Yükseköğretimde öğrenci başarısı üzerindeki erişimi ve etkiyi ölçen “öğrenme analitiği” nispeten yeni bir kavramdır. Bu ifade ilk olarak 2000 yılında Mitchell ve Costello tarafından çevrimiçi öğrenme ürünleri işiyle ilgili olduğu için ortaya atılmıştır. Ancak bu terimin eğitim ve akademisyenler arasında bir konu haline gelmesi on yıl kadar sonrasında gerçekleşti.
Öğrenme analitiği, anlaşılması basit bir kavramdır; bireylerin nasıl öğrendiğini ve öğrendikleri ortamları, esasen öğrenmeyi optimize etmeyi tanımlar. Öğrenme analitiği, derslerin belirlenmesi, müfredatın iyileştirilmesi, eğitmen performansının ve eğitim sonrası istihdamın iyileştirilmesi dahil olmak üzere akademik kurumun temel eğitim bileşenlerini geliştirmek için kullanılabilir. Öğrenme analitiği, eğilimleri belirlemek, öğrenci başarısı üzerindeki etkiyi anlamak ve akademik “risk altındaki” öğrencileri belirlemek için veri madenciliği ve işlemeyi entegre teknolojiler ve raporlama yetenekleriyle birleştirir. Öğrenci demografisini izlemek, akademik bir kurumun bölümlerinin akademik başarıyı etkilemek için birlikte nasıl çalıştığına dair derinlemesine bilgi sağlar.
Öğrencilerin öğrenme ve araştırma yapma yöntemlerini geliştirmek, bilgi okuryazarlığı konusunda ne kadar yetenekli olduklarına, bilgi kaynaklarını bulma, alma, değerlendirme, seçme ve kullanma becerilerine bağlı olabilir. Kütüphanelerin, araştırma becerilerinin kolaylaştırıcıları olarak kütüphanecilerle birlikte bilgi okuryazarlığı eğitimine öncülük etmesi yaygındır. Kütüphane kullanımını öğrenci başarısıyla ilişkilendiren etkili verilere sahip olmak, kütüphanenin önemini gösterir ve başarılı öğrenme için önemli bir temelin koruyucuları ve kurucuları olarak kütüphanecileri sağlamlaştırır.
Son yıllarda, öğrenme analitiğine bazı karmaşık katmanlar eklendi. Bir katman, öğrenciden veya öğrenciden üretilen verilerin gizliliğidir. GDPR gibi global ve California Consumer Privacy Act gibi bölgesel çabalar gizlilik düzenlemelerinin artmasıyla birlikte, kurumların öğrenme analitiğinden yararlanma biçimlerinin dikkatli bir strateji olması gerekir. Stratejinin bir parçası da kütüphanenin insanların öğrenme şeklini nasıl etkilediği olmalıdır. Kütüphaneler için bu evrimsel veri yaklaşımının iki yönlü bir zorluğu vardır. Birincisi, elbette, kullanıcı gizliliğini korumaktır. Kütüphaneciler için, ayrıntılı kullanıcı katılım metrikleri sağlarken kullanıcı gizliliğini korumak için etik bir sorumluluk vardır. Diğeri, veri kümelerine güvenli erişimi otomatikleştirme ve kolaylaştırma zorluğudur. Kütüphaneciler, farklı platformlardan verilere erişme ve bu verileri toplama ve analiz için verileri manuel olarak birleştirme ile karşı karşıya kalabilir. Bu yaklaşım, geleneksel kütüphane metrik raporlamasıyla bir ölçüde sürdürülebilir olsa da kütüphanenin etkisinin bütünsel bir görünümünü sağlamak için gereken ek veri setleriyle ölçeklenemez. Yalnızca manuel veri analizi süreci zahmetli olmakla kalmaz, aynı zamanda veri kaybı riskini ve daha da önemlisi veri ihlali olasılığını artırır.
Kütüphane analitiğinde gizlilik hakkında daha fazla bilgi edinmek için teknik incelemeyi indirin >
Kütüphane verilerini öğrenme analitiğiyle düzgün bir şekilde hizalamanın en iyi yolları nelerdir? ACRL tarafından yakın zamanda yayınlanan Learning Analytics Toolkit, başlamak için harika bir yerdir. Bu araç seti, gizlilik ve etik, olası sonuçlar ve öğrenci başarısıyla ilişkilendirilebilecek kütüphane verilerinin örnekleri hakkında bilgi sağlar.
Bu konunun sağlam bir temeli olsa bile, birçok kütüphane hala farklı veri kaynaklarını düzene koyma ve güvenli verilere erişmek için merkezi bir yere sahip olma sorunuyla karşı karşıyadır. Bir sonraki adım, verileri düzene koyabilen ve birden çok veri noktasını (öğrenci not ortalaması ve e-kaynak kullanımı gibi) tek bir gösterge panosunda merkezileştirebilen bir kütüphane analitik platformundan yararlanmaktır.
Kütüphane kullanımını öğrenci başarısına ne kadar kolay bağlayabileceğinizi ve akademik kurumunuzda öğrenme analitiği tartışmasına nasıl katkıda bulunabileceğinizi görmek için videoyu izleyin.