Analisis De Aprendizaje

Basada en datos de análisis de las actividades de aprendizaje y entornos
Impacto: medio / alto
Tiempo de realización: Media (2-5 años)

Análisis aprendizaje han surgido durante la última década en el campo mucho más amplio de análisis de datos. Dado que las empresas establecer sus operaciones en Internet, vieron el potencial del 'big data': los conjuntos de datos extensos producidos por la interacción en línea. Con el fin de aumentar los ingresos y cuota de mercado, desarrollaron análisis de negocios. Amazon, por ejemplo, utilizó los patrones de compra de los clientes y personal subalterno para desarrollar su motor de recomendaciones de gran alcance, supermercados introdujo las tarjetas de fidelización para rastrear el comportamiento del comprador y, más polémico, las compañías de seguros comenzaron a recolectar datos de estilo de vida con el fin de estimar la esperanza de vida.

La introducción de los entornos virtuales de aprendizaje (VLE) trajo grandes volúmenes de datos a la educación. Esto llevó a la aparición de la minería de datos educativos (EDM) en el campo más amplio de análisis de datos, como los informáticos y estadísticos comenzó a tratar de extraer valor de estos conjuntos de datos nuevos. Ellos fueron capaces de aplicar bien establecidas las técnicas de minería de datos para cosechar y preparar los datos, y para investigar las características que podrían ser identificados de forma automática. El análisis de agrupamiento y clasificación ha permitido distinguir entre novatos y expertos en situaciones de aprendizaje, el método de asociación de minería regla identificado características comunes de los estudiantes que hicieron bien o que abandonaron, y la minería patrón secuencial se utiliza para identificar las rutas tomadas por los alumnos como que se abrieron camino a través de los materiales del curso.

Estos primeros datos, enfoques basados ​​en la pedagogía eran neutral - no se basaron en teorías sobre métodos eficaces de enseñanza y aprendizaje. Esto cambió cuando el aprendizaje en línea y se mezcla se hizo más generalizado y los investigadores empezaron a aplicar las ideas de las ciencias del aprendizaje a su trabajo. La introducción del análisis de redes sociales para el conjunto de herramientas de minería de datos marcó un cambio hacia un enfoque más impulsado por la teoría. Analistas de redes sociales fueron informados por los puntos de vista de Vygotsky, que argumentaron que el aprendizaje tiene lugar a través de la negociación social, y por el trabajo de Wenger en las comunidades de práctica.

En los últimos cinco años, las preocupaciones políticas han hecho de este campo más destacado y han llevado a la preocupación que ha sido exageradas. Los partidos políticos de Estados Unidos ha estado creciendo cada vez más preocupados de que la evaluación comparativa internacional estaba mostrando normas educativas de Estados Unidos deslizamiento, reduciendo así su capacidad futura para competir con otros países. Una serie de informes y artículos de la fundación con sede en EDUCAUSE sugirieron que el análisis podría ofrecer una solución que ayuda a aumentar la retención escolar y las tasas de éxito. Estos atraído interés político y la financiación de la zona comenzaron a aumentar. EDUCAUSE trabajado duro para establecer la importancia de los análisis y también para aclarar los términos utilizados para describirlos.

Para el 2008, la minería de datos educativa era un campo establecido con la sociedad internacional, la revista y conferencia anual. Seguía siendo impulsada por los datos, con un énfasis en el desarrollo de herramientas y algoritmos. Analytics, por otro lado, estaban ahora claramente centrado en el aprendizaje y la enseñanza. Una diferencia más evidente se hace ahora entre "análisis académicos" y "análisis de aprendizaje". Análisis académicos se centran en las necesidades de la institución, como el aumento de la contratación, la retención y la tasa de aprobación. Analítica de aprendizaje se refiere a las necesidades de los alumnos y los profesores y lo que se centran en la comprensión y el aprendizaje y la optimización de los entornos en los que se desarrolla.

El ejemplo actual buque insignia de la analítica del aprendizaje es el proyecto dirigido por señales de Purdue University, situada al sur de Chicago. Las señales son evaluaciones formativas presentadas a los estudiantes en tiempo real - no hay que esperar hasta el final de la semana o el fin del semestre para recibir retroalimentación. El proyecto ha atraído financiamiento de la Fundación Gates y, a través de asociaciones comerciales, señales está siendo empleado en otras universidades de Estados Unidos.

Señales recoge datos sobre las características de los estudiantes, tales como formación académica, el esfuerzo según lo indicado por el compromiso con elementos en línea del curso, y el rendimiento que se refleja en sus calificaciones. Información acerca de la preparación, el rendimiento y el esfuerzo se combinan para generar señales. Estos se presentan como los semáforos: verde indica una señal de que todo está bien, ámbar sugiere algunas áreas de preocupación, y banderas rojas hasta problemas significativos. Estos colores no se presentan a los estudiantes y tutores de manera aislada, sino que también provocan mensajes e intervenciones.

Purdue informa de una fuerte relación entre el uso de señales y tasas de retención. Cuando los estudiantes se matriculan en cursos sin señales de la tasa de retención es del 70%, cuando se matriculen durante uno o dos cursos con señales de la tasa de retención es significativamente mayor, y cuando se matriculen por tres o más cursos con señales de la tasa de retención se eleva al 93%. La retroalimentación de los estudiantes sugiere que la mayoría considera que obtuvieron una calificación más alta como resultado del proyecto de Señales.

p27%20snapp.bmp

Otro ejemplo de la analítica de aprendizaje es SNAPP. La Universidad de British Columbia está utilizando esta herramienta para proporcionar visualizaciones en tiempo real de la actividad foro, demostrando que se está comunicando con quién ya qué nivel. SNAPP integra comunes VLEs comerciales y de código abierto, incluyendo la versión estándar de Moodle. Puede ser utilizado para identificar a los estudiantes que están desconectados y por lo tanto en riesgo, a seleccionar los corredores principales de información dentro de una clase, para encontrar a los estudiantes potencialmente de alto y bajo rendimiento para que los maestros puedan planificar mejor las intervenciones, y para mostrar hasta qué punto una comunidad de aprendizaje se desarrolla en un curso. También puede apoyar la reflexión sobre la práctica - que muestra, por ejemplo, cuando el personal ha centrado la atención en ciertos grupos o individuos cuando han dominado interacción supuesto.

Organizaciones de educación a distancia están bien situados para explotar analítica para el aprendizaje, basándose en el aprendizaje y la enseñanza de los conjuntos de datos detallados que se han acumulado durante muchos años. Investigadores de la Universidad Abierta está tomando el liderazgo en las áreas relacionadas con el análisis del aprendizaje social, análisis visual, análisis de aprendizaje para la accesibilidad y el intercambio de datos abiertos y enlazados. Ahora, el reto es reunir conjuntos de datos y conocimientos de dentro y fuera de la institución, a fin de aplicar potentes herramientas de análisis que tienen un impacto positivo y medible en el aprendizaje y la enseñanza.

Recursos

Señales de la Universidad de Purdue sistema:
Herramienta SNAPP presentación de datos en línea para estudiantes de red en un fácilmente interpretable de interfaz de usuario: http://research.uow.edu.au/learningnetworks/seeing/snapp/index.html

Conciencia LOCO-Analista maestros creciente "del proceso de aprendizaje ocurre en sus clases: http://jelenajovanovic.net/LOCO-Analyst/
GISMO estudiante monitoreo y seguimiento del sistema: http://gismo.sourceforge.net/index.html

Moodog que muestra a los profesores como los estudiantes interactúan con los materiales del curso en línea: Zhang, H. and Almeroth, K. (2010). Moodog: Tracking Student Activity in Online Course Management Systems, Journal of Interactive Learning Research, 21(3), 407-429.

Check My Activity (CMA), que permite a los estudiantes a comparar su propia actividad en la pizarra en contra de un resumen anónimo de sus compañeros de curso: Fritz, J. (2011). Classroom walls that talk: Using online course activity data of successful students to raise self-awareness of underperforming peers, The Internet and Higher Education, 14 (2), 89-97.

Blackboard Learn Analytics para el módulo, diseñado para ayudar a los usuarios a tener una idea de la actividad del usuario, diseño de cursos y de los datos de desempeño del estudiante: http://www.blackboard.com/Platforms/Analytics/Products/Blackboard-Analytics-for-Learn.aspx

Sociales analítica de aprendizaje:
Buckingham Shum, S. and Ferguson, R. (2011). Social Learning Analytics. Technical Report KMI-11-01, Knowledge Media Institute, The Open University, UK. http://kmi.open.ac.uk/publications/pdf/kmi-11-01.pdf

Unless otherwise stated, the content of this page is licensed under Creative Commons Attribution-ShareAlike 3.0 License