De stappen van Learning Analytics

learning-analytics | blog

Learning analytics: hoe werkt het eigenlijk?

8 stappen voor inzichtelijk leren

Met learning analytics is zoveel mogelijk. Niet voor niets is data-analist een van de meest voorkomende vacatures in learning & developmentland. Organisaties en leerprofessionals die met opleiden, ontwikkelen en leren bezig zijn, stellen zichzelf vaak de vraag: is het effectief wat we doen? En zo ja, hoe kunnen we ons leren nog effectiever maken? Gelukkig biedt learning analytics de mogelijkheid om te ontdekken of het leereffect écht goed is.

Hoe dat werkt? Eerst inzoomen op de aanwezige data in jouw organisatie. Welke gegevens verzamel je nu? Welke programma’s of tools gebruik je daarvoor? Toets je nog met pen en papier, of gaat leren en ontwikkelen al digitaal? Is er een koppeling nodig om alle data op één plek te krijgen? En dan ook nog: is de kwaliteit van de data op orde?

Een organisatie was bijvoorbeeld benieuwd naar hoe en wanneer deelnemers uitloggen uit hun online leersysteem. Wat bleek? Veel deelnemers loggen helemaal niet uit, maar sluiten in plaats daarvan hun internetbrowser af. Dan kun je analyseren tot je een ons weegt, maar omdat er sprake is van vervuilde data, zijn de conclusies van je analyse onjuist. Zonde.

Daarom is het van belang om eerst de drie randvoorwaarden op orde te hebben, voordat je met de acht stappen van learning analytics aan de slag gaat. Die drie voorwaarden moet je ook steeds blijven checken terwijl je de stappen doorloopt.

Stap 1: definieer de uitdaging

Zorg ervoor dat je binnen jouw organisatie inzichtelijk maakt waar de uitdaging ligt. Waar schuurt het? Wat is jullie behoefte of vraag? Een van de meest voorkomende voorbeelden uit de praktijk is: hoe maken we leren en ontwikkelen binnen ons bedrijf effectiever? Dan moet je eerst bepalen wat ‘effectief’ is. Wat is jouw definitie van effectiviteit?

Stap 2: formuleer een doel

De uitdaging staat helder op papier en je hebt eventuele onduidelijke woorden voor jezelf gedefinieerd. Dan is het nu tijd voor het formuleren van een doel. Een voorbeeld: je streeft naar een duurzamere organisatie. Daarmee wil je de rest van de maatschappij inspireren om ook duurzamer te worden. Maar ook je organisatie en haar medewerkers laten geloven in het ‘nut’ van een duurzamere wereld en duurzamer laten handelen. Denk aan: ledlampen kopen en afval sorteren

Meet dan hoeveel kennis er al is (hoofd), houd een survey om de mening van je medewerkers te peilen (hart) en meet daadkracht (hand) aan de hand van gegevens die op globaler niveau beschikbaar zijn (bijvoorbeeld bij het CBS). Formuleer kortom, een objectief meetbaar doel van jouw streven naar een duurzamere organisatie.

Stap 3: data verzamelen, controleren en analyseren

Stap 3 bestaat uit drie ministapjes die nauw met elkaar samenhangen. Allereerst is het zaak om data te verzamelen. Soms zijn er al veel gegevens beschikbaar, soms kan er nog meer bij. Of wil je het een periode lang meten en vergelijken. Daarna is het belangrijk om te controleren of je echt de goede data hebt gevonden: heb je gemeten wat je wilde meten? Check dan ook meteen of er geen vervuilde gegevens tussen zitten.

Ten slotte analyseer je de data. Zijn er verbanden, verschillen, effecten meetbaar? Als je -bijvoorbeeld- een management wil overtuigen van de noodzaak van een nieuw online leerprogramma, of een effectievere ontwikkeltool, dan moet je wel kunnen hard maken waaróm. Die analyse is dus cruciaal.

Stap 4: evalueer het proces

Ja, het is cliché en zo belangrijk: evalueer het gehele proces. Is de nieuwe vorm van leren of de nieuwe tool nou wel of niet effectief? Is je organisatie daadwerkelijk duurzamer geworden? Zijn de leeruitkomsten beter? En hoeveel levert de nieuwe vorm of tool je financieel op – ook niet onbelangrijk? Gaat het hele meetproces nog steeds zoals het moet gaan?

Stap 5: implementeer verbeteringen

Na de evaluatie kun je twee dingen doen: je begint opnieuw bij punt 1, want de analyse levert resultaten op waarop je niet had gehoopt, of je verzamelt niet de goede data. Óf je ontdekt: het werkt. De nieuwe tool doet wat-ie belooft, mijn organisatie leert effectiever, is duurzamer, toetst beter. Dan komt het leukste deel; het implementeren van de verbeteringen.

Stap 6: toets de effectiviteit van de verbeteringen

Tot aan stap 5 werk je met kleine groepen in je organisatie. Pas nu ga je de verbetering organisatiebreed invoeren. En toetsen of de eerder gevonden verbetering écht een verbetering is. Als het goed is wel, natuurlijk. Maar in grotere groepen kunnen resultaten nou eenmaal wijzigen. En dan kan het goed zijn om bijvoorbeeld een tool iets bij te stellen, of een extra afvalbak neer te zetten om je organisatie écht duurzamer te maken. Een kleine wijziging heeft soms grote gevolgen.

Stap 7: automatiseren

Niet schrikken, automatiseren klinkt kostbaar, maar dat valt mee. Zeker als je de vorige stappen rond learning analytics al succesvol doorlopen hebt, ben je al een heel eind. En zeg nou zelf: je wilt toch dat jouw medewerkers, studenten of deelnemers gepersonaliseerd leren? Ook jij wil toch een leerlandschap bieden met het juiste type content, voor de juiste persoon op het juiste moment? Als je alle stappen hebt doorlopen, kun je bij grote groepen deelnemers, of veel data, leerpatronen ontdekken. Ook wel bekend als algoritmes. En dan is automatiseren een kroon op je analyserende werk.

Stap 8: optimaliseren: machine learning

Machine learning betekent: hoe leren algoritmes van zichzelf? Je ziet het bij Netflix gebeuren: daar suggereert de app welke series je leuk vindt op basis van eerder kijkgedrag. Deze optimalisatiestap is alleen relevant voor de grotere organisaties met enorme hoeveelheden data. Ook moet je voor deze stap flink wat tijd uittrekken.

Moet ik alle stappen door?

Dat kan hangt sterk af van de vragen die binnen jouw organisatie leven. Feit blijft: met learning analytics krijg je meer grip op de leerprocessen. Kun je daadwerkelijk zichtbaar maken hoe er geleerd en ontwikkeld wordt. En breng je je organisatie op een hoger niveau.

 

a2hs_explain
a2hs_tap
a2hs_then