Basing decisions on data and evidence seems stunningly obvious, and indeed, research indicates that data-driven decision-making improves organizational output and productivity . For many leaders in higher education, however, experience and “gut instinct” have a stronger pull.
Aldus Phil Long en George Siemens in Penetrating the Fog. Analytics in Learning and Education. Volgens deze auteurs maakt het hoger onderwijs onvoldoende gebruik van de beschikbare data om problemen als hoge uitval te analyseren en vervolgens te bestrijden. Dankzij nieuwe technologieën, en het gebruik van online leeractiviteiten, beschikken onderwijsinstellingen over veel meer mogelijkheden, dan voorheen, om inzicht te krijgen in het leerproces en om te voorspellen welke lerenden meer kans maken om uit te vallen. Hierdoor is men ook beter in staat om verbeteringen aan te brengen. Long en Siemens hebben hoge verwachtingen van nieuwe analysemogelijkheden:
The idea is simple yet potentially transformative: analytics provides a new model for college and university leaders to improve teaching, learning, organizational efficiency, and decision making and, as a consequence, serve as a foundation for systemic change.
Belangrijk is wel dat je weet wat je wilt weten, en welke data je daarvoor nodig hebt. Data bestaan dan uit drie elementen: snelheid, schaal en sensoren (het internet der dingen). Verder is er sprake van zogenaamde 'big data':
The key emphasis in big data is that the data itself is a point of or a path to value generation in organizations. Data is not simply the byproduct of interactions and activities within an organization. Data is a critical value layer for governments, corporations, and higher education institutions.
De auteurs maken vervolgens een onderscheid tussen learner analytics (met een focus op de lerende en het leerproces) en academic analytics (op organisatieniveau). Daarbij introduceren zij een stappenplan voor het analyseren:
- Cursusniveau
- Onderwijskundig data minen (voorspellen, patronen herkennen)
- Intelligent curriculum (semantisch gedefinieerde curriculumbronnen)
- Adaptieve content (o.a. met behulp van recommender systemen)
- Adaptief leren
Vervolgens vatten zij de waarde samen van het geavanceerd analyseren, met name voor organisaties. Daarna benadrukken zij het verschil tussen de nieuwe manier van analyseren en de informatie die uit leermanagement systemen komt (het is maar één van de online bronnen waarin leeractiviteiten plaats vinden). Volgens Long en Siemens bieden mobiele apparaten organisaties ook mogelijkheden om offline leeractiviteiten te monitoren (denk aan studentresponse systemen die tijdens hoorcolleges kunnen worden gebruikt om te checken of lerenden het betoog van de docent hebben begrepen).
In de concluderende paragraaf wijzen de auteurs nog op risico's van een verkeerd gebruik van de nieuwe manier van analyseren. Ze schrijven onder meer:
Finally, since we risk a return to behaviorism as a learning theory if we confine analytics to behavioral data, how can we account for more than be-havioral data?
Toch zien zij analytics als een belangrijk middel om door de mist van het onderwijs heen te dringen.
In hun bijdrage leggen Long en Siemens de nadruk op het belang van de onderwijsinstelling bij analytics. Learning analytics als middel om de lerende in staat te stellen beter te reflecteren oo zijn of haar leerproces, komt er m.i. relatief bekaaid van af. Verder gaan zij wel erg ver door privétools en apllicaties (zoals de smartphone of Facebook) ook bij de analysemogelijkheden te betrekken.
This content is published under the Attribution 3.0 Unported license.
Geef een reactie