26-02-2020 / Artikel
Wanneer je als organisatie een online leertraject geïmplementeerd hebt, wil je natuurlijk graag weten in hoeverre de leeractiviteiten positief bijdragen aan het leerproces. Omdat de mogelijkheden op het gebied van online leren steeds geavanceerder worden, kan er steeds meer informatie over leerprocessen worden opgeslagen. Het verzamelen, analyseren en interpreteren van data uit leeromgevingen om het leerproces van deelnemers te verbeteren, noemen we ‘learning analytics’.
Hoe werken learning analytics?
Door codes in de leeromgeving in te bouwen, kun je met behulp van learning analytics het leergedrag van de individuele deelnemer of van een groep deelnemers volgen. Learning analytics geven antwoorden op vragen als: ‘Wat doet de deelnemer in die omgeving?’, ‘Hoe vaak logt hij in?’, ‘Op welke pagina’s en video’s klikt hij?’. Elke actie die de deelnemer uitvoert in de leeromgeving, zoals een muisklik of de tijd die de student op een pagina verblijft, kan worden opgeslagen in een database. Niet alle informatie is ook daadwerkelijk relevant. Welke informatie interessant is, hangt af van het gekozen didactisch concept. In een didactisch concept waarin samenwerking centraal staat, kan het bijvoorbeeld interessant zijn om te weten hoe vaak deelnemers op elkaar reageren. In een concept waarin theoretische kennisoverdracht centraal staat, wil je misschien weten hoeveel tijd deelnemers aan het lezen van een artikel besteden. Bedenk daarom tijdens het ontwerp van een leertraject al welke informatie je nodig hebt om voldoende inzicht te krijgen in het leergedrag van de deelnemers.
Wat is het nut van learning analytics?
Learning analytics worden door begeleiders, ontwikkelaars en deelnemers gebruikt om het leerproces beter te begrijpen en te verbeteren.
Voordelen voor begeleiders
Begeleiders van de deelnemers, zoals leidinggevenden en trainers, krijgen inzicht in het leerproces van deelnemers. Zij kunnen bijvoorbeeld zien hoeveel tijd de deelnemers besteden aan de leeractiviteit en of deze tijdsinvestering bepalend is voor de toetsresultaten. Zo weten ze aan welke kennis en vaardigheden ze nog aandacht moeten besteden en kunnen ze de deelnemers advies op maat geven. Doordat de leeromgeving de inzet en voortgang van deelnemers monitort, verandert de begeleidersrol van controleur en uitvoerder naar (her)ontwerper van training en opleiding.
Voordelen voor ontwikkelaars
Ontwikkelaars krijgen inzicht in de relatie tussen leeractiviteiten en toetsresultaten en gebruiken deze data om leeractiviteiten te optimaliseren. Het kan bijvoorbeeld zo zijn dat er geen positief verband bestaat tussen het bekijken van een instructievideo en een toetsresultaat. Dit is mogelijk een signaal dat de instructievideo in zijn huidige vorm geen positieve bijdrage levert aan het behalen van het bijbehorende leerdoel.
Voordelen voor deelnemers
Deelnemers krijgen meer zicht op hun eigen leerproces en krijgen op basis van hun voortgang een gepersonaliseerd advies over de leeractiviteiten die ze kunnen volgen. Daarnaast kan de deelnemer zijn eigen leerproces vergelijken met het leerproces van andere deelnemers of het advies van docenten.
Hoe maakt Tele’Train gebruik van learning analytics?
Het gebruik van learning analytics staat nog in de kinderschoenen, maar biedt veel kansen om zowel het leer- als begeleidingsproces te optimaliseren. Niet voor niets zijn learning analytics dan ook een thema uit ons jaarplan van 2020. Het toepassen van learning analytics is laagdrempeliger dan je misschien denkt. Tijdens het ontwerpen, ontwikkelen en uitvoeren van leertrajecten, maken we hier in de meeste klantprojecten al gebruik van. Hieronder noem ik een aantal voorbeelden van praktische toepassingen.
Voortgang
De voortgang van deelnemers in een leertraject wordt opgeslagen. Zo kan de deelnemer zien welke leeractiviteiten hij al heeft afgerond en welke activiteiten hij nog moet volgen om het leertraject te voltooien. Begeleiders hebben ook inzicht in de voortgang van deelnemers en kunnen per activiteit zien hoe lang een deelnemer ermee bezig geweest is.
Adaptief leerpad
Voor aanvang van een leertraject kunnen deelnemers een zelftest maken om inzicht te krijgen in hun voorkennis. Op basis van de resultaten, krijgen zij een advies voor de leeractiviteiten die ze nog moeten volgen. Zo creëren we voor iedere deelnemer een adaptief leerpad dat aansluit bij zijn/haar specifieke leerbehoeften.
Toetsing
We gebruiken learning analytics om de kwaliteit van een toets te meten. Hiervoor gebruiken we onder andere de p-waarde. De p-waarde drukt moeilijkheid van een vraag uit. De p-waarde ligt tussen de 0 en 1 en geeft weer hoeveel procent van de deelnemers de vraag goed beantwoord heeft. Hoe makkelijker de vraag, hoe hoger de p-waarde. Bij een p-waarde onder de 0.50 analyseren we de oorzaak: ligt dit aan een gebrek aan kennis of is de vraag onduidelijk geformuleerd?
Onze ambitie
We willen meer data gaan gebruiken om gebruikersfeedback te genereren, de relevantie en impact van de leerinventie aan te tonen en leerinterventies door te ontwikkelen. Met behulp van gebruikersfeedback kunnen we bijvoorbeeld inzicht krijgen in de zogenoemde ‘failure points’ in het leerproces. Dit wil zeggen: vanaf welk moment in het proces maken deelnemers fouten? De data over het leergedrag kunnen helpen om de oorzaak van deze fouten te vinden en de kwaliteit van leeractiviteiten te verbeteren. Daarnaast geven learning analytics ook een doorlopend inzicht in de prestaties van de deelnemers. Wanneer er voldoende meetmomenten worden ingebouwd, kunnen learning analytics de functie van een toets vervangen. Deze gegevens kunnen, eventueel in combinatie met de observaties van een trainer of leidinggevende, voldoende inzicht geven in de prestaties waardoor een toets overbodig wordt.
Door middel van learning analytics kunnen onze klanten het leerproces van hun medewerkers steeds beter ondersteunen en zo optimaal bijdragen aan het behalen van hun organisatiedoelstellingen. Nieuwsgierig hoe je binnen jouw organisatie gebruik kunt maken van learning analytics? We denken graag met je mee!