Wander Lamot
Lesstofontwikkelaar bij Aeres Tech Productions
Neem contact met mij op!Wil je eerst de voorafgaande blog lezen? Klik dan hier!
De mogelijkheden van data-gedreven onderwijs zijn groot, maar hoe past een lesstofontwikkelaar als Aeres Tech Productions ze succesvol toe? Dat valt of staat met de manier waarop learning analytics wordt toegepast in de onderwijspraktijk. In dit blog bespreek ik de vijf stappen die wij samen met docenten doorlopen.
Verrek, wat was learning analytics ook alweer?
Learning analytics is het meten, verzamelen, analyseren, interpreteren en rapporteren van data over leerlingen uit online leeromgevingen. Het doel hiervan is om de leerervaring van de leerlingen te begrijpen, te optimaliseren en te personaliseren.
Voorbeeld vanuit de leerling
Je maakt een toets ter voorbereiding op een examen voor het vak natuurkunde.
Met de terugkoppeling van learning analytics krijg je inzicht in welke theorie je voldoende beheerst en welke onvoldoende. Hieruit volgt een persoonlijk advies dat vertelt waaraan je moet werken ter voorbereiding op het examen met de grootste slagingskans.
Voorbeeld vanuit de leerling
Je maakt een toets ter voorbereiding op een examen voor het vak natuurkunde.
Met de terugkoppeling van learning analytics krijg je inzicht in welke theorie je voldoende beheerst en welke onvoldoende. Hieruit volgt een persoonlijk advies dat vertelt waaraan je moet werken ter voorbereiding op het examen met de grootste slagingskans.
Stap 1: Definieer je doelen
Bedenk en beschrijf wat je met learning analytics wilt bereiken.
Definieer eerst welk resultaat je wilt nastreven om vervolgens te beschrijven hoe learning analytics daarbij kan helpen.
Voorbeeld
Definieer het resultaat:
Tijdens de lessen wil je meer aandacht besteden aan de onderwerpen waar de meeste fouten worden gemaakt.
Beschrijf hoe data-gedreven onderwijs daarbij kan helpen:
Als docent van het vak toegepast rekenen analyseer je de antwoorden in de digitale leeromgeving op klassikaal niveau gedurende het semester. Om vervolgens af te leiden in welke onderwerpen de meeste fouten worden gemaakt zodat aan die onderwerpen meer aandacht besteed kan worden tijdens de lessen.
We werken dit voorbeeld verder uit in dit blog.
Definieer eerst welk resultaat je wilt nastreven om vervolgens te beschrijven hoe learning analytics daarbij kan helpen.
Voorbeeld
Definieer het resultaat:
Tijdens de lessen wil je meer aandacht besteden aan de onderwerpen waar de meeste fouten worden gemaakt.
Beschrijf hoe data-gedreven onderwijs daarbij kan helpen:
Als docent van het vak toegepast rekenen analyseer je de antwoorden in de digitale leeromgeving op klassikaal niveau gedurende het semester. Om vervolgens af te leiden in welke onderwerpen de meeste fouten worden gemaakt zodat aan die onderwerpen meer aandacht besteed kan worden tijdens de lessen.
We werken dit voorbeeld verder uit in dit blog.
Stap 2: Bepaal waar je gegevens zijn
Bedenk waar je de data ofwel gegevens kan vinden.
Antwoorden in de digitale leeromgeving zijn te vinden in een Learning Record Store. Een Learning Record Store (LRS) is een digitale gegevensbank dat dient als een opslagplaats voor gegevens van leerlingen uit online leeromgevingen.
De tabel hieronder laat een klein deel van de gegevens zien voor leerling ‘Noah’. Zo zien we bijvoorbeeld dat Noah om 12:05 is begonnen met de toets breuken.
Vak en onderdeel: Toegepast rekenen, e-learning module
Antwoorden in de digitale leeromgeving zijn te vinden in een Learning Record Store. Een Learning Record Store (LRS) is een digitale gegevensbank dat dient als een opslagplaats voor gegevens van leerlingen uit online leeromgevingen.
De tabel hieronder laat een klein deel van de gegevens zien voor leerling ‘Noah’. Zo zien we bijvoorbeeld dat Noah om 12:05 is begonnen met de toets breuken.
Vak en onderdeel: Toegepast rekenen, e-learning module
Stap 3: Bepaal wat je nodig hebt
Bedenk welke gegevens je nodig hebt.
Vanaf het moment dat een leerling start en uiteindelijk stopt met werken binnen een online leeromgeving, laat hij of zij een digitaal voetspoor na. Deze sporen hebben een grote variatie; waarbij niet elk spoor bijdraagt aan het resultaat dat je wilt behalen.
Je bent geïnteresseerd in de antwoorden van Noah en zijn vele klasgenoten. Daarom filteren we zijn gegevens (en die van zijn klasgenoten) op de antwoorden.
Stap 4: Bereid je voor op succes!
Bedenk en beschrijf hoe je het gewenste resultaat gaat realiseren.
De uitkomst van deze stap is een beschrijving van de benodigde kennis en acties om het gewenste resultaat mogelijk te maken. Deze stap maakt technisch en juridisch duidelijk hoe je als partij learning analytics uitvoert.
Uiteindelijk wil je afleiden in welke onderwerpen (bijvoorbeeld breuken en procenten) jouw klas de meeste fouten maakt. Daarom verwerken we de gegevens van Noah (en die van zijn klasgenoten) in een resultatenoverzicht op persoonlijk en klassikaal niveau per onderwerp.
Stap 5: Bouw je oplossing
Benut je learning analytics systeem om het gewenste resultaat mogelijk te maken.
Met het resultaat in handen leid je af dat jouw klas de meeste fouten maakt in het onderwerp Procenten (klasgemiddelde van 35%). Het advies is dan ook om tijdens de lessen meer aandacht te besteden aan het onderwerp Procenten.
Meer weten over data-gedreven onderwijs?
In dit blog is stap voor stap besproken hoe wij bij Aeres Tech Productions vormgeven aan het eerder geïntroduceerde onderwerp: data-gedreven onderwijs. Zou je meer willen weten over dit onderwerp? Aarzel dan niet om contact met ons op te nemen. We staan je graag te woord.
