El Informe Horizon: Edición de Educación Superior 2019 (Alexander et al, 2019), producido por la Iniciativa de Aprendizaje EDUCAUSE, identifica la analítica del aprendizaje como una de las estrategias y tecnologías digitales que se espera que ingresen al uso generalizado en un futuro próximo. La analítica del aprendizaje es la ciencia de analizar datos sin procesar para sacar conclusiones sobre esa información. Cuando los alumnos utilizan un sistema de gestión de aprendizaje (LMS), las redes sociales o herramientas en línea similares, se pueden rastrear sus clics, patrones de navegación, tiempo en la tarea, redes sociales, flujo de información y desarrollo de conceptos a través de discusiones. Las técnicas de análisis de aprendizaje pueden revelar tendencias y métricas que de otro modo se perderían en la masa de información sin la ayuda de los análisis. En el caso de la educación, por ejemplo, saber, de un alumno a otro, dónde se está gastando el tiempo, quién está utilizando los materiales del curso y cómo se produce el progreso en una clase, ofrece información valiosa sobre la experiencia del alumno. Dado que es probable que los educadores ya tengan una idea sobre qué estudiantes necesitan ayuda y qué áreas de un plan de estudios necesitan atención, se pueden usar análisis para identificar la evidencia que informa esas mejoras (Wilson et al, 2017). Para los instructores, los análisis no solo revelan información previamente desconocida sobre los alumnos, sino que también respaldan juicios cualitativos y la experiencia existente (Tosun y Kurubacak, 2016).
Desde una perspectiva diferente, se ha culpado a la analítica del aprendizaje de “atrincherar y profundizar el status quo, desempoderar y privar de derechos a los grupos vulnerables, y subyugar aún más la educación pública a las maquinaciones impulsadas por las ganancias de la floreciente ‘economía de los datos’” (Selwyn, 2019, p. 11). La necesidad de ser crítico con Learning Analytics también afecta a las consideraciones éticas asociadas con el uso de datos educativos. También surgen implicaciones éticas en la forma en que se recopilan, almacenan, analizan y presentan los datos personales a las diferentes partes interesadas. Por lo tanto, los procedimientos que regulan el acceso y el uso de datos educativos deben diseñarse e implementarse antes de que se implementen los marcos de Learning Analytics. Como señalan Tosun y Kurubacak (2016, p.315), “esto incluirá la transparencia de los algoritmos aplicados y la ponderación de los datos educativos para el modelado predictivo. El almacenamiento y el procesamiento de datos personales anonimizados es solo un pequeño paso hacia una estructura de gobierno de datos educativos más completa para Learning Analytics ”.