Pozitivan i negativan utjecaj tehnologija na proces učenja

Jedna od najvažnijih prednosti obrazovne tehnologije jest primjena analitike učenja (engl. learning analytics). Alati integrirani u sustave za upravljanje učenjem (LMS) omogućuju nastavnicima uvid u napredak i aktivnost studenata, identificiranje onih koji zaostaju te pravovremeno interveniranje. Takav podatkovni pristup podržava individualiziranu podršku i donošenje obrazovnih odluka temeljenih na dokazima.

Ipak, s druge strane, javlja se niz etičkih pitanja. Prikupljanje, obrada i interpretacija obrazovnih podataka otvara dileme vezane uz privatnost, transparentnost i pristanak. Postavlja se pitanje u kojoj je mjeri opravdano nadzirati digitalne tragove studenata, kako se podatci koriste te tko ima pristup analizama. U tom smislu nužno je osigurati visoke standarde zaštite podataka, jasnu politiku informiranog pristanka i odgovornu upotrebu tehnologije.

U visokoškolskom kontekstu analitika učenja može biti iznimno koristan alat za praćenje napretka, poticanje angažmana i prilagodbu podrške studentima. Primjer dobre prakse je korištenje analitike za formativno praćenje, primjerice nastavnik može redovito pregledavati koje aktivnosti studenti najčešće preskaču ili u kojim se zadatcima zadržavaju duže od očekivanog te na temelju toga prilagoditi sadržaj ili dodatno pojasniti problematične dijelove. Također, individualne poruke podrške studentima, koji pokazuju znakove smanjene angažiranosti, mogu imati određeni motivacijski učinak.

Kako bi se analitika učenja koristila na etičan i odgovoran način, preporučuje se nekoliko koraka. Prvi korak predstavlja transparentnost, studenti trebaju biti jasno informirani o tome koji se podatci prikupljaju, u koju svrhu i tko im ima pristup. Drugo je minimalno prikupljanje i stoga treba prikupljati samo one podatke koji su nužni za unapređenje procesa učenja, a ne za nadzor. Treće, potrebna je interpretacija s dozom opreza jer podatci o aktivnosti ne smiju se tumačiti isključivo kao pokazatelji uspjeha jer kvantitativni tragovi ne odražavaju uvijek dubinu razumijevanja.

Nastavnici bi trebali razvijati data literacy, odnosno sposobnost kritičkog razumijevanja i korištenja obrazovnih podataka. To podrazumijeva osviještenost o ograničenjima algoritama, mogućim pristranostima i potrebi kombiniranja kvantitativnih i kvalitativnih podataka. Na taj se način analitika učenja može koristiti kao alat podrške, a ne kontrole pridonoseći kulturi povjerenja, autonomije i odgovornog korištenja tehnologije u obrazovanju.