L’analisi dell’apprendimento è la misurazione, la raccolta, l’analisi e la comunicazione dei dati relativi agli studenti e ai loro contesti, al fine di comprendere e ottimizzare l’apprendimento e gli ambienti in cui si verifica. Un campo correlato è l’estrazione di dati educativi.
La definizione e gli obiettivi dell’apprendimento dell’analisi sono contestati. Una prima definizione discussa dalla comunità suggeriva che “L’analisi dell’apprendimento è l’uso di dati intelligenti, dati prodotti dagli studenti e modelli di analisi per scoprire informazioni e connessioni sociali per prevedere e consigliare l’apprendimento delle persone.” Ma questa definizione è stata criticata da George Siemens e Mike Sharkey. Una visione più olistica di una semplice definizione è fornita dal framework dell’apprendimento analitico di Greller e Drachsler (2012). Usa un’analisi morfologica generale (GMA) per dividere il dominio in sei “dimensioni critiche”. Una panoramica sistematica sull’apprendimento dell’analisi e dei suoi concetti chiave è fornita da Chatti et al. (2012) e Chatti et al. (2014) attraverso un modello di riferimento per l’analisi dell’apprendimento basato su quattro dimensioni, ovvero dati, ambienti, contesto (cosa?), Parti interessate (chi?), Obiettivi (perché?) E metodi (come?). È stato sottolineato che esiste una vasta consapevolezza dell’analitica tra le istituzioni educative per vari stakeholder, ma che il modo in cui l’analisi dell’apprendimento è definito e implementato può variare, tra cui: Gašević, Dawson e Siemens sostengono che gli aspetti computazionali dell’apprendimento dell’analisi devono essere collegato con la ricerca educativa esistente se il campo dell’apprendimento dell’analisi è quello di fornire alla sua promessa di comprendere e ottimizzare l’apprendimento.
La differenziazione dei campi dell’istruzione data mining (EDM) e dell’apprendimento analitico (LA) è stata una preoccupazione di diversi ricercatori. George Siemens ritiene che il data mining didattico comprenda sia l’analisi dell’apprendimento che l’analisi accademica, il primo dei quali è rivolto a governi, agenzie di finanziamento e amministratori invece di studenti e docenti. Baepler e Murdoch definiscono l’analitica accademica un’area che “… combina dati istituzionali selezionati, analisi statistiche e modelli predittivi per creare informazioni di intelligence su cui studenti, istruttori o amministratori possano cambiare il comportamento accademico”. Continuano a tentare di disambiguare l’estrazione di dati educativi dall’analisi accademica in base al fatto che il processo sia o meno guidato da ipotesi, sebbene Brooks si chieda se questa distinzione esiste in letteratura. Brooks propone invece che una migliore distinzione tra EDM e comunità di Los Angeles sia alla base di ogni comunità originata, con la paternità della comunità EDM dominata da ricercatori provenienti da paradigmi di tutoraggio intelligente e l’apprendimento dei ricercatori di anaytics più focalizzati sui sistemi di apprendimento aziendali (es. apprendimento dei sistemi di gestione dei contenuti). A prescindere dalle differenze tra le comunità di Los Angeles e quelle di EDM, le due aree si sovrappongono significativamente sia negli obiettivi degli investigatori sia nei metodi e nelle tecniche utilizzati nell’indagine. Nell’offerta del programma MS in learning analytics presso il Teachers College, Columbia University, agli studenti vengono insegnati sia i metodi EDM che LA.
In “The State of Learning Analytics nel 2012: una revisione e sfide future”, Rebecca Ferguson tiene traccia dei progressi dell’analisi per l’apprendimento come sviluppo attraverso:
In una discussione sulla storia dell’analitica, Cooper evidenzia una serie di comunità dalle quali l’analisi dell’apprendimento disegna tecniche, tra cui:
Il primo programma di laurea incentrato specificamente sull’apprendimento dell’analisi è stato creato da Ryan S. Baker e lanciato nel semestre dell’autunno 2015 presso il Teachers College, Columbia University. La descrizione del programma afferma che
I metodi per l’apprendimento dell’analisi includono:
Analytics è stato utilizzato per:
Gran parte del software attualmente utilizzato per l’apprendimento dell’analisi duplica la funzionalità del software di analisi dei dati web, ma lo applica alle interazioni degli studenti con i contenuti. Gli strumenti di analisi dei social network sono comunemente usati per mappare le connessioni e le discussioni sociali. Alcuni esempi di strumenti software di analisi dell’apprendimento includono:
L’etica della raccolta dei dati, dell’analisi, della rendicontazione e della responsabilità è stata sollevata come una potenziale preoccupazione per l’apprendimento dell’analisi, con le preoccupazioni sollevate riguardo a:
Chatti, Muslim e Schroeder notano che l’obiettivo dell’analisi dell’apprendimento aperto (OLA) è migliorare l’efficacia dell’apprendimento negli ambienti di apprendimento permanente. Gli autori si riferiscono a OLA come un processo analitico in corso che comprende la diversità in tutte e quattro le dimensioni del modello di riferimento dell’apprendimento analitico.
Per le presentazioni del pubblico generale, vedere: