Knowledgebase Dataondersteund onderwijs
Ik wil aan de slag met data en zoek tips
Welke kennisproducten (bronnen) zijn er voor learning analytics
Onderwijsinstellingen die learning analytics willen ontwerpen, implementeren en toepassen, kunnen hier op verschillende plekken kennis over opdoen. SURF heeft onderzoek uit laten voeren om bestaande kennisproducten in kaart te brengen. In het webinar inventarisatie kennisproducten learning analytics presenteerde Justian Knobbout (Data Analytix) de voorlopige resultaten
Bron:
De rol van docenten bij learning analytics
Wat willen de docenten nu precies met Learning Analytics? En wat weten ze eigenlijk van learning analytics. Onderzoek naar wat docenten beweegt om met learning analytics aan de slag te gaan.
Bron:
Bouwstenen van een learning analytics infrastructuur
Een gemengd gezelschap nam deel aan het webinar learning analytics, onder andere docenten, beleidsmedewerkers, informatiemanagers en projectleiders. Tijdens dit webinar bespraken we het door SURF uitgevoerde onderzoek naar de bouwstenen van een learning analytics-infrastructuur.
Bron:
Discussiemodel learning analytics. Waarom, met wie en hoe.
Binnen een instelling is het soms lastig om te bepalen wat je wilt bereiken met Learning Analytics. Waar begin je? Wie moet je allemaal betrekken? En waar moet je verder aan denken? Om je daarbij te helpen heeft SURF een discussiemodel gemaakt. In dit document leggen ze uit hoe je het model kunt gebruiken binnen je instelling.
Bron:
Verslag Webinar Van idee tot inzet: het succesvol toepassen van learning analytics binnen het Nederlandse onderwijs
Wat is er nodig om Learning Analytics succesvol toe te passen? Welke organisatorische vaardigheden moeten onderwijsinstellingen daarvoor ontwikkelen? En hoe kan Learning Analytics al in de ontwerpfase van het onderwijs worden geïntegreerd?
Bron:
Aan de slag met de proeftuin learning analytics
Learning analytics kan worden ingezet voor het terugkoppelen van informatie over de huidige situatie, zodat studenten en docenten in het leerproces kunnen bijsturen. In het kader van flexibilisering van het onderwijs kan learning analytics bijvoorbeeld worden ingezet voor differentiëren van de onderwijsaanpak op basis van voorkennis van studenten.
De proeftuin start met het formuleren van een onderwijsdoel en bouwt voort op bestaande kennis. Vervolgens komen diverse onderwerpen aan de orde, zoals ethiek, datakwaliteit, privacy, datamanagement en terugkoppeling van resultaten aan studenten.
Je kunt alle onderdelen van de proeftuin learning analytics downloaden!
Bron:
Learning analytics dashboard: a tool for providing actionable insights to learners
Deze studie onderzoekt de huidige benaderingen van learning analytics (LA) dashboarding, waarbij de uitdagingen worden belicht waarmee onderwijsaanbieders worden geconfronteerd bij hun operationalisering. We analyseren recente dashboards op hun vermogen om bruikbare inzichten te bieden die geïnformeerde reacties van leerlingen bevorderen bij het maken van aanpassingen aan hun leergewoonten. Uit ons onderzoek blijkt dat de meeste LA-dashboards slechts beschrijvende analyses op het oppervlak gebruiken, terwijl slechts weinigen verder gaan dan voorspellende analyses. Als reactie op de vastgestelde hiaten in recent gepubliceerde dashboards, stellen we een ultramodern dashboard voor dat niet alleen gebruikmaakt van beschrijvende analysecomponenten, maar ook machine learning integreert op een manier die zowel voorspellende als prescriptieve analyses mogelijk maakt.
Bron:
- https://educationaltechnologyjournal.springeropen.com/articles/10.1186/s41239-021-00313-7
- https://www.linkedin.com/feed/update/urn:li:activity:6898935750256386048/?commentUrn=urn%3Ali%3Acomment%3A(activity%3A6898935750256386048%2C6899356326086926336)
Data-ondersteund onderwijs. Sturen of gestuurd worden
Wat is data-ondersteund onderwijs, wat moeten we met learning analytics en kunstmatige intelligentie (AI) in het onderwijs? Kennisclip van Pierre Gorissen
Bron:
Ik wil weten wat modellen en denkkaders zijn
Learning analytics is het meten, verzamelen, analyseren en rapporteren van en over data van leerlingen en hun context. Learning analytics heeft als doel het begrijpen en optimaliseren van het leren en de omgeving waarin dit plaatsvindt.
Met Student analytics gebruiken we minder veranderlijke data. Denk aan gegevens over instroom van studenten, doorstroom naar de arbeidsmarkt of sociaal economische achtergrond van studenten.
A Capability Model for Learning Analytics Adoption
Voor je aan de slag kunt met learning analytics moet je in je organisatie eerst een heel aantal zaken op orde hebben.
Bron:
Meer transparantie bij het gebruik van data in een lms
Leermanagementsystemen hebben steeds meer mogelijkheden om gedetailleerde informatie te leveren over hoe lerenden het systeem gebruiken. Het systeem zet ons echter niet aan het denken over hoe we deze data gebruiken. We zijn geneigd rapporten over het leren van lerenden op te stellen, die we face-to-face niet op zouden kunnen stellen zonder een aanzienlijke inbreuk op de privacy. In een klas kijk je als docent immers niet continu mee over de schouder van elke lerende.
Bron:
Gebruik data om lerenden beter te ondersteunen
Onderwijsinstellingen en opleidingsinstituten beschikken over grote hoeveelheden data van hun lerenden. Daarbij gaat het niet alleen om cijfers, maar ook over aanwezigheidsgegevens, tal van activiteiten in diverse systemen, enzovoorts. Volgens Elliot Howells kunnen onderwijsinstellingen lerenden in elke fase van de levenscyclus als lerende een meer gepersonaliseerde ervaring bieden, en hen beter ondersteunen en begeleiden.c
Bron:
Maken adaptieve leersystemen de docent tot performance manager
Op grond waarvan stelt het adaptieve leersysteem een diagnose? Als leraar weet je dat vaak niet. Daarnaast, het lijkt of digitale systemen het leerproces reduceren tot het principe van oefenen voor de toets. Waar blijft het ongeplande karakter dat zo belangrijk is voor leren?
Bron:
Wat is data analytics?
In dit artikel worden de verschillende soorten analytics helder uitgelegd
Bron:
Descriptieve analytics: Descriptive analytics draait om het verleden; je gaat na wat er de afgelopen tijd gebeurd is.
Diagnostische analytics: Daarbij gaat het, waarom is iets gebeurd?
Predictieve analytics: Als je weet wat er in het verleden is gebeurd (en waarom!) kun je vaak ook een inschatting maken over hetgeen dat komen gaat.
Prescriptieve analytics: In de laatste fase ga je niet alleen voorspellen wat er in de toekomst gaat gebeuren, maar ook wat je concreet moet doen om deze toekomst zo rooskleurig mogelijk te maken.
De vier soorten data analytics: hoe zit dat precies?
Steeds meer bedrijven maken gebruik van data analytics, en dit is niet voor niets. Data analytics is veelbelovend, aangezien dit mogelijk voor een hoger ROI, minder kosten en snellere processen zorgt. Een voorwaarde is wel dat je voor de juiste soort data analytics kiest. Er zijn vier soorten, maar welk soort past bij jouw bedrijf?
Bron:
Soorten data analyse
Een veel gebruikt model voor de ontwikkeling van analytics is afkomstig van Gartner : het Analytics Groeimodel. Een nuttig model dat goed uitlegt welke soorten analytics zijn, maar wel met een aantal kritische kanttekeningen.
Bron: