Upload
ikt-norge
View
40
Download
9
Embed Size (px)
Citation preview
1
Hva er læringsanalyse og hvordan jobber norske edtech selskaper med dette?
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
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
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
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
6
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
8
9
10
11
12
13
Change of focus
14
11%Ifølge næringslivlederne
Hvor stor andel av studentene er klare for arbeidslivet?
96%Ifølge universitetslederne
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.
16
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
18
19
20
21
22
”Not everything that counts can be counted.
And not everything that can be counted counts.
- Sign hanging in Einstein’s office at Princeton
23
Learning analytics is all about selection and focus
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
25
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
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?