Learning analytics

Steeds vaker vindt het leren buiten de fysieke grenzen van het klaslokaal plaats. In het onderwijs werken leerlingen en leraren steeds vaker met online leeromgevingen, digitale schoolboeken, internetbronnen, oefenprogramma's of digitale samenwerktools. Alles wat de lerende daar doet kan worden opgeslagen, waardoor er steeds meer data over de lerende en het leerproces beschikbaar komt. Het is voor het onderwijs een grote uitdaging om al die beschikbare data over het leerproces inzichtelijk te krijgen en tot een doelmatiger leersysteem te komen.

Met de term Learning Analytics wordt het verzamelen, meten, analyseren en rapporteren van die data, dus de gegevens over leerlingen en hun context, bedoeld. Het doel is om leerling-geproduceerde data als input te gebruiken om het leren bij te sturen en de leeromgeving te optimaliseren. Zo kan men bijvoorbeeld de competenties van startende docenten in digitale portfolio's vastleggen en just-in-time feedback geven op de vorderingen, kan formatieve feedback worden gegeven op een schrijfproduct, en kunnen docenten meerdere groepjes studenten in de gaten houden terwijl zij bezig zijn met een computer-ondersteunde samenwerkend leertaak.

Learning Analytics kunnen dus als diagnostische tool worden gebruikt, bijvoorbeeld als een docent visualisaties gebruikt om de kwaliteit van cognitieve leeractiviteiten tijdens het samenwerkend leren te monitoren. Uit onderzoek van Anouschka van Leeuwen en collega's (Universiteit Utrecht) blijkt dat docenten die beschikking hebben over Learning Analytics vaker en meer gerichte hulp bieden aan groepjes dan docenten die niet over deze visualisaties beschikken. Bert Slof van de Universiteit Utrecht geeft een ander voorbeeld: door Learning Analytics te gebruiken bij het analyseren en beoordelen van digitale portfolio's kan in kaart worden gebracht of een lerende een competentie beheerst en klaar is om naar het volgende niveau te gaan. Ook is het voor de assessor mogelijk om op basis van de prestatieniveaus zowel automatisch gegenereerde en generieke feedback als specifieke en illustrerende feedback te geven op het moment dat de lerende dit nodig heeft.

Teaching Analytics
Reflecterend op deze inspirerende presentaties is het alleen voor mij de vraag of Learning Analytics wel de juiste term is, aangezien het vaak niet de lerende is die het eigen leerproces analyseert. De term Teaching Analytics lijkt in het geval van de gepresenteerde onderzoeken meer op zijn plek: de data worden hier vooral gebruikt door de docent (of assessor) om inzicht te krijgen in het leerproces van de lerende. Deze informatie wordt vervolgens gebruikt om de instructie aan te passen, te interveniëren in het groepswerk of gerichte feedback te geven.

In toekomstig onderzoek zou men zich kunnen afvragen hoe –naast de docent– juist ook de lerende zelf Learning Analytics kan gebruiken om inzicht te krijgen in het eigen leerproces. Hierbij moet ook rekening worden gehouden met het kennen en kunnen van de lerende: welke vaardigheden heeft de lerende nodig om de gepresenteerde informatie te kunnen interpreteren en er ook daadwerkelijk iets mee te kunnen doen? De rol van de docent in dit proces is onbetwistbaar: De lerende moet leren om Learning Analytics te gebruiken en zo eigenaar van zijn eigen leerproces te worden. De docent moet de lerende leren welk stukje informatie uit alle beschikbare data het meest belangrijk is, en moet weten welke vervolgstappen het best passen bij zowel de geselecteerde informatie als bij de leerdoelen van de lerende. Als docenten zich hierbij laten informeren door inzichten uit voortdurend onderwijskundig onderzoek, lijkt het inzetten van Learning Analytics een krachtige tool om leeromgevingen daadwerkelijk te optimaliseren.

Tekst Jolien Mouw, PhD Student Educational Studies Universiteit Leiden.