Biosensoren

De acht proefpersonen droegen twaalf werkdagen lang een sensor (de Fitbit Charge) die hartslag en aantal stappen per dag registreerden. Tegelijkertijd werden via hun computer alle hun leeractiviteiten verzameld. Tot slot gaven zij in een Activity Rating Tool aan welk type activiteit ze uitvoerden, maar ook hoe ze hun productiviteit, stress, uitdaging en vaardigheden op dat moment inschatten. Doel is om op basis van deze gegevens geautomatiseerd individuele leerpatronen te ontdekken en leersucces te voorspellen. Omdat ook het weer een rol kan spelen, werden ook de gegevens over het weer in het onderzoek ingebracht.

Voorspellen en bijsturen

Het experiment combineert dus draagbare technologieën met data over leeractiviteiten bij zelfsturend leren. De onderzoekers willen twee vragen beantwoorden: Kun je op basis van lichamelijke data gecombineerd met gegevens over leeractiviteiten leersucces voorspellen? Kun je door middel van biofeedback technieken het leersucces vergroten? De onderzoekers presenteerden een voorlopig verslag over dit experiment tijdens de LAK 2017 conferentie in Vancouver, Canada. De paper is getiteld 'Learning Pulse: a machine learning approach for predicting performance in self-regulated learning using multimodal data' en kan worden gedownload van DSpace.

Learning analytics

Learning analytics is het proces om gegevens over leren te exploiteren om zo de praktijk van het leren beter te begrijpen en te optimaliseren. Learning analytics kunnen zeer waardevol zijn voor het onderwijsveld als het er in slaagt de uitkomsten van het leerproces te voorspellen.