De Förenta Nationernas Agenda 2030 fastställer som ett delmål att säkerställa utbildning av hög kvalitet och främja livslångt lärande för alla som en del av arbetet för ett mer hållbart samhälle. Vikten av detta delmål blir särskilt tydlig i och med det observerbara sambandet mellan en fullständig gymnasieexamen och allmän hälsa i Sverige; gymnasiestudenter som går ut med en gymnasieexamen tenderar att erhålla bättre allmän hälsa. Learning Analytics är ett relativt nytt område inom utbildningsvetenskaplig forskning som syftar till att förbättra utbildning med hjälp av elevdata. Detta arbete undersökte vilken möjlig påverkan och begränsningar som förekommer vid implementering av en multipel linjär regressionsmodell utvecklad för en matematikkurs i en gymnasieskola. Vid utvecklingen av denna modell fastställdes tre signifikanta indikatorer för att förutsäga elevernas slutbetyg; Diagnos resultat,resultat på nationella proven och frånvaro. Prognosmodellen har utvärderats statistiskt varpå den visade sig vara tillförlitlig i 90% av bedömningarna, vilket inte är tillräckligt säkert för att användas i verkliga bedömningstillfällen eftersom lärare kräver att resultaten är obestridliga. Genom en fokusgruppsintervju med lärare granskas dessa resultat och deltagarna uttrycker sitt intresse för prognosmodeller tillsammans med en reflektion över elevers potentiella negativa reaktioner på en ogynnsam prognos. Utvärdering av modellen visar att den i dagsläget har en rimlig förmåga att förutsäga elevers slutbetyg men att det finns ett starkt behov av insamling av mer nyanserade data för att öka möjligheten till innovation i framtida arbeten

The 2030 Agenda establishes the goal to ensure quality education and promote lifelong learning opportunities for all. The importance of this goal becomes particularly clear when taking into account the link between upper secondary school graduation and general health in Sweden; Upper secondary school graduates tend to have better general health. Learning Analytics is a relatively new area of education research which aims to improve education using student data. This report examines the possible impact and limitations when implementing a multiple linear regression model developed for a mathematics course in an upper secondary school. In developing this model, three major indicators are established to be significant in predicting students' final grade; Diagnosis results, national test results and the amount of student absence. The model was statistically evaluated and found to be reliable in 90% of cases, which is not secure enough to be used in real assessment situations as teachers require the results to be indisputable. Through a focus group interview with teachers these results are evaluated and the participants establish their interest in predictive tools along with concerns for students' negative reactions to poor results. Evaluation of the model shows it has a reasonable ability to anticipate students' final grades but with a strong need for improvement in data collection methods and acquisition of more nuanced data to support greater possibility for innovation in future works.