Justian Knobbout Promovendus bij het lectoraat Digital Smart Services

Presentatie over: "Justian Knobbout Promovendus bij het lectoraat Digital Smart Services"— Transcript van de presentatie:

1

2 Justian Knobbout Promovendus bij het lectoraat Digital Smart Services
Docent bij Technische bedrijfskunde Logistiek, Statistiek, Supply Chain Management, Procesmanagement, Besturings- en energietechniek

3

4 Definitie learning analytics
Learning analytics is “the measurement, collection, analysis and reporting of data about learners and their contexts, for purposes of understanding and optimizing learning and the environment in which it occurs” Op student- en docentniveau Learning Analytics gaat dus over leren. Leren (of het ontbreken daarvan) leidt tot minder studiepunten; minder studiepunten leidt tot mogelijke uitval

5 Learning Analytics Cyclus
Didactische vragen De inzet van Learning Analytics begint met didactische vragen/hypotheses van docenten. Eenmaal ingezet zal een cyclisch proces plaatsvinden: 1) Studenten werken in de digitale leeromgeving, 2) data uit deze omgeving (eventueel aangevuld met andere data over deze studenten) wordt verzameld en opgeslagen, 3) data wordt geanalyseerd en gevisualiseerd, 4) uitvoer didactische interventies. Door de cyclus opnieuw te doorlopen kan het effect van de interventie gemeten worden. Clow (2012) SURF (2013)

6 Niveaus van analytics Student #281 moet video X bekijken om toets Y te halen. 21% van studenten bevindt zich in risicogroep en gaat waarschijnlijk toets Y niet halen. 62% van de studenten bekijkt video X; studenten die video X bekijken halen hogere scores op toets Y. Niveaus gelden voor alle organisaties die analytics toepassen: banken, logistiek dienstverleners, sportclubs.

7 Iets nieuws onder de zon?
Belangrijkste drivers: Makkelijker om data te verzamelen Betere tools en technieken beschikbaar Niks nieuws: tijdens onderzoek geregeld personen die zeiden dit 20 jaar geleden al te doen. Toch neemt het nu een vlucht: makkelijker  meer digitaal (blended, online), studenten én docenten beschikken over benodigde infrastructuur. Betere tools: veel open tools beschikbaar om data te verzamelen, te analyseren en te visualiseren. Plug-and-play oplossingen, zie casus Hubl.

8 Praktische voorbeelden
Analyse van HUbl-data; analyse Moodle-data; opstellen studentprofielen; verschillende teams Studiesucces; relatie slagingspercentages en kwaliteit onderwijs; onderzoek learning data-standaard Onderzoek voorspellende waarde formatieve toetsdata Voorspellen studiesucces d.m.v. ELO-data Voorspellen kansen arbeidsmarkt; monitoren studiegedrag in ELO Monitoren feedbackgedrag in ELO

9 Kritieke dimensies Greller & Drachsler (2012)

10 HU Visie op learning analytics
Belangrijke zaken in de visie: Welke baten heeft learning analytics voor het onderwijs volgens de onderwijsvisie van de HU? Welke middelen zijn nodig voor de succesvolle inzet van learning analytics binnen de HU?

11 Learning analytics experiment

12 Voorlopige resultaten experiment
Dimension Issues encountered Stakeholders Self-selection bias occurs as students need to opt-in for the experiment.  Objective - Data Virtual learning environment log files  alone do not provide enough insights to design effective pedagogical interventions. More data are needed in order to do so. Instruments The used tool was too limited in its data capturing. That is, not all activities were measured due to technical issues. External limitations Connection between case organization’s and SURFnet’s architecture only established at the very last moment. Internal limitations Teachers lacked insight in what learning resources to measure by placing tracking codes.

13 LACE (2017)