Penetrare la nebbia: tecniche di analisi per l'apprendimento
Nell’era di Internet, delle tecnologie mobili e dell’istruzione aperta, la necessità di interventi per migliorare l’efficienza e la qualità dell’istruzione superiore è diventata pressante. I big data e il Learning Analytics possono contribuire a condurre questi interventi, e a ridisegnare il futuro...
Main Authors: | , |
---|---|
Format: | Article |
Language: | English |
Published: |
Firenze University Press
2014-12-01
|
Series: | Italian Journal of Educational Technology |
Subjects: | |
Online Access: | https://ijet.itd.cnr.it/article/view/195 |
_version_ | 1797726728148221952 |
---|---|
author | Phillip D. Long George Siemens |
author_facet | Phillip D. Long George Siemens |
author_sort | Phillip D. Long |
collection | DOAJ |
description | Nell’era di Internet, delle tecnologie mobili e dell’istruzione aperta, la necessità di interventi per migliorare l’efficienza e la qualità dell’istruzione superiore è diventata pressante. I big data e il Learning Analytics possono contribuire a condurre questi interventi, e a ridisegnare il futuro dell’istruzione superiore. Basare le decisioni su dati e sulle evidenze empiriche sembra incredibilmente ovvio. Tuttavia, l’istruzione superiore, un campo che raccoglie una quantità enorme di dati sui propri “clienti”, è stata tradizionalmente inefficiente nell’utilizzo dei dati, spesso operando con notevole ritardo nell’analizzarli, pur essendo questi immediatamente disponibili.
In questo articolo, viene evidenziato il valore delle tecniche di analisi dei dati per l’istruzione superiore, e presentato un modello di sviluppo per i dati legati all’apprendimento. Ovviamente, l’apprendimento è un fenomeno complesso, e la sua descrizione attraverso strumenti di analisi non è semplice; pertanto, l’articolo presenta anche le principali problematiche etiche e pedagogiche connesse all’utilizzo delle tecniche di analisi dei dati in ambito educativo. Cionondimeno, il Learning Analytics può penetrare la nebbia di incertezza che avvolge il futuro dell’istruzione superiore, e rendere più evidente come allocare le risorse, come sviluppare vantaggi competitivi e, soprattutto, come migliorare la qualità e il valore dell’esperienza di apprendimento. |
first_indexed | 2024-03-12T10:49:39Z |
format | Article |
id | doaj.art-877df035c1434e8caa1140689bbecb0a |
institution | Directory Open Access Journal |
issn | 2532-4632 2532-7720 |
language | English |
last_indexed | 2024-03-12T10:49:39Z |
publishDate | 2014-12-01 |
publisher | Firenze University Press |
record_format | Article |
series | Italian Journal of Educational Technology |
spelling | doaj.art-877df035c1434e8caa1140689bbecb0a2023-09-02T07:10:39ZengFirenze University PressItalian Journal of Educational Technology2532-46322532-77202014-12-0122310.17471/2499-4324/195155Penetrare la nebbia: tecniche di analisi per l'apprendimentoPhillip D. Long0George Siemens1Schools of ITEE and Psychology e Centre for Educational Innovation & Technology, University of QueenslandTechnology Enhanced Knowledge Research Institute, Athabasca UniversityNell’era di Internet, delle tecnologie mobili e dell’istruzione aperta, la necessità di interventi per migliorare l’efficienza e la qualità dell’istruzione superiore è diventata pressante. I big data e il Learning Analytics possono contribuire a condurre questi interventi, e a ridisegnare il futuro dell’istruzione superiore. Basare le decisioni su dati e sulle evidenze empiriche sembra incredibilmente ovvio. Tuttavia, l’istruzione superiore, un campo che raccoglie una quantità enorme di dati sui propri “clienti”, è stata tradizionalmente inefficiente nell’utilizzo dei dati, spesso operando con notevole ritardo nell’analizzarli, pur essendo questi immediatamente disponibili. In questo articolo, viene evidenziato il valore delle tecniche di analisi dei dati per l’istruzione superiore, e presentato un modello di sviluppo per i dati legati all’apprendimento. Ovviamente, l’apprendimento è un fenomeno complesso, e la sua descrizione attraverso strumenti di analisi non è semplice; pertanto, l’articolo presenta anche le principali problematiche etiche e pedagogiche connesse all’utilizzo delle tecniche di analisi dei dati in ambito educativo. Cionondimeno, il Learning Analytics può penetrare la nebbia di incertezza che avvolge il futuro dell’istruzione superiore, e rendere più evidente come allocare le risorse, come sviluppare vantaggi competitivi e, soprattutto, come migliorare la qualità e il valore dell’esperienza di apprendimento.https://ijet.itd.cnr.it/article/view/195Learning analyticsAcademic analyticsBig dataIstruzione universitariaTecnologie didatticheTecnologie per l'apprendimento |
spellingShingle | Phillip D. Long George Siemens Penetrare la nebbia: tecniche di analisi per l'apprendimento Italian Journal of Educational Technology Learning analytics Academic analytics Big data Istruzione universitaria Tecnologie didattiche Tecnologie per l'apprendimento |
title | Penetrare la nebbia: tecniche di analisi per l'apprendimento |
title_full | Penetrare la nebbia: tecniche di analisi per l'apprendimento |
title_fullStr | Penetrare la nebbia: tecniche di analisi per l'apprendimento |
title_full_unstemmed | Penetrare la nebbia: tecniche di analisi per l'apprendimento |
title_short | Penetrare la nebbia: tecniche di analisi per l'apprendimento |
title_sort | penetrare la nebbia tecniche di analisi per l apprendimento |
topic | Learning analytics Academic analytics Big data Istruzione universitaria Tecnologie didattiche Tecnologie per l'apprendimento |
url | https://ijet.itd.cnr.it/article/view/195 |
work_keys_str_mv | AT phillipdlong penetrarelanebbiatecnichedianalisiperlapprendimento AT georgesiemens penetrarelanebbiatecnichedianalisiperlapprendimento |