I ricercatori della Higher School of Economics e della KU Leuven hanno sviluppato un metodo per misurare la crescita delle competenze degli studenti negli ambienti di apprendimento digitale. Aiuta a vedere i progressi dei partecipanti al corso online in dinamica, cioè., per capire come studiano gli studenti e come funziona il corso. I risultati dello studio sono stati pubblicati sulla rivista Metodi di ricerca sul comportamento .

Il risultato atteso e desiderato di qualsiasi corso è la crescita delle competenze degli studenti, e un aumento delle loro conoscenze e competenze. Questa crescita è rappresentata da una differenza positiva tra conoscenze e competenze alla fine e all'inizio del corso. Per molti anni, la crescita è stata misurata come differenza tra i risultati delle prove finali e di ammissione. Però, questo approccio, che utilizza due punti di controllo, non consente di tracciare e comprendere le dinamiche di crescita all'interno del percorso.

Il nuovo approccio suggerito dai ricercatori HSE e KU Leuven si basa sui dati registrati digitalmente degli studenti. I dati registrati rappresentano gli eventi registrati dalla piattaforma di apprendimento online, come guardare lezioni video e tentare di risolvere compiti. Utilizzando questi dati, i ricercatori possono vedere due tipi di crescita delle competenze:continua (per tutto il corso) e locale (in una certa area, associato a un determinato compito).

La crescita continua è stimata come un effetto cumulativo della visione di videolezioni a un certo punto del corso online. La crescita locale è calcolata come l'effetto di un tentativo di risolvere un compito specifico. Come notano i ricercatori, entrambi gli effetti sono specifici per ogni studente. In altre parole, lo stesso numero di visualizzazioni materiali si traduce in una crescita diversa per due studenti diversi.

'Così, vediamo i risultati per ogni studente in qualsiasi momento del corso, e non perdiamo il loro tempo in voluminosi ingressi e prove finali. La nostra ricerca è una transizione concettuale dall'analisi tradizionale dei risultati dei test all'analisi progressiva delle tracce digitali nell'ambiente educativo, ' dice Dmitry Abbakumov, autore dell'articolo e responsabile dell'HSE Center for Psychometrics in eLearning.

Questi modelli possono essere utilizzati in pannelli analitici su piattaforme di apprendimento online, mentre gli algoritmi basati su di essi sono appropriati per la navigazione e le soluzioni di raccomandazione nell'educazione digitale.