Learning Analytics Unraveled

learning-analytics | blog

Op 2 Mei 2019 heeft ABN AMRO, samen met Next Learning Valley, een bijeenkomst afgetrapt om samen met andere organisaties ervaringen en ideeën uit te wisselen over de uitdagingen en toepassingsmogelijkheden van learning analytics, Learning Locker en xAPI.

De besproken thema’s tijdens deze bijeenkomst bleken minstens net zo divers als de vele definities waarmee het begrip learning analytics wordt omschreven. Alle deelnemende organisaties zetten dan ook andere stappen en hebben een variërende visie op wat learning analytics voor hen kan betekenen. Geleid door vraagstukken omtrent de implementatie van learning analytics, zijn de komende stappen en visies van de deelnemende organisaties verkend, met gedeelde kennis en inspiratie tot gevolg. 


Wat is learning analytics en waarom start je hiermee?

De interpretaties van learning analytics zijn divers, maar delen allen hetzelfde grondbeginsel, namelijk de interesse om leren te bevorderen met behulp van data. Hiervoor zijn talloze analytische tools beschikbaar waarmee patronen herkend kunnen worden in onze steeds groeiende databronnen. Deze patronen kunnen vervolgens gebruikt worden om gebeurtenissen te voorspellen en om geïnformeerde beslissingen te nemen (data driven decision making) en daardoor processen en resultaten in de toekomst te verbeteren.  

De diversiteit van het begrip learning analytics word weerspiegeld in het moment waarop de deelnemende organisaties instappen bij de toepassing van learning analytics en de redenen waarom ze met learning analytics aan de slag gaan. Zo liepen de korte-termijnplannen uiteen van het samenvoegen en aggregeren van databases tot het personaliseren en optimaliseren van leerervaringen middels al bestaande uniforme databases.  

Zodoende ontwikkelt de reis van vraag naar antwoord zich verschillend bij ieder die met learning analytics aan de slag gaat. Een van de grote vraagstukken bij dergelijke ambities, is hoe en waar een start gemaakt kan worden met de toepassing van learning analytics. Immers, het traject van vraag naar antwoord is een uitvoerig proces en het kan maar zo dat bepaalde benodigde stappen al gezet zijn binnen organisaties. Zo zal de ene organisatie beginnen met het inwinnen of lokaliseren van data, terwijl de andere organisatie zich direct verdiept in het specificeren of zelfs beantwoorden van diens vraagstuk. 

Hierdoor is bij de toepassing van learning analytics het bepalen van het doel essentieel, oftewel: Wat wil je bereiken met learning analytics? De praktijk leert dat, zelfs als er doelen zijn geformuleerd, deze vaak een hoog abstractieniveau kennen en daardoor lastig te verwezenlijken zijn. Tevens is het een uitdaging om de juiste middelen te vinden om het geformuleerde vraagstuk te beantwoorden. Juist hierom zijn dit soort bijeenkomsten van belang, door doelen te vergelijken worden organisaties in staat gesteld hun doelen samen te concretiseren.

Kortom, het traject van vraag naar antwoord is een uitdagend en lonend proces dat geleid wordt door zes kenmerkende vraagstukken die zich bij het ontwikkelen en implementeren van learning analytics toepassingen voordoen. 

Waar verzamel je al data?

Lokaliseer de binnen jouw organisatie beschikbare data, of de mogelijkheden tot het verzamelen van relevante data. Gedurende de bijeenkomst kwam al snel naar voren dat er al heel veel data verzameld wordt, de gebruikelijke LMS'n en leerplatforms kunnen hierbij een startpunt zijn. Hiernaast kwam al snel de wens naar voren om niet alleen formele leerdata te verzamelen, maar ook data van informele leerprocessen. Tevens lieten we zien dat naast kwantitatieve data, zoals ‘cursus afgerond’, kwalitatieve data, zoals interacties binnen leeromgevingen, ook enorm interessant kan zijn. 

Op één plek verzamelen?

Door het verzamelen van data op één locatie, is het mogelijk hier continu snel wijsheid uit te halen. Maar, is dit mogelijk en/of wenselijk binnen jouw organisatie? Door de deelnemende organisaties wordt gekozen om met Learning Locker te werken. Learning Locker is een Learning Record Store waar je alle data op één plek kan verzamelen om deze vervolgens te analyseren. 

Op één universele manier opslaan

Door de beschikbare data op één universele manier op te slaan, word je in staat gesteld de beschikbare data op een laagdrempelige manier te analyseren. Learning Locker slaat alle data op een universele manier op in de vorm van xAPI. Dit is een standaard die we met elkaar binnen het leerlandschap hebben afgesproken, zodat alle digitale leermiddelen hierop aan kunnen sluiten. Met deze standaard is het nu ook makkelijk om data vanuit andere bronnen te combineren met leerdata, zoals bijvoorbeeld performance data.

Analyseren van data 

Hoe kan de beschikbare data gebruikt en geanalyseerd worden om jouw vraagstuk te beantwoorden? Ondanks de schijnbare complexiteit van deze vraag, is het goed mogelijk ondersteuning te vinden bij externe professionals of zelfs collega’s binnen jouw organisatie. Samen is het mogelijk pre-set dashboards te creëren waarmee data tot bruikbare kennis getransformeerd kan worden voor verschillende doelgroepen. Je kunt hierbij denken aan de lerende zelf, de ontwikkelaars van de leerervaringen of managers. Juist doordat data zoveel verschillende belanghebbenden kan informeren, is het nuttig om een multidisciplinair team op te stellen, met zowel data als onderwijskunde gerelateerde kennis, om deze vraagstukken op te lossen. 

Data interpretatie & -gebruik

Wat betekenen de resultaten voor het geformuleerde vraagstuk? Is dit beantwoord en kan je hiermee oplossingen realiseren, moet er nieuwe/andere data verzameld worden, of moet het vraagstuk geherformuleerd worden? Naast het beantwoorden van het vraagstuk, is het van belang de gewonnen inzichten optimaal te benutten. Zo kunnen de vergaarde inzichten wellicht erg goed gebruikt worden om trainers of opleiders te informeren. Tevens is tijdens de bijeenkomst ook de mogelijkheid tot het automatisch interpreteren van data middels machine learning en AI belicht en bediscussieerd.

Data output

Hoe kunnen de resultaten van de analyses het best benut worden om de juiste kennis op de juiste plek te krijgen en om verbeterstappen te verwezenlijken? De middels data vergaarde inzichten kunnen enorm waardevol zijn voor verschillende belanghebbenden. Door de informatie met dashboards in Learning Locker te visualiseren, kan de juiste kennis op de juiste plek worden gedeeld en kan data driven decision making plaatsvinden. Een van de besproken mogelijkheden hiervan betrof het personaliseren van learning experiences of het afstemmen van de leerinhoud op de lerenden. 

Voor vragen en/of opmerkingen, mail Max Mertens.


 

a2hs_explain
a2hs_tap
a2hs_then