Toepassingen van student analytics

De bijdrage The Future of Data-Driven Student Analytics in Higher Education beschrijft een aantal toepassingen van ‘student analytics’, gerubriceerd in twee thema’s.

data science
Foto: geralt, Pixabay

Onderwijsinstellingen gebruiken data over en van studenten steeds vaker voor het maken van voorspellende analyses. ‘Student analytics’ wordt niet alleen gebruikt voor het analyseren en doen van voorspellingen op het gebied van leren. Als je ‘student analytics’ goed uitgevoerd, dan heeft dit volgens de auteurs veel voordelen zoals het verbeteren van de prestaties van studenten, nieuwe manieren mogelijk maken om huidige en toekomstige studenten te betrekken, of kostenbesparingen realiseren. Om ‘student analytics’ tot een succes te maken heb je o.a. een strategie nodig, sturing, toegang tot data, deskundigheid op het gebied van datageletterdheid en een ondersteunende campuscultuur.

De auteurs onderscheiden zeven toepassingen die zij in twee thema’s onderverdelen.

Gegevens gebruiken om werving te verbeteren

1. Gegevens kunnen helpen aantonen uit welke plaatsen de meeste studenten komen, zodat de onderwijsinstelling weet waar ze wervingsinspanningen op moet richten. Student analytics kan helpen bepalen waar degenen die zich waarschijnlijk zullen inschrijven, zich bevinden. Deze informatie kan worden gebruikt om gericht te adverteren.

2. Het creëren van evenementen op uitnodiging die alleen gericht zijn op studenten die het meest positief kunnen worden beïnvloed. Door historische en actuele informatie over potentiële nieuwe studenten te gebruiken, kan de instelling bepalen welke studenten meer kans maken om deel te nemen en in welke fase van de ‘engagementcyclus’ zij zich bevinden. Op deze manier kunnen onderwijs instellingen evenementen creëren die alleen toegankelijk zijn voor studenten die door hun aanwezigheid het meest positief worden beïnvloed.

Nota bene: het risico bestaat dat je je hierdoor richt op de groepen voor wie het onderwijs al toegankelijk is. Het kan dus ten koste gaan van de toegankelijkheid van het onderwijs voor achtergestelde groepen.

Gegevens gebruiken ter ondersteuning van docenten en studenten

Persoonlijk vind ik dit thema het meest interessant.

3. Toewijzing van middelen aan programma’s waar veel vraag naar is en voor marktgevoelige programma’s

Door te kijken naar trends in het aantal inschrijvingen, gegevens over de intentie van toekomstige studenten om zich in te schrijven, arbeidsmarktstatistieken en andere nationale marktgegevens samen te voegen, kunnen instellingen nieuwe programma’s waar veel vraag naar is identificeren en aanbieden of institutionele middelen strategisch verschuiven om een bestaand programma te ondersteunen dat meer studenten interesseert.

4.  Onderwijs aanbieden dat het meeste effect heeft

Instellingen kunnen data analyses gebruiken om cursussen met een grote behoefte en een grote vraag te identificeren om studenten versneld een certificaat te laten behalen. Dankzij gegevensanalyse kunnen de curricula in real time worden aangepast, en kunnen universiteiten het verband zien tussen de voortgang van de studie en de voltooiing van de studie.

Nota bene: als onderwijsinstelling heb je niet alleen tot taak om commercieel interessant aanbod te realiseren. Ook moet je waken voor ‘self-fulfilling prophecy’ (je investeert fors in programma’s waar veel vraag naar is en daarom is er veel vraag naar).

5. Studentenervaring verbeteren

Je kunt data analyses gebruiken om de ervaring van studenten te verbeteren en te kijken hoe je beter aan hun behoeften te voldoen. Bijvoorbeeld: vragen zij in een bepaalde periode van het jaar vaker om financiële ondersteuning? Is sprake van lange wachttijden bij bepaalde diensten? Hoe kun je verbeteringen invoeren om de ervaring van de student rechtstreeks te beïnvloeden?

6. Interventie bij vraagstukken

Door diverse gegevenspunten samen te voegen, kun je onderwijsproblemen identificeren bij subgroepen van de studentenpopulatie. Vervolgens kun je interventies ontwikkelen om het succes van studenten te verbeteren. Docenten kunnen op basis van data analyses en ondersteuning wijzigingen in curricula aanbrengen die het leren van studenten kunnen verbeteren. Docenten worden beter geïnformeerd en kunnen studenten meer gericht begeleiden. Dit kan uitval voorkomen en knelpunten die studenten ervaren weg helpen nemen.

7. De digitale vaardigheden van studenten verbeteren

Het gebruik van student analytics bevordert volgens de auteurs de wendbaarheid van een instelling en bevordert ook de ontwikkeling van de digitale harde en zachte bekwaamheden van studenten. De auteurs lichten dit niet echt toe. Mogelijk bedoelen ze dat je studenten ook toegang geeft tot student analytics en hen leert hoe zij hun eigen data kunnen interpreteren en gebruiken.

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.