Transcript Learning analytics: de docent

Learning analytics: de docent
Jeroen Donkers
Maastricht University
SURF SIG-LA
Aanname:
de techniek is niet het probleem
LA en de DOCENT
Evalueren
Beoordelen
Voortgang
Meten
Onderwijsontwerp
Waar past LA?
Kennis overbrengen
DOCENT
Problemen
herkennen
Studenten
Controleren
Individueel
Begeleiden
Groepsproces
sturen
Monitoren
Gedrag
Prestaties
Studenten
Controleren
Voortgang
Meten
Problemen
herkennen
Monitoren

Activiteit
◦
◦
◦
◦

Wie?
Wat?
Wanneer?
Waar?
Resultaten
◦ Taken, toetsen

Communicatie
Visualiseren
Herkennen van trends
 Herkennen van patronen
 Herkennen van uitzonderingen

Charles Joseph Minard, 1869
Monitoren: discussie

Wie bepaalt wat er gemeten wordt?
◦ De docent?
◦ De instelling?
◦ Het systeem?

Wat wil je dat er gemeten wordt, en
waarom?
Monitoren: discussie

Heb je daar allemaal wel tijd voor als
docent?

Kan de computer dat niet overnemen en
alleen waarschuwen als ik iets moet
doen?
Signaleren

Automatisch signaleren
◦ Stoplicht-metafoor
Signaleren

Automatisch signaleren
◦
◦
◦
◦
◦

Stoplicht-metafoor
Wie bepaalt de regels?
Wat is het achterliggend model?
Modellen leren uit data (data mining)?
Wat moet je daarvoor meten?
Signaal naar de student of niet?
Brainhoney, teacher dashbaord
Is er meer, dan?
Van klassikaal naar
zelfsturend en sociaal

Onderwijsprincipes en leertheorieën
Cognitivism
Behaviorism
Learning styles
Transformative learning
(Social) constructivism
Competencies
No theory…
Onderwijsvormen

Klassiek
◦

Groepsonderwijs
◦

Individueel zelfsturend leren
◦

Afstandsonderwijs
◦

Praktijkonderwijs
◦
Diversiteit in de rol van de docent

Klassiek
◦ Lector
Groepsonderwijs
◦ Tutor

Individueel zelfsturend leren
◦ Advisor, mentor

Afstandsonderwijs
◦ E-tutor, moderator

Praktijkonderwijs
◦ Meester, rolmodel
Informatiebehoefte

Verschillende manieren van
monitoren en signaleren

Individuele processen, zoals
◦ Leerdoelen
◦ Leerontwikkeling
◦ Metacognitieve vaardigheden

Groepsprocessen, zoals
◦ Sociale netwerken
◦ Groepsinteracties (tekstanalyse)
Students’ interest in lecture
Students’ activity in class
Omgevingsfactoren

Schaal: 30, 300, 3000 studenten?

Contact versus afstand (ruimte, tijd)

Onderwijscultuur

ICT: kennis, beschikbaarheid
Casus

Praktijkopleiding
◦
◦
◦
◦

Individueel leren
Praktijkopdrachten
Deels op afstand
150 studenten
Monitoren & signaleren
◦ individuele leerdoelen, voortgang
Casus

Probleemgestuurd onderwijs op afstand
◦ Gebruik van virtual classroom
◦ Groepstaken: brainstormen, leerdoelen,
nabespreken
◦ 60 groepen, 30 tutoren

Monitoren & signaleren
◦ Groepsproces, leerdoelen, analyse
◦ groepsbijdrage
Casus

Flip the classroom
◦ Studenten volgen colleges online thuis
◦ Discussion boards en chat
◦ Op de uni alleen werkcolleges

Monitoren & signaleren
◦ Wie kijken welk college, welke stukken
worden vaak opnieuw bekeken
◦ Wie stelt welke vragen
LA en onderwijsvernieuwing

Belemmeringen voor vernieuwing
◦ Aantallen studenten
◦ Kosten van begeleiding

Learning analytics maakt overstap naar
nieuwe onderwijsvormen mogelijk
◦ Monitoring en signalering
◦ Adaptiviteit
Inzet van ICT in onderwijs

Eigenlijk een voorwaarde voor LA
◦ Makkelijker en meer meten
◦ Tot aan muiskliks toe…

Kun je / mag je wel bij data?

Hoe verzamelen en combineren?

Automatisch aanpassen?
Sociale media, cloud, …

Gebruik van facebook, twitter, dropbox,
evernote, etc. in onderwijs neemt toe
◦ Vaak buiten het zicht van de docent
Klassieke LMS verdwijnt
 Kunnen we wel blijven meten?


Ja, maar dan moeten we LA in het
ontwerp van onderwijs en van ICT
meenemen
LA en de DOCENT
Evalueren
Onderwijsontwerp
Beoordelen
Voortgang
Meten
Kennis overbrengen
DOCENT
Learning
Analytics!
Studenten
Controleren
Problemen
herkennen
Individueel
Begeleiden
Groepsproces
sturen