Learning Analytics als middel voor verbetering onderwijskwaliteit

Learning Analytics is al meer dan 15 jaar een belofte, maar komt niet echt van de grond. Dat heeft onder andere te maken met dat we het gebruik van data verkeerd aanvliegen. Vaak kijken we in het onderwijs namelijk naar de enorme berg met (studie)data en vragen wij ons af wat we daar allemaal mee kunnen. Dat is nou net niet hoe het moet: je moet je eerst afvragen wat je wilt weten, wat je nodig hebt en daar vervolgens je data bij zoeken of deze genereren.

Een van de belangrijkste plekken waar je moet nadenken over de kwaliteit van jouw onderwijs is tijdens het onderwijsontwerpproces. Je wilt dat de student bepaalde formele resultaten behaalt, maar bijvoorbeeld ook dat hij betrokken is bij het onderwijs, dat hij gemotiveerd is, werkt aan de gewenste beroepshouding en vast nog veel meer.
Je moet je dus steeds afvragen wat de student nodig heeft om onderbouwde keuzes te maken, wat je nodig hebt om als docent te kunnen sturen, hoe je als LOB’er de student het beste begeleidt of hoe je bijvoorbeeld weet of het lesmateriaal geschikt is voor jouw lessen.

Aan de hand van wat je wilt, ontwerp je in jouw onderwijsontwerpproces eigenlijk datapunten die specifiek jouw vraag helpen te beantwoorden. Deze datapunten bieden jou, afhankelijk van de rol die je hebt, dan de inzichten die je nodig hebt om de nodige stappen te zetten. De data die je kunt gebruiken is afkomstig van studentactiviteiten tijdens hun studentjourney. Er zijn verschillende manieren om die activiteiten te tracken. Dat kan heel specifiek door code toe te voegen in een online deel van die journey (Surf heeft hier mee geëxperimenteerd), maar ook door hier bestaande applicaties als Xerte voor te gebruiken.

Marcel Schmitz heeft een mooie methode gemaakt, Fola2 geheten, waarin je in spelvorm leert deze datapunten te bepalen. Het VISTA college heeft deze methode nu ook geschikt gemaakt voor gebruik in de eigen (mbo)instelling. Er is zelfs een speciale Vista versie uitgekomen, waarbij ze hun eigen applicatielandschap in het spel geïntegreerd hebben. Hierdoor kun je data ook daadwerkelijk gaan genereren, zonder dat je allerlei nieuwe tools in moet gaan vliegen.
Fijn is dat deze methode vooral een onderwijskundige insteek heeft. De techniek rond de Learning Analytics komt wel, bepaal eerst maar eens wat je wilt weten.

De komende maanden (nov, dec en jan) besteed ik in drie datadinsdagen aandacht aan deze methode. Bij voldoende belangstelling is het misschien een idee om de benodigde techniek hierachter (want waar laat je die data?) via Npuls verder uit te gaan werken.

Marcel promoveert eind november op zijn methodiek. Interesse in zijn onderzoek? Dat vind je hier.