Onze blogs

Hier delen we onze kennis op het gebied van Learning Record Stores

Waarom we NÚ met Learning Analytics moeten beginnen?

De meeste leerprofessionals houden zich graag bezig met didactiek van trainingen, coaching en andere leerinterventies. En dat terwijl data, cijfers en grafieken minstens zo interessant zijn en steeds toegankelijker worden. Wat betekenen die getallen eigenlijk? En waarom bieden data over leren zo veel meerwaarde? Het is tijd om Learning Analytics met open armen te ontvangen. Lees verder waarom.

Datasets per leerinstrument

Twintig jaar geleden leerden mensen voornamelijk via cursussen en trainingen. Face to face. Nu is dat anders; mensen leren op veel verschillende manieren. De technologische ontwikkeling brengt een scala aan nieuwe leerinstrumenten met zich mee. Denk aan Learning Management Systemen (LMS’en), Content Management Systemen (CMS’en), leerplatformen als Curatr, serious gaming, virtual reality en apps. Elk instrument genereert een eigen dataset, waardoor per instrument zichtbaar is wie welk instrument wanneer en hoe vaak gebruikt. Met Learning Analytics kun je dat goed bestuderen

Data, data en nog eens data

Learning AnalyticsReal life data, welteverstaan. Doordat alle leerinstrumenten gekoppeld zijn aan internet is er een constante flow aan up-to-date gegevens, die d.m.v. dashboards toegankelijk en inzichtelijk gepresenteerd zijn. Zo heb je altijd real life grafieken, tabellen en gegevens bij de hand die met Learning and Development te maken hebben. Dat is handig voor lerende, teamleiders, managers die op de hoogte willen zijn van de meest recente data, (eigen) performance en leertrajecten binnen hun organisatie.

Learning Record Store

En wat nog handiger is: tegenwoordig kun je de data uit verschillende leerinstrumenten aan elkaar koppelen met een Learning Record Store: is een archief waarin je alle gegevens van leerders kunt verzamelen. Waarin je alle leerdata kunt ordenen en rangschikken. Zo zie je precies hoeveel mensen een leertraject volgen, welk traject ze volgen, via welk instrument ze dat doen en hoe lang ze ermee bezig zijn. Nog handiger: de data zijn eenvoudig te visualiseren. Zo kun je eenvoudig aan geïnteresseerden laten zien hoe de leertrajecten binnen je organisatie eruitzien. En dat allemaal in een toegankelijk dashboard.

Wat is de impact van leren op business (ROI van leren)?

Nog niet zo lang geleden werd leren en ontwikkelen gezien als kostenpost Medewerkers volgden een cursus en hun organisatie hoopte daarvan te profiteren. Of dat ook echt zo was, bleek maar zelden. Toch weten we allemaal dat leerinterventies kunnen leiden tot een hogere omzet, meer klanten of een hogere efficiëntie. Met Learning Analytics gecombineerd met performance data kun je dat daadwerkelijk (laten) zien en onderbouwen. En dat allemaal binnen de context van je eigen organisatie.

“1 in 5 companies don’t measure the impact of training in any form at all”

Building Capabilities for Performance, McKinsey & Company Survey (2015)

 Stel: een medewerker volgt een training op het gebied van sales. Hoeveel procent gaat de medewerker dan daadwerkelijk meer verkopen na die training? Kun je ziekteverzuim verlagen door bepaalde opleidingen aan te bieden? Kun je het engagement binnen een team verhogen door een leerinterventie? Door data te koppelen van leren en performance toon je aan hoe relevant een leerinterventie is en hoe groot de impact ervan is op de organisatie.

Analyseren en informeren

Aan de ene kant kunnen organisaties met Learning Analytics uitstekend analyseren wat er allemaal gebeurt op het gebied van leren. Aan de andere kant is er een enorme behoefte binnen organisaties om stakeholders en geïnteresseerden te informeren over de (leer)processen. Met simpele dashboards kunnen organisaties in één oogopslag zien hoeveel mensen welke cursus hebben gevolgd, welke competenties er binnen een afdeling of organisatie aanwezig zijn en waaraan wordt gewerkt.

Kosten besparen met Learning Analytics

Dankzij Learning Analytics kunnen organisaties identificeren welke opleidingen wel en niet worden afgenomen. Wordt een e-learning nauwelijks gevolgd? Dan kan de organisatie een andere aanpak hanteren zodat de leerinterventie populairder wordt, of besluiten de training af te stoten. Je ‘real life’ ziet precies wat wel en niet werkt. Ook al terwíjl je met een e-learning, MOOC of SPOC bezig bent.

“Companies pays lip services to the importance of developing skills, but have no evidence to quantify the value of their investment.”

McKinsey & Company (2014)

Real time interventies

Neem bijvoorbeeld de Kamer van Koophandel. Zij zijn bezig met een Massive Open Online Course (MOOC) en analyseren data via Learning Record Store ‘Learning Locker’ Tijdens de MOOC doen ze ‘real life’ interventies. Zo kunnen ze bijvoorbeeld een mail sturen aan alle deelnemers en vervolgens bekijken of de deelname aan de MOOC omhoog of omlaag gaat. De Kamer van Koophandel ziet wat het gedrag is van de deelnemers, en kan  ‘real life’ zien of hun leerinterventie werkt.

Toekomst: voorspellende data

Als organisaties veel (heel veel!) data hebben verzameld en vaak genoeg hebben getest, kunnen ze dankzij Learning Analytics en een Learning Record Store gaan voorspellen welke leerinterventie wat oplevert. De eerste stap naar een proactieve benadering van Learning & Development!

Data. Ik wil! En nu?

Begin met het bekijken van data per instrument. Heb je dat onder de knie? Overweeg dan een Learning Record Store om alle data uit meerdere instrumenten te koppelen en verder te kunnen analyseren. Richt je dashboard zo in dat het handig en overzichtelijk is voor jou. En dan: aan de analyse maar. Als je eenmaal met analyseren bent begonnen, wil je alleen maar meer en verder. Nieuwsgierig geworden? Heel goed. Bel ons gerust!

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

 

LRSFactory © 2017