2. Het learning analytics model van Gartner
Gartner ontwikkelde een learning analytics model waarin hij verschillende vormen van learning analytics beschrijft. Dit model richt zich op vier vormen die kijken naar ‘value’ (resultaat/ toegevoegde waarde) en ‘difficulty’ (moeilijkheidsgraad). Het learning analytics model van Gartner ziet er als volgt uit:
Descriptive Analytics: een beschrijvende analyse is gericht op het beantwoorden van de vraag ‘wat speelt er?’ (what happened). Bij descriptive analytics wordt gewerkt met (grote hoeveelheden) data die op een specifiek (meet) moment of (meet) momenten zijn verzameld. Het belangrijkste doel is verkrijgen van inzicht. In de context van leren en ontwikkelen, vindt analyse plaats om meer inzicht te krijgen in eigenschappen van leerinterventies en/of leergedrag van student(en). Denk hierbij bijvoorbeeld aan (meest) gekozen opleidingen, tijdstip van leren, totale leertijd per student, uitgevoerde zoekopdrachten, slagingspercentages per opleiding, de moeilijkheidsgraad van een toets of resultaten van toetsen en opdrachten. Als op meerdere meetmomenten data is verzameld, is binnen deze vorm van analyse ook vaak een relatie te leggen tussen de verkregen resultaten.
Diagnostic Analytics: diagnosticerende analyse is gericht op beantwoording van de vraag ‘waarom speelt dit?’ (why did it happen). Deze vorm van analyse baseert zich op de verkregen inzichten vanuit de ‘descriptive analyse’, waarbij relaties tussen data en/of meetmomenten worden gelegd. Eveneens gaat het er in deze vorm van analyse om, resultaten in de juiste context te plaatsen. Op basis daarvan kun je verklaringen formuleren voor resultaten. Je kunt goede resultaten van een bepaalde groep studenten bijvoorbeeld verklaren aan de hand van de voorbereidingsopdrachten en de heldere omschrijvingen van de toetsvragen.
Predictive Analytics draait om het voorspellen van toekomstig gedrag van een (groep) student(en). Deze analyse is gericht op de vraag ‘wat zal er gebeuren?’ (what will happen). Op basis van een grote hoeveelheid verzamelde data worden (wiskundige) modellen en indicatoren ontwikkeld, die zo nauwkeurig mogelijk bereken hoe de toekomst zich naar verwachting zal ontwikkelen. Met deze informatie kunnen organisaties en opleidingsinstanties tijdig in actie komen om de kwaliteit van lesprogramma`s en uiteindelijk de resultaten te verbeteren en het rendement van leren (ROI) te vergroten.
Een datamodel kijkt naar één of een kleine set voorspelling(en) die continu worden getoetst en aangescherpt. Binnen de context van leren en ontwikkelen kan een voorspelling zijn: ‘jonge vrouwen (17 - 25 jaar) studeren in het weekend 8 - 12 uur en luisteren altijd naar (minstens) 1 podcast’. Organisaties kunnen inspelen op deze kennis door ervoor te zorgen dat studiemateriaal voorafgaand aan het weekend beschikbaar is en podcasts inzetten om kennis te delen.
Prescriptive Analytics: voorschrijvende analyse stelt de vragen ‘wat moet er gebeuren?’ en ‘hoe kunnen we dit realiseren?’ (how can we make it happen). Dergelijke analyses zijn zeer geavanceerd en baseren zich op verfijnde technieken zoals simulatie, machine learning en Artificial intelligence. Dit gaat een stap verder dan het voorspellen van de toekomst. De toekomst wordt als het ware naar het ‘hier en nu’ gehaald. Studenten hebben de mogelijkheid om letterlijk rond te kijken in hun toekomst en de antwoorden en inzichten te verzamelen die zij zoeken.