Öğrenme Analitiği
Learning Analytics · Ayrıca şöyle bilinir: Educational Data Mining, Academic Analytics, Learning Data Analytics, Öğrenme Analitiği
Öğrenme analitiği, öğrenmeyi ve gerçekleştiği ortamları anlamak ve optimize etmek amacıyla, öğrenenler ve bağlamları hakkındaki verilerin ölçülmesi, toplanması, analiz edilmesi ve raporlanmasıdır. George Siemens ve Phil Long tarafından 2011'de resmen tanıtılan bu yaklaşım, eğitimcilere, kurumlara ve öğrencilere eğitimsel sonuçları iyileştirmek için kanıta dayalı geri bildirim sağlamak üzere dijital öğrenme ortamlarında üretilen verilerden yararlanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Öğrenme analitiği, dijital öğrenme verilerinin sistematik olarak kaydedildiği (Öğrenme Yönetim Sistemi (ÖYS) platformlarında, MOOC'larda veya harmanlanmış derslerde) ve içgörülere dayalı hareket etme kurumsal kapasitesinin bulunduğu durumlarda uygundur. En etkili olduğu alan, bir dersin başında risk altındaki öğrencileri erken tespit etmektir. Temel varsayımlar arasında yeterli veri hacmi, temsili öğrenci örneklemleri ve etik veri yönetişimi yer alır. Dijital izi olmayan tamamen yüz yüze ortamlara daha az uygundur. Bilgi izleme gibi alternatifler, geniş etkileşim izlemenin ötesinde ince taneli beceri ustalığı tahmini hedeflendiğinde tercih edilir.
Güçlü yönler & sınırlılıklar
- Bırakma veya başarısızlık meydana gelmeden önce risk altındaki öğrencilerin erken tespiti sağlanır
- İnsan öğretim görevlilerinin bireysel olarak izleyemeyeceği büyük kayıtlar boyunca ölçeklenebilir, veriye dayalı geri bildirim sağlar
- Bireysel etkileşim ve ustalık örüntülerini ortaya çıkararak kişiselleştirilmiş öğrenme yollarını destekler
- Müfredat yeniden tasarımı ve kaynak tahsisi kararları için kurumsal kanıt üretir
- Tüm eğitim bağlamlarında bulunmayabilecek önemli, yüksek kaliteli olay günlüğü verileri gerektirir
- Öngörücü modeller, zaten marjinalleştirilmiş öğrenci gruplarını dezavantajlı hale getiren geçmiş yanlılıkları kodlayabilir
- Korelasyona dayalı bulgular, müdahaleler ve sonuçlar arasındaki nedensel ilişkileri garanti etmez
- Uygulama, birçok kurumun sahip olmadığı teknik altyapı ve veri okuryazarlığı gerektirir
SSS
Öğrenme analitiği, eğitimsel veri madenciliğinden nasıl farklıdır?
Eğitimsel veri madenciliği (EDM), eğitimsel veri kümelerine uygulanan yeni algoritmalar ve keşif yöntemleri geliştirmeye odaklanır ve teknik yeniliği vurgular. Buna karşılık öğrenme analitiği, öğrenenlerin, öğretim görevlilerinin ve kurumların karar desteklerini desteklemek için gerçek eğitimsel bağlamlarda analitik tekniklerin (EDM yöntemleri dahil) uygulanmasını önceliklendirir. İki alan önemli ölçüde örtüşmektedir ancak yönelim açısından farklılık gösterir: EDM daha çok yöntem odaklıdır, öğrenme analitiği ise daha çok uygulama odaklıdır.
Öğrenme analitiği ile hangi etik kaygılar ortaya çıkar?
Birincil kaygılar arasında öğrenci gizliliği (verinin sahibi kimdir ve ne kadar süreyle saklanır), bilgilendirilmiş onam (öğrencilerin izlendiklerini bilip bilmedikleri), algoritmik adalet (modellerin belirli demografik grupları dezavantajlı hale getirip getirmediği) ve gözetim yayılma riski yer alır. JISC Uygulama Kodu gibi etik çerçeveler, öğrenme analitiğinin nasıl kullanıldığı ve iletildiği konusunda şeffaflık, veri minimizasyonu ve öğrenci özerkliği önerir.
Güvenilir öngörücü modeller için ne kadar veri hacmi gereklidir?
Evrensel bir eşik yoktur, ancak çalışmalar tipik olarak anlamlı erken uyarı modellerinin sonuç etiketleriyle birlikte en az birkaç yüz tam öğrenci kaydı gerektirdiğini bulmaktadır. Model güvenilirliği ayrıca özellik kalitesine, sınıf dengesine ve doğrulama stratejisine de bağlıdır. Küçük kohortlarda, yetersiz veriler üzerinde eğitilmiş kara kutu sınıflandırıcılarından daha güvenilir olan daha basit tanımlayıcı gösterge tabloları ve öğretim görevlisi yargısı genellikle daha güvenilirdir.
Kaynaklar
- Siemens, G., & Long, P. (2011). Penetrating the fog: Analytics in learning and education. EDUCAUSE Review, 46(5), 30–40. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Learning Analytics. ScholarGate. https://scholargate.app/tr/education-analytics/learning-analytics
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bilgi Uzayı TeorisiEğitim analitiği↔ karşılaştır
- Bilgi İzlemeEğitim analitiği↔ karşılaştır
- Sıralı Örüntü MadenciliğiMakine öğrenmesi↔ karşılaştır