I Norge pågår sedan omkring tio år en öppen och sökande diskussion runt användningen av Learning Analytics i skola och högre utbildning. Skolor, forskare, myndigheter och företag tycks kunna samverka och gemensamt söka sig fram på ett sätt som man som svensk bara kan avundsjukt betrakta. Redan 2015 fick Universitetet i Bergen medel till att inrätta ett forskningscenter (SLATE) runt Learning Analytics och användning av AI i utbildningen. 2017 påbörjade SLATE tillsammans med KS, motsvarigheten till svenska SKR, och Oslo kommun ett projekt runt Learning Analytics som Spaningen rapporterade om redan i mars 2022.
Vidare så tillsatte Kunnskapsdepartementet hösten 2021 en expertgrupp för att värdera användningen av Learning Analytics i skola, yrkesutbildning och högre utbildning. Expertgruppen har bred kompetens med lärare, myndighetsföreträdare, jurister och forskare inom pedagogik, AI, läsforskning mm. I somras kom de med sin första delrapport. Det är en gedigen genomgång av vad Learning Analytics är, hur det används idag och vilken forskning som finns inom området. Gruppen konstaterar att kunskapsbasen fortfarande är otillräcklig. Det finns betydligt fler studier som behandlar högre utbildning än grundutbildning och yrkesutbildning. Gruppen menar att en stor del av de insikter som finns kommer från forskningsprojekt där studenter rekryteras som deltagare och där hela det undersökta studieprogrammet ofta är utformat just för att användas som input i en vetenskaplig studie. Däremot saknas systematiska erfarenheter från situationer där elever eller studenter befinner sig i en vanlig lärar- eller studentroll och där pedagogerna inte själva forskar om Learning Analytics. Ytterligare en brist de lyfter fram är att det inte har gjorts mycket forskning om kommersiella leverantörer av Learning Analytics, även om kommersiella aktörer är de dominerande leverantörerna inom både primär- och högre utbildning.
Riktigt intressant blir rapporten när den beskriver fyra dilemman som illustrerar ett antal komplexa avvägningarna som måste göras när tekniken används, ur pedagogisk, etisk, juridisk och teknisk synvinkel.
Det första dilemmat behandlar pedagogernas behov av information om elever för att stödja deras lärande, balanserat mot skyddet av information om eleverna, alltså kunskap mot integritet. Man konstaterar att det är svårt att definiera vad som är relevant, korrekt och meningsfull information om elevernas lärande, och inte minst vad som är tillräcklig information för att säkerställa god organisation och kvalitetsutveckling. Slutsatsen blir att det finns ett behov av en grundlig diskussion av vilka uppgifter som bör ingå i Learning Analytics på olika utbildningsnivåer. Myndigheternas respektive lärares och rektorers handlingsutrymme måste klargöras så att de kan utforska teknikens potential inom en etiskt sund ram. Dessutom måste man underlätta yrkesetiska och pedagogiska diskussioner runt tekniken.
Det andra dilemmat berör avvägningen mellan individuellt lärande och lärande som social aktivitet. Analysen av elevernas lärande påverkas av utformningen av de lärresurser som man inhämtar data ifrån. Detta kan påverka balansen mellan lärande som en social och som en individuell process. Resurser som synliggör och betonar lärandets sociala dimension kan stödja och driva på undervisningsmetoder som är i linje med uppfattningen att lärande är en social aktivitet. Och i forskningsöversikten i rapporten beskrivs hur Learning Analytics kan vara relevant för lärande i grupp, i linje med det sociala perspektiv på lärande som kännetecknar både norska och svenska policydokument. Men, liksom i Sverige, ser man en betydande ökning av mer individualiserade arbetsformer i det digitala klassrummet.
Det tredje dilemmat berör balansen mellan centralisering och autonomi. Att köpa in och använda teknik för Learning Analytics kräver komplexa beslutsprocesser på olika nivåer inom utbildningssektorn. Det är utmanande men nödvändigt att hitta en balans mellan centraliserade stödstrukturer för de mest resurskrävande besluten och samtidigt behålla utrymmet för pedagogisk frihet och anpassning till lokala förhållanden. Expertgruppens slutsats är att man ser ett behov av en grundlig diskussion av vilka beslut runt Learning Analytics som bör centraliseras och vilka som bör lämna mer utrymme för flexibilitet och lokal anpassning. Målet med arbetet, menar man, måste vara att utveckla goda standarder som värnar om och möjliggör pedagogisk mångfald inom det lokala handlingsutrymmet.
Dilemma nummer fyra behandlar spänningen mellan de krav som Learning Analytics ställer på lärares kompetens, och den faktiska digitala kompetensen inom utbildningssektorn. Man konstaterar att behovet av kompetensutveckling är stort, till exempel att kritiskt kunna värdera de algoritmer som ligger till grund för analysen, att kunna analysera de data som programmet producerar, att kunna resonera runt etiska och integritetsmässiga frågor samt att kunna använda resultaten av analysen till att vägleda elever och studenter. Expertgruppens slutsats blir att det finns ett behov av kompetensutveckling bland lärare. Samtidigt måste utformningen av de digitala resurserna ta hänsyn till pedagogernas kompetens och bygga på nuvarande praxis inom utbildningen. Förväntningarna på lärarna måste vara rimliga. Kompetens utöver detta måste tas upp på andra nivåer inom sektorn.
Som avslutning kan sägas att det är en mycket innehållsrik och nyanserad rapport som ger god inblick i var forskning och praxis runt Learning Analytics befinner sig i Norge, och det är bara att konstatera – de ligger många år före oss i Sverige.
Faktaruta
Learning Analytics
Learning Analytics är en metod där man använder dataanalys för att förstå och förbättra lärande och undervisning. Genom att samla in och analysera data om elevers prestationer och interaktioner med utbildningsplattformar och andra digitala lärresurser, kan Learning Analytics bidra till att utveckla insikter om elevers lärandeprocesser och bidra till underlag för utveckling av undervisning.
Det kan också hjälpa institutioner att identifiera mönster, trender och avvikelser i elevers lärande för att bättre kunna förutsäga vilka elever som löper risk för att inte klara av en kurs eller att hoppa av en utbildning. Detta blir då ett stöd i arbetet med att anpassa och utveckla verksamheten.