Словарь терминов

Аналитика обучения

Аналитика обучения, или учебная аналитика (learning analytics) — измерение, сбор, анализ и представление данных об обучающихся и образовательной среде с целью понимания особенностей обучения и максимальной его оптимизации.¹

Задачи учебной аналитики²

Область применения	Вопросы	Тип необходимых для анализа данных
Моделирование знаний пользователя	Что должен знать/уметь обучающийся (например, конкретные навыки и понятия или знание технологии/метода и навыки мышления высшего порядка)	Ответы обучающихся (правильные, неправильные, частично правильные), временной промежуток до начала ответа на вопрос, просьбы о подсказках, повторяющиеся неправильные ответы, сделанные ошибки Практические навыки обучающегося и возможности для практики Уровень эффективности обучения, выявленный из анализа систематической работы обучающегося или полученный из других источников, таких как стандартные тесты
Моделирование поведения пользователя	Какие особенности поведения обучающегося значимы для его обучения? Мотивированы ли обучающиеся?	Ответы обучающихся (правильные, неправильные, частично правильные), временной промежуток до начала ответа на вопрос, просьбы о подсказках, повторяющиеся неправильные ответы, сделанные ошибки Любые изменения в классе/школе в ходе исследования
Моделирование опыта пользователя	Удовлетворены ли пользователи полученным опытом?	Ответы на опросы и анкеты Особенности выбора и поведения обучающихся, их эффективность в дальнейшем обучении
Сегментирование пользователей	Как можно группировать пользователей?	Ответы обучающихся (правильные, неправильные, частично правильные), временной промежуток до начала ответа на вопрос, просьбы о подсказках, повторяющиеся неправильные ответы, сделанные ошибки
Тематическое планирование	Как наиболее точно разделить темы на модули и как эти модули должны быть упорядочены?	Ответы обучающихся (правильные, неправильные, частично правильные) и качество освоения учебных модулей с изменениями объема отдельных учебных материалов в сравнении со стандартным модулем Систематизация тематики изучаемой предметной области Взаимосвязи внутри области задач и между умениями и поставленными задачами
Анализ компонентов и методов обучения (дидактических методов)	Какие компоненты лучше содействуют обучению? Какие методы работают хорошо? Насколько эффективна вся учебная программа?	Ответы обучающихся (правильные, неправильные, частично правильные) и качество освоения учебных модулей с изменениями в уровне детализации в сравнении со стандартным модулем Систематизация тематики изучаемой предметной области Структурные взаимосвязи внутри области задач и между умениями и поставленными задачами
Анализ трендов	Что и как изменяется в ходе обучения?	Анализ зависит от того, какая информация представляет интерес; обычно требуется не менее трех временных отрезков с фиксацией данных, чтобы выявить тенденцию Сбор данных о зачислении, сданных курсах и полученных сертификатах, о завершении обучения и получении диплома, об условиях обучения, об обучении в средней школе в течение нескольких лет
Адаптация и персонализация	Какие следующие действия предполагаются для пользователей? Как можно изменить опыт следующего пользователя на основе понимания опыта предыдущего пользователя? Как опыт пользователя может быть изменен, особенно в реальном времени?	Зависит от конкретных рекомендаций Возможно, потребуются данные об опыте обучения пользователя и соответствующая информация о рекомендованных образовательных продуктах и ресурсах Справка об академической успеваемости

Связь учебной аналитики и анализа образовательных данных³

	Учебная аналитика	Анализ образовательных данных (educational Data mining, EDM)
Получение новых результатов	Оценочное суждение специалиста является ключевым; автоматические способы развития являются поддержкой	Автоматические способы развития являются ключевыми; оценочные суждения специалистов являются поддержкой
Редукция и холизм	Акцент на понимании систем как целого, во всей их полноте и сложности	Акцент на упрощении до отдельных компонентов и анализе отдельных компонентов и взаимосвязей между ними
Происхождение	Учебная аналитика возникла из семантических сетей, умных «учебных программ», прогнозирования результатов и системных воздействий	Истоки EDM — обучающее про- граммное обеспечение и моделирование процесса обучения, с большим влиянием преподавательского сообщества на прогнози- руемые результаты обучения
Адаптация и персонализация	Главное внимание — информированию и поддержке тренеров и обучающихся	Главное внимание уделяется автоматической адаптации (например, программа подстраивает ресурс без участия человека)
Техники и методы	Анализ социальных сетей, контент- анализ, включая анализ тональности текста (сентимент-анализ) и дискурс-анализ, аналитика лидеров мнений, понятийный анализ, модели прояснения смысла результатов	Классификация, кластеризация, метод Байесовской сети, выявление взаимосвязей, моделирование, визуализация

Связь учебной аналитики и бизнес-аналитики по уровню принятия решений

(HR analytics / people analytics / talent analytics / training and development (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, речь идет, скорее, о разных аспектах и целях анализа.

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

Источники доказательств

Административные данные Показатели периферийного контекста: преподаватель, школа, район, местная община или государство.	Предпочитаемые обучающие медиа или жанры Ретроспективные показатели предпочтительных для обучающегося медиа или жанров в тех случаях, когда выбор был возможен.
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.
Временная история Показатели ближайшего контекста, представляющие временную историю действий обучающегося, данные о которой доступны в конкретный день.	Социальные показатели Показатель взаимодействия учащегося с другими обучающимися и преподавателем в процессе обучения или с записанной речью (со всеми ее разнообразными свой- ствами, например семантическим содержанием, просодией и т. д.).
Демографическая информация Показатели периферийного контекста: демографическая информация об обучающемся.	Социальные связи Показатели ближайшего окружения, такие как социальные отношения и данные о социальных связях.
Настойчивость или упорство Ретроспективные показатели настойчивости или упорства обучающегося при столкновении в процессе обучения с трудностями, которые индексируются как ошибки.	Тип мышления Данные из анкеты или самоотчета о том, как учащийся устанавливает связь между своими стратегическими усилиями во время обучения и развитием компетенций, а также о том, как происходит индивидуальный процесс обучения.
Нарушения в классе Показатели ближайшего и периферийного контекста о нарушениях в классе обучаемого согласно записям о поведении в конкретный день или в течение времени.	Эмоциональное состояние Ближайшие показатели, относящиеся к обучению, например эмоциональное состояние, качество сна, показатели питания.

Анализ образовательных данных (educational Data mining, EDM) и «добыча данных», интеллектуальный анализ (Data mining)

Из всех 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 (Data cleaning) для оценки человеком».

Источники

Lang C., Siemens G., Wise A., Gasevic D. — ‘’The Handbook of Learning Analytics 1st ed.’’ — SoLAR: Society for Learning Analytics Research, 2017
U.S. Department of Education, Oi ce of Educational Technology — ‘’Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics’’, 2012
Siemens G., Baker R. — ‘’Learning analytics and educational data mining: Towards communication and collaboration’’ — In: 2nd International Conference on Learning Analytics and Knowledge — NY: ACM, 2012