Digitalna okruženja za učenje svakodnevno stvaraju velike količine podataka - o aktivnostima korisnika, njihovom napretku i uspješnosti, načinima učenja, nastavnim aktivnostima i provedbi obrazovnih programa. Međutim, sama dostupnost podataka nije dovoljna. Ključno je pretvoriti ih u razumljive i pravovremene uvide koji mogu pomoći studentima, nastavnicima, upravama, ali i organizacijama koje ulažu u učenje i razvoj svojih zaposlenika.

Upravo je to polazište projekta LAS - Ekosustav za analitiku učenja podržan umjetnom inteligencijom.

Od fragmentiranih podataka prema cjelovitom ekosustavu

Postojeća rješenja za analitiku učenja često su vezana uz pojedine informacijske sustave i izvore podataka te su uglavnom usmjerena na prikaz onoga što se već dogodilo. Projekt LAS ide korak dalje: cilj je istražiti i razviti koncept cjelovitog ekosustava koji će povezivati različite izvore podataka i omogućiti njihovu analizu i interpretaciju na više razina.

LAS će obuhvatiti četiri međusobno povezane vrste analitike učenja: deskriptivnu, koja pokazuje što se dogodilo; dijagnostičku, koja pomaže razumjeti zašto se nešto dogodilo; prediktivnu, koja omogućuje predviđanje budućih obrazaca i ishoda; te preskriptivnu, koja pruža preporuke i podržava odabir odgovarajućih intervencija.

Njihovim povezivanjem LAS neće biti usmjeren samo na prikaz podataka, već na njihovo korištenje za pravovremeno djelovanje i kontinuirano unaprjeđenje procesa učenja i poučavanja.

LAS za studente, nastavnike i upravu

Jedna od ključnih značajki budućeg LAS ekosustava bit će razvoj podrške prilagođene različitim skupinama korisnika.

Za studente su predviđeni personalizirani prikazi za praćenje napretka i preporuke, kao i generativni AI asistent koji će pomagati u interpretaciji podataka.

Nastavnicima će LAS pružati uvide u angažman i uspješnost studenata, omogućiti prepoznavanje studenata u riziku te pružati podršku u planiranju odgovarajućih intervencija.

Na razini uprave, sustav će objedinjavati pokazatelje relevantne za donošenje odluka o kurikulumu, učinkovitosti studijskih programa i strategijama zadržavanja studenata te omogućavati izradu izvještaja povezanih sa strateškim pokazateljima.

Primjena LAS-a i u poslovnom okruženju

Iako je visoko obrazovanje primarno područje primjene LAS-a, projekt će istražiti i mogućnosti primjene analitike učenja u poduzećima i drugim organizacijama koje provode obrazovanje i profesionalno usavršavanje zaposlenika.

U poslovnom okruženju podaci o učenju mogu pružiti vrijedne informacije o angažmanu zaposlenika, uspješnosti završavanja edukacija, povezanosti učenja s radnim učinkom, povratu ulaganja u edukacije te potrebama za daljnjim razvojem kompetencija.

U okviru projekta stoga će se, u suradnji s predstavnicima poslovnog sektora, istražiti njihove stvarne potrebe i izazovi te definirati funkcionalni i nefunkcionalni zahtjevi za primjenu LAS-a izvan visokog obrazovanja. Posebno će se razmatrati na koji način analitika učenja može doprinijeti boljem planiranju, praćenju i vrednovanju edukacija i profesionalnog razvoja zaposlenika.

Uključivanje projektnog partnera CodX Solutions omogućit će povezivanje istraživačkih rezultata s iskustvom iz razvoja i primjene digitalnih i AI rješenja u poslovnom okruženju. Time će se istražiti mogućnosti prilagodbe LAS-a različitim kontekstima učenja te stvoriti osnova za njegovu buduću tržišnu primjenu kao proizvoda ili usluge.

Umjetna inteligencija kao podrška učenju i odlučivanju

Važan dio projekta bit će istraživanje načina na koje umjetna inteligencija može unaprijediti različite faze obrazovnog procesa - od dizajna učenja i organizacije nastave, preko stvaranja i prilagodbe obrazovnih sadržaja i personalizirane povratne informacije, do praćenja i evaluacije provedbe kurikuluma.

Istraživat će se i mogućnosti AI asistenata, prediktivnih i preskriptivnih modela te, kada je to pedagoški i etički opravdano, korištenja multimodalnih podataka. Posebna pažnja pritom će biti posvećena sigurnosti i privatnosti podataka, transparentnosti te etičkoj i odgovornoj primjeni umjetne inteligencije.

Od istraživanja do funkcionalnog prototipa

Razvoj LAS-a odvijat će se postupno. Nakon istraživanja postojećih rješenja i potreba ključnih dionika slijedi razvoj koncepta i arhitekture sustava, a zatim izrada funkcionalnog prototipa i njegova validacija u stvarnom obrazovnom okruženju.

Konačni cilj nije samo razviti još jedan alat za prikaz podataka, već postaviti temelje za integrirani i odgovorni ekosustav analitike učenja koji podatke pretvara u konkretne uvide i preporuke za kvalitetnije učenje, poučavanje, profesionalni razvoj i donošenje odluka - u visokom obrazovanju, ali i u poslovnom okruženju.