학습분석을 활용하기 위해서는 우리는 알고리즘, 교수자, 학생, 정책가, 연구자 간 균형을 맞출 필요가 있다.

빅데이터 시대에 이론의 중요성은 줄어들지 않는다.

빅데이터를 통해 결과를 해석하고 활용하기 위해서는 이론은 중요하다.

학습 분야도 다른분야에서 시작된 데이터 집약적(data-intensive) 방식으로 변화하고 있다.

이를 위해 우리는 이론과 분석의 관계에서 **"from clicks to constructs"**라는 원칙을 이해할 필요가 있다.

학습 분석은 이미 알고리즘을 일상적으로 사용하는 사회의 변화를 반영한다.

따라서 이론과 학습 분석의 관계를 중심으로 하는 프레임은 일반적으로 "교육 이론"으로 간주되는 것을 고려할 수 없을 정도로 확장되어야 하며, 사회 기술 인프라가 사회에서 어떻게 계산 지능을 제공하는지에 대한 중요한 담론에 참여해야 한다.

학습분석에서 고려해야 하는 것

• 사람들이 감시 당한다는 것을 인지할 때 행동이 변화할 수 있기에, 학습 분석 연구자들은 "학습"이라는 렌즈가 특정 결과를 과장하거나 왜곡할 수 있다는 점을 인지해야 한다.
• 학습분석을 통해, 교사와 학생들은 그동안 연구자들만이 확인할 수 있었던 교육과 학습 상황을 직접 확인할 수 있게 될 것이다.
• 학습분석이 가져올 새로운 윤리적 딜레마를 고려할 필요가 있다.

학습분석 분야는 인식론적 가정(epistemological assumptions)과 교육학적 실천(pedagogical practices)에 의해 **평가 체제(assessment regimes)**로 간주되어 왔다.

그러나 학습 분석은 특정 학습자들을 길러내기 위해 설계된 **교육적 관점(particular educaitonal worldview)**이라 볼 수 있다.

1. Theory into pratice