Öğrenme ekosisteminin güncel başlıklarından biri de öğrenme analitiği. iTopTraining adlı şirketin kurucularından olan ve aynı zamanda şirketin Araştırma ve Geliştirme Direktörlüğü görevini yürüten Jose Antonio Omedes, eLearningIndustry’de bu konuya ilişkin önemli bir yazı[i] kaleme aldı.
Omedes, öğrenme analitiği kavramının sektörde çok geniş kapsamlı olarak kullanıldığını hatırlatırken konuya ilişkin en önemli sorunsalın öğrenme analitiğinin proaktif mi reaktif mi olduğunu vurguluyor. Yazara göre öğrenme analitikleri bağlamında olgunluk seviyemizi belirleyen şey bu soruya verdiğimiz yanıt.
Proaktif ve reaktif öğrenme analitiği
Omedes yazısında proaktif analitiğin devam eden öğrenme süreçlerini, reaktif analitiğin ise gelecekteki öğrenme süreçlerini etkilediğini kaydediyor. Omedes bu kavramlara ilişkin şöyle bir örnek sunuyor. Eğer analitik araçlarımız, harekete geçmezsek çeşitli öğrencilerin başarısız olacağını öngörüyorsa, biz bu öğrencilere ek destek sunarak halen onların geleceğini değiştirebiliriz. Diğer taraftan, eğer öğrenme yönetim sistemimizdeki gösterge panelimiz öğrencilerin kurstaki geçmiş başarı durumlarını gösteriyorsa, biz bu değerlendirmeler ışığında ancak gelecek eğitimleri etkileyebiliriz, fakat bu kursta başarısız olmuş öğrenciler için bir şey yapamayız.
Yazara göre proaktif analitikler bağlamında iki önemli bileşen bulunuyor: Tahmin ve Öneri.
1. Tahmin
Omedes proaktif analitiğin, geçmişe, öğrencilerin mevcut davranışlarına ve performansına dayalı olarak geleceği öngördüğünü, doğru tahminlerin de daha iyi aksiyonları beraberinde getireceğini ifade ediyor.
2. Öneri
Omedes bazı analitik motorların ise doğruyu tahmin etmekle kalmadığını, aynı zamanda doğru aksiyonları önerdiğini de kaydediyor. Yazar bu tür sistemlerin daha gelişkin ve karmaşık bir yapıya sahip olduğunu belirtiyor. Omedes proaktif öğrenme analitiğini aşağıdaki şemayla açıklıyor:
Kurumlarda proaktif öğrenme analitiği çözümlerini denemenin önemini vurgulayan Omedes, proaktif öğrenme analitiğinin şu önemli 4 yönüne dikkat çekiyor.
1. Veri
Yazarın belirttiği gibi proaktif analitik sistemlerde en önemli bileşenlerden biri tahmin ve veri bunu hayata geçirmek için en önemli varlığımız. Proaktif öğrenme analitiği geliştirmek için, yeterli ve nitelikli bir veriye ihtiyaç duyarız.
Yazara göre geleceği öngörmek ya da tahmin etmek tek adımlı bir iş değil. Tahmine dayalı sistemler hesaplamalarını kullanılabilir bütün verileri o andaki duruma göre işleyerek hassas hale getirir. Örneğin bir eğitimde ne kadar fazla öğrenciniz varsa, bu kurs için daha iyi tahminlerde bulunabilirsiniz.
Omedes nitelikli verinin de diğer bir önemli faktör olduğunu vurguluyor. Yazara göre verili bir öğrenme sürecinde tüm bileşenler yakalanamazsa, tahminler çok doğru olmayabilir. Örneğin değerlendirme için 5 tane quizin olduğu bir kurs düşünün ve sadece bir tanesinin analiz edildiğini. Bu durumda sisteme mevcut tüm bilgileri sağlamayarak hesaplamaları hatalı hale getiriyoruz demektir.
2.Algoritmalar
Yazara göre proaktif öğrenme analitiğinde diğer bir önemli bileşen de algoritma. Algoritmalar, verilerden öngörüler elde etmek için kullanılan matematiksel hesaplamalardır. Omedes analitik çözümleri içte hallediyorsanız mevcut verilerinizi anlamlı hale getirmek için algoritmalar yaratmayı öneriyor. Omedes dışardan bir kurumla öğrenme analitiği çözümleri aranıyorsa, öğrenenlerin performansını yükseltmek, eğitim ve iş süreçlerinizi geliştirmeye yönelik yeterli bilgi edinebilmek için birlikte çalıştığınız kurumun sizin için neyin uygun olduğunu tahmin edeceğinden emin olunması gerektiğini vurguluyor.
3.Aksiyon
Yazara göre bilgiden aksiyona geçme adımı da oldukça önemli. Omedes yazısında analitik motorun tavsiyelerini hayata geçirmek için çeşitli mekanizmalara ve süreçlere sahip olmak gerektiğini kaydediyor. Yazarın hatırlattığı gibi, günün sonunda önemli olan harekete geçebilmektir. Gerçekten önemli olan şey harekete geçmenin sonuçlarıyla ortaya çıkan gelişmedir.
4. Değerlendirme
Omedes proaktif öğrenme analitiğinde döngünün son aşamasının ise değerlendirme olduğunu vurguluyor. Yazara göre ideal olarak, tahminlerinizin doğruluğunu ve bu tahminlerin sonucu olarak gerçekleştirilen aksiyonların etkinliğini anlamamız gerekir. Bu, uzun vadede öğrenme analitiklerini geliştirmeye yardımcı olacaktır.
Omedes önemli yazısının son bölümünde veri, algoritma, aksiyon ve değerlendirmenin tahmine dayalı analitikler bulmacasının 4 önemli bileşeni olduğunu tekrar vurguluyor. Yazara göre bunlarda ne kadar iyi olduğumuz öğrenme analitiği yolculuğumuzun başarısını belirleyecek. Omedes proaktif öğrenme analitiğiyle ulaşabileceğimiz parlak geleceği artık yanıtlarını bilebileceğimiz şu sorularla özetliyor:
- Hangi öğrenenlerin ek destek alması gerekiyor?
- Bir öğrenene hangi içerik uyuyor?
- Eğitimdeki öğrenenler için hangi etkinlikler uygun?
- Öğrenme stilinizin hangi değişkenleri bir öğrenen için en etkili olandır?
[i] Omedes, J. O. (2017). Learning Analytics: Proactive Or Reactive? https://elearningindustry.com/are-learning-analytics-proactive-or-reactive adresinden erişilmiştir.