Learning analytics: een student-perspectief

Learning analytics kunnen gebruikt worden om een beter begrip te krijgen van hoe studenten leren. Clara Schumacher, onderzoeker op de Business School van de Universiteit van Mannheim, presenteerde op de CELDA-conferentie een onderzoek met als doel de verwachtingen van studenten ten aanzien van het gebruik van een learning analytics-systeem in kaart te brengen. Welke functies willen studenten graag gebruiken? Interessant dit onderwerp eens vanuit een student-perspectief te bekijken.

Learning analytics (LA)
Schumacher hanteert de volgende definitie van LA:

Learning analytics use static and dynamic information about learners and learning environments, assessing, eliciting and analyzing them, for real-time modeling, prediction, and optimization of learning processes, learning environments, and educational decision-making (Ifenthaler, 2015).

Wat is het ideale pad dat een student idealiter zou kunnen bewandelen om succesvol te zijn in het studeren? Dit is de vraag die je via LA in de digitale omgeving zou willen beantwoorden. Dat vraagt analyse van allerlei soorten data: over de karakteristieken van de lerenden, gebruikersgegevens ten aanzien van het navigeren en handelen in de digitale omgeving, informatie over curriculum, etc.

Via allerlei dashboard-functies, visualisaties van data en het onder de aandacht brengen van relevante informatie via prompts krijgt de student inzicht in zijn gebruik van de digitale omgeving, leeruitkomsten, herinneringen, maar ook geautomatiseerde interventies die de student actief betrekken bij het proces.

Zo kan LA dus ingezet worden voor (1) summatieve doeleinden, door bijvoorbeeld de leeruitkomsten te analyseren, voor (2) real-time interventies, zoals zelf-assessments met just-in-time feedback, en (3) voorspellende doeleinden, zoals het optimaliseren van leerpaden in de digitale omgeving.

Zelfgereguleerd leren
LA kan het zelfgereguleerd leren ondersteunen, stelt Schumacher, een voorwaarde om met succes de opleiding af te ronden, maar ook van belang voor een leven lang leren. Zelfgereguleerd leren bestaat uit (1) cognitieve aspecten, het verwerven en verwerken van informatie en het toepassen van leerstrategieen, (2) metacognitieve aspecten zoals het plannen, monitoren en bijstellen van leeractiviteiten om een bepaald doel te bereiken, en (3) motivationele aspecten, zoals geloof in eigen kunnen.

Wat willen studenten? (1)
In een eerste studie ontvingen studenten een instructie over LA, kregen vragen over de verschillende functies van het LA-systeem in hun digitale omgeving, en moesten rapporteren over wat zij van deze functies zouden verwachten. De functies die studenten willen gebruiken in een LA-systeem zijn onder andere (1) ondersteuning bij het plannen van leeractiviteiten, (2) zelf-assessments met directe feedback, (3) informatie over hun kennisniveau, hun activiteiten in de digitale leeromgeving en over de voortgang naar leerdoelen. Verder vinden studenten het belangrijk dat (4) een LA-systeem gepersonaliseerd kan worden. Studenten gaven aan dat ze soms informatie ook niet willen zien. Of dat ze even geen prompts over studievoortgang willen ontvangen. Aan de andere kant, studenten doen wel voorstellen om de agenda van de studenten te integreren in het systeem. Als het LA-systeem een ‘gat’ ziet van een paar uurtjes, dan zou het op basis hiervan een specifieke taak kunnen voorstellen.

Een andere interessante feature die studenten benoemen is het (5) voorstellen van geschikte studiemaatjes. Schumacher geeft aan positief verrast te zijn over de positieve houding van de studenten over LA. Schumacher pleit voor een holistische benadering van LA waar niet alleen het online gedrag wordt gemeten. Haar studenten leren nog veel van papier, en dat wordt door het LA-systeem gezien als ‘geen activiteit’, terwijl er gewoon geleerd wordt. Ook deze informatie is dus relevant.

Wat willen studenten (2)
In een tweede studie werden 15 LA-functies geselecteerd en werd aan studenten gevraagd deze functies te evalueren op het gebied van leren, acceptatie en privacy. Hier kwamen rankings uit van de functies. De top drie-functies die studenten accepteren zijn: (1) herinneringen, (2) herhaling van leerstof en (3)  notificaties over zelf-assessments. Ten aanzien van het leren ontstond de volgende top drie : (1) notificaties over zelf-assessments, (2) aanbevelingen over leren om een course af te ronden en (3) een tijdlijn gericht op het halen van leerprestaties.

Learning analytics - leren

Het beschikbaar zijn van privacy guidelines, gebruikersgemak en overtuigd zijn van het nut van LA zijn belangrijke voorwaarden voor acceptatie van LA-systemen door studenten, waarbij er sprake dient te zijn van een hoge mate van personalisatie. Ook dient een LA-systeem meerdere omgevingen te combineren, inclusief de off-line omgeving.

Schumacher geeft aan dat het ontwerpen van LA-systemen gebaseerd moet zijn op de theorieën rondom zelf-regulatie, zodat de informatie die geanalyseerd en gepresenteerd wordt zoveel mogelijk het leren van de student kan ondersteunen, en het leren niet hinderen. Deze onderzoeken geven een beeld van het perspectief van de student, het perspectief van de docent kan een hele andere zijn: big brother is watching you. Schumacher geeft daarom ook helder aan dat het belangrijk is om alle stakeholders te betrekken voordat een LA-systeem geïmplementeerd wordt.

Geen Reacties

Laat een reactie achter

Hoor graag uw reactie!

%d bloggers liken dit: