Aktivitetsdata for Vurdering og Tilpasning 2 (AVT2)

AVT2 bygger videre på AVT-prosjektet som utarbeidet et rammeverk for læringsanalyse og kunstig intelligens i skole. Formålet med rammeverket er å støtte tilpasset undervisning og anbefaling av relevante læringsressurser.

‍

‍Formålet med AVT2:

Involvere flere leverandører, kommuner og skoler
Utvide til flere fagområder, inkludert videreutvikling av fagkartet
Videreutvikle integrasjonsløsningen for aktivitetsdata via nye Feide
Mer omfattende forskning på læringsanalyse og bruk av aktivitetsdata samt utvikling og utprøving av en læringsmodell (Open Learner Model, OLM)
Utvikle en applikasjon, Mitt fagkart (Open Learning Model, OLM) med en læringsmodell som gir informasjon om elevene og som brukes til å optimalisere søk etter innhold
Utvikle en løsning for å hente informasjon om tilgjengelige læringsressurser basert på metadatamerking (NS 4180) (bygger på spesifikasjonen som Utdanningsdirektoratet, gjennom leverandøren Conexus, utarbeider)
Bidra med innsikt og innspill til relevante aktører som jobber for å styrke personvernet for elever i deres læringsarbeid, og se på hvordan infrastruktur og retningslinjer kan gjøre det enklere for både leverandører og skoleeiere å oppfylle regelverket
Bidra til å utvikle infrastruktur for å teste alternative anskaffelses- og betalingsmodeller for å kunne realisere gevinstene som prosjektet adresserer

‍

Resultaltmål:

Fagkartet, et felles referansesett for fagområder og tema innen matematikk, engelsk, naturfag og norsk
Sentralt API for aktivitetsdata
Oppdatert spesifikasjon av hvordan aktivitetsdata skal leveres på xAPI-format
Tagging Tool for leverandører for å tagge sine oppgaver mot Fagkartet
Mitt fagkart (basert på open learner model-teknologi og analyse- og anbefalingsalgoritmer) for elever, lærere og foresatte som viser hvilke data som er samlet inn om en elev og gir en oversikt over elevens progresjon i de forskjellige emner
Innholdssøk parameter
Anskaffelses- og betalingsmodeller

Arbeidet med Fagkart og Mitt fagkart bygger på den nye læreplanen LK20.

AVT rapporter:

Hansen, C., Morlandstø, N., Jørgensen, B. & Bjønness, K. (2017). Projektet Dataporten for gunnopplæringen. KS FOU-prosjektet 174018, Læringsanalyse. SLATE Research Report 2017-1, Bergen, Norway: Centre for the Science of Learning & Technology (SLATE).

Morlandstø, N.I., Hansen, C.J.S., Wasson, B., Bull, S. (2019). Aktivitetsdata for vurdering og tilpasning: Sluttrapport. SLATE Research Report 2019-1, Bergen, Norway: Centre for the Science of Learning & Technology (SLATE). ISBN: 978-82-994238-7-8

Wasson, B., Morlandstø, N.I. & Hansen, C.J.S. (2019). Sammendrag av SLATE Research Report 2019-1: Aktivitetsdata for vurdering og tilpasning (AVT), Bergen, Norway: Centre for the Science of Learning & Technology (SLATE).‍

Wasson, B., Morlandstø, N.I. & Hansen, C.J.S. (2019). Summary of SLATE Research Report 2019-1: Activity Data for Assessment and Activity (AVT), Bergen, Norway: Centre for the Science of Learning & Technology (SLATE).

Viktig linker:

Project Period:

okt.2019 - des.2022

Project Period:

October 2019

January 2022

Funded By:

KS FoU-prosjekt 174018-Læringsanalyse

Project Leader:

Barbara Wasson

Project Members:

SLATE: Malgorzata Cyndecka, Gleb Belokrys, Cecilie Hansen, Maria Ovchinnikova, Jeanette Samuelsen, Susan Bull, Barbara Wasson; UDE: Brian Jørgensen, Nicklas Holm (AVT2 prosjekt leder) KS: Lene Karin Wiberg

Project Partners:

Centre for the Science of Learning & Technology (SLATE)

Oslo Kommune, Utdanningsetaten

More Relevant Projects

See All

Delta i Data! Advancing Data and AI Literacies Through Game-based Learning

Promoting data and AI literacies through game-based learning strategies across diverse learning environments.

Delta i Data! Advancing Data and AI Literacies Through Game-based Learning

Promoting data and AI literacies through game-based learning strategies across diverse learning environments.

Accelerating Privacy and Data Protection Measures Using Synthetic Data Generation (ASPIRE)

Aiming to develop novel privacy and data protection methods that leverage Artificial Intelligence synthetic data generation.

Accelerating Privacy and Data Protection Measures Using Synthetic Data Generation (ASPIRE)

Aiming to develop novel privacy and data protection methods that leverage Artificial Intelligence synthetic data generation.

Kunstig intelligens og ledelse av skoleutvikling (KI-LED)

Improving the Quality and Sustainability of Learning Using Early Intervention Methods Based on Learning Analytics (ISILA)

Aiming to stimulate innovative teaching practices by providing tools for tracking student learning.

Improving the Quality and Sustainability of Learning Using Early Intervention Methods Based on Learning Analytics (ISILA)

Aiming to stimulate innovative teaching practices by providing tools for tracking student learning.