Suaugusiųjų švietimo savaitės 2023 renginio metu kalbėta apie tai, kaip šiuolaikinės technologijos gali kurti pridedamąją vertę mokymo(si) proceso kokybei. Pristatytas pranešimas "Kaip Dirbtinis intelektas ir Mokymosi analitika padeda švietimo dalyviams?". Pranešimo skaidrėmis dalijamės ir su "Epale" platformos naudotojais. Taip pat dėkojame LieDM asociacijas už aktualų renginį ir galimybę dalytis mokslinėmis ir praktinėmis įžvalgomis. 

Skaitmeninės technologijos keičia žmonių bendravimą, visuomeninio gyvenimo sanklodą, bendradarbiavimo galimybes, formuoja naujus gyvenimo įpročius. Šie pokyčiai turi įtakos edukacijai. Jau 2014 m. atlikti tyrimai prognozavo, kad po dešimtmečio maždaug du trečdaliai bendrojo ugdymo mokyklų mokinių visiškai ar iš dalies mokysis skaitmeninėmis technologijomis grindžiamoje mokymosi aplinkoje (Wang, Decker, 2014). Tyrėjai daro prielaidą, kad nešiojami kompiuteriniai prietaisai ir besivystančios edukacinės technologijos (pvz.: išmaniosios klasės (angl. Smart Classrooms); pažangios mokymosi aplinkos (angl. Smart Learning Environments) ir kt.) dar labiau paskatins švietimo skaitmenizavimą. Be to, mokiniai, tėvai, mokytojai ir mokyklų vadovai plačiai naudoja technologijas įvairiems su edukacija susijusiems tikslams, pvz., informavimas apie mokinių pasiekimus elektroninio dienyno aplinkoje. Skaitmeninės technologijos tapo svarbia mokymosi aplinkos dalimi ir jų integravimas į edukaciją yra būtinas siekiant užtikrinti geresnį besimokančiųjų išsilavinimą. COVID-19 pandemijos situacija dar labiau paskatino edukacijos skaitmenizavimą. Mokslininkų teigimu, įvyko precedento neturintis skubotas eksperimentas su mokyklų sistemomis - pandemijos metu šimtai milijonų besimokančiųjų perėjo prie skaitmeninėmis technologijomis grindžiamos mokymosi aplinkos. 

Kai mokymas(is) vyksta skaitmeninėmis technologijomis grindžiamoje mokymosi aplinkoje, atsiranda tam tikra besimokančiojo sąveika su mokymuisi naudojama skaitmenine priemone arba kitaip dar vadinama [kompiuterine] skaitmenine mokymosi programa (angl. Learning Program), kaupiasi specifinė besimokančiojo mokymosi patirtis (angl. Learning Experience), o tai sukuria didelius skaitmeninių duomenų srautus. Šie duomenys apibūdina mokymosi sistemų naudotojų individualią mokymosi veiklą arba besimokančiųjų sąveikas mokantis grupėse. Tokių duomenų apie mokymą(si) analizė yra mokymosi analitikos sritis. Mokslinėje literatūroje mokymosi analitika apibrėžiama kaip „duomenų apie mokinius ir jų kontekstą rinkimas, analizė ir ataskaitų teikimas, siekiant suprasti ir optimizuoti mokymąsi ir aplinką, kurioje jis vyksta“.

Mokymosi analitika edukacijoje naudojama įvairiais mokymosi stebėsenos tikslais, pavyzdžiui: prognozės, kai norima nustatyti kuriems besimokantiesiems gresia pavojus nesėkmingai baigti mokymo(si) kursą; personalizavimo ir prisitaikymo, kai besimokančiajam parenkamas asmeniškai pritaikytas mokymosi kelias (angl. learning pathway) bei žinių ir gebėjimų vertinimo medžiaga (angl. assesment materials); intervencijos, kai mokytojui suteikiama informacija ir mokytojas galėtų kryptingai padėti besimokančiajam;  informacijos vizualizavimo, kai mokymosi įrankių skydelyje (angl. learning dashboard) pateikiama mokymosi duomenų apžvalga (pasitelkiant įvairias diagramas, grafikus bei lenteles).

Moksliniai tyrimai atskleidžia mokymosi analitika paremtos besimokančiųjų stebėsenos privalumus mokymo(si) procesui: jo organizatoriams tai dirbtiniu intelektu pagrįsti mokymo(si) stebėjimo ir valdymo būdai; besimokantiesiems - protingo, prisitaikomojo, personalizuoto, nuspėjamojo mokymosi galimybės. Be to,  mokymosi analitika paremtas mokymo(si) procesas įgalina besimokančiųjų įsitraukimą, didina jų mokymosi motyvaciją, skatina projektuoti asmenines mokymosi strategijas. 

Tačiau, nepaisant mokymosi analitikos potencialo edukacijoje, visgi yra nemažai dvejonių ir skepticizmo dėl jos naudojimo, o taip pat iššūkių ir neatsakytų klausimų. Mokslininkų teigimų, viena pagrindinių mokymosi analitikos naudos gavėjų grupė – mokytojai. Svarbiausias rūpestis yra susijęs su mokytojų įgalinimu efektyviai naudoti mokymosi analitikos įrankius besimokančiųjų mokymo(si) proceso stebėsenai. Pranešimas atsako į klausimą kaip dirbtinis intelektas ir mokymosi analitika padeda švietimo dalyviams, pagrindinė mintis - mokymosi analitika, paremta dirbtiniu intelektu, galėtų būti efektyvi priemonė padedanti mokytojams apmąstyti ir tobulinti savo pedagoginę praktiką. 

Parengė: Julija Melnikova "Epale" projekto ambasadorė Klaipėdos regione