Читать книгу Корпоративное обучение для цифрового мира - Коллектив авторов, Ю. Д. Земенков, Koostaja: Ajakiri New Scientist - Страница 5

Аналитика обучения, или учебная аналитика, (learning analytics) – измерение, сбор, анализ и представление данных об обучающихся и образовательной среде с целью понимания и оптимизации обучения и условий, в которых оно происходит[6].

Задачи учебной аналитики[7]

Связь учебной аналитики и анализа образовательных данных[8]

Связь учебной аналитики и бизнес-аналитики по уровню принятия решений (HR analytics / people analytics / talent analytics / T&D analytics – в зависимости от детализации)

• Для бизнес-аналитики – запрос со стороны бизнеса (ключевое – бизнес-ценность).

• Для учебной аналитики – запрос со стороны учебного процесса (ключевое – «понимание и оптимизация обучения и окружения»).

Деление не всегда может быть жестким, скорее несколько разные уровни абстракций.

Построение модели обучающегося на основе больших данных (model based on big data)

Источники доказательств

Взаимодействие с образовательными ресурсами

Показатели взаимодействия во время обучения, включая: манеру навигации, ответы на упражнения и тесты, типы совершаемых ошибок, временные характеристики, связанные с деятельностью студента во время обучающих мероприятий

Прошлая деятельность

Ретроспективные показатели прошлой деятельности обучающегося, раскрывающие усвоение идей, навыков или компетенций на текущий момент

Административные данные

Показатели периферийного контекста: преподаватель, школа, район, местная община или государство (на основании административных данных)

Эмоциональное состояние

Ближайшие показатели, относящиеся к обучению, например: эмоциональное состояние, качество сна, показатели питания

Социальные показатели

Показатель взаимодействия учащегося с другими учениками и преподавателем в процессе обучения или с записанной речью (со всеми ее разнообразными свойствами, например семантическим содержанием, просодией и т. д.)

Предпочитаемые обучающие медиа или жанры

Ретроспективные показатели предпочтительных для обучающегося медиа или жанров в тех случаях, когда выбор был возможен

Демографическая информация

Показатели периферийного контекста: демографическая информация об учащемся

Социальные связи

Показатели ближайшего контекста, такие как социальные отношения и данные о социальных связях

Тип мышления

Данные из анкеты или самоотчета относительно того, как учащийся устанавливает связь между своими стратегическими усилиями во время обучения и развитием компетенций, а также относительно функционирования сферы обучения

Настойчивость или упорство

Ретроспективные показатели настойчивости или упорства обучающегося при столкновении в процессе обучения с трудностями, которые индексируются как ошибки и временные показатели

Временная история

Показатели ближайшего контекста, представляющие временную историю действий обучающегося, данные о которой доступны в конкретный день

Нарушения в классе

Показатели ближайшего и периферийного контекста о нарушениях в классе согласно записям о поведенческих происшествиях в классе обучаемого в конкретный день или в течение времени

Образовательное извлечение данных (educational data mining, EDM) и data mining

Из упомянутых методологических категорий универсальными для всех типов data mining считаются предсказательный анализ, кластерный анализ и поиск взаимосвязей, однако более известными подходами к EDM считаются «Открытия с помощью моделей» и «Очистка данных для оценки человеком».

Кейс: предиктивная аналитика для мегментации аудиторри [5]

Выявлена зависимость между показанным результатом и количеством попыток прохождения теста

Оценка / число попыток

Проведена дополнительная сегментация по динамике

Оценка / улучшили результат

Оценка / «застряли»