Welkom op de homepage voor Learning Analytics
In 2011 is bij het platform Onderwijs bij SURFfoundation een verkenning naar het thema Learning Analytics gestart. Learning Analytics is gebaseerd op de analyse van automatisch gegenereerde gegevens van het online gedrag van student en docent binnen een digitale omgeving, zoals een ELO of DLWO.
De analyse van deze gegevens kan inzicht verschaffen in studiegedrag, de kwaliteit van het onderwijsmateriaal, het gebruik van de digitale leer- en werkomgeving, kwaliteit van toetsitems,studievoortgang, etc. Learning Analytics wordt als trend beschreven in zowel de Horizon reports van 2011http://wp.nmc.org/horizon2011/sections/learning-analytics/ als 2012 http://www.nmc.org/news/submit-projects-horizon-report-2012-higher-ed-edition van Educause en wordt in deze publicaties beschreven als een ontwikkeling die de kwaliteit van het onderwijs kan verbeteren en studiebegeleiding op maat mogelijk kan maken.
Cyclus
Learning Analytics wordt vaak (http://dougclow.wordpress.com/2011/02/28/the-learning-analytics-cycle/) als een cyclus beschreven waarbij Studenten (Learners) op verschillende manieren data genereren. Deze data kan vele vormen aannemen, van studentinformatie tot data over gebruikersgegevens van online content en van toetsresultaten tot survey resulaten over studenttevredenheid). Vervolgens worden deze data genanalyseerd (metrics/analyse) (vergeleken, verbanden gezocht etc.) en gevisualiseerd. De inzichten die de analyse en visualistie hiervan opleveren kunnen vervolgens weer worden ingezet voor eventuele interventie. De cyclus bergint dan natuurlijk wer van voorafaan waarbij je nieuwe data genereert en kijkt of de interventies (het gewenste?) effect hebben gehad...
Deze interventies kunnen uiteraard gericht zijn op verschillende doelgroepen.
Een voorbeeld waarbij gebruikersgegevens van online learning objects centraal staat zou kunnen zijn: Studenten kunnen feedback ontvangen over bijvoorbeeld welk cursusmateriaal ze nog zouden kunnen bekijken, docenten over hoe vaak bepaald materiaal is bekeken (en wellicht hoe zich dit verhoudt tot de uiteindelijke toetsresultaten), onderwijsinstellingen over het gebruik van verschillende typen (open vs gesloten?) content en Onderwijs ondersteuners (ICT afdeling) over het gebruik van de learning objects in relatie tot waar ze in de Digitale Leer- en Werkomgeving te vinden zijn.
Aandachtspunten
Het moge duidelijk zijn dat er vele vormen van Learning Analytics denkbaar zijn. En tevens dat er vele punten van aandacht zijn waar je in dit proces op moet letten om geen overantwoorde of onrealistische interventies te plegen in een dergelijke cyclus (zie ook de Blog post van Doug Clow) .
Denk aan zaken als geen representatieve data om te generaliseren, ethische of juridische bezwaren om op persoonsniveau verschillende databronnen te koppelen, data wordt niet verzameld of opgeslagen want de software die dat moet doen is er niet, data worden 'misbruikt' om bepaalde maatregelen te verantwoorden, de data wordt niet inzichtelijk omdat ze niet of voor de beoogde doelgroep onduidelijk worden presenteerd...etc., etc.
Om te voorkomen dat dergelijke zaken niet over het hoofd worden gezien is het van belang in elke stap van het Learning Analytics model de juiste expertise bij de hand te hebben. Om de data te verzamelen zal je mensen nodig hebben zowel uit de ICT hoek met expertise over data opslag, data standaardisatie en datauitwisseling. Tijdens deze stap maar met name ook in de fase waarin de data genanlyseerd wordt zal je expertise in data mining, statistische analyse en visualisatie van data in huis moeten hebben, tot slot moeten er zeker ook bij het verzinnen van mogelijke interventies onderwijskundigen (als het didactiek betreft) worden betrokken zij kennen per slot van rekening de Learners van wie we data verzamelen het best.
Learning Analytics is daarmee een multidisciplinaire aangelegenheid. Het is goed voor te stellen dat je niet voor alle activteiten alle benodigde fases doorloopt en dus niet alle expertise betrekt zeker niet wanneer je Learning Analytcis inzet als signalerings mechanisme en niet direct op zoek gaat naar voorspellende factoren of casaulitiet; denk hierbij aan; "cursusmateriaal wordt niet gebruikt" en nog niet direct aan: "studenten zakken omdat ze het cursusmateriaal niet kunnen vinden omdat de leeromgeving niet goed is ingericht....".
Een inspirerende presentatie van wat je met Learning Analytics zou kunnen bereiken was te zien op de Onderwijsdagen 2011, in de vorm van de Keynote van Erik Duval:
Verkenning Learning Analytics vanuit SURFfoundation
Juist om te ontdekken welke praktische toepssingen Hoger Onderwijsinstellingen zien voor Leraning Analytics is SURFfoundation in 2011 begonnen met een verkenning naar het onderwerp. Nadat bleek dat er veel was interesse van de Hoger Onderwijs instellingen is een bescheiden Innovatieregeling gestart waar instellingen kleinschalige projecten konden indienen rondom het onderwerp Learning Analytics. Deze innovatieregeling heeft ten doel te inventariseren welke kansen instellingen zien voor Learning Analytics, welke kennis al voor handen is en waar eventuele vervolgactiviteiten vanuit SURF gewenst zouden zijn. Naast Lessons Learned beoogt deze regeling tevens een aantal Good Practies op te leveren van Learning Analytics in de praktijk.
Op een subpgina op deze wiki wordt de voortgang van de innovatieregeling gepresenteerd.
De innovatieregeling Learning Analytics is ook aangekondig op de Onderwijsdagen 2011:
