xAPI en Learning Analytics: een gouden duo

16 okt 2017
by François Walgering

Learning AnalyticsDeze week vindt de twaalfde editie van de European Conference on Technology Enhanced Learning (EC-TEL) plaats in Tallinn, Estland. Op deze conferentie houden keynotespeakers presentaties en worden workshops georganiseerd rond thema’s die met leren te maken hebben. Zo ging ik afgelopen dinsdag naar de 7th Workshop on Awareness and Reflection in Technology-Enhanced Learning (ARTEL17). Daar zag ik hoe steeds meer universiteiten én organisaties starten met Learning Analytics: het op basis van data begrijpen en optimaliseren van leerprocessen die binnen een (digitale) leeromgeving plaatsvinden. Maar hoe pak je dat handig aan?

Uiteraard moeten universiteiten en organisaties die aan de gang willen met Learning Analytics eerst bedenken welke leerpaden en bijbehorende data ze in kaart willen brengen, volgen en meten. En waarom ze dat willen doen. Is dat eenmaal duidelijk, dan kunnen de volgende stappen helpen om een geslaagd Learning Analytics-project op te tuigen.

Stap 1: Besluit om xAPI te gebruiken

Universiteiten en organisaties gebruiken uiteenlopende instrumenten om trainingen, cursussen, leerpaden aan te bieden. Denk aan Learning Management Systemen (LMS’en), leerplatformen als Curatr, serious gaming en verschillende apps. Die instrumenten genereren data. Hoe koppel je de data (de leerervaringen) van die verschillende instrumenten aan elkaar? Dat kan met xAPI.

Dankzij de verzamelde data, geformuleerd als xAPI-statements, kun je de leerervaringen op een universele manier koppelen en opslaan in een Learning Record Store (LRS). En vervolgens analyseren, realtime en altijd up-to-date. Goed. xAPI gebruiken dus. Terug naar het stappenplan.

Stap 2: Definieer je doel

Niet alleen in de praktijk zie ik het vaak, maar ook tijdens de workshop ARTEL17 komt het naar voren: organisaties en universiteiten denken vaak niet goed na over wat ze willen bereiken met de data waarover ze beschikken. L&D-data helpen bedrijfsdoelen, uitdagingen of behoeften op het gebied van leren in beeld te brengen en te verbeteren. Denk aan het efficiënter en visueel maken van leerpaden, of het toegankelijk informeren van bestuursleden of managers over belangrijke leerprocessen.

Stel jezelf dus altijd de vraag: wat is het doel van mijn Learning Analytics-project? Wat wil ik bereiken? Een recente casus met Learning Analytics was De Kamer van Koophandel. Deze organisatie had bijvoorbeeld als doel om data inzichtelijk te maken bij haar verschillende stakeholders. Daarnaast willen L&D’ers graag weten hoe betrokken leerlingen zijn, of willen ze patronen ontdekken in hoe bovengemiddelde leerlingen presteren.

Vaak is er al veel data beschikbaar, of beschikt een organisatie al over voldoende instrumenten om die data mee te verzamelen. Ga met verschillende afdelingen om tafel en bespreek wie wat nodig heeft, waar de data zich bevindt en definieer je doel. Besluit ook samen wanneer je het doel hebt bereikt. Wanneer is je Learning Analytics-project geslaagd? Dat is dan weer belangrijk voor stap 5.

De eerste twee stappen zijn lang, vergen een gedegen voorbereiding en draaien allemaal om het stellen van de juiste vraag en het vaststellen van het precieze doel.

 Stap 3: Maak het technisch mogelijk

Ben je eruit welke data je wilt analyseren en waarom? Dan is het tijd om de datasystemen van je verschillende instrumenten te koppelen. En de data te verzamelen die je nodig hebt om je (bedrijfs)doel te bereiken of de vragen vanuit de organisatie te beantwoorden.

Kies voor systemen of instrumenten die al xAPI-compliant zijn (en die je dus gemakkelijk kunt koppelen aan je Learning Record Store). Heb je instrumenten die dat niet zijn? Dan is een koppeling op maat noodzakelijk. Dat kost tijd en moeite, maar levert uiteindelijk wel xAPI-statements (en dus toegankelijke data) op. Daarnaast kun je CSV-bestanden uploaden in je Learning Record Store of bestaande data omzetten in xAPI-statements. En dan komen we vanzelf bij stap 4.

Stap 4. Analyseren maar!

Data verzameld in xAPI-statements? Dan is het tijd voor de analyse en presentatie van de resultaten. Visualiseren van data gebeurt vaak in dashboards (Learning Locker) of in eenvoudige grafieken. Uiteraard kun je de data ook via reportage-instrumenten of Business Intelligence tools terugplaatsen in de organisatie. Naast visualiseren komt bij Learning Analytics ook een actie kijken: wat ga je doen op basis van de gevonden resultaten? Hoe kun je bedrijfs- en leerprocessen verbeteren, efficiënter maken? Tijdens de ARTEL-workshop bleek dat steeds meer universiteiten en organisaties adaptief leren mogelijk willen maken, gepersonaliseerd leren willen optimaliseren. Ze meten sentimenten, engagement of performance van hun leerlingen en passen daar bijvoorbeeld (de teksten in) hun leerprogramma op aan. Een andere opvallende ontwikkeling is dat organisaties en universiteiten het steeds belangrijker vinden om hun dashboard goed uit te leggen. Wat zie je? Waarom is dit relevant voor jou? Wat kun je zelf doen om je prestaties te verbeteren?

Stap 5. Evalueren kun je leren

Na de analyse is het tijd om bij jezelf na te gaan of je met het Learning Analytics-project de vooraf gestelde doelen hebt behaald. Of je de vragen die je had, hebt beantwoord. Heb je nieuwe inzichten op gedaan? Ben je tegen dingen aangelopen die je niet had verwacht (ook belangrijk!)? En hoe ga je vanaf hier verder?

Leave a Comment:

* - required fields

LRSFactory © 2017