Osnovni pojmovi podatkovne pismenosti

U visokom obrazovanju prikupljanje i analiza podataka predstavljaju ključan element razumijevanja procesa učenja i poučavanja. Podaci se prikupljaju različitim metodama, ovisno o ciljevima istraživanja, vrsti obrazovne aktivnosti i potrebama nastavnog procesa.

Razumijevanje načina prikupljanja podataka nužno je za njihovu točnu interpretaciju i primjenu u svrhu unapređenja obrazovanja. U nastavku su prikazani neki od najčešćih načina prikupljanja podataka:

Automatsko prikupljanje putem digitalnih sustava
Digitalne obrazovne platforme, poput sustava za e-učenje, omogućuju automatsko bilježenje različitih aktivnosti studenata. Najčešće se prikupljaju podaci o vremenu provedenom na zadacima, broju pokušaja rješavanja testova, postignutim rezultatima i sudjelovanju u raspravama. Takvi podaci pružaju vrijedan uvid u obrasce učenja i omogućuju nastavnicima da prilagode sadržaj i metode rada individualnim potrebama studenata.

Anketni i testni podaci
Podaci se često prikupljaju i izravno od nastavnika i studenata, na primjer, putem anketa, upitnika ili testova. Ovim se metodama ispituju stavovi, motivacija, razina zadovoljstva nastavnim procesom ili percepcija učinkovitosti digitalnih obrazovnih alata. Kako bi rezultati bili pouzdani i korisni, potrebno je pažljivo osmisliti instrumente prikupljanja podataka, odabrati primjeren uzorak i provesti sustavnu analizu prikupljenih informacija.

Biometrijski i senzorski podaci
Razvoj suvremenih tehnologija omogućio je prikupljanje biometrijskih i senzorskih podataka koji mogu pružiti dublji uvid u procese učenja. Primjeri uključuju praćenje pokreta oka (eye-tracking) ili mjerenje moždane aktivnosti (EEG), čime se mogu istraživati pažnja, angažman i emocionalno stanje studenata tijekom učenja. Iako ove metode nude iznimno precizne uvide, njihova primjena zahtijeva specijaliziranu opremu, stručno znanje i strogo poštivanje etičkih standarda, osobito u pogledu zaštite privatnosti i osobnih podataka.

Uloga umjetne inteligencije u analizi podataka
Sustavi temeljeni na umjetnoj inteligenciji sve se češće primjenjuju u analizi obrazovnih podataka prikupljenih različitim metodama. Umjetna inteligencija može prepoznati obrasce u ponašanju i napretku studenata, predvidjeti moguće poteškoće u učenju i predložiti personalizirane strategije poučavanja. Međutim, učinkovitost takvih sustava uvelike ovisi o kvaliteti, pouzdanosti i reprezentativnosti podataka.

Stoga je za obrazovne stručnjake od presudne važnosti razvijati podatkovnu pismenost koja uključuje razumijevanje izvora podataka, metoda njihove obrade i etičkih i pedagoških implikacija njihove uporabe.