Skaitmeninės technologijos keičia žmonių bendravimą, visuomeninio gyvenimo sanklodą, bendradarbiavimo galimybes, formuoja naujus gyvenimo įpročius. Šie pokyčiai turi įtakos visai švietimo sistemai. Prognozuojama, kad po dešimtmečio maždaug du trečdaliai bendrojo ugdymo mokyklų mokinių visiškai ar iš dalies mokysis skaitmeninėmis technologijomis grindžiamoje mokymosi aplinkoje, o nešiojamieji kompiuteriai ir edukacinės technologijos, pažangios mokymosi aplinkos taps nebe siekiamybe, o realybe.

Dirbtinis intelektas ir mokymosi analitika gali būti veiksmingas įrankis, padedantis geriau suprasti, kaip mokiniai mokosi, kaip naudoja ugdymo turinį ir kokios jiems reikia pagalbos, kurie ugdymo būdai yra veiksmingiausi kiekvienam besimokančiajam, atsižvelgiant į jo asmeninius gebėjimus ir poreikius, kas nutiko praeityje ir kas gali nutikti ateityje. Trumpai tariant, dirbtinis intelektas ir mokymosi analitika reiškia duomenų apie besimokančiuosius ir jų aplinką rinkimą bei analizę, siekiant suprasti ir tobulinti mokymosi procesus bei daryti įtaką mokinių pasiekimams.

Pagrindiniai mokymosi analitikos tikslai yra pagerinti akademinių pasiekimų rodiklius ir padėti mokiniams ugdyti didesnę atsakomybę už savo mokymosi veiklą (Siemens, 2011). Tai pasiekiama pasitelkiant prognozavimo, personalizavimo ir pritaikymo, intervencijos bei informacijos vizualizavimo funkcijas.

Mokymosi analitikos funkcijos

Mokymosi analitika mokiniams, mokytojams, mokyklos vadovams, tėvams

Mokytojams, mokiniams, mokyklų vadovams, švietimo politikams – visiems yra svarbu rasti būdų, kaip, naudojant skaitmenines technologijas, surinkti patikimus duomenis, juos kaupti tam skirtose sistemose, analizuoti ir jais remiantis pagerinti mokymąsi.

Mokymosi analitikos įrankiai yra naudingi mokiniams, nes su jų pagalba galima:

• gauti vaizdžiai ir aiškiai pateiktą informaciją apie pasiekimų lygį bei mokymosi pažangą, dalyvavimą mokymosi veiklose;
• palaikyti savireguliuojamą mokymąsi, padėti įsivertinti bei koreguoti mokymosi strategijas ir tokiu būdu kontroliuoti savo mokymąsi;
• sustiprinti motyvaciją ir pasitikėjimą;
• gauti informacijos apie atotrūkį tarp dabartinio ir norimo mokymosi rezultato;
• sulaukti pasiūlymų, kaip pašalinti mokymosi spragas, ką padaryti, kad galima būtų pasiekti ugdymosi tikslus.

Mokymosi analitikos įrankiai yra naudingi mokytojams, nes su jų pagalba galima:

• geriau suprasti, kaip mokiniai mokosi, kas jiems sekasi ir kur reikia pagalbos;
• stebėti mokinių mokymosi ir pasiekimų pokyčius;
• nustatyti mokinius, kuriems reikia ar gali prireikti pagalbos;
• planuoti intervenciją ir priimti sprendimus dėl tolesnių mokymo bei mokymosi žingsnių;
• sumažinti atotrūkį tarp mokinių, turinčių aukštus ir žemus pasiekimus;
• laiku ir prasmingai teikti grįžtamąją informaciją;
• sužinoti apie vertinimo būdų efektyvumą;
• gauti informacijos apie mokymo(si) programų ir taikomų mokymo(si) strategijų veiksmingumą; priimti duomenimis grįstus sprendimus apie naujų programų kūrimą ir plėtojimą.

Institucijos lygmeniu mokymosi analitikos įrankių naudojimas yra prasmingas, nes su jų pagalba galima:

• gauti apibendrintus duomenų rinkinius apie mokinių pažangą ir pasiekimus;
• rinkti duomenis, reikalingus priimant pagrįstus sprendimus dėl ugdymo procesų ir mokyklos veiklos tobulinimo;
• naudoti duomenis mokyklos veiklos vertinimo ar įsivertinimo tikslais;
• išskirti mokyklos mokytojų profesinio tobulėjimo sritis ir numatyti aktualias konkrečiam mokytojui ar jų grupei;
• priimti pagrįstus sprendimus dėl aktualių vadybinių, išteklių paskirstymo ir kt. pokyčių mokykloje;
• užtikrinti įvairaus pobūdžio informacijos rinkimo, kaupimo, sisteminimo ir dalijimosi procesų sklandumą.

Mokymosi analitikos įrankiai yra naudingi ir tėvams, nes su jų pagalba galima gauti nuolatinę informaciją apie vaikų mokymąsi, daromą pažangą ir pasiekimus.

Siekiant padaryti mokymosi analitiką patrauklią mokytojams ir besimokantiesiems, reikia plėtoti į žmogų orientuotą mokymosi analitikos prieigą. Ši prieiga remiasi nuostata, kad mokymosi analitikos įrankių naudojimas turi apimti ne tik efektyvius technologinius ir pedagoginius sprendimus, bet ir apsvarstyti daugybę kontekstinių ir žmogiškųjų veiksnių atsakant į klausimus, kodėl ir kaip duomenys bus naudojami, kas ir kokiame kontekste tai darys. Mokytojai turi mokėti interpretuoti mokymosi analitikos įrankių sugeneruotus duomenis ir derinti juos su savo pedagoginėmis žiniomis. Duomenų rinkimas ir analizė yra tik pirmas mokymosi analitikos žingsnis. Svarbiausias rūpestis turėtų būti paieška būdų, kaip sujungti mokymosi analitikos įrankių generuojamus duomenis su ugdymo teorija ir praktika, mokymo ir mokymosi procesų tobulinimu.

Daugiau apie mokymosi analitiką švietimo srityje: https://youtu.be/Rdp9mD8ukVw

Rūta Girdzijauskienė, Julija Melnikova

2021-12-31