De toepassing van geavanceerde analyses van data over onderwijs en leren en machine learning bieden nieuwe inzichten in de relatie tussen ‘mindsets’ leerprestaties. Verder leidt deze vorm van data analytics tot nieuwe kennis over de effectiviteit van instructiemethodes. Prachtig. Maar ik heb mijn aarzelingen.
Via Larry Ferlazzo heb ik een artikel van onderzoekers van McKinsey gelezen. Zij hebben geavanceerde analyses en machine learning toegepast op data van het PISA-onderzoek van de OECD. Twee belangrijke conclusies zijn:
- Het hebben van de juiste mindset beïnvloedt leerresultaten meer dan de sociaal-economische achtergrond van lerenden. Daarbij gaat het om motivatie en om het geloof dat je meer succes hebt als je hard werkt. Deze invloed is sterker binnen slechter presterende scholen of in armere gebieden. Deze conclusie wijkt af van datgene wat tot nu bekend is over de relatie tussen de ‘growth mindset’, motivatie en leerprestaties (geen relatie).
- Een combinatie van ‘direct instruction’ en onderzoekend leren leiden tot de beste leerprestaties. Daarbij zou ‘direct instruction’ in de meeste lessen moeten worden toegepast, en onderzoekend leren in sommige. De onderzoekers spreken van een soort universele ‘leerstijl’ (terwijl ze leerstrategie bedoelen). Als onderzoekend leren dominant is, dan leidt dit tot slechte resultaten. Pure ‘direct instruction’ leidt volgens dit onderzoek ook niet erg positieve resultaten.
Op zich zijn dit interessante conclusies. Toch heb ik mijn twijfels. Ik lees namelijk niets over hoe het onderzoek is uitgevoerd. Bij het geautomatiseerd analyseren van grote hoeveelheden data kun je de plank ook flink mis slaan. Ik vraag me verder af of onderwijsonderzoekers betrokken zijn geweest bij het onderzoek.
Als je big data analyseert, zul je m.i. zeer transparant moeten zijn over je methode.
This content is published under the Attribution 3.0 Unported license.
Geef een reactie