Pesquisadores da Escola Superior de Economia e da KU Leuven desenvolveram um método para medir o crescimento da proficiência dos alunos em ambientes de aprendizagem digital. Isso ajuda a ver o progresso dos participantes do curso online na dinâmica, ou seja, para entender como os alunos estudam e como o curso funciona. Os resultados do estudo foram publicados na revista Métodos de Pesquisa Comportamental .

O resultado esperado e desejado de qualquer curso é o crescimento da proficiência dos alunos, e um aumento em seus conhecimentos e habilidades. Esse crescimento é representado por uma diferença positiva entre conhecimentos e habilidades no final e no início do curso. Por muitos anos, o crescimento foi medido como a diferença nos resultados dos testes final e de admissão. Contudo, esta abordagem, que usa dois pontos de controle, não permite que a dinâmica de crescimento dentro do curso seja traçada e compreendida.

A nova abordagem sugerida pelos pesquisadores de HSE e KU Leuven é baseada em dados digitais registrados dos alunos. Os dados registrados representam eventos registrados pela plataforma de aprendizagem online, como assistir a palestras em vídeo e tentar resolver tarefas. Usando esses dados, os pesquisadores podem ver dois tipos de crescimento de proficiência:contínuo (ao longo do curso) e local (em uma determinada área, associado a uma tarefa específica).

O crescimento contínuo é estimado como um efeito cumulativo de assistir a aulas em vídeo em um determinado ponto do curso online. O crescimento local é calculado como o efeito de uma tentativa de resolver uma tarefa específica. Como observam os pesquisadores, ambos os efeitos são específicos para cada aluno. Em outras palavras, o mesmo número de visualizações de materiais resulta em um crescimento diferente para dois alunos diferentes.

'Assim, vemos os resultados de cada aluno em qualquer momento do curso, e não perdemos seu tempo com entradas volumosas e testes finais. Nossa pesquisa é uma transição conceitual da análise tradicional dos resultados do teste para a análise progressiva de rastros digitais no ambiente educacional, 'diz Dmitry Abbakumov, autor do artigo e chefe do HSE Center for Psychometrics in eLearning.

Esses modelos podem ser usados ​​em painéis analíticos em plataformas de aprendizagem online, enquanto algoritmos baseados neles são apropriados para soluções de navegação e recomendação em educação digital.