Những loại dữ liệu học tập số thường được thu thập

Điểm quan trọng là mỗi nhóm dữ liệu trả lời một câu hỏi khác nhau. Dữ liệu hành vi cho biết người học đã làm gì, dữ liệu kết quả cho biết họ đạt được gì, còn dữ liệu tương tác cho thấy họ học và trao đổi với ai. Khi kết hợp các nhóm này, hệ thống có thể tạo ra bức tranh đầy đủ hơn về quá trình học tập

Dữ liệu hồ sơ và bối cảnh người học

Đây là nhóm dữ liệu mô tả thông tin nền cần thiết để xác định người học và đặt hoạt động học tập vào đúng bối cảnh

Các trường dữ liệu thường gặp có thể gồm:

·         Mã người học

·         Vai trò hoặc nhóm người học

·         Khóa học hoặc chương trình đang tham gia

·         Lớp học hoặc đơn vị đào tạo

·         Thời điểm bắt đầu và kết thúc tham gia

·         Các thuộc tính hồ sơ được hệ thống cho phép thu thập

Nhóm dữ liệu này chủ yếu có chức năng định danh, phân nhóm và liên kết các hoạt động của cùng một người học. Bản thân dữ liệu hồ sơ không cho biết người học đã học hiệu quả đến đâu, nhưng nó tạo bối cảnh để diễn giải các dữ liệu hành vi và kết quả ở những bước sau

Cần phân biệt dữ liệu hồ sơ với dữ liệu nhạy cảm. Không phải mọi thông tin về người học đều cần được thu thập chỉ vì hệ thống có khả năng thu thập. Phạm vi dữ liệu nên gắn với mục đích đào tạo, yêu cầu quản trị và chính sách bảo vệ dữ liệu của đơn vị

Dữ liệu hành vi và hoạt động học tập

Đây thường là một trong những nhóm dữ liệu phong phú nhất của môi trường học tập số vì nhiều thao tác trên hệ thống có thể được ghi nhận dưới dạng sự kiện

Ví dụ gồm:

·         Đăng nhập và đăng xuất

·         Truy cập khóa học

·         Mở hoặc tải tài liệu

·         Xem bài giảng hoặc video

·         Thực hiện bài tập

·         Nộp bài

·         Làm lại hoạt động

·         Điều hướng giữa các nội dung

·         Thời điểm và tần suất truy cập

Giá trị của nhóm dữ liệu này nằm ở khả năng mô tả quá trình học thay vì chỉ ghi nhận kết quả cuối cùng. Chẳng hạn, số lần truy cập tài liệu và chuỗi hoạt động có thể cho biết người học đã tiếp cận nội dung như thế nào

Tuy nhiên, một hành vi không tự động chứng minh việc học đã xảy ra. Việc một video được mở nhiều lần không đồng nghĩa với việc người học đã hiểu nội dung. Vì vậy, dữ liệu hành vi cần được đọc cùng dữ liệu đánh giá và các dấu hiệu khác thay vì dùng riêng lẻ để kết luận về năng lực

Dữ liệu kết quả và đánh giá

Đây là nhóm dữ liệu phản ánh đầu ra có thể quan sát hoặc đo lường được của quá trình học tập

Các dữ liệu thường gặp gồm:

·         Điểm bài kiểm tra

·         Điểm bài tập

·         Kết quả từng câu hỏi

·         Tỷ lệ hoàn thành

·         Số lần làm bài

·         Kết quả đạt hoặc không đạt

·         Phản hồi hoặc nhận xét đối với bài làm

·         Tiến độ hoàn thành các yêu cầu của khóa học

So với dữ liệu hành vi, dữ liệu kết quả trả lời trực tiếp hơn cho câu hỏi người học đã đạt được gì. Chẳng hạn, điểm số có thể được dùng để đánh giá mức độ hoàn thành một bài kiểm tra, trong khi tỷ lệ hoàn thành cho biết người học đã đi đến đâu trong một hoạt động hoặc khóa học

Điểm số cũng có giới hạn. Một điểm kiểm tra chỉ phản ánh kết quả của một hình thức đánh giá trong một điều kiện nhất định, không nên được xem là đại diện tuyệt đối cho toàn bộ năng lực của người học. Vì thế, các hệ thống phân tích học tập thường có giá trị hơn khi kết hợp kết quả đánh giá với hành vi và tiến độ

Dữ liệu tương tác, thời gian và mức độ tham gia

Học tập số không chỉ diễn ra giữa người học và nội dung mà còn thông qua các mối quan hệ tương tác trong môi trường học tập

Nhóm dữ liệu này có thể bao gồm:

·         Tin nhắn với giảng viên

·         Bài đăng và phản hồi trong diễn đàn

·         Bình luận hoặc trao đổi trong hoạt động nhóm

·         Số lần phản hồi

·         Thời điểm tương tác

·         Mức độ tham gia vào các hoạt động cộng tác

·         Thời lượng hoặc khoảng thời gian dành cho một số hoạt động

Dữ liệu thời gian và tương tác giúp làm rõ nhịp độ học tập. Ví dụ, hệ thống có thể phân biệt một người học hoàn thành khóa học trong thời gian ngắn với một người học truy cập đều đặn trong thời gian dài

Tuy nhiên, thời lượng dành cho một hoạt động không phải lúc nào cũng phản ánh chất lượng học tập. Một phiên học dài có thể xuất phát từ việc người học thực sự nghiên cứu sâu, nhưng cũng có thể do nội dung khó, người học bỏ quên cửa sổ trình duyệt hoặc gặp vấn đề kỹ thuật. Đây là lý do các chỉ số thời gian nên được kết hợp với kết quả và hành vi cụ thể

Dữ liệu nội dung, thiết bị và môi trường kỹ thuật

Ngoài dữ liệu trực tiếp về hoạt động học tập, nền tảng số còn có thể ghi nhận dữ liệu mô tả cách hoạt động học diễn ra trong môi trường kỹ thuật nào

Nhóm này có thể gồm:

·         Loại thiết bị sử dụng

·         Hệ điều hành hoặc trình duyệt

·         Phiên truy cập

·         Loại nội dung được truy cập

·         Thời điểm xảy ra sự kiện

·         Trạng thái tải hoặc phát nội dung

·         Các sự kiện lỗi kỹ thuật liên quan đến hoạt động học

Những dữ liệu này có ý nghĩa khi cần phân biệt vấn đề học tập với vấn đề kỹ thuật. Ví dụ, việc một người học không hoàn thành video có thể liên quan đến nội dung khó, nhưng cũng có thể xuất phát từ lỗi phát nội dung hoặc môi trường truy cập không ổn định

Vì vậy, dữ liệu kỹ thuật thường đóng vai trò bổ trợ cho dữ liệu hành vi và kết quả. Nó giúp giải thích điều kiện trong đó một hoạt động học tập đã diễn ra và tránh kết luận sai nguyên nhân

Dữ liệu học tập số thường được chia thành các nhóm chính gồm dữ liệu hồ sơ, dữ liệu hành vi, dữ liệu kết quả đánh giá, dữ liệu tương tác và dữ liệu kỹ thuật. Mỗi nhóm phản ánh một khía cạnh khác nhau của quá trình học, nên giá trị phân tích cao nhất thường xuất hiện khi chúng được kết hợp thay vì xem riêng lẻ. Quan trọng hơn, việc thu thập dữ liệu cần gắn với mục đích rõ ràng và không nên đồng nhất mọi dữ liệu được hệ thống ghi nhận với bằng chứng trực tiếp về chất lượng học tập