Ik zie de nodige voordelen in het gebruik van learning analytics voor het analyseren van verbeterpunten ten aanzien van onderwijs en leren (diagnostic analytics). Vanwege het risico van ‘selffulfilling prophecy’ heb ik meer aarzelingen ten aanzien van het gebruik van learning analytics voor het doen van voorspellingen over zaken als voortijdige uitval (predictive analytics). eCampus News schrijft echter over een aantal cases waaruit blijkt dat onderwijsinstellingen dankzij ‘predictive analytics‘ meer lerenden hebben ingeschreven en vast kunnen houden.
Onderwijsinstellingen hebben te maken met het verschijnsel dat lerenden die zich voor de zomervakantie inschrijven, uiteindelijk na de zomervakantie niet starten (“summer melt“). Tegelijkertijd hebben onderwijsinstellingen vaak de ambitie om te groeien. Dat kan door meer lerenden in te schrijven, de “summer melt” te bestrijden en door voortijdige uitval te voorkomen.
Learning analytics kan helpen om te voorspellen welke lerenden het meeste kans lopen om toch niet te starten met een opleiding of om voortijdig uit te vallen. eCampus News laat zien dat het gebruik van learning analytics kan leiden tot enkele procenten meer inschrijvingen of minder uitval.
Daarbij kijken onderwijsinstellingen naar patronen ten aanzien van tientallen “data points” zoals het type middelbare school, gemiddeld tentamencijfer, testscores, afstand tot de onderwijsinstelling, de mate van betrokkenheid van lerenden, financiële cijfers en academische interesses van lerenden. Deze data is vaak afkomstig uit meerdere systemen zoals student informatie systeem, leermanagementsysteem of enterprise resource planning systeem.
Vervolgens komt het erop aan om acties te ondernemen richting de lerenden. Welke belangstellenden moeten een extra mailing ontvangen om hen te motiveren zich in te schrijven? Richting welke lerenden moeten begeleiders interventies plegen om hen te motiveren om te blijven leren? Welke berichten worden automatisch verstuurd op basis van waargenomen patronen in gedrag?
De bijdrage in eCampus News laat zien dat de combinatie van het doen van voorspellingen en het ondernemen van gerichte acties op basis van analyses van patronen in data -‘nudging‘- kunnen leiden tot meer inschrijvingen en minder uitval. Het artikel gaat niet in op wat een actie effectief maakt (de toonzetting van een bericht is m.i. zeer belangrijk).
Daarnaast gaat de auteur niet in op privacy aspecten van deze aanpak. Je moet toestemming vragen om deze data te verzamelen, onderbouwen waarom je deze data verzamelt en gaat analyseren, en met welk doel je deze data gaat gebruiken. Verder bestaat vaak weerstand tegen het versturen van automatische berichten op basis van learning analytics. Een systeem zou niet zelfstandig de beslissing mogen nemen om op basis van bepaald gedrag een bericht te versturen.
This content is published under the Attribution 3.0 Unported license.
Geef een reactie