Data-driven onderwijs
− Doelgericht extra ondersteuning geven aan studenten die dit nodig hebben ( 1,29 ): Indien studenten die minder dan gemiddeld presteren , herkend worden , en naast de gewone lessen extra ondersteuningslessen krijgen , dan heeft dit een zeer grote impact op het leren .
− Het geven van persoonlijke feedback ( 0,70 ): Studenten die persoonlijke feedback krijgen , die gericht is op de leervorderingen , maken meer leervoortgang dan studenten die dit niet krijgen .
Evaluatie en reflectie van de docent ( 0,75 ): Docenten die de impact van hun doceerstrategie doelgericht onderzoeken , geven beter les , en boeken betere resultaten dan docenten die dit niet doen . Docenten kunnen een dashboard niet alleen gebruiken om studenten beter te begeleiden , maar ook om het ontwikkelde lesmateriaal te verbeteren . Een leerstofonderdeel dat moeilijk bevonden wordt door een groot aantal studenten kan door de docent onder de loep genomen worden en aangepast worden .
Ondersteunend personeel kan gebruik maken van een dashboard om hogeschoolbrede veranderingsprocessen in gang te zetten of op te volgen .
Resultaten voorstudie
Learning analytics kan ingezet worden om vroegtijdig en accuraat studenten met leerproblemen te detecteren . Hiervoor is het belangrijk om te achterhalen welke data als indicator kunnen dienen . Dit is mogelijk door te kijken of er een correlatie is tussen gegevens die in de voorbije jaren over studenten werden verzameld en hun eindresultaten .
Er zijn heel wat gegevens met een voorspellende waarde ( Sclater , Peasgood & Mullan , 2016 ): financiële informatie , resultaten van instaptoetsen , bezoekgegevens van het digitale leerplatform , data van studentenbevragingen , ... Vooral data over het gedrag van de student in de digitale leeromgeving heeft een grote voorspellende factor op uiteindelijk studiesucces .
Verschillende gegevens kunnen gecombineerd worden om tot een meer correcte voorspelling te komen .
Om te kijken welke factoren indicatief zijn voor studenten , werden in academiejaar 2015-2016 binnen enkele opleidingsonderdelen
Tobe Baeyens & Servaas Tilkin
Expertisecentra Onderwijsinnovatie & smart-ict
verschillende gegevensbronnen verzameld en onder de loep genomen . Hierbij werden een aantal opleidingsonderdelen binnen het departement PXL-IT hoofdzakelijk of uitsluitend van digitaal lesmateriaal voorzien . Studenten werd vooraf gevraagd een bevraging in te vullen en hun online leergedrag werd nauwgezet opgevolgd via het digitale leerplatform ( Onsophic , z . d .).
Niet alle factoren die vooraf op basis van intuïtie of gezond verstand werden geopperd bleken indicatief , maar in een aantal gevallen was er wel een sterke correlatie met de slaagcijfers .
Wanneer studenten hun traject aan PXL starten , wordt in het eerste jaar een taaltest en een leermotivatietest ( de LEMO-test ) ( Goleweb , z . d .) afgenomen . De resultaten op beide testen bleken een voorspellende waarde te hebben , waarbij zeker de uitersten beduidend verschillen . Studenten die een erg lage score halen voor deze testen zijn vaak de studenten met hoog risico op falen .
Van de binnen het platform gemeten parameters bleken zowel de gespendeerde tijd , het aantal voltooide onderwerpen , als het gemiddeld aantal geslaagde quizzes indicatieve factoren . Ook een uit de gegevens gedistilleerde indicator die aangeeft of een student zich in de lesvrije week heeft ingezet bleek significant .
Buiten de quizzes binnen het leerplatform waren er ook gegevens van een summatieve , tussentijdse test van een ander opleidingsonderdeel beschikbaar . Deze bleken een van de sterkst correlerende factoren uit de beschikbare gegevens op te leveren . Gezien het een test van een ander opleidingsonderdeel betreft , wordt hier vermoedelijk een achterliggende waarde zoals motivatie , inzet , interesse , … gemeten .
Enkele van de vooraf bevraagde factoren die van invloed bleken waren o . a . de gevolgde onderwijsvorm in het secundair onderwijs , de aanwezige voorkennis van het vak , alsook bepaalde hobby ’ s . In deze laatste categorie bleken de hobby ’ s muziek spelen en lezen bij een aantal opleidingsonderdelen een positieve impact te hebben ; en lidmaatschap van een jeugdbeweging een negatieve impact . Opmerkelijk daarbij was dat gaming als hobby geen significante impact bleek te hebben , hoewel dit wel vaak verondersteld wordt .
Door deze verschillende databronnen te combineren , kon met de gegevens uit de
56