Learning analytics is hot en veelbelovend (bovenaan de onderwijs hype cycle). Het verzamelen en analyseren van data over het leren van studenten, daar gaat het over. Op zich geen gekke gedachte, de hamvraag is natuurlijk wel wat je vervolgens doet met die data.. Vrijdagmiddag 17 november heeft Het Innovatiehuis in Den Bosch een interessante line-up voor ons om over dat onderwerp te praten. Kennisnet vertelt over een aantal mbo-pilots, Zadkine vertelt over de eerste meetbare successen en Learning Tour laat zien hoe dat technisch en in de praktijk kan werken.
Marius van Zandwijk (Kennisnet) trapt af: Datasturing in het mbo, waarom zou je dat willen, hoe begin je, waar moet je allemaal aan denken? Het verzamelen en analyseren van studiedata van studenten kan worden omgezet in in waardevolle informatie waarmee je de kwaliteit van het onderwijs kunt verbeteren. Hij haalt de volgende pilots aan:
- Noorderpoort doet als enige mbo-school mee aan het pilotproject van SURF
- Nova College in Haarlem (voorspellen studiesucces/uitval, gerichte studentbegeleiding vanuit datasturing)
Marius vertelt ook e.e.a. over de beweegredenen van scholen om hun data beter te gaan gebruiken. Zo wil een school anno 2017 zich onderscheiden van andere instituten door bijvoorbeeld supersterke begeleiding te bieden, uitval van studenten te voorkomen en tijdig en effectief te kunnen anticiperen op behoeftes van studenten. Gezien de verwachte vlucht op het gebied van steeds meer online onderwijs is het ook belangrijk dat een school leert omgaan met datasturing, in de toekomst zullen studenten nl. steeds vaker leren buiten het directe gezichtsveld van docenten om.
Hoe begin je? – Om te beginnen moet je je vooral afvragen wat je eigenlijk wilt weten en wat je wilt bereiken. Welke data ga je verzamelen, hoe ga je die analyseren en presenteren. En hoe ga je van weten naar iets (nuttigs-) doen? Wat zijn de ethische vragen en dilemma’s? Oftewel, waarom, waartoe, wat, hoe, wie.
Informatiemanager Marcel van Oorschot van Zadkine vertelt een echt praktijkverhaal waarin nu na drie jaar ook al sprake is van meetbaar positief rendement. “Hoe beter je de student kent, hoe beter je hem kunt begeleiden” is het basis-motto dat bij Zadkine is omgezet in een dashboard met precies die gegevens die een onderwijsteam wenst. Elke school barst van de data maar die bereiken over het algemeen niet de plek waar alles gebeurt; het klaslokaal. Werkwijze: Informatiemanagement legt aan onderwijsteams uit welke data hen kan helpen om te voorkomen dat studenten achter raken of uitvallen, maar ook om bijvoorbeeld de ‘excellente studenten’ snel op het spoor te komen en uit te dagen. Het team bepaalt welke data zij op een overzichtelijk en eenvoudig af te lezen dashboard wil hebben en dat dashboard wordt voor hen gemaakt. Of de data nu uit Blackboard, Eduarte, TOA, CITO of een ander leersysteem moet komen maakt niet uit. Met de data wordt zorgvuldig omgegaan en interventies die het team pleegt (vaak sterkere begeleiding) worden ook weer geanalyseerd (wat helpt wel? wat helpt minder of niet?). Zo bouwt een school een groeiend interventierepertoire op.
Dilemma’s – Natuurlijk gaat het niet allemaal van een leien dakje, het is vooral lastig om het eens te worden over welke data je wel of niet verzamelt. Zo kiest Zadkine ervoor om niet de docent-informatie mee te nemen in het verhaal terwijl je natuurlijk heel eenvoudig kunt kijken bij welke docent er bijvoorbeeld structureel meer uitval is dan bij een ander, de cijfers voor een vak hoger liggen of het slagingspercentage lager. Tenzij een team zelf om die gegevens zou vragen.. Andere no-go’s voor Zadkine op dit moment zijn het meenemen van de culturele achtergrond, het IQ, de vriendenkring, activiteiten op social media en justitiële informatie.
Privacy – De grootste uitdaging voor scholen in dit soort bewegingen is denk ik wel de nieuwe privacyverordening (Algemene Verordening Gegevensbescherming) en de grote boetes die in dat kader vanaf 2018 direct opgelegd kunnen worden bij schending hiervan. Scholen moeten uiterst zorgvuldig omgaan met persoonsgegevens. Wat je ook opslaat, het moet tijdelijk zijn en je moet kunnen verantwoorden waarom je het opslaat. Studenten moeten toestemming geven voor het tijdelijk opslaan van gegevens, hebben recht op een kopie van alles wat wordt opgeslagen en hebben het recht om na de studie vergeten (gewist) te worden. Als het dus gaat om een dashboard met relevante gegevens over jouw studiesucces, dan kan een school maar beter meteen de keuze maken dat jij die als student ook ten alle tijden kan inzien. En dat stelt weer op scherp welke gegevens je wel of niet opneemt!
Even het hypothetische duiveltje – Stel je voor dat je student bent die het hypothetische dashboard ook mag zien. Je woont in een bepaald ‘zwak’ postcodegebied met laagopgeleide, gescheiden ouders. Door de scheiding ben je blijven zitten in het vo en waren jouw resultaten niet geweldig. Hoewel je het Nederlands prima beheerst klap je vaak dicht bij de toetsen. Je hebt weinig hulp gekregen bij het kiezen van een geschikte mbo-opleiding en hebt je daardoor heel laat aangemeld. Jouw dashboard kleurt nogal rood en alles wijst er nu op dat je vrijwel kansloos bent om deze opleiding tot een goed einde te brengen. De docenten weten dat ook en besteden dus extra veel tijd aan jou. “Als de zorgen zo groot zijn, wat doe ik hier dan nog?” kun je denken.. Zo wordt een in potentie heel mooi instrument in handen van een onderwijsinstelling een risico op een desastreuze self fulfilling prophesy.
Dashboard voor de lerende – Serge de Beer laat zien hoe het maken van basale keuzes invloed heeft op de praktijk. Stel dat je vooral de insteek zou nemen dat je studenten zelf inzicht wilt geven in hun leerproces en ook wilt helpen om succesvoller te zijn. Dan maak je als school (of als student?) misschien hele andere keuzes ten aanzien van de data die nuttig zijn. De student krijgt op basis van die data bijvoorbeeld een persoonlijk studieadvies, hulp en of aanmoediging bij zijn huiswerk, extra uitleg van een chatbot of een robotje.
Adaptief lesmateriaal (zelf ontwikkeld of bijvoorbeeld van een uitgever) kan een student vervolgens enorm helpen om beter te worden in een vak (de vraag is wel hoe een docent dit begeleidt, stimuleert etc). Adaptief lesmateriaal analyseert zelf het leerproces en past het leerpad automatisch aan aan de student door extra uitleg en opdrachten te bieden, sneller door de stof te gaan of uitdagende opdrachten voor te schotelen.
Als docent Engels werkte ik ook met een adaptief leersysteem in een paar niv. 3 klassen van de kappersopleiding. Telkens als je een aantal opdrachten hoog gescoord had, ging je vanzelf een niveau omhoog. Als huiswerk moest de klas een x-aantal opdrachten per week maken, iedereen begon op A1 (niveau eind basisschool). Na drie weken zag ik dat Priscilla al drie niveaus omhoog geschoten was naar B2. Enthousiast begroette ik haar met: Wow, Priscilla, you absolutely amaze me, level B2 in three weeks: you might want to consider a career change from hairdressing to teaching English! Waarop zei mij schaapachtig aankeek en in onvervalst Utrechts antwoorde; “ja juf ken u dat niveau niet weer een stuk omlaag zette, me vriend had me geholpen en nu snap ik ter helemaal geen k.. meer van!” Waarvan akte.
