Verbind learning analytics met principes van goed onderwijs

Norm Friesen heeft een position paper geschreven over learning analytics. Daarin gaat hij in op de betekenis van ‘learning’ en ‘analytics’, en beschrijft hij twee niveaus waarop learning analytics worden toegepast. Ook bespreekt hij enkele voorbeelden van toepassingen van learning analytics, en waarschuwt hij voor te hoog gespannen verwachtingen. Friesen pleit onder meer voor een verbinding van learning analytics met datgene wat we weten over principes van goed onderwijs.

Friesen definieert learning analytics als het meten, verzamelen, analyseren van en rapporteren over data van en over lerenden en hun context, met als doel het begrijpen en optimaliseren van het leren en omgevingen waarbinnen het leren plaats vindt.

Data van en over lerenden en hun context heeft dan betrekking op de belangrijkste acties die lerenden uitvoeren binnen elektronische leeromgevingen, en data over de voortgang die zij boeken. Verder noemt Friesen voorkeuren en gewoontes, op basis van verschillende taken en interacties. Volgens de auteur kan ook gebruik gemaakt worden van data buiten een elektronische leeromgeving, zoals studieprestaties uit het verleden of demografische informatie (‘dispositional data’).

Norm Friesen stelt verder dat de term ‘learning’ in ‘learning analytics’ eigenlijk misleidend is. Veel van de data gaat namelijk niet over het leren zelf:

Simply put, accessing a course or a resource is not the same as gaining in-depth knowledge of its contents, or as effectively working to the attainment of its objectives. The path leading from a record of online actions to the quality of student engagement or the level of their learning involves a series of inferences.

Daarom is het volgens hem van groot belang om interpretaties te verbinden met patronen en correlaties. En wat dat betreft staan we nog maar aan het begin van een lange ontwikkeling. Bovendien zouden we daarbij een verband moeten leggen met wat we weten over goed onderwijs. Hij refereert daarbij naar de zogenaamde ‘seven principles of good practice in undergraduate education’ (zoals communicatie tussen studenten en docenten, onmiddellijke feedback en het communiceren van hoge verwachtingen). In zijn paper benadrukt hij ook dat correlaties nog geen indicatie zijn voor causaliteiten.

Friesen vat één en ander samen in een schema waarin hij drie typen data onderscheidt, plus verschillende belanghebbenden. Hij maakt daarbij ook onderscheid tussen het niveau van de cursus/student en het niveau van de organisatie.

Daarbij gaat het er ook om data te visualiseren via bijvoorbeeld een dashboard. Op basis van die visualisaties kan vervolgens feedback worden gegeven. Volgens Friesen vergt dit van docenten een goede planning en interventies, en integratie van deze twee functies binnen het cursusontwerp.

Hij constateert dat binnen het onderwijs nog niet echt gebruik wordt gemaakt van geïntegreerde systemen, maar wel van specifieke technologieën. De auteur geeft daar een aantal voorbeelden van. Deze voorbeelden hebben geen betrekking op het niveau van de organisatie. Dat terrein is nog in ontwikkeling.

Friesen signaleert tenslotte een aantal ontwikkelingen die het gebruik van learning analytics kunnen bevorderen (zoals de behoefte om verantwoording af te leggen, de toename van data van en over lerenden en de verdere intergratie van ICT binnen het onderwijs). Hij constateert echter ook de zoektocht naar de ’silver bullet’ binnen het onderwijs kunnen leiden tot te hooggespannen verwachtingen, om uiteindelijk averechts te werken:

In short, to focus on the incremental improvements in instruction and administration that learning analytics is indeed likely to attain is more beneficial than promoting advancements that it most likely will not.

Een mooi, evenwichtig, paper over dit actuele en m.i. nog steeds onvolwassen onderwerp.