Wat is Learning Analytics?

Learning analytics zijn kwantitatieve data over leergedrag, die in een digitale leeromgeving gegenereerd en geregistreerd worden. Denk bijvoorbeeld aan statistieken zoals slagingspercentages en gespendeerde leertijd, in combinatie met allerhande gebruikersgegevens zoals leeftijd en geslacht. In dit artikel vertellen we u wat u kunt doen met deze data. Want learning analytics geven inzicht in leergedrag en daarmee aanknopingspunten om kwaliteit en rendement te verhogen.

1. Wat is learning analytics?

De Engelse term ‘learning analytics’ omvat het totale proces van (systematische) meting, verzameling, analyse en rapportage van data over leren en leergedrag van een specifieke (groep) student(en). Hierbij gaat het over kwantitatieve data die een digitale leeromgeving genereert en registreert. Omdat dit proces automatisch plaatsvindt, is er geen extra inspanning nodig van studenten en/of begeleiders om gegevens te verzamelen.

Organisaties en leerinstanties bedden learning analytics steeds vaker in als vast onderdeel binnen hun (primaire) processen. Het doel is om door onderzoek leergedrag van (vergelijkbare) (groepen) studenten inzichtelijk te maken en te verklaren. Dit draagt uiteindelijk bij aan een hoger rendement van leren (ROI) en de kwaliteitsverbetering van het onderwijs en leermiddelen. Binnen learning analytics worden indicatoren en modellen ontwikkeld die trends inzichtelijk maken en de toekomst voorspellen.

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:

Gartner Learning Analytics Model

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.

Learning analytics in online leren

Momenteel zijn op de markt diverse (gratis) Learning analytics tools verkrijgbaar om data te analyseren. De wensen voor analyse bepalen of deze tools een goede oplossing zijn. Binnen het vakgebied leren en ontwikkelen werken steeds meer organisaties en instanties met een Learning analytics platform (LAP). Een Learning analytics platform is een combinatie van een Leer Management Systeem (LMS) en een Learning analytics tool (of Business Intelligence applicatie). Een ‘best of both worlds’ oplossing.

Een groot voordeel van Learning analytics platforms ten opzichte van reguliere learning analytics tools is dat deze platforms primair ontwikkeld zijn met en voor L&D afdelingen in organisaties.

Vanuit de L&D gedachte ontstaat een totaaloplossing waarin de data en analyse rondom leren en leergedrag naadloos op elkaar aansluiten. Het leerproces staat centraal, waardoor studenten en opleiders zich maximaal kunnen richten op de inhoud. Vanuit inzicht en analyse kunnen L&D’ers voortgang en status direct monitoren en bijsturen als dit nodig is. Op deze manier vergroten organisaties en instellingen hun rendement op leren (ROI) aanzienlijk.