1. A aprendizagem na sociedade digital
1.7. A relevância das Learning Analytics
Learning Analytics são definidas por (Johnson, Smith, Willis, Levine, & Haywood,
2011a) como sendo a interpretação de um grande número de dados produzidos e recolhidos dos estudantes de forma a avaliar o progresso académico, prever performances e detetar possíveis problemas. Os dados são recolhidos das ações dos estudantes em plataformas online, incluindo não só as plataformas oficiais, mas também as interações sociais, extracurriculares, posts em fóruns e outras atividades que poderão não ser vistas como relacionadas com o seu progresso educacional. “Learning analytics need not simply
focus on student performance. It might be used as well to assess curricula, programs, and institutions” (Johnson, Smith, Willis, Levine, & Haywood, 2011b:28).
Esta definição tem vindo a evoluir, à medida que se definem melhor quais as atividades e os dados que melhor ajudam os docentes e estudantes neste tipo de análise, pois contrariamente à análise de dados tradicional, as Learning Analytics têm como grande objetivo compreender quais os métodos e modelos que afetam a aprendizagem.
Em 2012, no relatório feito pelo Departamento de Educação dos EUA (Bienkowski, Feng, & Means, 2012) as Learning Analytics já são definidas como uma área de pesquisa e aplicação relacionada com a análise académica, análise de ações e análise preditiva. Sendo mencionado que incorpora conceitos e técnicas das ciências da informação e da sociologia, assim como da informática, estatística, psicologia e ciências da educação, pois pretende compreender os sistemas utilizados para o ensino e a aprendizagem, e procuram dar apoio a tomadas de decisão e à melhoria de estratégias.
Existem diversos métodos e ferramentas propostas por diversos investigadores para analisar a interação dos estudantes em redes sociais online, que incluem a frequência dos posts e a análise de conteúdo. Hong & Lee (2008) dizem que na sua maioria os estudos desenvolvidos a nível de conteúdo estão focados na análise qualitativa e que exploram questões como a resolução de problemas e o pensamento crítico. Ao passo que os estudo quantitativos estão mais focados na frequência dos posts ou no número de posts por nó. Contudo, referem que são cada vez mais necessárias ferramentas que analisem o desenvolvimento do processo de desenvolvimento do conhecimento. Menciona o estudo
84 levado a cabo por Veerman and Veldhuis-Diermanse (2001), que desenvolveu um método baseado nos princípios sociais construtivistas, com duas grandes categorias: perceber se os
posts estão ou não relacionados com as atividades propostas:
“There were four categories of non-task discussions. The four categories with
examples of the posting are: (a) Planning: ‘Is it OK to discuss the arguments first?’; (b) Technical: ‘Do you know how to change the diagram window?’; (c) Social: ‘Smart thinking’; and (d) Nonsense: ‘What about a swim this afternoon?’ The task related discussions, on the other hand, consisted of three major categories. The three categories with examples of the posting are: (a) New idea: ‘Interaction means responding to each other’; (b) Explanation: ‘I mean that you integrate information of someone else in your reply’; and (c) Evaluation: ‘I don’t think that’s a suitable description because interaction means also interaction with computers or materials, see Laurillard’s definition’.”
(Veerman & Veldhuis-Diermanse, 2001 in Hong & Lee, 2008:94)
Hong e Lee (2008) referem que este estudo foi bem-sucedido e que concluiu que a comunicação online deu aos estudantes mais opções para pensarem e refletirem sobre informação, para organizarem e acompanharem discussões, assim como para participar em discussões de grande grupo, mencionando ainda que este tipo de estudo refletiu que a interação entre os estudantes originou fases de construção de conhecimento de alto nível. Assim sendo, torna-se relevante que este tipo de analise seja feita não só a nível qualitativo como a nível quantitativo, para que se consiga compreender não só o nível de interação, mas o que ele proporciona, i.e. qual o nível de conhecimento que é possível contruir com este tipo de interação.
O relatório da NMC (2014) para o ensino superior (Johnson et al., 2014) focou as
Learning Analytics como uma das tecnologias a serem adotadas e mais desenvolvidas a
médio prazo. De acordo com o NMC Horizon Report 2015 Higher Education Edition (Johnson et al., 2015) a utilização de ferramentas de Learning Analytics tem vindo a aumentar procurando personalizar a experiência de aprendizagem, através do acesso a novos dados que permitam fazer uma avaliação contínua, medindo o desempenho e a interação dos estudantes na Web. As Web Analytics já são utilizadas por grandes empresas para analisar atividades comerciais, identificando tendências e gostos dos consumidores.
85 Em educação, o Learning Analytics promete analisar grandes volumes de dados sobre as interações dos estudantes nas atividades que lhes são propostas. Os resultados serão uteis não só aos docentes, para melhorar as suas pedagogias e detetar estudantes em risco de insucesso, mas também serão uteis aos estudantes, que as poderão aplicar para fazerem uma análise das suas contribuições, tendo o potencial de ser uma poderosa ferramenta para que estes façam uma autoavaliação periódica e atempada das suas performances académicas.
“For learners, educators, and researchers, learning analytics is already starting to provide crucial insights into student progress and interaction with online texts, courseware, and learning environments used to deliver instruction. Data-driven learning and assessment will build on those early efforts.” (Johnson et al., 2015:12)
Os mesmos autores referem que embora ainda em desenvolvimento, a ciência das
Learning Analytics permite o acesso a ferramentas de estatística e tratamento de dados
que podem ajudar a detetar cedo os hábitos académicos dos estudantes, podendo ajudar a melhorar resultados e a personalizar a experiência de aprendizagem de cada um. Realçam ainda a experiência particular do ensino online, onde os estudantes geram um grande número de dados, ao fazerem grande parte da sua aprendizagem online.
“The European Commission’s Institute for Prospective Technological Studies (IPTS) launched the “Opening Up Education” to assist in the formulation of guidelines in OER adoption and implementation. Likewise, measuring learning through data- driven practice and assessment, currently on the rise in universities in the developed world, will reach its maximum impact in higher education in about three to five years, but many leading institutions are moving considerably faster The Open University in the UK has created policies that support the ethical use of learning analytics, and in the US, the recent Asilomar Conference convened educators, data scientists, and legal scholars to develop a framework to influence policy.”
(Johnson et al., 2015:6)
Learning Analytics são ferramentas que possibilitam a avaliação detalhada da interação, envolvimento e formas de aprendizagem dos estudantes em eLearning. No entanto, é necessário o apoio institucional para que estas aconteçam. Não só porque, apesar de anónimas, recolhem os dados relativamente às atividades dos estudantes, sendo necessário um consentimento dos mesmos, como requer a instalação das ferramentas no LMS escolhido, como por exemplo a instalação de qualquer um dos plugins do Moodle que permite este tipo de análise:
86 As redes sociais online como o Facebook, também se encontra disponível uma ferramenta de Analytics, o netvizz, sendo possível visualizar os dados de interação dos indivíduos em grupos de discussão fechados, páginas, redes, pesquisas e estatísticas dos links partilhados 2.
Os dados dos estudos mais recentes com recurso ao Learning Analytics têm respondido a questões complexas sobre, por exemplo, o que os estudantes sabem ou se estão envolvidos na aprendizagem. Bienkowski et al. (2012), referem que os estudos mais recentes têm vindo a definir categorias chave nas quais estas ferramentas podem ser aplicadas nas atividades de aprendizagem online, sendo estas: (1) mapear o conhecimento, comportamento e experiência do estudante; (2) conhecer o perfil do estudante; (3) mapear
2 https://apps.facebook.com/netvizz/?fb_source=search&ref=ts&fref=ts
Figura 1.4 - Plugins de Learning Analytics disponíveis no Moodle em 2015. In https://moodle.org/mod/forum/discuss.php?d=322031
87 os conceitos chave num domínio e mapear os componentes do conhecimento; (4) e fazer análise de tendências. Os autores referem ainda uma outra aplicação como sendo a adaptação ou personalização da experiência do utilizador, no caso do ensino, do estudante, e propõem uma tabela onde demostram as áreas e as aplicações das ferramentas de
Learning Analytics:
Figura 1.5 - Application Areas for Educational Data Mining and Learning Analytics. In Bienkowski et al. (2012).
88 Neste estudo, de acordo com esta tabela, são 4 as áreas de aplicação:
1) O mapeamento do conhecimento do utilizador – procura saber quais os conteúdos que um estudante sabe e será feito através das publicações que os estudantes fizeram nos grupos do Facebook e nos Fóruns do Moodle;
2) O mapeamento do comportamento do utilizador procura saber o que os padrões de comportamento dos estudantes significam para a aprendizagem e se os estudantes estão motivados, através da análise das respostas dos estudantes com as ferramentas de Learning Analytics;
3) O mapeamento da experiência do utilizador – procura saber se os estudantes estão satisfeitos com a experiência, através das respostas aos questionários.
4) Conhecer o perfil do utilizador – procurando saber quais os perfis de utilizador dos estudantes do estudo, através das respostas aos questionários e das contribuições dos estudantes nos fóruns e grupos de discussão.
Esta tendência do uso de ferramentas deste tipo em um dos campos emergentes atualmente, quer na educação em geral, quer no território da educação a distância justificando-se pela massividade dos dados em vários cenários online.
CAPÍTULO II
90