Knowledgebase Dataondersteund onderwijs
Ik wil weten hoe anderen het hebben gedaan
Er wordt datagedreven onderzoek naar de leerloopbaan van studenten gedaan. Hiervoor wordt de data die door scholen en partijen zoals DUO, SBB, gemeenten en CBS wordt verzameld, gebruikt.
Onderzoeksvragen en opgedane inzichten vind je hier: https://datagedrevenonderzoekmbo.nl/
Het Integraal Teamdashboard
Dit dashboard gaat onderwijsteams in de toekomst helpen bij datagedreven werken. Onderwijsteams willen graag meer inzicht hebben in informatie rond instroom, onderwijs & begeleiding, examinering en uitstroom. Informatie daarover helpt om tijdig te kunnen bijsturen en draagt bij aan verantwoording in het kader van kwaliteitsborging.
Bron:
Relevante Data Voor Jouw Instelling Verkrijgen
Mbo-instellingen zijn geïnteresseerd in informatie die hen meer kan vertellen op het gebied van werving, instroom en doorstroom van studenten. Dit soort informatie kan ingezet worden voor marketingdoeleinden maar helpt ook de docenten een beter beeld te krijgen van hun studenten. Binnen de Datacoalitie heeft een werkgroep haar onderzoek gericht op dit gebied. Wat willen instellingen graag weten? En hoe kan die informatie beschikbaar gemaakt worden? Lees in dit artikel meer over het onderzoek en de resultaten tot nu toe!
Bron:
Studentdata geven inzicht in studeerbaarheid ArtEZ-opleiding
Docenten en studenten ervaren de ArtEZ-opleiding Docent Beeldende Kunstvorming in Zwolle als een zware opleiding. CINOP en ECBO (onderdeel van CINOP) onderzochten daarom wat de opleiding kan doen om de studeerbaarheid te verbeteren, een belangrijke voorspeller van studiesucces. Het onderzoek bestond uit een kwantitatief deel via data-analyses en een kwalitatief deel met panelgesprekken. Resultaat: een helder, onderbouwd én gedragen beeld over hoe het met de studeerbaarheid van de opleiding is gesteld. Daarnaast zijn concrete verbeterpunten afgestemd waar het team de komende tijd mee verder kan.
Bron:
Learning analytics, wat leer je er uit als lesgever
Welke analyses kan je als lesgever uitvoeren op basis van de gegevens die beschikbaar zijn binnen Ufora? Waar kan je die gegevens en analyses vinden en wat kan je eruit leren? Daar gaat deze onderwijstip verder op in.
Bron:
Efficiënt datagebruik. Interpreteren en benutten van data door onderwijsteams
In het onderwijs wordt steeds vaker en intensiever gebruikgemaakt van data. Het omzetten van de aangeleverde data naar verbeteracties blijkt in de praktijk echter vaak lastig. Waar vind je relevante data? Hoe zet je data in om de kwaliteit van het onderwijs te verbeteren? En hoe richt je, op basis van de uitkomsten van die verbeteracties, je onderwijs vervolgens in?
Bron:
Praktijvoorbeeld van Curio: werken met data
Teamleider Jurgen van Oorschot van de opleiding Software Developer bij Curio in WestBrabant bracht met zijn team aan de hand van cijfers duidelijkheid waarom studenten vaak uitstromen bij de opleiding. Dit gaf een drive om samen te onderzoeken wat de oorzaak was. Nu heeft het team een ritme van cyclisch werken met data gevonden waardoor ze studenten veel beter kunnen begeleiden en bijsturen indien nodig.
Bron:
Ervaringen uit de data-coalities, deel I
In het mbo werken instellingen samen in een aantal datacoalities. Hierin doen we met elkaar kwalitatieve inzichten op over de manier waarop met data waarde kan worden verkregen in het onderwijsproces. Hoe kunnen we kernprocessen slim verbeteren of kwetsbare studenten eerder spotten en beter begeleiden? Hoe kunnen we het leerproces van de student verbeteren? Verslag van data dinsdag 14 december 2021.
Bron:
Learning analytics bij Mr. Chadd
Als je digitale leermiddelen gebruikt, ontstaat er data over leerlingen en hun leerbehoeftes. En die data kun je analyseren. Dat proces van verzamelen en analyseren noemen we learning analytics. Hierdoor leer je leerlingen en hun leerprocessen beter begrijpen, waardoor je lessen beter kunt afstemmen op hun behoeften. Je verbetert je lessen zo op basis van data.
Bron:
Ik wil aan de slag met richtlijnen en kaders
Data-ethiek gaat over een bewuste, reflectieve omgang met data, waarin de wenselijkheid van het datagebruik en de doelen ervan wordt bevraagd. Hiervoor is geen pasklaar format, maar zijn wel handvatten te geven. Men kan de eenvoudige drietrapsvraag stellen (kan, mag, wil) en een aantal waarden centraal stellen in de overweging.
Bronnen:
VU ethisch kader:
https://www.vu.nl/nl/Images/Code-of-practice-privacy-ethiek-SA2017_v1_CC_tcm289-878414.pdf
Kennisnet, waarden wegen
https://www.kennisnet.nl/app/uploads/kennisnet/publicatie/Kennisnet-Ethiekkompas-Waardenwegen.pdf
Jisc code of practice
https://www.jisc.ac.uk/guides/code-of-practice-for-learning-analytics
Referentiekader Privacy en Ethiek Studiedata
Heb je vragen over privacy en ethiek met studiedata? De zone Veilig en betrouwbaar studiedata benutten stelt de 0.8 conceptversie van het Referentiekader privacy en ethiek voor studiedata beschikbaar. Het Referentiekader beschrijft zowel de ethische uitgangspunten als de juridische (privacy) kaders waar instellingen voldoende aandacht aan moeten besteden bij het verantwoord gebruik van studiedata.
Bron:
Houd controle over AI toepassingen op het gebied van learning analytics
Dankzij kunstmatige intelligentie (AI) en big data zijn we in staat om onderwijs en opleiden meer toe te spitsen op het niveau en het leergedrag van de individuele lerende. De bijdrage Discrimination in a Sea of Data: Exploring the Ethical Implications of Student Success Analytics laat zien dat deze ontwikkeling ook negatieve kanten kan hebben. Bepaalde lerenden kunnen daardoor baat hebben bij de combinatie AI en learning analytics, maar anderen juist niet.
Bron:
Verantwoord inzetten van artificial intelligence
De verwachtingen rondom artificial intelligence (AI) of kunstmatige intelligentie zijn hooggespannen. De technologie kan intelligente taken waar voorheen menselijke intelligentie voor nodig was steeds beter en sneller uitvoeren. Hierbij worden algoritmes ingezet die grote hoeveelheden data verwerken om op basis daarvan een beslissing te nemen. Alleen is niet altijd duidelijk hoe zo’n algoritme die beslissing neemt. En dat kan voor ongewenste effecten zorgen. Hoe zetten we artificial intelligence verantwoord in?
Bron:
Kansen(on)gelijkheid en adaptieve leertechnologie
Digitale technologie in het onderwijs kan bijdragen aan kansengelijkheid maar die kansengelijkheid juist ook in de weg zitten. Hoe zit dat precies? In deze podcast spreken we dr. Inge Molenaar en prof. dr. Eddie Denessen over de invloed van adaptieve leertechnologie op kansengelijkheid.
Bron:
Discrimination in a Sea of Data: Exploring the Ethical Implications of Student Success Analytics
Bron:
Ik wil aan de gang met stappenplannen en werkwijzen
Ethische en juridische aspecten bij datagedreven onderzoek: https://www.digitaleoverheid.nl/overzicht-van-alle-onderwerpen/nldigibeter/toolbox/aandacht-voor-ethische-en-juridische-aspecten/