V zadnjih dveh desetletjih je vse večja vključenost informacijske in komunikacijske tehnologije v izobraževalni proces povzročila spremembe v poučevanju in učenju. Spletna tehnologija Web 2.0 je omogočila izmenjavo informacij in sodelovanje v spletnem okolju, soustvarjanje vsebin in virtualnih skupnosti na način, prijazen do uporabnika, in s tem odprla nove možnosti učenja na daljavo, e-učenje (angl. e-learning), ki je neodvisno od prostora in časa. Na vseh nivojih formalnega in neformalnega izobraževanja so razširjeni različni sistemi za upravljanje učenja (angl. learning management system, LMS).
V času izobraževanja se v različnih informacijskih sistemih hranijo podatki o študentu (npr. demografski podatki, pristopi na izpit, status, ocene, obisk in izposoja knjižničnih gradiv). Izobraževalna institucija preko (spletnih) vprašalnikov zbira mnenja o različnih vsebinah (npr. študentske ankete o izvedbi predmeta). V spletnih učnih okoljih se vsaka interakcija, klik v e-okolju, zabeleži v dnevniških datotekah (npr. vstop v učilnico, ogled vira, objava na forumu, oddaja naloge, odgovarjanje na vprašanja v kvizu). Vse te velike količine raznovrstnih in nestrukturiranih podatkov, t. i. masovni podatki (angl. big data), shranjenih v različnih oblikah, nam lahko ob pravilni interpretaciji veliko povedo o procesu učenja posameznika. Izobraževalne institucije se tako danes soočajo z izzivom, kako te velike količine podatkov kritično ovrednotiti ter uporabiti za kakovostne odločitve, ki bodo vplivale na uspešnejši izobraževalni proces.
Raziskovanje izobraževalnih podatkov, poimenovano učna analitika, predstavlja preplet računalniških in statističnih znanosti ter učnih in vedenjskih teorij. Vključuje merjenje in zbiranje podatkov, ki nastajajo tekom izobraževanja, ter njihovo analiziranje z uporabo že uveljavljenih metod in tehnik preiskovanja masovnih podatkov, z ustreznimi prilagoditvami izobraževalnemu okolju tako, da se z njimi lahko opredelijo procesi učenja in poučevanja. Namen učne analitike je odkriti uporabne informacije za implementacijo sprememb in aktivnosti, ki bodo pripomogle k učinkovitemu in kvalitetnemu procesu učenja in/ali poučevanja, pri čemer se vključuje tako pedagoški kot tehnološki, pa tudi družbeni vidik izobraževalnega procesa. Omenimo še, da se vzporedno z učno analitiko razvija tudi rudarjenje izobraževalnih podatkov (angl. education data mining). Obe področji se medsebojno prepletata, pri čemer naj bi se učna analitika bolj usmerila v informiranje in opolnomočenje učiteljev in študentov ter človeško presojo, medtem ko rudarjenje izobraževalnih podatkov daje večji poudarek na metodologiji in samodejnih učnih prilagoditvah. Najpogosteje uporabljene metode so napovedovanje (razvrščanje v skupine, uvrščanje v razrede (klasifikacija), regresijski modeli), raziskovanje medsebojnih odnosov (povezovalna pravila, korelacije, vzročno-posledična pravila, odločitvena drevesa), razpoznavanje podatkov, primernih za nadaljnjo presojo človeka (statistične metode in vizualizacija) in odkrivanje zakonitosti v podatkih (napovedno modeliranje). Pospešen razvoj učne analitike v zadnjih dveh desetletjih je posledica vedno večjih količin zbranih podatkov, dostopnost vse bolj zmogljivih računalnikov ter razvoj in ponudba naprednih uporabniku prijaznih programskih okolij za analitiko, tako komercialnih kot prosto dostopnih (npr. SPSS, .RapidMiner, R, Weka, Orange …).
Raziskovanje dejavnikov vpliva na učni proces v splošnem razdelimo v tri vidike, in sicer, kako individualne raznolikosti študenta, ki jih določajo njegove predispozicije, vplivajo na odnos do e-učenja in na uspešnost v tem okolju, kako učno okolje, ki ga določa tehnologija in izoblikuje učitelj, vpliva na učne izide in kaj so ključni elementi kakovostne tehnologije za namene učenja ter kakšna je njihova povezanost z učno uspešnostjo. Vendar pa se je vseskozi izkazovalo dejstvo, da je pedagoški proces pomembnejši od tehnologije, ki naj predstavlja le podporo učenju v digitalni dobi, zato odločitve pri uporabi tehnologije pri načrtovanju poučevanja v spletnem okolju ne smejo preglasiti uveljavljenih principov poučevanja in učenja. Z odkrivanjem vplivov različnih dejavnikov na učni proces, torej ne samo, kaj nekdo ve, ampak tudi, kaj je vplivalo na učenje naučenega, želi učna analitika razumeti in izboljšati uspešnost posameznika in preprečiti osip. Z iskanjem posplošenih vzorcev ravnanj se skuša napovedati učno vedenje in se nanj časovno ustrezno odzvati. Z vizualizacijo s pomočjo grafikonov in infografik se predstavijo analizirani podatki na način, ki je razumljiv tudi učitelju, ki nima statističnih znanj, kar mu predstavlja vpogled v učno vedenje študentov in omogoča časovno pravočasno odzivnost pri odločitvah. Običajno se študentom z nadzorno ploščo predstavijo njegove aktivnosti in prejete ocene primerjalno z dosežki skupine na način, ki predstavlja podporo motivaciji in samoreguliranem učenju, kar je ključno povezano z akademsko uspešnostjo. Nekateri ukrepi se tako izvedejo že tekom samega učnega procesa, npr. s pravočasni odzivi, spodbude za sprotno delo in prilagoditve ali pa z diferenciacijo in personifikacijo učnega procesa glede na vedenje skupine študentov ali pa le posameznika, medtem ko drugi vodijo v skrbno načrtovane spremembe pedagoškega procesa v bodoče, kar se implementira prek sprememb učnih izidov, učnih načrtov in učnih okolij.
Prednosti uvedbe učne analitike v izobraževalni instituciji so torej predvsem praktični vidik, usmerjen v izboljšanje uspešnosti študentov, kar se implementira v odkrivanju rizičnih študentov ter prilagajanju učnega okolja potrebam posameznika. Posledično rezultati vplivajo na kreiranje koristnih predlogov za vodstvo, fakultetno administracijo in oddelek za informatiko na izobraževalni ustanovi, v prvi vrsti pa so koristni za obe neposredno vključeni strani v procesu izobraževanja, študente (merjenje ključnih kazalnikov uspešnosti) in učitelje (smernice za izboljšanje poučevanja).
Naj ob koncu izpostavimo še pomemben izziv. Analitike brez podatkov ni. Pri tem se odpirajo vprašanja preglednosti zbiranja in uporabe, integracije različnih naborov podatkov, hranjenja in upravljanja podatkov, varnosti, dostopa, zasebnosti in lastništva. Da bi lahko izobraževalne podatke uporabljali na sprejemljiv način, se mora vzpostaviti zaupanje do zbiranja, združevanja in obdelave podatkov, za kar je treba pri načrtovanju in implementaciji učne analitike opredeliti vse kritične točke ter oblikovati smernice, ki varujejo osebne podatke pred zlorabo in zagotavljajo etično obdelavo na zaupanja vreden način.
Dr. Damijana Keržič, višja predavateljica na Fakulteti za upravo