Studenters förväntningar på Learning Analytics inom akademiska utbildningar

Detta är en Kandidat-uppsats från KTH/Skolan för elektroteknik och datavetenskap (EECS)

Sammanfattning: Learning Analytics är ett forskningsområde som innefattar insamling, mätning, analysering och rapportering av “big data” om studenter i deras lärmiljö. Syftet är att förstå och optimera studenters lärande, och deras studiemiljöer. Learning Analytics-tjänster kan bland annat hjälpa studenter att få en insikt i hur de bör studera för att vara tidseffektiva eller höja sina studieprestationer. Dessutom kan tjänsterna upptäcka och ge feedback till studenter som riskerar att misslyckas med sina kurser, samt skapa personliga visualiseringar för t.ex. tidsförbrukning per delmoment i en kurs, eller betygsfördelning. Denna studie använder sig av ett forskningsinstrument som kallas Student Expectations of Learning Analytics Questionnaire (SELAQ) och ämnar undersöka studenters attityd till 12 olika påståenden relaterade till Learning Analytics. Deltagarna i studien fick således svara på en enkät där de fick gradera hur mycket de instämde med de givna påståendena, under premissen att deras lärosäte hypotetiskt skulle börja implementera en Learning Analytics-tjänst. Resultaten från studien indikerar att SELAQ ger oss bra insikt i vilka förväntningar studenter på svenska lärosäten har på Learning Analytics. Resultaten visar bland annat också att studenterna har låga förväntningar kring de områden som rör feedbacken från Learning Analytics-tjänsten. Mer specifikt har de låg tillit till att undervisande personal kommer att leverera feedbacken på ett tillfredsställande vis till studenterna. Vidare visar resultatet att studenterna har högre förväntningar i frågor gällande inhämtning av samtycke och hantering av personlig data.

  HÄR KAN DU HÄMTA UPPSATSEN I FULLTEXT. (följ länken till nästa sida)