Lärandenalytik avser processen för att samla in, mäta och analysera information om inlärare. För att analysera inlärning krävs inlärningsdata, som kan samlas in från olika källor, t.ex. från institutionernas egna studieregister och inlärningssystem samt från externa källor, t.ex. från Statistikcentralen och CSC – IT Center for Science. Användningen av lärandeanalytik varierar, men en av de vanligaste är att följa upp hur lärandet fortskrider.
Lärandeanalytik är i bästa fall beskrivande, förklarande och förutsägandeAtt utveckla lärandeanalytik är en långsiktig och mångdimensionell uppgift, men lyckligtvis också en givande sådan. Genom att omsorgsfullt lägga grunden för analytiken och sätta upp mål på en realistisk men stadig nivå kommer fler och fler dörrar att öppnas med tiden för en mångsidig användning av data. För att se till att uppgifterna kan användas för det avsedda ändamålet är det viktigt att datan är strukturerad och att registren är konsekventa – redan från början.
Lärandeanalytik kan delas in i tre nivåer: beskrivande, förklarande och förutsägande. Det enklaste av dessa är den beskrivande nivån, som i praktiken visualiserar befintliga data för att underlätta granskningen. Det räcker med en relativt liten mängd data för att genomföra den beskrivande nivån.
En mer avancerad nivå är den så kallade förklarande nivån, som redan kräver en del analytik. För den förklarande nivån måste åtgärder definieras för att förklara fenomenen, data kombineras och vissa viktningsfaktorer definieras. Den förklarande nivån kräver alltså redan en djupare förståelse av det ämne som ska analyseras för att man inte ska dra fel slutsatser av uppgifterna.
Helst bör alla tre nivåerna av analytik och rapportering av lärande tillämpas samtidigt så att de stödjer varandra.
Den proaktiva nivån är den mest utmanande av de tre, men ofta den mest effektiva. Genom att förutse kan vi påverka utvecklingen så tidigt som möjligt, men det kräver mer avancerad teknik och i många fall tillämpningar för maskininlärning.
Helst bör alla tre nivåerna av analytik och rapportering av lärande tillämpas samtidigt så att de stödjer varandra. Även om analytikarbetet ofta blir mer komplext och detaljerat när det fortskrider, är det värt att komma ihåg att vägen vanligtvis går uppåt och att det arbete som görs i tidigare skeden inte är bortkastat – tvärtom. Att förstå trender som är svåra att urskilja och kräver avancerad analytik kan ses som toppen av isberget, som inte kan nås utan ett noggrant och konsekvent grundarbete.
Lärandeanalytik tjänar många syften och målgrupper
Den kanske mest typiska användningen av lärandeanalytik är att övervaka och bedöma framsteg i lärandet. I bästa fall kan lärandeanalytik användas till exempel för proaktiv bedömning av stödbehov. Detta hjälper till att identifiera situationer som kräver särskild uppmärksamhet och elever som skulle gynnas av extra stöd i ett tidigt skede.
Lärandeanalytik är ofta särskilt utformat för att övervaka och stödja lärande, men det kan också användas för andra ändamål. Analytik kan också användas för att få insikt i de bredare inlärningsprocesserna, det övergripande sammanhanget för institutioner och läroplaner samt ledningen av en institution. När lärandeanalytik används för att leda en utbildningsinstitution är det i själva verket kunskapsbaserad ledning. I detta sammanhang kan analytik öppna nya perspektiv för beslutsfattande, stödja personalförvaltning och hjälpa till att placera resurserna på rätt plats. Det has också en roll att spela när det gäller att stödja både elevernas och personalens välbefinnande.
Om perspektivet breddas ytterligare har lärandeanalytik till och med potential att stärka kopplingen mellan utbildningsbehov och utbildningsutbud på nationell nivå. Dataanalyser används redan, och om användningen utökas skulle de kunna användas för att till exempel koppla utbildningsutbudet till kompetenskraven på arbetsplatsen.
Tre tips för att komma i gång med lärandeanalytik:
1. Ta djärvt första steget
Att utveckla lärandeanalytik är en resa som kan börja i mycket liten skala. Ett realistiskt mål, en liten datamängd och ett strukturerat format är en bra början på arbetet. Med tiden kan både mängden data och målen ökas, men de underliggande målen, logiken och datainsamlingen bör utformas noggrant från början.
2. Tillräckligt med tid och resurser
När det gäller lärandeanalytik är den största ansträngningen ofta en intern reflektion inom arbetsgruppen om vilka frågor som ska analyseras, varför, med vilken prioritet och vilka tillförlitliga datakällor som ska användas för analysen. Under genomförandefasen är det viktigaste att involvera nyckelpersoner från institutionen och att vid behov ta in ytterligare teknisk expertis från en extern partner.
Observera! Även om ett projekt för implementering av lärandeanalytik ofta bara involverar några få personer inom institutionen, gynnar de resulterande rapporterna ofta ett stort antal personer, från lärarpersonal till elever.
3. Samarbetets kraft
Precis som på många andra områden finns det verkliga synergieffekter i samarbetet kring analys och rapportering av lärande. Många av reglerna gäller för alla skolor på samma nivå, så det är ingen idé att alla ska uppfinna samma hjul på nytt. I bästa fall kan basen vara gemensam, och specifika funktioner kan skräddarsys för varje institution enligt behov.
Läs mer
Framgångsberättelse: Diak
Pinjas Business Intelligence-tjänster
