Tijdens de onderwijsdagen 2011 heb ik kennis gemaakt met Learning analytics. Eric Duval beet met dit onderwerp de spits af als keynote speaker. Het was voor mij geheel nieuw en daarom heb ik mij er eens in verdiept. Al snel stuitte ik op het dilemma.
Analyse van webomgevingen is niets nieuws, bedrijven doen het al jaren. Maar telkens komt ook het aspect van privacy om de hoek kijken.
Alles wat een persoon doet op het web kan in een databestand worden beschreven. Met deze gegevens kunnen bedrijven vaststellen of jij een potentiële klant bent. Vervolgens stroomt je mailbox vol met aanbiedingen van een bepaald product. Sommige auteurs doen hier vrij gemakkelijk over. Sarah Haavind geeft in de blog van Ignatia Webs (Webs, 2011)aan dat zij het niet erg vindt om overspoeld te worden met advertenties van producten die zij leuk vindt. Beter dat dan van random producten. Ik denk daar toch anders over.
In verschillende bronnen wordt learning analytics als volgt gedefinieerd. “The use of data and models to predict student progress and performance, and the ability to act on that information”( (o.a. Siemens, 2010). Goed gebruik van de data zou de school of universiteit de mogelijkheid geven om signalen van deficiënties bij studenten tijdig te detecteren en de juiste, tijdige acties te ondernemen. Door het gebruik van learning analytics kan bepaald worden hoe kennis in verband wordt gebracht met andere kennis en hoe kennis daardoor veranderd. Door het samengaan van kennis ontstaat er nieuwe kennis die toegepast kan worden in het onderwijs om het persoonlijke leren van de studenten te verbeteren.
Met de juiste tools voor dataverzameling (learning analytics) kan de docent de activiteiten van zijn studenten monitoren. Maar ook kunnen de studenten hun eigen activiteiten monitoren. Op het moment dat een groep of een student achter blijft in de uitvoering van de planning kan de student of de docent daar actie op ondernemen. De docent krijgt door het analyseren van de data inzicht in wat de student doet tijdens een cursus, bijvoorbeeld om informatie te krijgen.
De verkregen data kan door onderwijs instellingen gebruikt worden om activiteiten van individuen te meten en deze kennis te gebruiken om het leren beter te faciliteren. Maar alleen weten waar op het web de student zich bevindt is nog niet voldoende. Het is ook belangrijk te weten of de site, die hij of zij bezocht, nut had voor zijn studie (Fournier, Kop, & Sitlia). Learning analytics kan ook gebruikt worden om de onderwijs efficiëntie te meten. Om voldoende data te krijgen voldoet het niet om een klasje van 20 studenten te volgen. Een MOOC (Massive Online Open Course) is de meest zinvolle omgeving voor Learning analytics. Door het grote aantal deelnemers aan een MOOC krijgt de onderzoeker voldoende data om ook daadwerkelijk geldende uitspraken over de onderwijs efficiëntie te kunnen doen. Maar ook hierbij heeft hij medewerking van de studenten nodig om de data goed te kunnen interpreteren. Een foute interpretatie is snel gemaakt.
Dit geeft gelijk aan dat learning analytics een open activiteit moet zijn van de docent samen met zijn studenten. Op het moment dat de studenten weten dat hun gedrag op het internet wordt gevolgd met als doel het beter faciliteren van onderwijs, zullen zij ook bereidt zijn hun oordeel over de verschillende web services te geven. Is een bepaalde site nuttig en waarom? Welke apps zijn handig en waarom? Hiermee wordt duidelijk dat je onderwijs samen maakt. En learning analytics zijn daar een handige tool voor.
Geciteerde werken
Fournier, H., Kop, R., & Sitlia, H. (sd). The Value of Learning Analytics to Networked Learning on a Personal Learning. NRC Publications Archive.
Siemens, G. (2010, 08 25). what-are-learning-analytics. Opgeroepen op 12 12, 2011, van http://www.elearnspace.org: http://www.elearnspace.org/blog/2010/08/25/what-are-learning-analytics/
Webs, I. (2011, 01). lak11-what-about-privacy-when-using. Opgeroepen op 12 12, 2011, van ignatiawebs.blogspot.com: http://ignatiawebs.blogspot.com/2011/01/lak11-what-about-privacy-when-using.html