Analisi dell'apprendimento
Il processo di identificazione, raccolta, analisi e distribuzione di dati sugli studenti e sul loro ambiente allo scopo di comprendere e, in ultima analisi, migliorare i loro risultati di apprendimento è noto come Learning Analytics. Uno dei modi più efficaci per promuovere l'istruzione è quello di fornire approfondimenti, che a loro volta possono portare a un'esperienza di apprendimento più personalizzata e a un aumento dei risultati degli studenti.
La Learning Analytics è un modo di essere umanizzato che aiuta a imparare con molti modi diversi di apprendere. Le capacità dell'intelligenza artificiale di Learning Analytics non solo aiutano gli insegnanti a vedere quali studenti sono a rischio, ma consentono anche di trovare modi per migliorare il programma di studio. Così, ad esempio, gli insegnanti che notano che alcuni studenti non partecipano attivamente alle lezioni possono utilizzare metodi diversi per coinvolgere questi studenti, facendo aumentare i loro risultati.
I dati per la Learning Analytics vengono raccolti da diverse fonti, tra cui i sistemi di gestione dell'apprendimento (LMS), i sistemi informativi per gli studenti e talvolta anche le piattaforme dei social media. Questi dati possono essere costituiti da registri di interazione, risultati di valutazione e dettagli demografici, che vengono sottoposti ad analisi per comprendere i comportamenti e i risultati dell'apprendimento.
Alcuni strumenti di Learning Analytics generalmente utilizzati sono piattaforme di visualizzazione dei dati come Tableau, piattaforme di apprendimento con funzioni di analisi integrate come Moodle e software specializzati come Brightspace Insights. Con l'aiuto di questi strumenti, anche gli insegnanti possono analizzare con facilità serie di dati ingombranti e scegliere la scelta giusta in base ai dati utilizzabili.
Secondo quanto riferito, l'utilizzo della Learning Analytics può essere ostacolato da vari ostacoli, come i problemi prevalenti di privacy dei dati, l'inadeguatezza delle infrastrutture e l'interpretazione dei dati in modo errato. Ad esempio, la principale preoccupazione di conformarsi alle leggi sul GDPR che entrano in vigore in Europa è quella di proteggere i dati degli studenti; inoltre, alle istituzioni viene chiesto di spendere per una formazione adeguata del personale per analizzare e utilizzare i dati come mai prima d'ora.