Sporing af hver enkelt elevs hvert træk er centralt for revolutionen i Higher Ed

På campus i dag efterlader næsten enhver uddannelsesmæssig interaktion digitale spor. Opgaver og feedback gives via onlineportaler; debatter og diskussioner sker via læringsstyringssystemer såvel som i klasseværelser, caféer og kollegieværelser.

Disse og andre digitale krummer giver teknologer mulighederne for at undersøge processer, praksis og mål for videregående uddannelse på måder, der stort set var umulige for et årti siden.

Vi har rapporteret her her om Stanfords fysik Noble Laureat Carl Wiemans ”aktive læring” revolution.

En anden fysiker, der blev uddannelsesinnovator (er der noget i fysiklaboratoriets vand?) Ved navn Timothy McKay ser stort løfte i "læringsanalyse" - ved hjælp af big data og forskning for at forbedre undervisning og læring.

McKay, en professor i fysik, astronomi og uddannelse ved University of Michigan argumenterer i en nylig hvidbog, at højere uddannelse har brug for at "nedbryde den opfattede kløft mellem forskning og praksis."

Der er privatlivets fred og etiske bekymringer, selvfølgelig, hvilket igen har medført, at der er tale om flugt adfærdskoder at springe op.

Jeg nåede ud til professor McKay, der også leder Michigan Digital innovation drivhus, for at grave dybere i, hvordan læringsanalyse fungerer i højere udgave.

Jeg giver dig et eksempel, der er hentet fra min egen erfaring. Jeg har undervist her på University of Michigan i mere end 20 år. Det meste af min undervisning har været store introduktionskurser i fysik ... fra 400 til 700 studerende. Den måde, som universiteter traditionelt har gjort dette på, er at give en slags industriel tilgang, gå til den store gruppe mennesker og tilbyde dem de samme materialer, bede dem om at udføre den samme slags aktiviteter i samme tempo og evaluere alle disse mennesker på nøjagtig samme måde. Alle får det samme kursus.

Hvis det er godt designet, er det måske sat til medianstuderende i denne klasse. Det fungerer godt for den medianstuderende, men det fungerer ikke godt for nogen andre.

Hvad jeg opdagede, da jeg begyndte at se på data om mine egne klasser, var noget, der burde have været indlysende fra starten, men det var ikke rigtig, før jeg undersøgte dataene. Jeg kom til at forstå, hvor forskellige alle eleverne i min klasse var, hvor bredt de er spredt over en række forskellige spektre af forskelle, og at hvis jeg ville undervise dem alle lige så godt, fungerer det ikke at levere nøjagtigt det det samme for enhver studerende.

Du er bedre i stand til at personliggøre og indsnævre for studerende, der muligvis har brug for hjælp, som måske har en anden baggrund, som måske har et andet perspektiv?

Eller forskellige mål. Mange gange vil diskussionen dreje sig om studerende, der kan være bagved eller i fare, men det gælder også for studerende, der virkelig udmærker sig akademisk. De har også brug for særlig opmærksomhed. Den første ting, der skete for mig, var at åbne mine øjne for den virkelige udfordring, den virkelige betydning af at personalisere, selv når vi underviser i stor skala.

Så det, der fulgte derpå, var en erkendelse af, at da vi faktisk havde information om baggrunde og interesser og mål for enhver af vores studerende, hvis vi kunne bygge værktøjer, bruge informationsteknologi, kunne vi muligvis tale med enhver af disse studerende på forskellige måder at give dem forskellige feedback og opmuntring og rådgivning.

Vi har bygget dette værktøj her kaldet ECoach, som er et computer-skræddersyet kommunikationssystem, der giver os mulighed for at tale med en studerende med detaljeret viden om deres baggrund, interesser og mål og være i stand til at gøre det i skala.

Noget af det er automatiseret, men du kan skræddersy det til hver studerende?

Det er interessant. Det er automatiseret på en måde, men på en anden måde genereres det hele af mennesker. Det indhold, vi skal levere, den måde, vi skaber det på, er at sætte os sammen og se på de slags mennesker, der er til stede i vores klasser og tænke på, hvordan vi ville ændre budskabet, hvis en af ​​disse studerende satte sig ned i foran os.

Vi ændrer muligvis selvfølgelig det, vi siger. Nogle studerende er meget godt forberedt på at tage en fysikklasse, og de kunne faktisk have studeret det i to år i gymnasiet, før de kommer til min klasse. Der er en slags besked til dem. Der er andre slags studerende, der aldrig har set dette emne før. Og der vil jeg måske virkelig fokusere på punkter som hvordan det at tage en fysikklasse er forskellig fra at tage andre slags klasser, som de har.

Vi sætter os ned og tænker over, hvad vi ville sige til disse mennesker, hvis de sad foran os, og teknologi som ECoach giver os bare mulighed for at sige det til alle studerende, i stedet for kun de få, der kan få aftaler i vores kontortid.

OK, siger en flok nybegynder i en amerikansk tændt klasse i det 20. Århundrede, papirerne, de laver for den klasse, er der relevante data der, der kan være nyttige på en læringsanalytisk måde?

Absolut. Det er et godt eksempel på de nye typer data, der dukker op, de nye former for data. Det plejede at være, da du og jeg gik på college, at du skrev papiret til den klasse, og du afleverede det måske på skrivepapir. Højre? Instruktøren tog den og markerede den med en pen og rakte den tilbage til dig, og så var den væk fra systemet. Det efterlod ingen rekord. Den eneste post, som den efterlod, var faktisk karakteren, som din instruktør skrev i en kolonne i en lille regnskabsbog.

Læs hele historien her ...