Tin tức Thisme
Learning analytics là gì? Cách bắt đầu với dữ liệu sẵn có
Learning analytics là gì? Đó là việc đo lường, thu thập, phân tích và báo cáo dữ liệu về người học cùng bối cảnh học, nhằm hiểu và cải thiện việc học cũng như môi trường diễn ra việc học. Trung tâm hoặc bộ phận L&D có thể bắt đầu từ thông tin đã có về ghi danh, tiến độ, kết quả và phản hồi, đồng thời xác định cách bảo vệ quyền riêng tư.[1]
Learning analytics là gì và vì sao định nghĩa còn được bàn luận?
Định nghĩa trên được dùng rộng rãi, dù mục tiêu và cách định nghĩa lĩnh vực phân tích học tập vẫn còn được thảo luận. SoLAR mô tả đây vừa là một lĩnh vực học thuật, vừa là thực hành giáo dục, nằm ở giao điểm của khoa học học tập, phân tích dữ liệu và thiết kế lấy con người làm trung tâm. Một chỉ số riêng lẻ cho biết sự kiện; phân tích đặt thêm câu hỏi vì sao sự kiện ấy xảy ra và cần tìm hiểu gì tiếp theo.[1][2][5]
Nền học tập đã ghi lại những dữ liệu nào?
Tùy hệ thống và cấu hình, dữ liệu có thể gồm hồ sơ, chuyên cần, bài tập, khảo sát, lượt nhấp, đường đi qua nội dung hoặc thời gian làm bài. Một số nền tảng còn ghi thời điểm truy cập học liệu, số lần truy cập và thời gian học liệu hiển thị. Thời gian hiển thị chỉ cho biết nội dung đã mở, chưa tự chứng minh mức độ tập trung hay tiếp thu.[1][3]
Trong học viện trực tuyến của chúng tôi, người dùng có thể tìm nội dung, ghi danh, học và theo dõi tiến độ. Đội quản trị quản lý nhóm, quyền, trạng thái hoàn thành và báo cáo vận hành trong cùng một nền. Trước khi tìm thêm công cụ, hãy kiểm tra những thông tin sẵn có và câu hỏi chúng có thể giúp trả lời.
Bốn cấp phân tích: từ mô tả đến khuyến nghị
SoLAR mô tả bốn cấp: mô tả tổng hợp kết quả quá khứ; chẩn đoán tìm hiểu nguyên nhân của xu hướng; dự báo dùng mô hình để ước lượng điều có thể xảy ra; khuyến nghị đề xuất chiến lược hành động. Các cấp bổ sung cho nhau, nhưng không bắt buộc đơn vị phải triển khai mô hình dự báo mới có thể cải thiện khóa học.[2]
- Mô tả (descriptive): Chuyện gì đã xảy ra? Hình dung một báo cáo cho thấy học viên thường dừng ở một học phần.
- Chẩn đoán (diagnostic): Vì sao có xu hướng đó? Người dạy xem lại câu hỏi và phản hồi ở học phần ấy.
- Dự báo (predictive): Điều gì có thể xảy ra? Một mô hình có thể cảnh báo nguy cơ bỏ học để đội lớp kiểm tra thêm.
- Khuyến nghị (prescriptive): Nên làm gì? Đội đào tạo cân nhắc gửi hỗ trợ hoặc sửa học liệu, rồi theo dõi phản hồi.
Cảnh báo nguy cơ là tín hiệu để hỏi thăm, không phải kết luận về năng lực hay động cơ của một người. Người phụ trách nên xem bối cảnh, trao đổi với học viên và quyết định cách hỗ trợ; phản hồi của con người cũng giúp phát hiện và sửa sai trong hệ thống.[1]
Từ dữ liệu đến quyết định
Quy trình có bốn bước: thu thập; làm sạch và kiểm tra; phân tích; báo cáo. Hãy xác định mục tiêu trước khi thu thập, kiểm tra dữ liệu thiếu hoặc sai, rồi trình bày kết quả kèm diễn giải và đề xuất hành động. Không cần đưa thông tin không liên quan đến mục tiêu đào tạo vào báo cáo.[4]
Người quản lý xác định câu hỏi và quyền xem; điều phối viên hiểu cách ghi danh, trạng thái lớp và kiểm tra dữ liệu; giảng viên diễn giải kết quả cùng phản hồi của người học. Người phụ trách phân tích cần biết làm sạch, so sánh và trình bày giới hạn của dữ liệu. Một người có thể đảm nhận nhiều vai trò tùy quy mô đơn vị.
Chỉ số đầu tiên nên theo dõi
Các chỉ số thường gặp gồm hoàn thành, tương tác, thời gian học, điểm đánh giá, điểm dừng và mức hài lòng. Hãy chọn chỉ số theo câu hỏi cụ thể: so sánh hoàn thành giữa các nhóm, xem học phần nào bị bỏ dở hoặc theo dõi điểm khi khóa học được chỉnh sửa. Phản hồi trong quá trình học giúp người dạy điều chỉnh học liệu và hỗ trợ phù hợp.[5][6][9]
- Hoàn thành theo nhóm → Nhóm nào cần được tìm hiểu thêm? → Kiểm tra bối cảnh và hỏi người học về trở ngại.
- Học phần bị bỏ dở → Người học thường dừng ở đâu? → Xem lại nội dung, hướng dẫn và cách phân bổ bài.
- Điểm câu hỏi cùng phản hồi → Nội dung nào có thể chưa rõ? → Rà soát câu hỏi và giải thích lại chủ đề liên quan.
Với học viện trực tuyến, chúng tôi đề xuất xem thêm kích hoạt, lượt học theo nhóm, nội dung được tìm và công việc quản trị còn vướng. Số tài khoản tạo mới không nên là thước đo duy nhất: nó chưa cho biết người dùng có quay lại học hay đội vận hành gặp khó khăn ở đâu.
Quyền riêng tư và trách nhiệm khi dùng dữ liệu
Chỉ thu thập, xử lý và lưu thông tin cá nhân cần thiết cho mục đích đã xác định. Hãy thông báo dữ liệu nào được ghi, ai xem, dùng để làm gì và lưu bao lâu; đối chiếu quy định bảo vệ dữ liệu cá nhân hiện hành. Cần làm rõ cách xin sự đồng ý phù hợp và lựa chọn từ chối thu thập (opt-out) nếu có, thay vì để người học tự đoán từ thiết lập mặc định.[1][8]
Ẩn danh hoặc giảm khả năng nhận diện khi có thể, giới hạn quyền truy cập theo nhiệm vụ và kiểm tra cách đối tác bên ngoài bảo vệ dữ liệu. Trong sản phẩm hồ sơ học viên của chúng tôi, quyền xem, thời gian lưu, lịch sử truy cập và cách xử lý thông tin nhạy cảm được cấu hình theo chính sách tổ chức; đây là hồ sơ hành chính, nên phạm vi dùng cho báo cáo học tập cần được xác định riêng.[1][7]
Drachsler và Greller đưa ra danh sách DELICATE gồm tám mục để rà soát đạo đức và quyền riêng tư trong phân tích học tập. Dựa trên các mục như xác định mục đích, giải thích phạm vi, xin đồng ý, ẩn danh, kiểm soát quyền truy cập và yêu cầu với đối tác bên ngoài, cùng nguyên tắc tối thiểu hóa dữ liệu, đội triển khai có thể dùng tám câu hỏi dưới đây trước khi bật báo cáo. Đây là bản rút gọn để thực hành, không thay cho danh sách gốc.[1][8]
- Mục đích sử dụng đã được xác định rõ chưa?
- Phạm vi thu thập và sử dụng đã được giải thích chưa?
- Cách xin sự đồng ý và lựa chọn của người học đã rõ chưa?
- Mỗi loại thông tin có thực sự cần cho mục đích đó không?
- Có thể giảm khả năng nhận diện cá nhân không?
- Ai được xem dữ liệu và quyền đó được kiểm tra thế nào?
- Đối tác bên ngoài bảo vệ thông tin ra sao?
- Ai tiếp nhận phản hồi và sửa sai khi dữ liệu hoặc kết luận có vấn đề?
Mô hình có thể dự báo sai, dựa trên dữ liệu thiên lệch hoặc đưa ra kết quả khó giải thích. Lợi ích của tổ chức cũng có thể khác với lợi ích của học viên. Vì vậy, không dùng một cảnh báo làm căn cứ duy nhất để đánh giá con người; hãy cho phép người học phản hồi và có người kiểm tra trước khi đưa ra quyết định ảnh hưởng đến họ.[1][2]
Ví dụ giả định: bắt đầu với một khóa
Hình dung một trung tâm muốn biết học viên gặp trở ngại ở đâu trong một khóa. Đội lớp chọn xem trạng thái hoàn thành, học phần bị bỏ dở và phản hồi của người học. Trước hết, họ mô tả điểm dừng; sau đó người dạy xem lại học liệu và hỏi học viên về nguyên nhân. Đội có thể chỉnh hướng dẫn, theo dõi phản hồi tiếp theo và thông báo rõ những dữ liệu được dùng. Đây là tình huống minh họa, không phải kết quả thực tế.
Bắt đầu từ câu hỏi cần trả lời
Learning analytics hữu ích khi dữ liệu sẵn có dẫn tới một câu hỏi rõ ràng và một hành động hỗ trợ phù hợp. Nếu trung tâm hoặc bộ phận đào tạo muốn bắt đầu, hãy đăng ký buổi trao đổi với chúng tôi: chọn một nhóm học viên và một danh mục khóa ưu tiên, rồi chốt báo cáo cần xem cùng quy tắc quyền truy cập trước khi mở rộng.
Bài liên quan
Nguồn tham khảo
- Wikipedia – Learning analytics
- SoLAR – What is Learning Analytics?
- Wikipedia – Educational data mining
- Training Industry – Learning Analytics
- TechClass – Learning analytics
- Teachfloor – What is learning analytics
- D2L – Ultimate Guide to Learning Analytics
- Wikipedia – Data minimization
- Wikipedia – Formative assessment