Kijk naar het gedrag van lerenden, niet naar hun achtergrond (bij uitval)

Studenten die vaker inloggen in een digitale leeromgeving, vallen minder snel uit. Wat daar de redenen van zijn, weten we niet precies. Toch illustreert dit dat het analyseren van online studiegedrag kan leiden tot betrekkelijk eenvoudige maar effectieve interventies.

data science

Foto: geralt, Pixabay

Logging Off, Dropping Out is een interessant artikel. Het gaat over het bedrijf Civitas dat in opdracht van onderwijsinstellingen data analyses uitvoert om voorspellingen te kunnen doen over studiegedrag. Zij kijken daarbij naar volledig online leren, en naar mengvormen van (fysiek) contactonderwijs en online onderwijs.

Een belangrijke conclusie is dat lerenden die vaker gebruik maken van een digitale leeromgeving, minder vaak voortijdig stoppen met studeren. Is dat opzienbarend? Wel als je je realiseert dat bij het doen van voorspellingen vaak eerder wordt gekeken naar zaken als demografische gegevens, prestaties bij vooropleidingen of naar scores op standaard toetsen. Maar:

Student engagement trumps everything, by far

Civitas baseert zich hierbij op data van 23 instellingen, met in totaal 600.000 studenten. Bij één instelling rondde van de lerenden, die de eerste twee weken van de studie vijf of meer dagen actief waren in de online leeromgeving, 92% de studie af. Lerenden die in die periode één dag per week of minder gebruik maakte van de digitale leeromgeving, vielen op grote schaal uit (slechts 48% van deze groep hield de studie vol).

Deze cijfers bieden instellingen concrete handvatten om te kijken welke lerenden extra ondersteuning nodig hebben. Data over gedrag zeggen meer over mogelijke uitval dan statistische voorpellers, concludeert de auteur.

De analyses van data bieden ook meer inzicht in het specifiek gebruik van een digitale leeromgeving. Toch blijkt ‘online activiteit’ op zich een goede voorspeller te zijn, zeker ook in vergelijking met het gemiddelde cijfer.

Onderwijsinstellingen gaan nu ook meer naar online gedrag kijken, voordat studenten überhaupt aan de studie beginnen. Men wil ’online student engagement’ intensiever monitoren, en daar naar handelen (en met succes). Menselijke conversaties blijken daarbij al het verschil te maken.

Bij de Open Universiteit heeft Rob Koper ook laten zien dat patronen van online studiegedrag kunnen worden geanalyseerd en vertaald kunnen worden in interventies om uitval te voorkomen. De ervaringen die Logging Off, Dropping Out beschrijft, bevestigen dit. Je hoeft daarvoor echter niet persé data van meerdere instituten ‘op één hoop te gooien’, en de analyse aan een bedrijf uit te besteden.

Student engagement’ wordt vaak uitgedrukt in termen van activiteiten die lerenden uitvoeren. Als ik me niet vergis, is er bij ‘traditioneel’ onderwijs ook sprake tussen een verband tussen engagement in termen van activiteiten van lerenden en studiesucces. Bij online of ‘blended’ leren is dat dus voor een groot deel inloggen in en het gebruik van een digitale leeromgeving.

Dit stelt uiteraard hoge eisen aan het gebruikersgemak van de digitale leeromgeving. Bij een omgeving die complex is en omslachtig in gebruik, zullen lerenden waarschijnlijk eerder afhaken, minder geëngageerd zijn en eerder afhaken. Zeker weten doen we dat niet want de data zeggen niets over de redenen voor verminderde activiteit (zo concludeert ook de auteur van het artikel).

This content is published under the Attribution 3.0 Unported license.

Tags: , , ,
Top

%d bloggers liken dit: