Sử dụng dữ liệu học sinh trong nhiều năm giảng dạy cho HS THPT

Chúng tôi tự hào về hệ thống giáo dục đã dành trọn tâm huyết cho lứa tuổi học trò mang đậm dấu ấn thời học sinh khi đứng trước ngưỡng cửa cuối cùng của trung học phổ thông để bước vào cánh cửa Đại học. Việc sử dụng dữ liệu học sinh trong nhiều năm giảng dạy cho HS THPT để xác định các chiến lược thiết kế môi trường học tập tốt hơn.

Phân tích học tập (LA) là một mô tả một tập hợp các công cụ và phương pháp khác nhau để xử lý dữ liệu học sinh THPT với nhiều tình huống đa dạng, phức tạp và các bối cảnh khác nhau mà trong đó việc học tập và hình thành nhân cách là chính yếu. Mặc dù EDM (khai thác dữ liệu giáo dục) trước LA, hai cộng đồng nghiên cứu có chung mục tiêu hỗ trợ giáo dục. EDM chủ yếu quan tâm đến khám phá kiến thức tự động, và cung cấp một tập hợp các công cụ thu thập dữ liệu tự động và trực quan nhằm hỗ trợ việc học tập thích ứng. Nghiên cứu của LA nhằm mục đích cung cấp cho sinh viên và giáo viên các công cụ hữu hiệu để hỗ trợ giáo dục

Ben Kei Daniel là người nghiên cứu công nghệ và là viên cao cấp về Giáo dục đại học cho Đại học Otago, New Zealand. Ông nghiên cứu giá trị của Big Data và Learning Analytics trong Giáo dục đại học. Ông cũng đang nghiên cứu các phương pháp tiếp cận khoa học dữ liệu cho nghiên cứu giáo dục, cũng như phát triển lý thuyết sư phạm và đề cao các phương pháp nghiên cứu giúp đỡ các học sinh ở lứa tuổi tiếp cận Đại học.

Academic analytics

Trong khi có nhiều quan điểm khác nhau về Big Data trong giáo dục, Daniel đề xuất một khuôn khổ lý thuyết để mô tả Big Data trong giáo dục đại học: phân tích thể chế institutional analytics (IA), phân tích công nghệ thông tin - information technology analytics (ITA), phân tích học thuật - academic analytics (AA) ) và phân tích học tập - Learning Analytics (LA).

Lợi ích của việc sử dụng Learning Analytics (LA) ở cấp hành chính là cải thiện việc ra quyết định và phân bổ nguồn lực giúp thành công tăng năng suất tổ chức. Từ quan điểm của một giảng viên, việc phân tích học tập có thể giúp giảng viên xác định những học sinh có những nguy cơ và khó khăn từ đó cung cấp các biện pháp can thiệp, chuyển đổi các phương pháp sư phạm và giúp học sinh viên hiểu rõ hơn việc học tập của riêng họ. Có dữ liệu trong tầm tay và biết phải làm gì với dữ liệu tích luỹ trong những năm dạy học trò cấp 3 giúp chúng tôi nhận ra những lợi ích: hiệu suất của học sinh trên một số hoạt động nhất định không liên quan đến điểm số cuối cùng, chúng tôi có thể xem xét sửa đổi các hoạt động này hoạt động nhằm giúp học sinh phát huy tối đa năng lực để đạt được kết quả tích cực trong quá trình học tập. Các em càng nổ lực trong 3 năm cấp ba, các em càng có nhiều lựa chọn hơwn khi đứng trước ngưỡng cửa cuối cùng của trung học phổ thông.

Tương tự, chúng tôi có thể sử dụng dữ liệu từ LMS (Learing Management System) để xây dựng mô hình học sinh có hành vi thành công. Nếu chúng ta có thể xây dựng một mô hình với sự thành công trong hành vi của học sinh, sau đó chúng tôi có những hướng dẫn để học sinh của chúng tôi tham gia vào việc rèn luyện. Ngoài ra, chúng tôi cũng có thể xác định các học sinh có nguy cơ đi chệch khỏi mô hình và giúp các em định hướng phát triển.