Educational data mining (EDM) är processen för att analysera data som erhållits från skolor, elever och administratörer. Datan som analyseras hämtas från datainformationssystem, såsom provresultat och närvaroregister. Data mining letar efter mönster och associationer för att dra slutsatser om prestation och beteende.
Moderna utbildningsmiljöer är beroende av teknik för att effektivisera verksamheten och hålla reda på viktig elevdata. Programvaruapplikationer används också för att administrera elevlektioner, underlätta inlärningsprocessen och administrera tentor. Kommunikationen mellan elever, lärare och föräldrar blir också till stor del beroende av Internet och datorteknik. Pedagogisk datautvinning försöker kombinera all denna data för att avslöja nya insikter.
Skolor använder insikter från datautvinning för att utveckla nya lärprogram, förbättra prestanda och ta itu med potentiella problem. Tekniken kan användas för att avgöra vilka förhållanden som hjälper elever att lära sig bättre eller prestera bättre på tentor. Att använda pedagogisk datautvinning har blivit så populärt att världsomspännande konferenser regelbundet hålls för att lära utbildare om teknikerna och upptäcka nya sätt att införliva det i skolor.
Några av de ämnen som utforskas under utbildningskonferenser för datautvinning inkluderar hur man effektivt använder datautvinning, hur man bryter olika datakällor, förbättringsmetoder för pedagogisk programvara och hur man tolkar datautvinningsresultat för att förbättra klassrumsundervisningen. Precis som marknadsförare använder datautvinning för att upptäcka samband mellan konsumenternas köpvanor och marknadsföringsaktiviteter, försöker pedagogisk datautvinning att upptäcka outtalade beteendemönster. Lärare kan till exempel använda det för att fastställa effektiviteten av experimentella former av lärande och prestationsfeedback för gymnasieelever, såsom självstyrt lärande och bedömningar baserade på subjektiva skriftliga recensioner snarare än ett bokstavsbetyg.
Data mining är ett sätt att få insikt i studenters och administratörers sinnen, vilket kan vara svårt att avslöja med direkta forskningsmetoder. Vissa högskolor och universitet kan analysera resultaten av utexaminerade studenters prestationer på nationella standardiserade test för att övervaka kvaliteten på klassrumsundervisningen. Höga poäng inom vissa ämnesområden jämfört med andra kan indikera ett behov av att justera metoden för att materialet levereras. Andra lärandeverktyg förutom den traditionella föreläsningen kan prövas som ett resultat av datautvinning.
Till exempel, om datautvinning upptäcker att eleverna behåller mer information över tid som ett resultat av att de arbetar med projekt snarare än flervalstester, kan lärare börja implementera fler projekt i alla klasser. Data mining kan också isolera hur vissa grupper av elever lär sig. Resultaten av elevernas prestationer kan spegla trender mellan åldersgrupper och kön.