פרסונליזציה של הלמידה, ניתוח וניהול תהליכי למידה וניתוח נתונים לצורך קביעת מדיניות
כבר בספרו המפורסם "סאמרהיל" מציג ניל את התפיסה לפיה יש להתאים את בית הספר לילד במקום להכריח את הילד להתאים את עצמו לבית הספר (ניל,1973). כפועל יוצא, טוענים חסידי הגישה הקונסטרוקטיביסטית ונציגיה הרדיקלים יותר, בתהליך הלמידה אין מקום לתכנית לימודים במובן הקלאסי, אין הגדרת פרקי לימוד מסודרים ואין תוצרים והישגים ברורים שהתלמידים חייבים לעמוד בהם. הגרסה המתונה יותר של גישה זו, היא תפיסה שעל פיה המורה תפקיד המורה לשמש מנחה ומכוון , תוך רגישות למצבו של כל תלמיד (סולומון 2000). האתגר שעמד בפני המורה הוא להצליח לעשות זאת בכתה בה לומדים תלמידים רבים. יישום נכון של טכנולוגיה עשוי להעניק פתרונות להתאמת הלמידה באמצעות כלים שונים העונים על צרכים של לומדים בעלי סגנונות למידה שונים, כולל בעלי צרכים מיוחדים (Dugarova & Gülasan, 2017). מושג זה, של למידה מותאמת מבוסס על עקרונות של התייחסות לפרופיל של הלומד עצמו, התווייה של נתיב למידה אישי, למידה לקראת שליטה וסביבות למידה גמישות[1]. היא מתייחסת לטכנולוגיות המנטרות את התקדמות הסטודנט ועושה שימוש במידע כדי להתאים את ההוראה בכל נקודת זמן. העקרונות הללו עולים בקנה אחד עם הגידול במגוון הלומדים,[2] הרצון לעידוד פרסונליזציה של הלמידה, והיכולות הטמונות במדידה באמצעות ניתוח למידה - learning analytics (Horizon 2017). המידע שנאסף בלמידה מקוונת מהווה חלק מתכנון, עיצוב והערכת הלמידה, הוא מספק למורים מבט קרוב יותר על פעילות הלומדים בסביבות המקוונות, מאפשר בניית פדגוגיות טובות יותר, טיפול בסטודנטים בסכנת נשירה, התאמת ההוראה לצרכיו של הלומד בזמן אמת והגברת מוטיבציה (Ferguson, 2012). על כן, בשנים הקרובות צפוי שימוש הולך וגובר ב-Big Data ובמתודולוגיות של EDM (Educational (Learning Analytics במערכת החינוך (Horizon, 2014), והודות ללמידת מכונה (למידה חישובית), ההתאמה יכולה להיעשות בזמן אמת, כשהמטרה היא ליצור נתיב למידה מדויק והגיוני בעבור הסטודנט, המעצים למידה אקטיבית, מאתר אוכלוסיות בעייתיות, ומעריך את הגורמים העשויים לסייע לתלמיד לסיים את הקורס (Horizon 2017). בנוסף על כך, מעניין לציין בעוד עיקר הספרות בתחום הלמידה המותאמת מתבססת על למידה יחידנית, התפתחויות חדשות נעשות דווקא בתחום סביבות הלמידה המותאמת השיתופית המקוונת. לדוגמא – כלי הממיין באופן אוטומטי משתמשים בעלי תחום עניין משותף והממליץ על מקורות מידע על בסיס תחומי העניין והרגלי הגלישה. באופן דומה, אינטליגנציה מלאכותית משמשת לגיבוש קבוצות תלמידים באופן המתאים ביותר להתמודד עם משימה מסוימת (Horizon 2017).
