Descubra em que consiste a análise de aprendizagem (Learning Analytics), sua importância no processo acadêmico e as vantagens para o ensino superior.
- O que é análise de aprendizagem?
- Como funciona a análise de aprendizagem?
2.1. Mineração de dados
2.2. Estatística inferencial
2.3. Inteligência artificial - 4 usos práticos da análise de aprendizagem
3.1. Gerar modelos preditivos de avaliação de risco
3.2. Criar perfis de usuário com mais precisão
3.3. Registrar a experiência dos alunos na plataforma
3.4. Otimizar e economizar recursos
A análise de aprendizagem tornou-se um instrumento essencial dentro das instituições de ensino superior (IES), uma vez que permite ter acesso a um vasto campo de dados relevantes para melhorar os ambientes de aprendizagem.
Nesta ocasião, vamos aprender o que é mais importante sobre o Learning Analytics: o que são, como funcionam e quais são as vantagens que oferecem, tanto para as IES quanto para a comunidade acadêmica em geral.
O ensino superior e a tecnologia sempre tiveram uma relação próxima, principalmente na última década, quando se tornou normal a dinâmica das aulas incluir dispositivos eletrônicos, plataformas de aprendizagem, laboratórios virtuais e bibliotecas virtuais.
É fato que a era digital nos trouxe enormes benefícios, mas também novas formas de interagir, assim como de responder às necessidades do processo acadêmico de uma forma muito mais rápida e eficiente: no passado, fazer uma simples lista de alunos ou calcular o nível de desempenho deles por meio de um teste podia levar horas, até dias. Hoje, isso pode ser feito em segundos.
A automatização de processos, e a possibilidade de dispor de uma enorme quantidade de dados, permitiu às escolas do ensino superior aproveitá-los para realizar atividades extremamente complicadas antes da era digital e, ao mesmo tempo, responder às questões que todas as IES se fazem para melhorar os próprios serviços:
- Que fatores influenciam o desempenho dos alunos na escola?
- Que medidas tomar para melhorar o desempenho acadêmico deles?
- Quais são as metodologias e didáticas de aprendizagem mais eficazes?
- Como verificar a eficácia das estratégias de ensino utilizadas?
- Quais são as principais causas de evasão?
Atualmente, essas e outras perguntas podem ser respondidas por meio do Learning Analytics: se levarmos em conta que cada interação do aluno tem a possibilidade de ser registrada digitalmente, é possível gerar bases de dados muito precisas e serem usadas para monitorar a situação da instituição em tempo real.
Aproveitar a análise de aprendizagem pode trazer enormes benefícios para as IES, como diagnosticar o panorama geral da comunidade escolar, realizar análises preditivas e modelos estatísticos para tomar decisões mais assertivas, além de melhorar as práticas pedagógicas em menos tempo. Acompanhe!
O que é análise de aprendizagem?
Especialistas em big data educacional definem a análise de aprendizagem como “dispositivos tecnológicos que são incorporados em plataformas educacionais ou redes sociais para registrar a atividade dos alunos, criando grandes bancos de dados”.
Para a Society for Learning Analytics Research, a análise de aprendizagem é o instrumento ideal para medir, coletar, analisar e apresentar informações relevantes sobre os alunos e seus contextos, com o objetivo de “compreender e otimizar a aprendizagem e os ambientes em que ela ocorre”.
Resumindo: a análise de aprendizagem nos permite processar uma enorme quantidade de dados relevantes para entender as necessidades dos alunos e da comunidade escolar em geral a partir de diferentes perspectivas, de maneira tão precisa que de outra forma seria impossível acessar essas informações.
Leia também: 👉 Learning Analytics: 5 vantagens para o processo de ensino-aprendizagem
Como funciona a análise de aprendizagem?
Quando falamos em análise de aprendizagem, não nos referimos apenas a uma coleta massiva de dados, mas a um profundo trabalho de observação e interpretação da informação que requer outros recursos, dentre os quais se destacam:
Mineração de dados
O termo surgiu em 1990 e é usado para indicar uma série de processos responsáveis pela busca de determinados padrões de comportamento em grupos abundantes de informação; esses padrões podem ser anomalias, recorrências ou correlações que geram resultados relevantes para a análise de aprendizagem.
A mineração de dados consiste em “extrair” esses dados e processá-los, dando-lhes uma categoria e um valor de uso. Mas quais são esses dados relevantes? Por exemplo, quando uma plataforma de gerenciamento de aprendizagem (LMS) registra o acesso do aluno, ela pode nos fornecer muitas informações valiosas:
- Frequência de acesso à plataforma
- Número de alunos conectados simultaneamente
- Atividades realizadas dentro do sistema de gestão
- Sites que eles visitam com mais ou menos frequência na plataforma
- Frequência de uso de outros recursos: biblioteca virtual, fórum de bate-papo, área de atividades on-line etc.
Leia também: 👉 LMS: invista em um sistema de gestão de aprendizagem
Estatística inferencial
A partir dos dados obtidos da população estudantil, a estatística inferencial suporta a análise de aprendizagem, com o objetivo de realizar com amostras representativas os cálculos necessários para determinar as condições dos alunos e, assim, traçar um mapa estatístico, com porcentagens e gráficos que podem ser interpretados e utilizados como ferramenta de diagnóstico.
Inteligência artificial
É o ramo da ciência da computação que busca replicar os processos cognitivos do ser humano, e sua participação na análise de aprendizagem é essencial para detectar padrões de comportamento nos alunos, observá-los e analisá-los da mesma forma que uma pessoa faria, mas mais rápido e eficiente, com o propósito de determinar os riscos potenciais antes que eles aumentem:
- Baixo desempenho em áreas específicas da carreira.
- Situações que podem causar um aumento da evasão escolar.
- Problemas para acessar a plataforma ou outros sites da escola que sejam de interesse.
- Inconsistências relacionadas a outros fatores externos: conflitos sociais ou familiares, entre outros.
Em geral, podemos dizer que, enquanto a mineração de dados nos possibilita filtrar as informações relevantes, as estatísticas as categorizam e a inteligência artificial finalmente processa esses dados para obter uma análise que permite às IES melhorar o próprio nível de resposta na tomada de decisão. 
4 usos práticos da análise de aprendizagem
O Learning Analytics não apenas obtém dados macro dos alunos, mas também de várias fontes, que podem ser outras universidades, instituições governamentais e organizações educacionais. Cada bloco de dados, por si só, é uma informação valiosa, mas se torna muito mais relevante quando conectado a outras peças, como um enorme quebra-cabeças, e então o valor dos dados aumenta exponencialmente.
No contexto educacional, o big data é a principal fonte de análise de aprendizagem, pois permite acessar algo mais do que uma simples cadeia de dados e abordar o que se chama de big picture em inglês: uma forma coloquial de se referir à possibilidade de ver todo o panorama do ambiente universitário.
Mas, no final, quais são os benefícios para as IES ao implementarem a análise de aprendizagem? Conheça 4 principais:
1. Gerar modelos preditivos de avaliação de risco
A análise de dados ajuda as IES a identificarem padrões de comportamento tão discretos que podem passar despercebidos pelos professores e que, ao longo do tempo, talvez gerem tendências negativas. Se não forem abordados a tempo, se tornam um grande problema.
A análise de aprendizagem permite detectar alunos que, por seu comportamento acadêmico (mensagens, tarefas, avaliações e interações na plataforma), talvez apresentem baixo desempenho, o que pode levar à evasão escolar.
Nesse sentido, um modelo preditivo funciona como um alerta que é acionado quando os níveis de aproveitamento, ou outras variáveis, estão em um ponto em que os professores e a instituição têm tempo para agir nesse sentido.
Conteúdo complementar: Análise preditiva no Ensino Superior ajuda a reduzir a evasão escolar
2. Criar perfis de usuário com mais precisão
Para qualquer IES, é importante conhecer e identificar os tipos de alunos a partir dos perfis acadêmicos e sociais deles: com a interação deles dentro das plataformas de aprendizagem, é possível conhecer alguns fatores que serão muito úteis a curto e longo prazo para detectar comportamentos que afetem seu uso. 
3. Registrar a experiência dos alunos na plataforma
A experiência do usuário é um fator fundamental para saber se a plataforma utilizada na universidade está oferecendo os resultados esperados. Também dá aos professores informações valiosas para melhorar ou modificar a dinâmica deles de aula.
Em geral, a experiência do usuário dentro de um sistema de gestão de aprendizagem, em combinação com outras plataformas, pode gerar um mapa detalhado das atividades não só dos alunos, mas de toda a população acadêmica em geral.
4. Otimizar e economizar recursos
Saber como as ferramentas de aprendizagem estão sendo empregadas permitirá às IES que façam uma medição oportuna do nível de uso e frequência. Isso é muito útil para determinar quais fatores estão influenciando os alunos a adotar mais alguns recursos do que outros e, assim, estabelecer o impacto que eles têm.
Várias universidades tendem a investir muito dinheiro em ferramentas de aprendizagem sem antes analisar o nível de rentabilidade delas, o que obviamente se traduz em perdas não apenas econômicas, mas também pedagógicas.
Desde o início do século XXI, o Learning Analytics permitiu a muitas IES que melhorassem a qualidade delas globalmente em todos os sentidos, otimizando seus processos administrativos e de aprendizagem.
No entanto, é fato que, para que a análise de aprendizagem ofereça bons resultados, é fundamental contar com os recursos, ferramentas e plataformas digitais adequados às necessidades dos estudantes universitários na educação atual.
Na Pearson Higher Education, sabemos que é muito importante que sua IES tenha as ferramentas de aprendizagem mais eficazes para se destacar em um ambiente de educacional cada vez mais dinâmico e competitivo.
É por isso que oferecemos a você as melhores soluções para o ensino superior presencial e a distância. Convidamos você a conhecer o sistema de gestão de aprendizagem Brightspace D2L, um LMS robusto que oferece um ambiente virtual completo para seus estudantes.
Faça o download da apresentação da solução e conheça todos os seus benefícios! 
Referencias
Domínguez, D., Álvarez, J. F., & Gil-Jaurena, I. (2016). Analítica del aprendizaje y Big Data: heurísticas y marcos interpretativos. Dilemata, (22), 87-103.
Reche, P. C., Rodríguez-García, A. M., García, G. G., & Jiménez, C. R. (2020). Analíticas de aprendizaje en educación superior: una revisión de la literatura científica de impacto. IJERI: International Journal of Educational Research and Innovation, (13), 32-46.
Sabulsky, G. (2019). Analíticas de Aprendizaje para mejorar el aprendizaje y la comunicación a través de entornos virtuales. Revista iberoamericana de Educación, 80(1), 13-30.
Deixe um comentário