuixat en diagrames de xarxes.


LOCO-ANALYST - una eina per l'anàlisi dels processos d'aprenentatge que tenen lloc en un ambient d'aprenentatge basat en la web.

SAM - un monitor d'activitat estudiantil. Eina destinada a entorns d'aprenentatge personals.·        ·      

BEESTAR INSIGHT - un sistema en temps real que recull automàticament la participació i assistència de l'estudiant .Proporciona eines d'anàlisi

ORANGE, és un software per la mineria de dades i aprenentatges automàtics basat en un programari visual molt fàcil i potent.

NEURAL DESIGNER - és un programari informàtic de mineria de dades basat en la tècnica de les xarxes neuronals.

RAPIDMINER - s'utilitza en tasques de la mineria de dades. Aquestes tasques tant poden ser utilitzades a nivell experimental com en el món real. Aquest sofware abans era conegut amb el nom de YALE.

WEKA - és un software per maquinàries d'aprenentatge, les quals utilitzen tasques bàsiques de mineria de dades, especialment tasques com; processament de dades, agrupament, classificació, regressió i visualització.

KNIME - és una plataforma de codi obert, la qual és fàcil d'entendre i d'utilitzar per integrar dades, processar-les i realitzar anàlisis i exploracions.


Amb quina finalitat?[modifica | modifica el codi]

Recordant la frase de Peter Drucker " Todo lo que se puede medir se puede mejorar". Si volem millorar ens calen dades. Amb informació i reflexió podrem crear coneixement, podrem crear valor. Cal doncs  conèixer aquest nou camp per poder  millorar la pràctica educativa, ja que et dóna aquesta retroalimentació tant necessària.

També com apunta Reig aquesta tendència és molt coherent en l'escenari actual d'aprenentatge social constructivista, ja que per una banda ens permet recollir informació de la creativitat, patrons de comportament i interaccions socials i  per l’altra propicia aquesta autonomia i la idea DO it yourself, característiques bàsiques en l’aprenentatge en l’era WEB.

Segons Reig [7] l'ús d'aplicacions d'analítiques de dades que es generen en interactuar a les xarxes, plataformes, entorns pot significar:

  • Per l'estudiant, el reflex dels seus assoliments i patrons de comportament en relació amb els altres.
  • Predictors del fet que els estudiants necessiten un suport extra. En un context de "flipped classroom", de sessions online on s'aprenen els continguts i sessions presencials per personalitzar, orientar i resoldre dubtes, el feedback resulta fonamental.
  • Ajuda a professors i gestors de la formació a planificar accions formatives o millores futures. En un context de " data com el petroli del s. XXI " podrem oferir millor formació, més adaptada a les necessitats i peculiaritats del nostre públic, si el coneixem millor.

Mètode[modifica | modifica el codi]

Les analítiques d'aprenentatge segueixen 4 passos bàsics:[8]

  • Recollida de grans quantitats de dades des de múltiples canals - incloent i no limitat als entorns d'aprenentatge en línia, socials, telèfons i pot ser en un futur als jocs.
  • Traduir aquestes dades en informació processable. Es pot fer un seguiment del comportament ( idioma, àrees d'estudi on mostra més debilitat.... entre altres).
  • Personalització i adaptació - Una vegada que el sistema rep el senyal es pot personalitzar l'ambient d'aprenentatge de cada estudiant. Per exemple si un estudiant passa molt més temps intentant resoldre un problema comparant-ho amb els altres estudiants, el sistema pot mostra indicacions i pistes per mantenir-lo en l'activitat, en temps real. Aquest aspecte és molt important perquè quan un estudiant rep retroalimentació és més fàcil que s'aconsegueixi l'aprenentatge.
  • Predicció del millor curs en el futur. Els mestres podran realitzar un seguiment del que funciona i del que no ho fa. S'afavoreix la personalització.

Referències[modifica | modifica el codi]

Vegeu també[modifica | modifica el codi]

Enllaços externs[modifica | modifica el codi]