Öğrenme analitiği ve erken uyarı: Bırakacak öğrenciyi önceden fark etmek

Online eğitimlerde tamamlama oranları çoğu zaman düşüktür. Bu bilinen bir gerçek. Asıl can sıkıcı olan, insanların bırakma kararının çoğu zaman sessizce verilmesi: kimse "bırakıyorum" demiyor, sadece bir gün giriş yapmayı bırakıyor.

Sessiz bırakmayı yakalamak için, o sessizliğin öncesindeki küçük sinyallere bakmak gerekiyor.

Öğrenme analitiği nedir?

Katılımcıların platformdaki davranışlarına dair verileri toplayıp yorumlayarak, öğrenme sürecini anlamak ve iyileştirmek. Burada "büyük veri" ya da karmaşık algoritmalar şart değil. Çoğu zaman basit göstergeler, çok işe yarar bilgi verir.

Hangi sinyallere bakılır?

Bırakma riskine işaret eden tipik göstergeler:

• Giriş sıklığında düşüş. Haftada dört kez giren biri, iki haftadır girmiyorsa.
• İlk etkinliğe geç başlama. Kaydolup haftalarca hiçbir şey yapmayan katılımcı.
• Kaçırılan teslim tarihleri. Bir ödev ya da test tarihini kaçırmak sık görülen ilk işaret.
• Test sonuçlarında düşüş. Başarının ilk modüllerden sonra gerilemesi.
• Süre azalması. İçerikte geçirilen sürenin gitgide kısalması.
• Tamamlama hızının yavaşlaması. Aynı modülde çok uzun kalma ya da modülleri tamamlamadan atlama.

Bu sinyallerin tek başına bir şey kanıtlamadığını unutmayın. Birinin tatile gitmesi, hastalanması ya da işinin yoğun olması, giriş sıklığını düşürür. Sinyaller, "bir bakmak lazım" demenin gerekçesi, "bu kişi bırakıyor" demenin değil.

Tahmin değil, müdahale değerli

Bir sistem "bu kişinin bırakma riski yüksek" diye işaretleyebilir. Ama o işaret, kimse harekete geçmezse hiçbir şeye yaramaz. Asıl değeri, işaretin ardından yapılan şey:

• Kişisel bir mesaj. "Bir süredir seni göremedik, takıldığın bir yer var mı?" Genel bir toplu e-posta yerine, insani bir temas.
• Daha kolay bir giriş noktası. Takıldığı bölüm yerine kısa bir içerikle yeniden başlamayı önermek.
• Süre uzatma. Gerçek bir engel varsa teslim tarihini esnetmek.
• Eğitmen ya da mentor görüşmesi. Özellikle önemli eğitimlerde birebir destek.

Yanlış alarm ve dengeli yaklaşım

Her erken uyarı sistemi yanılır: bırakmayacak birini riskli görebilir, bırakacak birini kaçırabilir. Bunu bilerek tasarlamak gerekir:

• Uyarıyı ceza ya da etiket olarak kullanmayın; destek için kullanın.
• Çok fazla uyarı üretmeyin. Eğitim sorumlusu yüzlerce uyarı görürse hiçbirine bakmaz. Öncelik sıralaması şart.
• Sonuçları zaman içinde kontrol edin: "Riskli" denenlerin kaçı gerçekten bıraktı, kaçı müdahaleden sonra devam etti?

Etik ve gizlilik

Katılımcı davranışlarını izlemek hassas bir konu. Birkaç ilke:

1. Şeffaflık. Katılımcılar hangi verilerin toplandığını ve ne için kullanıldığını bilmeli.
2. Amaç sınırı. Öğrenme analitiği verisi, performans değerlendirmesi ya da disiplin için kullanılmamalı (açıkça öyle tanımlanmadıkça ve hukuka uygun biçimde).
3. Erişim kontrolü. Bireysel verileri yalnızca gerçekten ilgili kişiler görmeli.
4. Katılımcıya yarayan analitik. İdeal analitik, kişinin kendi ilerlemesini görmesini de sağlar, yalnızca yönetici için değil.

Yapay zekâ ne ekliyor?

Basit kural tabanlı uyarılar ("on gün giriş yapmayan kişi") çoğu işi görür. Yapay zekâ, birden çok sinyali birleştirerek daha ince bir risk puanı üretebilir ve hangi katılımcıya hangi tür müdahalenin işe yaradığını zamanla öğrenebilir. Ama bu, iyi veri ve yeterli katılımcı sayısı gerektirir. Küçük gruplarda sade kurallar çoğu zaman daha güvenilir.

Bu sistemlerin sağlıklı çalışması için tek bir kural yeterli: uyarı, birine yardım teklif etmek için kullanılsın; kimseyi etiketlemek ya da puanlamak için değil.