Lärandeanalys
Vad är lärandeanalys?
Syftet med lärandeanalys är att erbjuda sätt, hjälpmedel och metoder för att följa upp studiernas framsteg och förutse eventuella inlärningssvårigheter. Med hjälp av den kan inlärningsprocessen och förloppet av studierna följas och stödjas. Ett särskilt fokusområde är studiehandledning samt automatisering av stöd för inlärning och undervisning. Med hjälp av dessa metoder strävar man efter beprövade, välgrundade och etiskt hållbara effekter på processerna för lärande, undervisning, handledning och förvaltning.
Inom lärandeanalys är det typiskt att skapa modeller utifrån existerande data. Genom att till exempel analysera den årliga uppdelningen av studiepoäng, utifrån en tillräckligt stor datamängd, kan man eventuellt i god tid förutse studerandes totala studiepoäng för hela läsåret för kommande år. En sådan modell gör det möjligt att reagera i ett tidigt skede och eventuellt åtgärda situationer när det fortfarande går att vidta åtgärder.
Enkäter kan vara effektiva verktyg för att samla in den data som krävs för lärandeanalys, särskilt om data från enkäterna kan kombineras med annan data som samlats in på andra sätt (till exempel automatiskt insamlad data från inlärningssystem eller sensorer).
Även enbart med hjälp av enkäter kan man uppnå viktiga resultat. I diagrammet nedan har två frågor från en enkät om studerandes studievanor sammanställts. Som det framgår från bilden rapporterar de studerande som har vänner att göra uppgifter tillsammans med betydligt sällan att de känner sig psykiskt eller fysiskt trötta. Utifrån bilden är det alltså värt att satsa på att främja gruppbildningen bland studerande.
Kontinuerlig utvärdering och en helhetsmässig insamling av kursresultat gör det möjligt att bygga upp en modell som kan prognostisera kursresultat. Bilden nedan visar situationen under den andra veckan av en åtta veckor lång kurs. Varje boll på bilden representerar en studerande på kursen. Bollarna är färgkodade enligt det betyg som studerande har uppnått på kursen. Värt att notera är att man redan under den andra veckan med hjälp av modellen kan identifiera 80% av de studerande som inte kommer att klara kursen.
ViLLE identifierar automatiskt elevernas inlärningssvårigheter inom olika delområden i matematik utifrån data som samlats in om deras prestationer. Enligt studien identifierar de algoritmer som ViLLE använder inlärningssvårigheter lika effektivt som MAKEKO-testet. Den automatiska analysen gör det också möjligt att när som helst presentera data i realtid för läraren utan att behöva genomföra separata tester.
Hur utnyttjar vi lärandeanalys?
Vår undersökning har ett brett fokus på digitalt lärande och lärandeanalys. Med hjälp av lärandeanalys kan vi till exempel känna igen inlärningssvårigheter. Den data som framkommit genom forskningen används för att vidareutveckla ViLLE-lärplattformen och dess material.
ViLLEs färdiga läromaterial, lärstigarna, är utvecklade i samarbete med lärare med hjälp av lärandeanalys. Läraren kan följa elevernas kunskaper via kursens analysvy och kan erbjuda eleven individuellt stöd.