27
1 Hva er læringsanalyse og hvordan jobber norske edtech selskaper med dette?

Læringsanalyse – Yngve Lindvig

Embed Size (px)

Citation preview

Page 1: Læringsanalyse – Yngve Lindvig

1

Hva er læringsanalyse og hvordan jobber norske edtech selskaper med dette?

Page 2: Læringsanalyse – Yngve Lindvig

2

About Conexus

Founded in 2001

100 employees

Software

Content

School development

We work in: • Norway (90% marked)• Denmark (KMD)• Sweden (IST)

Processes in:• Vietnam (3DN)• Singapore (3DN)• Ontario, Canada• Pakistan• India• Myanmar• the Netherlands• Zimbabwe• Lithuania• …and more

ww

w.f

otoa

lfred

.com

Page 3: Læringsanalyse – Yngve Lindvig

3

Eksempler på signifikante endringer på systemnivå

Systems1

Systems with Special Assumptions3

1985 1990 2000 20101995 2005

Ontario, Canada

England

Slovenia

Poland

Latvia

Lithuania

SingaporeHong Kong

South Korea

Long Beach, CA, USA

Boston/MA, USA

Aspire Public Schools

Jordan

Armenia

Madhya Pradesh, India

Minas Gerais, Brazil

Chile

Ghana

Western Cape, SA

Saxony, Germany

Source: TIMSS, PISA, NAEP, national and provincial assessments. Poor2

Fair2

Good2

Great

Page 4: Læringsanalyse – Yngve Lindvig

4

Academic feedback from

• Prof. Knut Roald• Prof. Louise Stoll• Prof. Kjell B. Hjerto• Prof. Andy Hargreaves• Prof. Lorna Earl• Prof. Michael Fullan• Prof. Viviane Robinson

Yngve Lindvig, Louise Stoll, Michael Fullan, Andy Hargreaves, Jarl Inge Waerness, Lorna Earl & Anders Ruud Fosnaes in Toronto, January 2015

Page 5: Læringsanalyse – Yngve Lindvig

5

Learning mind-set

Feedback on process

I can learn anything I want to

I want to challenge myself

I can prioritise

When I fail, I learn

If you succeed, I’m inspired

I can balance effort and rest

I am resilient

I experience presence

Static mind-set

Feedback on intelligence

I’m either good at it, or I’m not

I don’t like to be challenged

I start working and don’t plan ahead

When I fail, I’m no good

If you succeed, I feel threatened

I can’t take care of my self

I give up at once, or never

I don’t belong

What kind of mind-set do you have?

 © Yngve Lindvig 2015

Page 6: Læringsanalyse – Yngve Lindvig

6

Page 7: Læringsanalyse – Yngve Lindvig

7

Hva er læringsanalyse? To veier:Aggregerte data1. SAS/LMS data

2. Brukerundersøkelser

3. Register

4. Individuelle data

5. Prosessprogresjon

Bruksområde6. Prediksjon

7. Longitudinell

8. Innhold i prosesser

Individuelle data1. Tester

2. Kartlegginger

3. Egenvurderinger

4. Øvinger

5. Prosesser

Bruksområde6. Faste ressurser

7. Adaptive resurser

8. Bruker genererte resurser

Forskning og organisasjonslæringRelevante resurser

og bedre læring

Page 8: Læringsanalyse – Yngve Lindvig

8

Page 9: Læringsanalyse – Yngve Lindvig

9

Page 10: Læringsanalyse – Yngve Lindvig

10

Page 11: Læringsanalyse – Yngve Lindvig

11

Page 12: Læringsanalyse – Yngve Lindvig

12

Page 13: Læringsanalyse – Yngve Lindvig

13

Change of focus

Page 14: Læringsanalyse – Yngve Lindvig

14

11%Ifølge næringslivlederne

Hvor stor andel av studentene er klare for arbeidslivet?

96%Ifølge universitetslederne

Page 15: Læringsanalyse – Yngve Lindvig

Stjeler tid fra undervisningen

* Hjemmearbeidsdager* PRYO-uke (praktisk yrkesorientering)* Kinobesøk, utstillingsbesøk, tryggtrafikksenter-besøk* Besøk på videregående skoler, besøk av politi, besøk av forfattere, besøk av Leger uten grenser, besøk på utdanningsmesser* Orienteringsdager, sportsdager, skidager* Fremføring i regi av Den kulturelle skolesekken* Julemarkeder* Leirskoler* Skolefellessamlinger* FN-dag, åpen dag* Skoleball* Elevsamtaler, samtale med rådgiver, samtale med helsesøster* Fadderordning, motevisning og barnehagebesøk.

Page 16: Læringsanalyse – Yngve Lindvig

16

Page 17: Læringsanalyse – Yngve Lindvig

17

Scho

ol a

dmin

istra

tion

syst

em

Lear

ning

man

agem

ent s

yste

m

Use

r-ge

nera

ted

cont

ent

Cont

ent f

rom

pub

lishe

rs

Self-

asse

ssm

ent

Lear

ning

stan

dard

s (c

urric

ulum

goa

ls)

Individual

Aggregated

Learning Analytics - ecosystem

Page 18: Læringsanalyse – Yngve Lindvig

18

Page 19: Læringsanalyse – Yngve Lindvig

19

Page 20: Læringsanalyse – Yngve Lindvig

20

Page 21: Læringsanalyse – Yngve Lindvig

21

Page 22: Læringsanalyse – Yngve Lindvig

22

”Not everything that counts can be counted.

And not everything that can be counted counts.

- Sign hanging in Einstein’s office at Princeton

Page 23: Læringsanalyse – Yngve Lindvig

23

Learning analytics is all about selection and focus

Page 24: Læringsanalyse – Yngve Lindvig

24

Step-by-step: colour analysis

1. Testing of scales

2. Factor-analysis

3. Correlation between data sets

4. Testing of significant differences

5. Path-analysis

6. Color-setting

Final estimation of fixed effectsFixed Effect  Coefficient t -ratio d.f.  p -valueFor INTRCPT1, β 0

    INTRCPT2, γ 00 3,78 169,44 115 <0.001    TRINN_ME, γ 01 0,03 0,65 115 0,52

     K_MILJ4, γ 02 0,13 2,53 115 0,01    LAERER17, γ 03 0,33 4,21 115 <0.001For KJONN slope, β 1

    INTRCPT2, γ 10 0,09 2,58 1757 0,01For KARAKT6 slope, β 2

    INTRCPT2, γ 20 0,08 4,33 1757 <0.001For VEIL3_11 slope, β 3

    INTRCPT2, γ 30 0,19 11,97 1757 <0.001For HJEM3_09 slope, β 4

    INTRCPT2, γ 40 0,14 8,59 1757 <0.001

Page 25: Læringsanalyse – Yngve Lindvig

25

Page 26: Læringsanalyse – Yngve Lindvig

26

Hva er læringsanalyse? To veier:Aggregerte data1. SAS/LMS data

2. Brukerundersøkelser

3. Register

4. Individuelle data

5. Prosessprogresjon

Bruksområde6. Prediksjon

7. Longitudinell

8. Innhold i prosesser

Individuelle data1. Tester

2. Kartlegginger

3. Egenvurderinger

4. Øvinger

5. Prosesser

Bruksområde6. Faste ressurser

7. Adaptive resurser

8. Bruker genererte resurser

Forskning og organisasjonslæringRelevante resurser

og bedre læring

Page 27: Læringsanalyse – Yngve Lindvig

27

• International integration and production standards• National user -catalogues• Initiatives that participate in eco-systems• Governments that produces a starting point by implementing

national data open to a common eco-system• More focus on professional development than data driven

control• Learning analytics that goes both ways!!!!!

What do we need?