Onderwijsinstellingen hebben de afgelopen jaren fors geïnvesteerd in maatregelen die ertoe moeten bijdragen dat minder lerenden voortijdig uitvallen. Toch zijn de ‘drop out’-cijfers nog steeds hoog. In de VS kijken onderwijsinstellingen nu ook naar het middel van chatbots om lerenden te behouden voor de opleiding en instelling.
Een groot aantal factoren is van invloed op de vraag of een lerende voortijdig stopt met een studie of niet. Een onderwijsinstelling kan ook niet op elke factor invloed uitoefenen (denk aan de thuissituatie).
In de bijdrage How Colleges Are Using Chatbots To Improve Student Retention schrijft Michael T. Nietzel dat drie niet-cognitieve factoren die een rol spelen bij voortijdige uitval: self-efficacy (de lerende is ervan overtuigd dat h/zij in staat is een taak uit te voeren), het gevoel erbij te horen en de gepercipieerde waarde van het curriculum (de mate waarin lerenden geloven dat het materiaal dat ze bestuderen van voldoende kwaliteit is en relevant is om hun tijdsinvestering en inspanning te rechtvaardigen).
Twee van deze drie factoren komen terug in het gebruik van een chatbot van het bedrijf EdSight. Deze chatbot staat met lerenden stil bij zaken die te maken hebben met self-efficacy en het gevoel erbij te horen. Dankzij een chatbot ben je in staat op grote schaal met lerenden stil te staan bij deze thema’s.
De Bethel University past deze technologie bijvoorbeeld toe. Chatbot Wilhelm stelt lerenden vragen over hun ervaringen op de universiteit en brengt hen – afhankelijk van hun antwoorden – in contact met bronnen op de campus die hen kunnen helpen. De chatbot wijst medewerkers er ook op welke studenten extra ondersteuning nodig hebben.
Nietzel geeft in zijn bijdrage verschillende voorbeelden van interventies. De chatbot heeft bijvoorbeeld 36 lerenden geïdentificeerd die hadden aangegeven dat ze bang waren om te zakken voor bepaalde vakken. Deze lerenden zijn in contact gebracht met docenten. Ook heeft de chatbot onder andere 21 lerenden gevonden die problemen hadden met hun kamergenoot. Ook deze lerenden zijn in contact gebracht met een bureau voor het welzijn van lerenden.
Nadat de chatbot een semester is gebruikt, steeg het ‘retentiepercentage’ van deze universiteit met 4%. 85% van de lerenden beoordeelden de chatbot als zeer positief.
De app is ook op grote schaal gebruikt, met name omdat lerenden wisten dat alleen specifieke medewerkers -voor wie de informatie relevant was- de antwoorden konden zien. Lerenden kunnen ook eenvoudig aangeven met deze toepassing te willen stoppen.
Volgens Michael T. Nietzel melden andere onderwijsinstellingen nog betere resultaten (bijvoorbeeld een reductie van de drop out met 7%).
Het idee is dat de chatbot tot betere resultaten zal leiden als deze vaker wordt gebruikt. Chatbots leren immers op basis van het gebruik.
Mijn opmerkingen
Toen ik deze bijdrage begon te lezen, was mijn eerste reactie: chatbots voor conversatie over deze persoonlijke vraagstukken? No way! Maar gaandeweg ben ik toch wel positiever gaan denken over deze toepassing. Dat komt door de positieve reacties van de lerenden, het vrijwillige karakter en de ogenschijnlijk zorgvuldige manier waarop met de uitkomsten wordt omgegaan. De uitkomsten zijn ook positief, al is deze chatbot uiteraard ook niet de ‘silver bullet’ voor het tegengaan van voortijdige uitval (overigens is een reductie van 4-7% ook niet niks).
Ik hoop wel dat de data hooguit geanonimiseerd worden gebruikt voor het verbeteren van de chatbot (en niet voor andere commerciële doelen), en dat de beveiliging van de app supergoed is geregeld. Je moet er niet aan denken dat deze data op straat komen te liggen. Een zeer zorgvuldige implementatie is van groot belang.
This content is published under the Attribution 3.0 Unported license.
Geef een reactie