La diffusione degli ambienti di apprendimento digitali e di protocolli specifici per il tracciamento delle attività ci mettono a disposizione oggi un volume di dati notevole.
Questi dati possono essere utilizzati per monitorare i risultati raggiunti nell’apprendimento a distanza e migliorarli. A patto di adottare approcci e strumenti di analisi innovativi.
Da qui lo sviluppo di un nuovo ambito di ricerca nel campo delle scienze educative, l’analisi dei dati o, meglio, le tecniche di analisi dei dati dell’apprendimento, i Learning Analytics.
Cosa sono i Learning Analytics
L’Horizon Report del 2016 (Higher Education Edition) ci dà questa definizione:
L’analisi dei dati dell’apprendimento è un’applicazione educativa dell’analisi dei dati web volta a delineare il profilo degli studenti; un processo di raccolta e analisi dei dettagli delle interazioni individuali degli studenti nelle attività di apprendimento online.
L’obiettivo dei Learning Analytics è dunque quello di
- costruire pedagogie migliori
- potenziare l’apprendimento attivo
- raggiungere gli studenti a rischio
- valutare i fattori che influenzano il completamento e il successo degli studenti.
Storia dei Learning Analytics
L’interesse nei confronti dell’analisi dei dati in campo educativo non nasce certo con l’e-learning.
Già alla fine degli anni ’70 si era parlato di una “esplosione dei dati”. Ma è con l’affermarsi del web 2.0 che si aprono nuove possibilità per l’aggregazione di contenuti provenienti da fonti diverse, per la loro elaborazione e per lo scambio dei risultati con altri software.
Nello stesso periodo si diffondono i LMS e, con la disponibilità di insiemi di dati sempre più ampi da analizzare, emerge il campo del data mining .
L’Educational Data Mining
Il data mining è un settore dell’informatica che applica una varietà di tecniche ai database per estrarre dati nascosti e potenzialmente utili. Il valore c’è ed è sommerso nel mare di dati. Bisogna trovare il modo di estrarlo.
L’Educational Data Mining è una sotto area del settore che si occupa di
- sviluppare metodi per esplorare i tipi di dati specifici che provengono da ambienti educativi
- utilizzare questi metodi per capire meglio gli studenti e i contesti in cui imparano.
Grazie all’apporto delle scienze sociali, l’attenzione si sposta gradualmente verso un approccio alle tecniche di analisi focalizzato sulla comprensione e sull’ottimizzazione dell’apprendimento. Nel 2010 questo campo di studi riceve un ulteriore stimolo con George Siemens:
Il Learning Analytics è l’uso di dati intelligenti, di dati prodotti dallo studente e di modelli di analisi per scoprire informazioni e connessioni sociali, e per predire e dare consigli sull’apprendimento
La comunità del Learning Analytics nasce con la prima Conferenza Internazionale sui Learning Analytics (Banff , 2011) subito seguita dalla fondazione della Society for Learning Analytics Research. All’interno di questo nuovo campo di ricerca si sviluppano due filoni di studi:
- l’Educational Data Mining che analizza dal punto di vista tecnico il modo in cui possiamo far emergere andamenti significativi da grandi insiemi di dati correlati all’apprendimento
- il Learning Analytics che si focalizza sugli aspetti educativi per ottimizzare le opportunità di apprendimento online.
Learning Analytics in prospettiva
Il volume di dati da analizzare diventa sempre più grande. Per questo motivo è necessario che vengano definite le dimensioni pedagogiche dei Learning Analytics. In particolare occorrono:
- una buona comprensione di come si apprende, di come si può facilitare l’apprendimento e dell’importanza dei fattori emotivi
- il supporto al di fuori degli LMS: uno spostamento verso insiemi di dati provenienti da ambienti aperti, informali o blended
- nuovi metodi di reportistica e visualizzazione personalizzati: facili da capire per gli studenti e chiaramente collegati a meccanismi di miglioramento del loro apprendimento.
Dai Learning Analytics ci aspettiamo dunque modelli e strumenti per capire e migliorare sia l’apprendimento sia gli ambienti in cui avviene.
