Sommario
Learning Analytics: cosa sono
Tra i vari contributi della Network Analysis troviamo i learning analytics, che sono da intendersi come l’analisi dell’apprendimento su base statistica. Grazie ai dati raccolti sul comportamento dei learner è possibile rappresentare tutto il ciclo dell’apprendimento e analizzarlo.
Con l’utilizzo dei metodi della Network Analysis è infatti possibile analizzare i processi di apprendimento e compararli con altri dati, metriche e tipologie di interventi già validati come efficacia. E’ un approccio che permette di intervenire per migliorare l’apprendimento, ma anche la struttura dei futuri corsi tenendo conto di fattori che modellano e facilitano i processi di apprendimento.
I learning analytics possono riguardare sia un ambito di ricerca che un uno strumento messo a disposizione per valutare dei parametri di utilizzo di un corso online. Per comprendere meglio quali siano i riferimenti che hanno ispirato i learning analytics, essi si collocano tra le Scienze della formazione e dell’apprendimento, l’Analisi dei dati e l’Instructional Design.
Learning Analytics: a cosa servono e perché sono utili
Per un E-learning di qualità l’analisi risulta fondamentale perché consente di prendere decisioni basate sui dati e di personalizzare l’interfaccia per migliorare l’apprendimento per promuovere il successo formativo dei learner. E’ l’incontro tra soddisfazione dell’utenza e efficacia degli oggetti di apprendimento.
I learning analytics possono aiutare gli enti di formazione e le aziende, le università e le scuole a offrire un supporto tempestivo e specifico e implementare strategie efficaci, utili a comprendere meglio le esigenze e le sfide degli utenti. I learning analytics possono anche essere utili per prevenire i rischi e le barriere che potrebbero compromettere l’apprendimento e capire in modo strategico quali siano gli elementi vincenti e quali quelli critici all’interno di un corso.
Possono anche essere utilizzati come modelli previsionali e contenere più indicatori (predittori). Concettualmente, gli indicatori raccolgono e aggregano valori da un set di dati e si combineranno con i target per fare previsioni usando gli algoritmi di apprendimento automatico selezionati. Gli indicatori possono essere riutilizzati tra i modelli o possono essere creati specificamente per un nuovo modello.
Learning Analytics: la storia
Parlare di storia dei learning analytics equivale a considerare l’adozione e lo sviluppo dei dati di apprendimento quantitativi nel campo della progettazione e della tecnologia digitale. Nell’evoluzione delle tecnologie dei sistemi di apprendimento per la didattica e la formazione un caposaldo è il testo di Robert Mager del 1962 Preparing Objectives for Programmed Instruction, dove sono stati considerati gli obiettivi in relazione alle condizioni in cui delle azioni devono essere eseguite dagli studenti e gli standard (criteri) in base alle quali giudicare le azioni.
Poi nel 1963, Robert Glaser introdusse delle misurazioni basate su alcuni criteri per valutare il comportamento degli studenti in base agli obiettivi di apprendimento identificati. Con il debutto di MOODLE e il crescente utilizzo di piattaforme per erogare corsi i learning analytics hanno iniziato a essere considerati sempre di più; dati i numeri statistici e l’evoluzione delle piattaforme stesse legate all’evoluzione del web da vetrina a ambiente sociale.
Il modello di formazione online su larga scala rappresentato dai MOOC e dagli aggregatori di corsi più famosi come Udacity, EdX e Coursera si basa su un approccio che tiene conto dei comportamenti online dei discenti. Negli ultimi anni l’utilizzo di learning analytics ha permesso di incorporare elementi come diagrammi ad albero decisionali e mappe sulle strategie da adottare per i modelli di carattere predittivo al fine di determinare le probabilità che correlano le attività previste a quelle effettivamente effettuate dai learners.
Da una parte la progettazione dei corsi permette di creare una sequenza di oggetti da apprendere e di azioni da eseguire; dall’altra il monitoraggio conferma o disconferma l’effettivo comportamento di chi segue i corsi. Parliamo di due processi interdipendenti che si alimentano reciprocamente – il “processo di progettazione consapevole del monitoraggio” e il “processo di monitoraggio consapevole dello script”.
Learning Analytics vs Educational data mining
A differenza dei learning analytics l’Educational Data Mining si occupa dei metodi di esplorazione approfondita di pochi dati relativi a specifici contesti sempre in relazione all’apprendimento. L’obiettivo dell’ Educational Data Mining non è quello di comprendere il comportamento degli studenti e potenziare i corsi, ma di arricchire la conoscenza su metodi di indagine e su come una approfondita ricerca metta in luce aspetti nuovi da sondare.
Sebbene l’Educational Data Mining e i learning analytics abbiano approcci differenti al problema è importante considerarli entrambi. Si possono utilizzare a seconda del contesto e dello scopo che ci prefiggiamo, ovvero se si sia di fronte a un gran numero di dati differenti offerti da un percorso complesso, oppure se si sia intenzionati ad analizzare approfonditamente solo una piccola porzione di dati per comprendere meglio dinamiche e aspetti nascosti dei dati. A volte i due termini vengono confusi e scambiati tra loro, ma è necessario mettere ordine per comprendere quando e come utilizzarli come metodi di analisi.
Learning Analytics: metodi
La valutazione degli interventi che influenzano l’apprendimento richiede una comprensione del perché e del come i comportamenti degli utenti possono cambiare a seconda della struttura e del percorso di apprendimento erogati. Possiamo fare riferimento a modelli semplici basati su modelli probabilistici per reti casuali o modelli meccanicistici come l’attaccamento preferenziale utilizzati generalmente nella modellazione delle reti di apprendimento digitale.
E’ utile anche fare riferimento a modelli generativi basati sulla ricostruzione immaginaria del possibile percorso alternativo e osservare in simulazione quali sarebbero i comportamenti. Abbiamo inoltre modelli basati su agenti (actor-in-network) che rappresentano esempi per testare nuove ipotesi e arricchire il panorama di possibili soluzioni alternative nella modellazione dei corsi sempre tenendo a mente la qualità e l’efficacia nell’apprendimento. La presenza o l’assenza di specifici elementi disposti all’interno dei moduli possono fare la differenza nel successo del corso.
I metodi sono passati da un approccio sequenziale e funzionale proprio dell’informatica e di teoria dei sistemi a uno più soft di coinvolgimento degli utenti grazie all’applicazione delle teorie dell’apprendimento che provengono dalla ricerca educativa, dalla sociologia, dalla filosofia e dalle scienze dell’apprendimento. La ricchezza risultante da questa confluenza di teorie fornisce una base per migliorare l’uso di dati e analisi per l’apprendimento grazie ai learning analytics.
Learning Analytics: cosa monitorare
Gli indicatori di analisi dell’apprendimento possono includere il coinvolgimento dei learner, il completamento della formazione e il miglioramento delle prestazioni. Questi indicatori possono aiutare a identificare aree di miglioramento e ottimizzare le esperienze di apprendimento analizzando, ad esempio, quali siano le barriere all’apprendimento.
Learning Analytics: software
Gli applicativi utilizzati per il learning analytics permettono di tracciare le interazioni degli utenti con l’ambiente online di apprendimento. Tra gli applicativi più utilizzati ricordiamo:
- LOCO-Analyst: uno strumento di apprendimento contestuale per l’analisi dei processi di apprendimento nell’E-learning.
- Web Epistemic Network Analysis (ENA): uno strumento online interattivo che consente ai ricercatori di caricare il set di dati codificato e creare il modello specificando unità, conversazioni e codici.E’ uno strumento open source.
- INTELLIBOARD La piattaforma di analisi dell’apprendimento IntelliBoard combina tutte le fonti di dati per fornire approfondimenti su ogni fase del processo di apprendimento. Permette di identificare gli studenti a rischio grazie all’analisi predittiva basandosi su esperienze precedenti su cui il sistema viene addestrato.
- SmartKlass™ è una dashboard di analisi dell’apprendimento gratuita per istituzioni, insegnanti e studenti. Permette la visualizzazione di diverse informazioni da analisi sulle performance dei corsi e sull’utilizzo da parte degli utenti.
P.s. Le ultime due sono suggerite per l’utilizzo con MOODLE.
Learning Analytics: etica dei dati e privacy
Rispetto al discorso sull’utilizzo etico di dati che vengono raccolti e utilizzati nei report si possono evidenziare diversi rischi. Per portare alcuni esempi relativi all’etica sui learning analytics pensiamo:
- Alla proprietà dei dati, ovvero alla possibilità che i dati vengano condivisi e utilizzati da altri operatori senza il consenso;
- Alla non trasparenza dello scopo e del ruolo dei learning analytics non sia trasparente, che comporti una lettura automatica a prescindere da un operatore umano andando a incidere sulla fiducia e autorevolezza dei risultati;
- Alle differenti normative di diversi paesi che utilizzano gli applicativi.
Learning Analytics nell’E-learning
Vantaggi
Innanzitutto ci sono vantaggi diretti per i learner di corsi E-learning affinché possano riflettere sul proprio apprendimento attraverso i risultati e adottare specifici modelli di comportamento in relazione agli altri. E’ possibile monitorare le prestazioni individuali, disaggregandole in base a caratteristiche selezionate come specializzazione, anno di studio, regione, etc.. Si possono inoltre identificare i valori anomali per un intervento precoce, o fare una previsione del potenziale in modo che tutti gli utenti raggiungano risultati ottimali. Altri vantaggi riguardano la prevenzione dell’abbandono di un corso o di un programma e l’identificazione e sviluppo di tecniche didattiche efficaci.
Per i formatori e docenti i learning analytics rappresentano un supporto meraviglioso e una fonte d’informazione fondamentale per seguire meglio tutto il percorso d’apprendimento e pesare la valutazione in itinere rispetto ai risultati finali. In un corso molto numeroso è possibile esaminare le situazioni individuali che escono dai trend per capire meglio come agire rispetto a fornire ulteriori materiali di studio o intervenire per promuovere forme di cooperative learning online.
I learning analytics, inoltre, forniscono dati e statistiche su differenti corsi e edizioni successive che possono essere confrontati per capire quali siano fattori di successo e insuccesso non solo rispetto all’apprendimento e alla valutazione, ma anche ai tempi, i diversi elementi adottati in corsi differenti (ad esempio dei webinar, materiali supplementari e facoltativi) per indirizzare meglio al progettazione dei corsi futuri.
Programmi
Docebo
Nel contesto attuale, in cui l’efficacia della formazione aziendale è sempre più legata alla capacità di misurarne l’impatto reale, le soluzioni di learning analytics diventano strumenti strategici. In quest’ottica, Docebo Learn Data si distingue per l’uso dell’Intelligenza Artificiale applicata alla Business Intelligence, offrendo nuove possibilità di analisi e ottimizzazione.
Docebo Learn Data adotta Intelligenza Artificiale quale strumento di business intelligence (BI) dedicato alla formazione. Permette di migliorare i processi di formazione, ma anche il processo decisionale, aumentare le prestazioni per ottenere un impatto aziendale maggiore.
Learn Data si integra con i Learning Management System (LMS) e altri sistemi come Jira, raccogliendo e analizzando i dati di formazione insieme a quelli aziendali per creare correlazioni relativi a un flusso di dati per incrementare i Key Performance Indicators (KPI) e i risultati aziendali. Ciò permette di monitorare non solo i livelli di apprendimento, ma anche prevedere come e dove la formazione andrà a impattare sul rendimento e sul valore aziendale. Per ulteriori informazioni puoi consultare questo documento messo a disposizione da Docebo.
Moodle
Per quanto riguarda Moodle possiamo distinguere tra modelli statici e di analisi di apprendimento automatico. I modelli statici non richiedono training specifici e sono utilizzabili da subito generando dati sul corso. I modelli di analisi dell’apprendimento basati sull’apprendimento automatico, invece, vanno addestrati con i dati presenti sul sito prima di poter generare le previsioni.
Moodle prevede un motore di apprendimento automatico Moodle Learning Analytics e va appunto addestrato con corsi precedenti o altre attività che il modello è abilitato sul tuo sito Moodle. Solo dopo averlo addestrato sarà possibile utilizzarlo per generare dati di previsione. Si può circoscrivere l’utenza su cui effettuare le analisi, come si può assegnare a ruoli specifici la possibilità di generare dati, inoltre, essendo Moodle community driven, modelli e dati possono essere esportabili su altre piattaforme Moodle, come ad esempio da una istanza di test a quella utilizzata per l’erogazione dei corsi. Per maggiori informazioni puoi consultare:
Conclusioni
Abbiamo visto cosa sono i learning analytics e come possano essere utilizzati per migliorare l’esperienza dei learner, progettare corsi più efficaci, ma anche come essi possano supportare il formatore e il tutor durante l’erogazione di un corso online. L’introduzione dell’Intelligenza Artificiale comporterà sempre più novità e nuove funzionalità nella gestione dei corsi, utilizzando i dati a disposizione relativi al comportamento dei singoli utenti e all’andamento generale del corso.
Ciò non toglie che l’esperienza e la capacità progettuale rimangano centrali, senza una delega completa a questi ausili e funzioni che però facilitano e ampliano le capacità e potenzialità di chi utilizza l’e-learning per il fabbisogno formativo e l’aggiornamento di competenze.
Se vuoi scoprire come applicare concretamente i learning analytics nella tua realtà formativa, contattaci: possiamo aiutarti a trasformare i dati in valore.
