Il data mining educativo (EDM) è il processo di analisi dei dati ottenuti da scuole, studenti e amministratori. I dati che vengono analizzati sono ottenuti da sistemi informatici, quali punteggi dei test e registri delle presenze. Il data mining cerca modelli e associazioni per trarre conclusioni su prestazioni e comportamento.
I moderni ambienti educativi si basano sulla tecnologia per semplificare le operazioni e tenere traccia dei dati importanti degli studenti. Le applicazioni software sono anche utilizzate per amministrare i piani di lezione degli studenti, facilitare il processo di apprendimento e gestire gli esami. Anche la comunicazione tra studenti, insegnanti e genitori dipende in larga misura da Internet e dalla tecnologia informatica. Il data mining educativo cerca di combinare tutti questi dati per scoprire nuove intuizioni.
Le scuole utilizzano le conoscenze del data mining per sviluppare nuovi programmi di apprendimento, migliorare le prestazioni e affrontare potenziali problemi. La tecnica può essere utilizzata per determinare quali condizioni aiutano gli studenti a imparare meglio o ad esibirsi meglio negli esami. L’impiego del data mining educativo è diventato così popolare che si tengono regolarmente conferenze in tutto il mondo per insegnare agli educatori le tecniche e scoprire nuovi modi di incorporarle nelle scuole.
Alcuni degli argomenti esplorati durante le conferenze sul data mining didattico includono come utilizzare in modo efficace il data mining, come estrarre diverse fonti di dati, metodi di miglioramento per i software didattici e come interpretare i risultati del data mining per migliorare l’istruzione in classe. Proprio come i marketer utilizzano il data mining per scoprire le associazioni tra le abitudini di acquisto dei consumatori e le attività di marketing, il data mining educativo cerca di scoprire schemi di comportamento non detti. Ad esempio, gli educatori potrebbero usarlo per determinare l’efficacia delle forme sperimentali di apprendimento e feedback sulle prestazioni per gli studenti delle scuole superiori, come l’apprendimento autogestito e le valutazioni basate su recensioni scritte soggettive piuttosto che su un voto in lettere.
Il data mining è un modo per comprendere meglio le menti di studenti e amministratori, che può essere difficile da scoprire con metodi di ricerca diretta. Alcuni college e università possono analizzare i risultati delle prestazioni degli studenti laureati su test standardizzati nazionali per monitorare la qualità delle sue lezioni in classe. Punteggi elevati in alcune aree tematiche rispetto ad altre possono indicare la necessità di adattare il metodo con cui viene consegnato quel materiale. Altri strumenti di apprendimento oltre alla lezione tradizionale possono essere provati come risultato del data mining.
Ad esempio, se il data mining scopre che gli studenti conservano più informazioni nel tempo a seguito del lavoro su progetti anziché su test a scelta multipla, gli educatori possono iniziare a implementare più progetti in tutte le classi. Il data mining può anche isolare l’apprendimento di determinati gruppi di studenti. I risultati delle prestazioni degli studenti possono riflettere le tendenze tra fasce di età e sesso.