AU-forskere: Studerendes digitale fodspor skal bruges med forsigtighed

Af Kim J. Herrmann og Anna Bager-Elsborg
Hhv. lektor og videnskabelig assistent, Center for Undervisning og Læring, Aarhus Universitet

Med den øgede digitalisering i uddannelsessystemet er der uudnyttede potentialer for at mindske frafald og øge kvaliteten, skriver Rune Heiberg Hansen fra Danmarks Akkrediterings Institution i et debatindlæg.

Rune Heiberg Hansen henviser til de gode internationale erfaringer med såkaldte ’learning analytics’, som er med til at omsætte studerendes digitale fodspor til proaktive indsatser for at styrke læring og mindske frafald.

Learning analytics har ikke en direkte dansk oversættelse, men defineres ved måling, indsamling, analyse og afrapportering af data om studerende og deres kontekst med det formål at forstå og optimere læring og læringsmiljøer.

I Danmark er vi allerede langt med digitalisering af biblioteker, eksamen og undervisning, og derfor er det også relevant, at vi interesserer os for, om vi kan udnytte de tilgængelige data til at forbedre vores uddannelser.

Men inden vi kaster os hovedkulds ind i det store learning analytics-eventyr, er der internationale erfaringer, som vi lige så godt kan tage i betragtning på forhånd.

Mulighederne for at overvåge studerendes læringsadfærd er både imponerende og skræmmende.

Kim J. Herrmann og Anna Bager-Elsborg
Center for Undervisning og Læring, Aarhus Universitet

Fokus på positive historier
For det første er der – også i den internationale litteratur – en tendens til at overspille de positive historier i sammenligning med de negative.

University of Michigan i USA og Open University i England er eksempler på universiteter, som fremhæves igen og igen.

Og det er da også bemærkelsesværdigt, at man øjensynligt er lykkedes med f.eks. at nedbringe frafald ved at analysere de studerendes digitale færden.

Men det er mindst lige så bemærkelsesværdigt, at man – det store potentiale til trods – endnu ikke på et systematisk og empirisk grundlag har kunnet påvise en gavnlig effekt af learning analytics.

Derfor bør vi i Danmark ikke lade os besnære over de tilsyneladende gode eksempler. Mens data er rigelige, så er det dyrt at indsamle, rense, analysere og ikke mindst handle på data.

De internationale erfaringer er stadig begrænsede, og det er endnu svært at se, om udbyttet står mål med investeringerne.

Meget data er ikke lig god data
Nogle hævder, at vi befinder os i en big data-revolution. En revolution, hvor vi på baggrund af algoritmer og ufattelige mængder af data kan forudsige alt fra forbrugeradfærd til den næste influenzaepidemi.

Potentialerne er enorme. Men mange data er ikke det samme som relevante data. Inden for statistikken har man udtrykket garbage in, garbage out. Vi må vide, hvad vi måler, inden vi måler det.

Rune Heiberg Hansen har et eksempel med en studerende, Ida, som sidder på læsesalen og uden at tænke over det producerer store mængder data om sin egen adfærd.

Data, som uddannelsesinstitutionen kan bruge. Men disse data er ikke selvfortolkende.

For hvad betyder det, når Ida holder pause halvvejs i forelæsningsvideoen? Måske slår hun noget op i sin lærebog eller fordyber sig i en pointe. Eller måske er hun blot gået på toilettet eller taler i telefon. Klik med musen eller sågar indlæg i et diskussionsforum siger intet om kvaliteten af aktiviteten i sig selv.

Selv, hvis der viser sig en korrelation mellem antallet af klik og læringsudbytte, vil det så være et godt råd til studerende med lave karakterer, at de for fremtiden skal klikke sig oftere ind på læringsplatformen?

Korrelation må ikke forveksles med kausalitet, hvilket alt for ofte sker, når man i processen med at integrere digitale systemer ender med at hælde teori og forskning ud med badevandet.

Derfor bør vi i Danmark gå forud med en implementering af learning analytics, hvor statistik og data indsamles og bearbejdes på et solidt fundament af teoretisk viden og empirisk forskning.

Big Brother 2.0?
Mulighederne for at overvåge studerendes læringsadfærd er både imponerende og skræmmende.

På nogle engelske universiteter scanner underviseren de studerendes studiekort i hver time, og disse data anvendes så til blandt andet learning analytics. Muligheden for brug og misbrug af data har udløst en omfattende debat.

Et andet aspekt af den etiske diskussion er, om man er i farezonen for at gøre mere skade end gavn for nogle studerende. For eksempel fremhæves det ofte, at det motiverer studerende at kunne sammenligne sig med andre.

Og det vil da også være motiverende for nogle. Men for andre studerende vil sammenligninger blot være demotiverende og isolerende med et (endnu) ringere læringsudbytte til følge.

Danmark skal bruge learning analytics klogt
Derfor bør vi også i Danmark, i fællesskab med studerende, debattere en etisk forsvarlig brug af indsamling, behandling og brug af data om de studerende.

Learning analytics har store potentialer, men potentialerne realiserer ikke sig selv.

Data er aldrig neutrale, og som vi har set med akkrediteringer og kvalitets- og relevansdiskussionen, så har det stor betydning for uddannelsessektoren, hvad der måles og på hvilke tal, der fokuseres på.

Hvis learning analytics skal være brugbare, og ikke blot ledelsesinformation i forklædning, kræver det, at vi fastholder fokus på læring. Det vil vi gerne bidrage til.