Con il termine Learning Analytics (LA) facciamo riferimento a un campo di ricerca sviluppato nel corso del XX secolo e orientato all’analisi dei dati dell’apprendimento (Educational data) prodotti da un Learning Management System (LMS). Tali dati (dati personali, dati di accesso, dati relativi alle interazioni tra gli utenti, ecc.) vengono generati ogni qual volta i corsisti interagiscono con il contenuto di un corso online o con gli utenti iscritti alla stessa piattaforma di e-learning.
Anche in ambito educativo, questi grandi insiemi di dati sono comunemente detti Big Data. poiché le loro dimensioni vanno al di là della capacità dei tipici strumenti software di database utilizzati per l’acquisizione, la memorizzazione, la gestione e l’analisi.
I Big Data nascono dunque dai nostri comportamenti online e rappresentano una fonte preziosa per studiare e comprendere i fenomeni sociali al fine di generare conoscenza e produrre previsioni. Risulta quindi comprensibile come i Big Data stiano assumendo un ruolo da protagonisti anche nei contesti educativi ed in particolare nell’e-learning (Baig, Shuib, & Yadegaridehkordi, 2020) affrontando così alcune delle criticità proprie dei corsi online (Chatti et al., 2012; Daniel, 2015; Siemens, Dawson, & Lynch, 2013). In questo contesto, la mancanza di un contatto fisico tra docenti e studenti, e tra studenti stessi, può far sentire gli studenti isolati e disorientati nello spazio online. Per lo stesso motivo il docente può trovare difficoltà a percepire nei propri studenti difficoltà e perdite di motivazione, eventuali sovraccarichi cognitivi, come anche la qualità della loro partecipazione. L’implementazione di strumenti di LA all’interno di un corso universitario online viene in aiuto per affrontare queste problematiche in quanto consente al docente una profonda osservazione dell’attività dei propri corsisti offrendo loro feedback formativi individualizzati e non finalizzati al controllo e alla valutazione ma allo sviluppo nei soggetti in formazione del senso di autoefficacia e autoregolazione (Zimmerman, 2000; Pellerey, 2006). Partendo quindi dall’enorme volume di dati resi disponibili da un LMS, i docenti potranno ricavare informazioni per conoscere i comportamenti dei propri studenti nella fase di apprendimento, identificare le loro esigenze di apprendimento e rendere più efficace il proprio insegnamento (Mori & Baldi, 2022).
La presente ricerca si propone la finalità di indagare come attraverso l’impiego di modelli previsionali e descrittivi (modelli di regressione multipla (Chen & Xie, 2020) e logistica (Von Hippel & Hofflinger, 2020), la costruzione di indicatori e la cluster analysis (Cecchi et al., 2021) applicati ai dati provenienti da piattaforme LMS, sia possibile promuovere il successo formativo degli studenti che frequentano corsi universitari online.