Perché gli educatori dovrebbero misurare l'apprendimento delle analisi?

18 luglio 2017

Come architetto di soluzioni per Leo Learning (uno dei nostri Moodle Partners), Peter Dobinson utilizza i "big data" per misurare i risultati.

Nel suo Presentazione di MoodleMoot UK & Ireland 2017, Peter ha condiviso con noi in che modo gli educatori possono utilizzare l'analisi per misurare l'impatto dell'apprendimento.

Ha anche esplorato come ciò possa migliorare le esperienze di insegnamento e apprendimento. In questo articolo, riassumiamo la presentazione di Peter, che puoi, ovviamente, visualizzare dal link qui sotto.

Quindi cominciamo con ... che cos'è l'apprendimento dell'analitica?

L'analitica di apprendimento è la misurazione, la raccolta, l'analisi e il reporting dei dati degli studenti, che possono quindi essere utilizzati per ottimizzare i risultati di apprendimento.

Perché gli educatori dovrebbero misurare l'apprendimento?

La presentazione di Peter è iniziata con una citazione di Williams Edwards Deming (Ingegnere americano, statistico, professore, noto per aver utilizzato i dati per migliorare i risultati economici dopo la seconda guerra mondiale): "In dio abbiamo fiducia, tutti gli altri devono portare dati".

Peter ha spiegato che gli educatori che non misurano i risultati sono nella migliore delle ipotesi e, nel peggiore dei casi, usano il pregiudizio integrato per forzare l'apprendimento sui loro studenti.

Il valore reale della misurazione dei dati di apprendimento è stato riassunto da Peter come:

  • Prova del ROI e dell'efficacia.
  • Evidenziazione delle aree che trarranno beneficio dall'apprendimento mirato.
  • Prova di successo dell'insegnamento e dell'apprendimento.
  • Con conseguente programmi di apprendimento efficaci.
  • Consentire la personalizzazione dell'apprendimento: ciò significa che gli educatori possono vedere il modo migliore in cui le persone hanno imparato a personalizzare l'apprendimento a loro vantaggio.

Quali sono le obiezioni a Learning Analytics?

Dopo la sua introduzione, Peter ha discusso delle obiezioni generali o più comuni che credeva che gli educatori avessero verso l'apprendimento dell'analitica:

  • Non è un esperimento valido.
    Il mondo accademico ha commentato che le variabili non possono essere controllate, rendendo l'apprendimento dell'analitica un esperimento non valido. Tuttavia, Peter ha sostenuto che sebbene tutte le variabili non possano essere controllate, è possibile identificare una catena di prove che suggerisce una conclusione.
  • È troppo difficile.
    Peter ha suggerito che le persone e gli strumenti giusti lo rendono facile.
  • È troppo caro.
    Sebbene ciò possa accadere in alcune circostanze, sono disponibili strumenti di analisi dell'apprendimento open source economici e gratuiti.

Un modello di Learning Analytics

In Leo Learning, Peter ha descritto un modello che comprende sette passaggi per aiutare gli educatori a identificare come iniziare con l'apprendimento dell'analitica:

  1. Scopri cosa vuoi fare.
    Peter ha suggerito che gli educatori iniziano in piccolo eseguendo un test A / B attraverso due corsi. Ha discusso del vantaggio non solo di misurare l'apprendimento, ma anche di identificare KPI (indicatori chiave di prestazione) per stabilire obiettivi misurabili.
  2. Ottieni acquisti da tutti i livelli dell'azienda.
    Le persone possono avere paura del tracciamento dei dati, quindi è essenziale che tutti i dati vengano comunicati a tutte le parti e che le informazioni vengano utilizzate per migliorare l'accuratezza dell'apprendimento.
  3. Progetta un esperimento.
    Il passo successivo è che gli educatori elaborino ciò che vogliono confrontare, poiché i dati raccolti non sono di alcuna utilità isolatamente. Peter suggerisce che ciò può essere ottenuto identificando risultati quantificabili, ad esempio il split test.
  4. Ottieni i dati.
    Sono stati suggeriti strumenti come xAPI e Caliper perché hanno interfacce portatili in grado di raccogliere dati più complessi di un "passaggio" o "errore".
  5. Misura il tuo impatto e cerca di confutare la tua ipotesi.
    Ricordò Peter #MootIEUK17 partecipanti che sebbene la correlazione non eguagli la causalità, è un buon punto di partenza quando si analizzano i risultati dei dati.
  6. Comunica i tuoi risultati.
    Sebbene Peter abbia sostenuto che non è etico trattenere i risultati, ha ritenuto che fosse importante scegliere attentamente come comunicare i risultati. Ha suggerito di presentare l'unica "grande scoperta" e di "gridare" al riguardo.
  7. Usa i risultati per migliorare ciò che fai.
    Per coloro che non erano sicuri su come utilizzare i risultati per attuare il cambiamento, Peter ha suggerito di cercare l'aiuto di un'azienda che lo fa.

Strumenti pratici per l'apprendimento dell'analisi

Peter ha anche condiviso strumenti che possono essere utilizzati per costruire un ecosistema di apprendimento per l'apprendimento dell'analisi:

  • Moodle
  • Spartiacque
  • Ancora
  • Armadietto di apprendimento
  • gomoLearning
  • app xAPI
  • Kaltura
  • Lectora16
  • SurveyGizmo

Riassumendo la sua presentazione, Peter ha ricordato ai partecipanti tre vantaggi principali dell'utilizzo dell'analitica di apprendimento:

  • Risultati migliori per gli studenti.
  • Risultati migliori per le organizzazioni
  • Giustificazione dei budget attraverso l'apprendimento delle prove analitiche.

Scopri di più sul perché gli educatori dovrebbero misurare l'apprendimento delle analisi, guarda la presentazione completa di Peter di seguito: