Čitanje: Aspekti vjerodostojnosti analitike učenja

1. Vjerodostojnost analitike učenja

Temeljeno na:
Svetec, Barbi; Divjak, Blaženka. (2025.) Trustworthy Learning Analytics for Smart Learning Ecosystems. Interaction Design & Architecture(s).

Svetec, Barbi; Divjak, Blaženka; Rienties, Bart; Mukkonnen, Hanni. (2025). Stakeholder Responsibility for Building Trustworthy Learning Analytics in the AI-Era. Proceedings of CSEDU 2025.

Vjerodostojnost analitike učenja ima različite aspekte. Prema analizi literature autorica Svetec i Divjak (2025.), možemo ih grupirati u društvene (etičke i pravne) i tehnološke (podatci, algoritmi i infrastruktura). Oni su međusobno povezani i često ovisni, a svaki od tih aspekata uključuje više dimenzija. Postoje i horizontalne dimenzije, važne i za društvene i za tehnološke aspekte. U analitici učenja algoritmi strojnog učenja i umjetne inteligencije imaju sve važniju ulogu – posebno u prediktivnoj analitici, personalizaciji i obradi velikih količina podataka. Zbog toga su načela vjerodostojnosti iz područja umjetne inteligencije primjenjiva i u analitici učenja.

2. Pitanja za samoprocjenu i promišljanje

1. Na koje načine transparentnost i uključivanje dionika doprinose većem povjerenju u analitiku učenja? 
2. Kako pristranost podataka i algoritama može utjecati na pravednost i točnost analitike učenja?

3. Aspekti vjerodostojnosti analitike učenja