Esim. OPSU, Primus, Wilma
Suoritusmerkinnät, arvosanat, lukujärjestykset
Esim. ViLLE, Moodle, Opentunti
Kirjautumistiedot, tehtäväpalautukset, kurssi-ilmottautumiset, läsnäolot
Esim. Tilastokeskus, avoin data, kyselyt
Taustatiedot, tutkimusaineistot
Oppimisanalytiikan päämääränä on tyypillisesti tarjota keinoja, välineitä ja metodeja opintojen etenemisen seurantaan ja mahdollisten vaikeuksien ennakointiin. Erityiskiinnostuksena oppimisanalytiikassa on opintojen ohjaus ja oppimisen ja opetuksen avustuksen automatisointi. Keinojen avulla tavoitellaan testattuja, perusteltuja ja eettisesti kestäviä vaikutuksia oppimis-, opetus-, ohjaus- ja hallintoprosesseihin.
Oppimisanalytiikassa on tyypillistä mallien muodostaminen olemassa olevasta datasta. Esimerkiksi tarkastelemalla vuosittaista opintopisteiden kertymistä riittävän suuresta datamassasta voidaan mahdollisesti ennakoida tulevina vuosina opiskelijoiden koko lukuvuoden opintopistekertymää jo hyvissä ajoin. Tällainen malli mahdollistaa aikaisen reagoinnin ja tilanteen mahdollisen korjaamisen silloin, kun korjauksia on vielä mahdollista tehdä.
Kyselyt voivat olla tehokkaita työkalujan oppimisanalytiikan vaatiman datan keräämisessä, erityisesti mikäli kyselydata voidaan yhdistää muilla keinoin kerättyyn dataan (esimerkiksi oppimisjärjestelmistä tai sensoreista automaattisesti kerätty data).
Pelkkien kyselyiden avullakin voidaan kuitenkin saavuttaa tärkeitä tuloksia. Oheisessa kuvaajassa on yhdistetty kaksi opiskelijoiden opiskelutottumuksia mittavasta kyselystä poimittua kysymystä.
Niin kuin kuvasta nähdään, ne opiskelijat, joilla on ystäviä, joiden kanssa tehdä tehtäviä, ilmoittavat selvästi harvemmin tuntevansa itsensä henkisesti tai fyysisesti väsyneeksi. Kuvan perusteella opiskelijoiden ryhmäytymisen edistämiseen kannattaa siis panostaa.
Jatkuva arviointi ja kurssin suoritusten kokonaisvaltainen kerääminen mahdollistaa kurssisuorituksia ennustavan mallin rakentamisen. Oheisessa kuvassa on esitetty kahdeksan viikon mittaisen kurssin tilanne toisella viikolla.
Kuvassa olevat pallot kuvaavat jokainen yhtä kurssin opiskelijaa. Pallot on värikoodattu opiskelijoiden kurssilla saavuttaman arvosanan mukaisesti. Huomionarvoista on, että jo toisella viikolla voidaan mallin avulla tunnistaa 80 % niistä opiskelijoista, jotka eivät tule läpäisemään kurssia.
ViLLE tunnistaa automaattisesti oppilaiden oppimisvaikeuksia matematiikan eri osa-alueissa perustuen heidän suorituksistaan kerättyihin tietoihin.
Tutkimuksen mukaan ViLLEn käyttämät algoritmit tunnistavat oppimisvaikeuksia yhtä tehokkaasti kuin MAKEKO-testi. Automaattinen analytiikka mahdollistaa kuitenkin reaaliaikaisen tiedon esittämisen opettajalle koska tahansa ilman erillistä testausta.
Koska oppimisanalytiikan avulla käsitellään oppilaista kerättyjä tietoja, pitää analytiikan tietosuojaan suhtautua vakavasti. Oppimisanalytiikan keskus on alusta asti noudattanut toiminnassaan lakia ja eettisesti kestäviä periaatteita: