Learning Analytics
og Big Data- et kritisk perspektiv
Thomas Ryberg
Professor
Inst. for kommunikation, AAU
@tryberg - twitter
Agenda
• Kort om mig – hvorfor dette oplæg, hvad er mit bias
– Ikke maskin-stormer – networked learning og læring og
sociale medier
– Handler egentlig generelt om #edtech
– Hvorfor kritik? Hvorfor Big Data? Ikke kritik af konkrete
initiativer men mere af forestillinger!
– Polemisk og kritisk oplæg – men bølgen er der og vi
skal diskutere den kritisk (mens vi kan)
#EDTECH -
UDDANNELSESTEKNOLOGI
Stærke stemmer der taler om nært forestående, radikale forandringer
– Game-changers, DISRUPTION, paradigme-skifte, 2.0, med på vognen
Stor afstand mellem:
De faktiske kvalitative forandringer teknologi har medført inden for
uddannelse og den faktiske udviklingshastighed
Samme tog kører til perronen uden at være vidende om, at det har
været der før og er kørt i ring
#E D T E C H er B IG B U S IN E S S
Full of:
Men også potentiale…
“There must be an industrial revolution in education in
which educational science and the ingenuity of
educational technology combine to modernize the
grossly inefficient and clumsy procedures of
conventional education.”
- Sidney Pressey, 1924, inventor
of the Automatic Teacher, the first
electronic device used in schools
The motion picture is destined to revolutionize
our educational system and...in a few years it will
supplant largely, if not entirely, the use of
textbooks.
—Thomas Edison, 1922
Prof. C. C. Clark of New York University conducting a class from his home (1935)
Source: http://www.smithsonianmag.com/history/predictions-for-educational-tv-in-the-1930s-107574983
“The scene will be a
commonplace one tomorrow,
without a doubt, when television
will be as indispensable to our
every day home life as the radio
program receiver is today.” (The April 1935 issue of Short Wave
Craft magazine)
1954
http://www.idealearninggroup.com/blog/history-of-elearning-e-is-for-evolutionary
Umiddelbar feedback, selv-drevet
læring, adaptiv læring – ofte hørt ifht
nye læringsteknologier - også learning
analytics – det er ikke så nyt….
LEARNING ANALYTICS OG
BIG DATA
Learning analytics
• “Learning analytics is the measurement, collection,
analysis and reporting of data about learners and
their contexts, for purposes of understanding and
optimising learning and the environments in which it
occurs”
https://en.wikipedia.org/wiki/Learning_analytics
• Educational data mining, academic analytics, learner
modelling – ældre tradition
• Læs mere om LA på: solaresearch.org – SOLAR –
society for learning analytics research
Hvorfor kritik
• Big Data, Learning Analytics ligger i krydsfeltet mellem
forskning og Big Business
– Big Data og Learning Analytics er i øjeblikket buzz-words
– Det betyder ikke de er meningsløse, tomme eller
uinteressante – men det betyder vi skal være varsomme
• Der er brug for at vi er kritiske i edtech! Vi har alt for høje
forventninger ifht hvad der realistisk sker
• Der er noget særlig persuasivt og tillokkende ved Big
Data, Learning Analytics og visualisering af data – det
bekymrer mig! Vigtigt at være kritisk
Seeing is believing: The effect of
brain images on judgments of
scientific reasoning
• McCabe, D. P., & Castel, A. D. (2008). Seeing is believing: The effect of brain images on judgments of scientific reasoning. Cognition, 107(1), 343–352. http://doi.org/10.1016/j.cognition.2007.07.017
White paper:
Open Learning Analytics: an integrated & modularized platform
http://solaresearch.org/OpenLearningAnalytics.pdf
Tænkt eksempel på ‘student dashboard’
Men…hvordan skal vi afkode det?
Hvilke forståelser ligger under?
• Vi må være forsigtige i at antage, at fordi noget er
mere visuelt interessant, at det også:
– A: Er mere sandt og bedre reflekterer/repræsenterer
en kompleks underliggende virkelighed
– B: Folk kan læse data og agere på det på meningsfuld
og god vis
Big Data changes the definition of
knowledge?• De værktøjer vi får i hånden ændrer
vores tilgang til og forståelse af ”verden”
– Tid (kronometer) – måler ikke noget,
men strukturerer meget af vores
samfund og forståelse
– Fødselstal, scanninger, diagnoser –
producerer viden men også ‘angst’ og
nye foki
– Images og scans som persuasive –
”personlighedstest”, læringsedderkopper
Big Data changes the definition of
knowledge?• Ændrer hvad vi forstår som ‘videnskabelighed’,
‘data’, sandhed, nytte osv.
– Hvid-kittel knæfaldet – videnskab og videnskabelse én tilgang ‘pure data driven research’
– Nem adgang til bestemte typer af data producerer bestemte fortolkninger og måder at se verden på
– Men læring et menneskeligt fænomen(erfaringer, følelser, meningsfylder, politik, idealer) – alt det hvorom ‘science’ does not always speak…det rodede
• Dashboards med data – nye måder at producere bestemte subjekter – ”de bliver hvad vi måler”
– Kan man ‘måle’ en kompetence? Ligesom temperatur?
Claims to objectivity and accuracy
are misleading• Forestiling om kvantitativ forskning som mere
objektiv og videnskabelig – blottet for subjektivitet
og fortolkning – “data taler for sig selv”
• Men analyse er fortolkning – “making sense of
data”
• Data ‘er’ ikke derude – data produceres
(craftes) – de vælges, (ud)renses (data-
wrangling) og andre bestemmer hvilke data
der ér tilgængelige (fx. API)
• Vi “måler” ikke bare noget – vi konstruerer
As a large mass of raw information, Big
Data is not self-explanatory. And yet the
specific methodologies for interpreting the
data are open to all sorts of philosophical
debate. Can the data represent an
‘objective truth’ or is any interpretation
necessarily biased by some subjective
filter or the way that data is ‘cleaned?’.
(2010, p. 13) (boyd & Crawford)
Too often, Big Data enables the practice of
apophenia: seeing patterns where none
actually exist, simply because enormous
quantities of data can offer connections that
radiate in all directions (boyd & Crawford)
https://pushingheboundaries.wordpress.com/2017/09/03/learing-
in-moocs-the-undemocratisation-of-learning/
Database pedagogies (Williamson)• Adaptive learning systems (som
man har arbejdet med siden70’erne!!!!!)
• Skræddersyet, individuel læring
• “Læser”, modellerer, forudser, tilretter sig til eleven
• Automatiseret management & governance
• Men måler og vejer eller producerer metrics bestemte subjekter?
• Hvilke forståelser af pædagogik, læring og individer er i spil –hvilke forståelser træder i forgrund – hvilke i baggrund?
every child has a ‘digital tutor’ that is responsive to
their interests, their prior conceptions and
achievement and the potential for ‘intelligent online
platforms that can use data gathered from learners to
become smart enough to predict, and then
appropriately assist and assess, that learner’s
progression to mastering the concept being taught
(Williamson)
The aim of some learning analytics
developments is to create automated
pedagogic systems, or what might be termed
database pedagogies. These database
pedagogies can include automated messages
which provide brief and simple nudges or fully
automated intelligent tutoring systems: the
automatic production of personalized
pedagogies (Williamson)
database devices are based on the logic that the subject is
made up of unique combinations of distributed
transactional metrics that reveal who they are and their
capacities, problems and needs. An individual is not simply
a child or youth, but rather a combination of needs and
services. (Citation in Williamson)
Forskellige pædagogiske
forståelser
2 hovedparadigmer inden for
uddannelsestænkning
• Angelsaksisk curriculumtænkning (John Biggs)
• Kontinental (Skandinaviske tænkning) didaktisk
tænkning (Wolfgang Klafki)
Venligst udlånt af Ulla Konnerup, AAU
Klafki
• Dannelse
• Personlige, faglige kompetencer
• Selvstændighed og kritisk tænkning i forhold til tilegnelse af et
videns- og kompetencefelt
“Yde eleverne hjælp til at udvikle deres medbestemmelse og solidaritetsevne”
“Sammenhængen mellem undervisning og læring forstås som
interaktionsproces”Klafki, Wolfgang (2001). Dannelsesteori og didaktik. Århus: Klim.
Klafki, Wolfgang (1983). Kategorial dannelse og kritisk-konstruktiv pædagogik. Udvalgte artikler og indledning ved Sven
Erik Nordenbo. Nyt Nordisk Forlag Arnold Busck.
Wolfgang Klafki, (Hg.). (1988). Verführung Distanzierung Ernüchterung. Kindheit und Jugend im Nationalsozialismus.
Autobiographisches aus erziehungswissenschaftlicher Sicht. Wienheim und Basel: Beltz Verlag.
Venligst udlånt af Ulla Konnerup, AAU
Angelsaksiske tænkning
• Ingen ækvivalent begreb til dannelse
• Curriculum tænkning, der bygger på teori om
instruktion og undervisningsforskning
På forhånd intenderede læringsmål, der ved hjælp af effektiv
undervisning tilstræber et fastlagt og måleligt læringsindhold hos
den studerende, hvor effektivitet udmønter sig som et syn på
forståelse som en opadgående lineær bevægelse
(Wiberg 2011)
Venligst udlånt af Ulla Konnerup, AAU
MINE BEKYMRINGER
Forståelser af læring
• Hvad hvis læring ikke er tilegnelse af det eksisterende,
men opdagelse og skabelse af det nye?
• Hvordan måler vi hvad der ikke eksisterer/er skabt
endnu?
• Måle det vi forstår så lidt om – kreativitet,
forandringsprocesser, følelser, gruppedynamik?
• Er læring en lineær proces fra en begyndelse til en ende?
En fastsat diagram over udvikling – et ‘skill-tree’?
– Læringsmålsstyring – hvem definerer målene
• ”Teaching to the PISA test”
Forståelse af læring og bevidsthed
• Kan vi dekomponeres til et antal tællelige enheder, som aggregeret på forskellige vis kan kaldes kompetencer eller dannelse? F.eks. Learning dispositions
• Enhederne er ord, begreber, teori, abstraktioner, akademiske distinktioner som er med til at producere og konstruere forståelser af hvad vi er – de er ikke en 1:1 model af virkeligheden (den er for kompleks)
• Det tror jeg vi glemmer en gang imellem i vores fascination af data og visualiseringer og begreber
• Kan vi sige noget om folks personlighed ved at stikke et termometer i røven af dem?
database devices are based on the logic that the subject is made up of unique combinations of
distributed transactional metrics that reveal who they are and their capacities, problems and
needs. An individual is not simply a child or youth, but rather a combination of needs and
services. (Citation in Williamson)
White paper:
Open Learning Analytics: an integrated & modularized platform
http://solaresearch.org/OpenLearningAnalytics.pdf
Tænkt eksempel på ‘student dashboard’
Er ‘resiliens’ nu en ting? Det er det ved at blive
Pædagogisk værktøj eller
administrativ-politisk styring
• Systemer bliver solgt som nye værktøjer til medarbejderne
– som noget der skal hjælpe dem i deres praksis (de
varme hænder).
– Patientjournaler, research repositories, skoleportaler
– Argumenterne tager udgangspunkt i praksis…men glider det
over til at løse ledelesens og administrationens problemer
med at levere tal til andre
– Min bekymring er, at vi starter i argumenterne om læring og
praksis, men at vi ender med kontrol, administration,
dokumentation – ledere der skal aflevere tal til andre ledere,
administrative håndtryk til kvalitetsikring
Nye systemer som lærerne ikke
kan bruge….• 20 års IKT-pædagogisk forskning:
– Investér i udviklingen af underviserne…politikere: Yeeeaaah Ipads (den uhellige tre-uenighed)
• Måske tænke i en it-pædagogisk filosofi, der hedder: reduce, reuse, recycle i stedet
• Hvis det er svært for undervisere at benytte eksisterende IT på en pædagogisk god måde, løser vi så det problem ved at tilføje dashboards, der kræver en PhD i data science?
– Sundhedsmålinger, trivsel etc.etc. til lærerne fra STIL? Hvordan skal det analyseres og fortolkes
– Tal og dashboards giver altså ikke sig selv
– Er data bedre end lærernes dømmekraft?
– Bekymring: Det vi kan måle kommer i fokus og bliver det vi fokuserer på.
Opsummerende
• Learning Analytics og Big Data er ikke bare neutrale værktøjer, data og
systemer – de indeholder bestemte forståelser og måder at se verden
på.
• De skaber også bestemte subjekter, praksisser, rationaliteter og idealer
• Hvilke syn på læring og pædagogik følger med værktøjerne og
metoderne – hvilke implicitte pædagogikker er indskrevet i kildekoden
• Hvilke kompetencer kræver det at forstå og afkode de data vi
producerer – forstår vi faktisk, hvad vi opererer på?
• Specielle pædagogikker der understøttes af denne tænkning?
• Hvem får indflydelse på udvikling og implementering af systemerne?
Lærere eller administration?
Hvilke spørgsmål bør vi stille
• Læring eller data først? Hvad er vores forståelse/ideal omkring læring (læring som identitet, transformativ?)– Kan vi måle det? Hvad er begrænsningerne?
– Hvilke data har vi adgang til? Hvilke har vi ikke?
– Data-driven eller problem-driven – løser vi et problem/har et spørgsmål eller har vi nogle data, der leder efter ét
– Hvad er det vi vil forstå – er analytics svaret?
• Et par vigtige spørgsmål at reflektere over– Hvem måler hvem – og med hvilket formål?
– Hvem bestemmer målene? Lærere? Staten? Elever?
– Er man målt eller måler?
– Hvem ejer data, hvem ejer retten til at bestemme mening og analyse?
– Hvem har kompetencerne til at læse målingerne?
– Hvem bliver ‘bemyndiget’, hvem bliver ‘marginaliseret’?
Referencer
• boyd, danah, & Crawford, K. (2012). Critical Questions for Big Data. Information, Communication & Society, 15(5), 662–679. http://doi.org/10.1080/1369118X.2012.678878
• Bygholm, A., & Nyvang, T. (2013). IKT-støttet læring og kvalitet – erfaringer fra uddannelserne i Humanistisk Informatik på Aalborg Universitet. In Y. Nordkvelle, T. Fossland, & G. Netteland (Eds.), Kvalitet i fleksibel høyere utdanning – nordiske perspektiver. Akademika Forlag.
• Dalsgaard, C. (2006). Social software: E-learning beyond learning management systems. European Journal of Open, Distance and E-Learning. Retrieved from http://www.eurodl.org/materials/contrib/2006/Christian_Dalsgaard.htm
• Jones, C., & Dirckinck-Holmfeld, L. (2009). Analysing Networked Learning Practices. In L. Dirckinck-Holmfeld, C. Jones, & B. Lindström (Eds.), Analysing NetworkedLearning Practices in Higher Education and Continuing Professional Development(pp. 10–27). Rotterdam: Sense Publishers.
• Weller, M. (2007). Virtual learning environments : effective development and use. London: Routledge.
• Williamson, B. (2014). Policy networks, database pedagogies, and the new spaces of algorithmic governance in education. In S. Bayne, C. Jones, M. de Laat, T. Ryberg, & C. Sinclair (Eds.), Proceedings of the Ninth International Networked Learning Conference (pp. 547–554).
HISTORISKE UDFORDRINGER
I LEARNING ANALYTICS
Frederik Kobbelgaard, videnskabelig assistent, eLL
Manglende fokus på learning
sciences
• Manglende fokus på
– Kognition
– Meta kognition
– Pædagogik
Kilde: (Ferguson, 2012)
Manglende forståelse for kontekst
• Det meste læring foregår som blended learning, dette
understøtter LA dårligt da der historisk kun er målt på
digitale spor.
Kilde: (Ferguson, 2012)
Manglende fokus på den
studerendes perspektiv
• LA har historisk fokuseret kraftigt på undervisere og
administration som modtager af data.
Kilde: (Ferguson, 2012)
Hvad sker der lige nu?
• Der er kommet langt større fokus på etik, dog stadig
med problemer (Arnold & Sclater, 2017)
• Der er kommet et større fokus på den studerende
som stakeholder, både i form af artikler og en
konference med fokus på dette (“Learning & Student
Analytics Conference (LSAC): Implementation,
Institutional Barriers and New Developments”, 2017)
• I takt med at fokus er blevet flyttet, er historisk stærke
områder nu begyndt at blive negligeret (Ferguson &
Clow, 2017)
HVAD BRUGES LEARNING
ANALYTICS TIL LIGE NU?
PeerPilot
• Har bygget et HR system der
hjælper firmaer med at ansatte
nye medarbejdere ud fra en
analyse af ansøgerens evner
• Analysere ansøgere på tre
parametre:
• Engagement, indflydelse og
collaborative evner
Kilde: “http://peerpilot.com/”, u.å.
PeerPilot brainstorming session
Hvad kan vi lære af PeerPilot?
• Skaber egen data på brugeres præmisser, uden at
invadere deres privatliv
• Fremtidige perspektiver
– Kan understøtte evaluering af samarbejdsevner,
hvorved eleven får mulighed for selv-refleksion.
FREMTIDEN SER LYS UD.MEN OGSÅ SKRÆMMENDE!
Multimodal Learning Analytics
• Basalt set learning analytics hvor flere
modaliteter/kilder sammenkobles
• Teknologien er der – men er stadig under hastig
udvikling (Blikstein & Worsley, 2016; Worsley, 2012)
– Tekst og verbal analyse
– Håndskrift og sketch analyse
– Bevægelse og gestik analyse
– Neurofysiologisk analyse
– Eye-tracking
Hvad skal det til?
• Der er brug for viden omkring mindskelse af
kompleksitet (Kilińska & Kobbelgaard, 2017)
• Der er brug for mere viden omkring etiske aspekter
• Der er brug for bedre, og ikke mindst billigere
teknologiske løsninger
Hvorfor bruge multimodal analyse når
der er så mange problemer?
• Giver os mulighed for at få et bedre billede af en reel
situation
• Kan give os muligheder for at understøtte studerende
i helt andre kontekster end det er muligt i dag
Kilder:
• Arnold, K. E., & Sclater, N. (2017). Student Perceptions of Their Privacy in Leaning Analytics Applications. I Proceedings of the Seventh International Learning Analytics & Knowledge Conference (s. 66–69). New York, NY, USA: ACM. https://doi.org/10.1145/3027385.3027392
• Blikstein, P., & Worsley, M. (2016). Multimodal Learning Analytics and Education Data Mining: Using Computational Technologies to Measure Complex Learning Tasks. Journal of Learning Analytics, 3(2), 220–238. https://doi.org/10.18608/jla.2016.32.11
• Ferguson, R. (2012). Learning analytics: drivers, developments and challenges. International Journal of Technology Enhanced Learning, 4(5–6), 304–317. https://doi.org/10.1504/IJTEL.2012.051816
• Ferguson, R., & Clow, D. (2017). Where is the Evidence?: A Call to Action for Learning Analytics. I Proceedings of the Seventh International Learning Analytics & Knowledge Conference (s. 56–65). New York, NY, USA: ACM. https://doi.org/10.1145/3027385.3027396
• http://peerpilot.com/. (u.å.). Hentet 6. september 2017, fra http://peerpilot.com/
• Kilińska, D., & Kobbelgaard, F. V. (2017). The devil is in the detail: A study on quantifying socially shared metacognitive regulation of learning in face-to-face group work - Det Digitale Projektbibliotek, Aalborg Universitet(Masters Thesis). Aalborg University. Hentet fra http://projekter.aau.dk/projekter/da/studentthesis/the-devil-is-in-the-detail-a-study-on-quantifying-socially-shared-metacognitive-regulation-of-learning-in-facetoface-group-work(ad5a263e-9982-4d33-97f1-a3d644a0f61f).html
• Learning & Student Analytics Conference (LSAC): Implementation, Institutional Barriers and New Developments. (2017). Hentet 6. september 2017, fra http://www.lsac2017.org/
• Worsley, M. (2012). Multimodal Learning Analytics: Enabling the Future of Learning Through Multimodal Data Analysis and Interfaces. I Proceedings of the 14th ACM International Conference on Multimodal Interaction (s. 353–356). New York, NY, USA: ACM. https://doi.org/10.1145/2388676.2388755