Learning Analytics; data als basis voor het onderwijs van de toekomst

Wat zijn de mogelijkheden van digitaal leren? Innovatieve ideeën over wat allemaal mogelijk is binnen het onderwijs door het gebruik van data die verzameld wordt bij de lerende (Learning Analytics) kwamen 9 februari aan bod tijdens de bijeenkomst “Meeting More Minds”. Met een groep van twaalf vernieuwende denkers en Ben Betts (HT2Labs)is tijdens deze bijeenkomst gespard over waar we nu staan, maar vooral over waar we naartoe kunnen.

Learning Analytics

Gepersonaliseerd leren?

Gaan we in de toekomst gepersonaliseerd leren? Is het mogelijk om écht af te stemmen op wat iedere persoon nodig heeft om uit te blinken? Deze vraag lijkt nog niet zo eenvoudig te beantwoorden. Want waar hebben we het eigenlijk over als we gepersonaliseerd willen leren en hoe kunnen we het belang ervan duidelijk maken? Ten eerste lijkt het een kwestie van geld; immers waarom zou je leren afstemmen op de lerende als dat duur is, terwijl op dit moment voldoende hoog opgeleide professionals uitstromen op de arbeidsmarkt. Maar wat nou als persoonlijk leren zou zorgen voor een rendabeler leertraject. Door af te stemmen op het individu kunnen we studenten helpen om de juiste keuze voor een studie te maken of ze te helpen om snel te wisselen wanneer blijkt dat de studie niet aansluit. Door soepeler met het traject om te gaan kunnen we besparen op uitloop. Zou de eenheidsworst die nu wordt geprefereerd door de overheid dan nog steeds de standaard blijven? Ten tweede lijkt het mensen te ontbreken aan visie. Zoals het zo mooi onder woorden werd gebracht woensdag: “mensen willen worden geïnspireerd, maar niet geactiveerd”. We kunnen pas veranderen wanneer de noodzaak daartoe wordt gevoeld.

Anominisering

Om gepersonaliseerd te kunnen leren waarbij het draait om het individu hebben we nog een lange weg te gaan. Zonder beren op de weg te zien, zijn er een aantal legitieme bezwaren gemaakt die laten zien dat LA ook problemen met zich mee kunnen brengen. Wat het meest speelde was het probleem van anonimisering. Het verwijderen van namen in de data wordt veel gedaan, maar het blijft de vraag of dit voldoende is om de veiligheid van studenten te waarborgen. En wanneer het wel mogelijk is om op een goede manier te anonimiseren, wie zou er dan toegang tot die informatie moeten hebben? Een van de andere problemen die naar voren kwam was in hoeverre data gebruikt zou mogen worden bij het voorspellen van het succes van studenten. Als we de verwachtingen van studenten af laten hangen van de activiteit in een online leeromgeving zou dat kunnen zorgen voor vals negatieve oordelen over studenten. Het vinden van de balans tussen gelijk hebben en de bruikbaarheid van data is een discussie die de komende jaren zal laten blijken waar de grens ligt.

De techniek

Voordat we écht aan de slag kunnen met LA, moeten we daarvoor ook in de techniek de basis leggen. Rome is niet in één dag gebouwd en voor een goed werkende infrastructuur waarin LA een toevoeging zijn, geldt hetzelfde. We willen te veel, te snel. Zonder dat we een verbonden systeem hebben gaat het onmogelijk worden om te analyseren en dát is nou juist wat veel grote bedrijven willen, liever gisteren dan vandaag. Wanneer dit wél het geval is dan is het mogelijk om data samen te voegen met een Learning Record Store (LRS) , op te ruimen én te organiseren (met Learning Locker) op zo’n manier dat het inzicht geeft in de (leer)processen die gaande zijn.

Waar staan we over 1, 5 of 10 jaar?

Over het algemeen werd de mening gedeeld dat de ontwikkelingen traag zullen verlopen. In het beste geval zijn we ons over één jaar bewust van de noodzaak van LA in instituten en hebben we een code of practice met richtlijnen over hoe dit eruit zou moeten zien. Tussen nu en vijf jaar is LA niet alleen erkent als een belangrijke tool voor leren, maar combineren we deze met HR analytics voor een holistisch beeld van de organisatie. We zijn dan ook in staat om leertrajecten te verkorten en af te stemmen op het individu (Time to Competence). Over tien jaar kennen we een vorm van all-in educatie gebaseerd op leren van machines. We kunnen LA dan inzetten op verschillende plekken in het onderwijs, maar de ontwikkeling zal weerstand oproepen bij docenten die hun leerlingen niet op willen geven aan een computer.

Misschien is onze uitdaging niet alleen het bedenken van innovatieve ideeën, maar ook om deze gedeeld te krijgen met een groep professionals met visie. En om te zorgen dat zij zich niet alleen laten inspireren maar ook laten motiveren om actief te veranderen.

 

Felicia de RuiterDeze blog is geschreven door onze stagiaire Felicia de Ruiter. Felicia studeert op dit moment af als Onderwijskundige aan de Universiteit  van Utrecht.

LinkedIn: Felicia de Ruiter

 

Leave a Comment:

* - required fields

LRSFactory © 2017