Đây là thông tin được Giáo sư Gregor Kennedy - Thừa hành Phó chủ tịch Hội đồng đại học (Phụ trách đào tạo) kiêm Giám đốc Trung tâm Nghiên cứu giáo dục bậc cao thuộc Đại học Melbourne - đưa ra tại Hội thảo về Khoa học cung cấp thông tin vừa diễn ra tại Đại học RMIT Việt Nam. Sự kiện do Trung tâm Xuất sắc về Kỹ thuật số (CODE) của

Là một chuyên gia giáo dục quốc tế về nghiên cứu và phát triển công nghệ, Giáo sư Gregor Kennedy cho rằng: Đến nay, "phân tích dữ liệu người học" không phải là khái niệm mới. Sự bùng nổ của Dữ liệu lớn đã đem đến triển vọng mới, hỗ trợ tích cực vào thành công của sinh viên.

“Triển vọng quan trọng của phân tích dữ liệu người học là chỉ ra được những hình mẫu ẩn chứa trong quá trình học của sinh viên để từ đó có thể chủ động hỗ trợ giúp sinh viên thành công”, ông nói. 

Giáo sư đã dẫn chứng bằng 3 ví dụ ứng dụng phân tích dữ liệu người học được thực hiện tại Đại học Melbourne (Úc) gồm: nhận thức và tương tác; lớp học trực tuyến mở quy mô lớn; và mô phỏng kỹ năng phẫu thuật vỏ não. Trong cả ba ví dụ, từ phân tích cách thiết kế chương trình học cũng như cách học của sinh viên, Giáo sư Gregor đã chỉ ra được những kết quả hết sức tích cực.

Trong ví dụ thứ nhất liên quan đến nhận thức và tương tác, những người làm công tác giáo dục có thể phân tích để tìm ra mẫu hành vi khác nhau của sinh viên khi các em hoàn thành các nhiệm vụ nhỏ trong quá trình học. Những mẫu hành vi khác nhau sẽ gợi ý về cách học và phương pháp tiếp cận khác nhau của sinh viên, cũng như nhận thức khác nhau khi làm bài tập, từ đó cho ra kết quả học tập và mức độ thành công khác nhau.

Ở ví dụ thứ hai, phân tích từ các lớp học trực tuyến mở quy mô lớn, Giáo sư Gregor nhấn mạnh “cách chúng ta (những người làm công tác giáo dục) thiết kế và sắp xếp chương trình học ở cấp vĩ mô thật sự có thể ảnh hưởng đến phương pháp học của sinh viên, đó là xem và ôn bài”.

Phương pháp học từ mô phỏng ở ví dụ cuối đã nhận được phản hồi tích cực của 24 sinh viên y khoa tham gia thực nghiệm trong cuộc phỏng vấn ngay sau buổi thử nghiệm.

Từ những ví dụ trên, Giáo sư Gregor kêu gọi những người làm trong lĩnh vực giáo dục hãy dùng phân tích dữ liệu người học vào mục đích cao hơn là hỗ trợ để sinh viên thành công trong việc học chứ không dừng lại ở việc giúp sinh viên đang có nguy cơ không theo kịp với chương trình học như hiện nay.

Giáo sư Kennedy chia sẻ rằng phân tích dữ liệu người học là phương pháp cực kỳ hữu dụng đối với giáo viên, những người soạn thảo chương trình học và các nhà nghiên cứu giáo dục, vì giúp hé lộ năng lực tiềm ẩn, khả năng và mặt mạnh của sinh viên thay vì tập trung vào xác định khiếm khuyết hay điểm yếu ở các em.

Phương pháp phân tích này có thể giúp các trường có được dữ liệu khổng lồ của từng sinh viên, có thể hiểu được cách mỗi sinh viên thực hiện nhiệm vụ học tập như thế nào, đồng thời mở rộng chương trình giảng dạy, và giúp “chúng ta (những người làm công tác giáo dục) thấu hiểu sự nhận thức và quá trình học của sinh viên, từ đó giúp các em có quá trình và phương thức học tập tốt hơn, để có được kết quả học tập tốt và từ đó thành công hơn”.

Giáo sư còn chia sẻ với những người dự khán rằng việc đề xuất sử dụng công nghệ mới và phân tích dữ liệu người học để có thể hỗ trợ cho từng sinh viên là xu hướng hiện nay đang được ứng dụng rộng rãi các trường đại học tiên tiến trên thế giới.

Tại Việt Nam, phương pháp phân tích dữ liệu người học có thể áp dụng ở các trường đại học đang theo đuổi mô hình giáo dục 4.0. Áp dụng phân tích dữ liệu người học sẽ góp phần nâng cao chất lượng dạy và học ở bậc đại học, đào tạo ra nguồn nhân lực chất lượng cao, đồng thời thể hiện được sự sáng tạo và thích ứng của các trường đồng hành cùng cuộc Cách mạng công nghiệp lần thứ tư.