Öğrenme Analitiği

Büyük Veri Seti

Büyük veri seti: İnsan davranışı ve etkileşimleri ile ilgili kalıpları, eğilimleri ve ilişkileri ortaya çıkarabilmek için analiz edebilecek büyük veri setleridir.
Öğrenme Analitiği

"Öğrenme Analitiği, insanların öğrenmelerini öngörmek ve fikir edinmek, bilgi ve sosyal ilişkileri keşfetmek için akıllı verilerin, öğrenilen bilgilerin ve analiz modellerinin kullanılmasıdır." George Siemens

Örneğin;

Öğrencilerin sistemi terk nedenleri
Öğrenciler ile ilgili canlı istatistik
Grup ve Bireysel gelişimler

Öğrenme Analitiği, öğrenmeyi ve öğrenmenin oluştuğu ortamları anlamak ve iyileştirmek için öğrenciler ve içerikler hakkındaki verilerin ölçümü, toplanması, analizi ve raporlanmasıdır.

Eğitsel Veri Madenciliği

Eğitsel Veri Madenciliği; öğrencileri ve öğrendikleri koşulları daha iyi anlamak amacıyla eğitim ortamlarından gelen verilerin analizinde kullanılan süreçler için kullanılan bir terimdir.

Akademik Analiz	Öğrenme Analizi
Operasyonel ve finansal karar vermeyi desteklemek için gerekli olan verileri yüksek öğretim kurumlarına sağlama süreci	Belirli öğrenme hedeflerine ulaşmayı desteklemek için öğretim, müfredat ve destek kaynaklarını hedeflemeye yardımcı olma analitik tekniklerinin kullanılması
Kurumun işlerine odaklanmış	Öğrenci ve öğrenme davranışları üzerinde odaklanmış
Yönetim / üst düzey yöneticiler izleyici kitlesidir	Öğrenenler ve eğitmenler ana izleyici kitlesidir.

Öğrenme Analtiği

Öğrenme Analitiği Sistem Türleri

Akademik erken uyarı sistemu
Veri görselleştirme
Öğrenci danışmanlığı ve önerileri
Uyarlanabilir öğrenme ve bilişsel ders

Öğrenme Analitiği yazılımı, bir öğrencinin etkinliklerini sınıftaki diğer öğrencilerin, bu dersi daha önce alan öğrencilerle ve / veya her öğrencinin yol alacağı alacağı konusunda bir model oluşturur.

Bu şekilde, öğrenme analizleri, çoğu okul ve üniversitenin öğrenmeyi geliştirme amacıyla kullanılabilecekleri yapıları bulmak için topladığı çok büyük miktardaki verilere dayanmaktadır.

Öğrenme Analitikleri: Ne Yapabilir?

• Gelecekteki öğrenci performansını tahmin etmek (çeşitli öğrenci kurumlarında geçmiş öğrenme kalıplarına dayanarak)

• Öğrencilere cevaplarına uyarlanmış benzersiz geribildirim sağlamak, zorlandıkları yerde müdahale edebilmek

• Her öğrencinin öğrenme sürecini kişiselleştirmek, güçlü yönlerini ortaya çıkarmak ve gelişmelerini teşvik etmek

Pedagoji teknoloji ve sosyalleşme aracılığı ile Öğretmen ve Öğrenme şekillerini Uyarlamak

Öğrenme analitiklerinin en yaygın kullanımı, akademik olarak başarılı olma olasılığı daha düşük görünen ve daha iyi sonuçlar elde etmelerine yardımcı olacak hedefli müdahaleleri mümkün kılmak- ve hatta müdahale etmek- için öğrencileri tanımlamaktır.

Öğrenme Analitiği Araçları: Öğrencilerin genel olarak zorluk çektikleri bir dersteki belirli çalışma birimlerini veya ödevleri tanımlamak için kullanılır. Böylece öğretmenler daha sonra tüm öğrencilerde öğrenmeyi geliştirmek için müfredatta değişiklik yapabilir veya öğrenme etkinliklerini değiştirebilirler.

Öğrenme Analitiği uygulamalarının kullandığı verilerin çoğu, aşağıdaki listedekileri içeren öğrenme yönetim sisteminden (LMS) gelmektedir:

• Giriş bilgileri
• Belirli faaliyetlere katılım oranları
• Öğrencilerin çevrimiçi kaynaklarla veya sınıftaki diğer kişilerle etkileşimde bulunmak için harcadıkları zaman,
• Notlar

Veri toplama ve analiz yapan uygulamalar çoğunlukla birincil veriyi çektikleri LMS'ye yerleşik olarak bulunur veya sonradan eklenir.

Analitik Araçları: LMS ile çalışmak üzere okullar, üniversiteler veya üçüncü şahıslar tarafından oluşturulan yazılımlardır.

Öğrenme Analitiği uygulamaları öğrencilerin tercihlerine bağlı olmaksızın (öğrenciler farkında olmaksızın) veriyi toplar, analiz eder, raporlar oluşturur ve müdahaleleri mümkün kılar.

Gerçekleştirilen analiz türleri değişkendir. Ancak başlangıçta başarılı ve risk altındaki öğrencilerin yordayıcı modellerini oluşturmak için tarihsel öğrenci verilerinin değerlendirilmesini içerir.

Raporlar farklı biçimlerde olabilir ancak çoğu rapor, hangi öğrencinin muhtemelen başarılı olacağını hızlı bir şekilde anlamak için tasarlanmış veri görselleştirmelerini içerir.

Bazı sistemler proaktif olarak kullanıcıları uyarır; diğer sistemler de kullanıcıların raporlara erişmek için biraz çaba harcamasını gerektirir.

Sistem tarafından oluşturulan müdahaleler, bir öğrencinin başarı olasılığı ile ilgili basit bir uyarıdan, riskli durumdaki öğrencilerle ilgili bu durumlarını izah edebilmek için belirli eylemlerde bulunmalarını istemeye kadar değişebilir.

Öğrenme analitiği, eğitimcilerin başlangıçta yavaş olsa da başarmak için çabalayan öğrencilerin ilerleyen süreçlerde başarmaya harcadıkları çabaları ve yeteneklerinin ortaya çıkmasını tespit etmesine yardımcı olabilir.

Gerçek sınıf ortamının aksine, öğrenme analitiği kullanan e-ortamdaki bir ders her öğrencinin tüm soruları cevaplamasını ve derse ait tüm materyal ile etkileşime girmelerini sağlar.

Öğrenme analizi, öğrencilerin performanslarını daha iyi ve daha hızlı bir şekilde görüntülemelerini sağlayarak öğrenci ihtiyaçlarına göre özelleştirilebilir.

Öğrenme analizi, ortak yanlış cevapları tanımlayabilir ve her bir özel yanlış cevabın ayrıntılarına ulaşmak için hazırlanmış özel geri dönüşler oluşturabilir.

Öğrenme analizi, çevrimiçi akran değerlendirmesine ve kendi kendine değerlendirmeye izin verir böylece eğitimciler öğrencilerin geçmiş performans ve öğretmen / akran / kendi kendine değerlendirmelerini izleyebilir.

Öğrenme Analitikleri neleri yapamaz?

• Veri izleme sistemleri akıllı değildir.
• Tıklama (Hit) sayıları ve erişim bilgileri her şeyi açıklayamaz.
• Özel verileri yorumlamak için uzman bir analist gereklidir.
• İdeal olanı veri madenciliğinden elde edilen verilerin görselleştirilmesi sağlandıktan sonra bu verilerin özel olarak yorumlanmasıdır.
• Sayılar, iyileştirmeye açık olan alanları ve ilgi çeken uygulamaları tanımlayabilse de iyileştirmeler için öneride bulunamazlar.
• Bunun için öğrencilerden gelen önerileri ve odak grup çalışmaları yapılarak elde edilen veriler insan müdahalesi ile mümkündür.

Öğrenme Analitiği Çıktıları

• Teşhis ve Tahmin Amaçlı; örneğin okulu bırakma veya ders başarısızlığı açısından 'risk altındaki' öğrencileri tanımlamak
• Kişiselleştirme ve Uyarlama; öğrencilere uyarlanmış öğrenme yolları veya değerlendirme materyalleri sağlamak,
• Müdahale Amaçlı; eğitimcilere öğrencileri desteklemek ve zamanında müdahale için bilgi sağlama
• Bilgi görselleştirme ve veri görselleştirme araçlarıyla öğrenme verisine genel bakış sağlayan öğrenme panoları şeklinde bilgi görselleştirmesi

Rafael Scapin, Ph.D.
https://www.reptic.qc.ca/wp-content/uploads/2014/10/2015-04_Learning_Analytics.pdf 'den özetlenerek alınmıştır.