‘Data-informed’ onderwijs, geen datagedreven onderwijs #nsdag2015

Vanochtend heb ik een keynote verzorgd tijdens de jaarlijkse N@tschool gebruikersdag. Ik heb daarin een kritische betoog gehouden over het gebruik van big data in het onderwijs.

Het verzamelen, analyseren en gebruiken van grote hoeveelheden data heeft mogelijkheden, maar ook risico’s. Tijdens een bezoek aan het Stasi-museum in 2013 en aan der Tränenpalast in 2014 werd ik me bijvoorbeeld extra bewust van het misbruik van grote hoeveelheden data door de overheid.

Het zijn echter niet alleen dictaturen die daar misbruik maken. Ook overheden en overheidsorganen van democratische landen gaan op de loop met data. Net als bedrijven als Google en Facebook.

En dankzij internet en mobiele technologie produceren we heel wat data. Tussen 1993 en 2013 is de hoeveelheid digitale data gegroeid van 0,02 miljard gigabyte tot 276 miljard GB. Tegelijkertijd beschikken we over nieuwe technologieën die ons in staat stellen patronen uit data visueel te presenteren.

Dat geldt ook voor het onderwijs. In toenemende mate gebruiken we leertechnologie, en produceren we educatieve data waarvan we patronen proberen te identificeren waaruit we conclusies proberen te trekken voor onderwijs en leren (learning analytics). Het genereren van educatieve data is zelfs één van de redenen om massive open online courses te faciliteren.

Met behulp van deze technologieën en data proberen we leren meer gepersonaliseerd en adaptief te maken. Elektronische leeromgevingen investeren ook steeds meer in learning analytics toepassingen.

Onderzoek naar learning analytics leidt echter niet tot onverdeeld positieve uitkomsten. Zo blijken logdata uit elektronische leeromgevingen niet altijd geschikt voor analyses of laten analyses een tegenstrijdig beeld zijn. Er zijn echter ook positieve ervaringen met learning analytics die inzicht geven in effecten van onderwijs. Zo laat een onderzoek van Cabruzzi cs (2015) zien dat je analysetechnologie kunt inzetten voor het voorspellen van uitval, op basis waarvan je maatregelen kunt nemen die uitval met 11% verminderen.

Veel van de positieve effecten hebben m.i. vooral betrekking op het niveau van de docent en lerende.

Learning analytics heeft dus kansen en mogelijkheden. Er zijn echter ook beperkingen. Zo signaleert learning analytics, maar verklaart het niet. Ook is de kwaliteit van de data essentieel. En lopen we niet het risico op Kafkaëske taferelen als we data uit hun context halen? Dick van der Wateren stelde onlangs ook de vraag of wat in het onderwijs belangrijk is meetbaar is, of vinden we belangrijk wat meetbaar is?

Een belangrijke vraag is ook hoe we omgaan met eigenaarschap. Creëren we geen databaronnen, met monopolieposities die vergelijkbaar zijn met de staalbaronnen uit de 19de eeuw (de vergelijking is van Viktor Mayer-Schönberger)?

Ik pleit daarom voor ‘data-informed’ onderwijs, in plaats van data gedreven onderwijs. Wat betreft learning analytics heb ik tenslotte enkele aandachtspunten geformuleerd.

Hieronder vind je mijn slides:

This content is published under the Attribution 3.0 Unported license.

Delen

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Deze site gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.