Waarom je moet starten met learning analytics in het hoger onderwijs
Technologische ontwikkelingen in het hoger onderwijs maken het mogelijk om steeds meer data te verzamelen over het gedrag van je studenten en hun (digitale) interacties met je studiemateriaal, leerpad en lessen. Die data bevatten een schat aan informatie die je kan ondersteunen om je studenten de best mogelijke leerervaring aan te bieden.
Wat zijn learning analytics?
Onder learning analytics verstaan we het verzamelen en analyseren van data over je studenten en hun context, om hun leerproces te ondersteunen en je doceerproces daarop af te stemmen (LAK, 2011; Long & Siemens, 2011).
Learning analytics vertellen je onder meer hoe je studenten leren in een blended omgeving of met welke leermaterialen ze het moeilijk hebben.
Lees ook onze blog ‘Meten is weten met learning analytics’ voor meer inzichten in het begrip.
Waarom nú starten met learning analytics?
De digitale versnelling door de coronacrisis zorgde ervoor dat het hoger onderwijs nog meer ging focussen op digitaal (of blended) onderwijs: opgenomen lessen, live virtuele lessen, studiemateriaal beschikbaar op het LMS. Elke interactie van een student met die digitale content laat een spoor na, met informatie die je als docent kan gebruiken om je leerproces aan te passen. Zo zorg je ervoor dat je je leertraject én studiemateriaal steeds beter afstemt op de noden van je studenten.
De meerwaarde van learning analytics voor het hoger onderwijs
Learning analytics zorgen voor een beter inzicht in het leerproces, de leeruitkomsten en de leeromgevingen. Dat inzicht zet je verder in om die verschillende aspecten te optimaliseren. Beslissingen en optimalisaties op basis van learning analytics zijn bovendien meer ‘data-driven’ en dus (in het algemeen) objectiever.
Learning analytics geven je onder andere de volgende inzichten in het leerproces van je studenten:
- Welke kennis, vaardigheden en attitudes hebben ze al onder de knie?
- Waar zitten er nog hiaten?
- Welke leerstappen duren langer of kosten meer moeite dan andere?
- Is er content die je studenten overslaan? Om welke reden doen ze dat (te moeilijk, te eenvoudig)?
- Behalen je studenten de vooropgestelde leerdoelen, zowel per module als voor je vak? Waarom wel of waarom niet?
Daarnaast helpen learning analytics je om de leeruitkomsten van je studenten te verbeteren. Je studenten kunnen zichzelf bijvoorbeeld evalueren en bijsturen waar nodig. Inzicht in de resultaten, bijvoorbeeld via tussentijdse tests, toont je waar er hindernissen opduiken en waar je moet bijsturen. Een duidelijk beeld van de content waar studenten het moeilijk mee hebben, zorgt ervoor dat je kan ingrijpen, bijvoorbeeld tijdens een contactmoment.
Leerdata over je leeromgeving tonen dan weer waar je verbeteringen kan aanbrengen in je leermaterialen: waar hebben studenten het moeilijk mee of waar haken ze af? Je kan zien hoeveel studenten het voorbereidende materiaal hebben doorgenomen als je volgens het flipped classroomprincipe werkt.
De digitale versnelling van de voorbije jaren, in combinatie met de technologische vooruitgang die we al langer zien in het hoger onderwijs, zorgen ervoor dat je als docent meer en meer mogelijkheden hebt om via objectieve en kwalitatieve data de leerervaring van je studenten te optimaliseren.