Presentatie behorende bij de workshop Huiswerk & Learning Analytics tijdens het Facto Congres Huiswerk. Welke rol spelen nieuwe ontwikkelingen als data, adaptieve leerplatformen en Learning Analytics bij het onderwijs van de toekomst. En welk effect heeft dit wellicht op het huiswerk?
Transcript of FACTA Learning Analytics Huiswerk
Learning Analytics & Huiswerk Facta Congres, 15 april 2014
Erik Woning
TOELICHTING & UITLEG: DATA IN HET ONDERWIJS
RONDE 1: HUISWERK?
RONDE 2: KANSEN & UITDAGINGEN
Presentator
Presentatienotities
Opzet en uitleg: Toelichting en uitleg Voorbeelden Stellingen of vragen
ALS SAMENLEVING, METEN WE WAT WE WAARDEVOL VINDEN
Presentator
Presentatienotities
As a society, we assess what we value. Dat doen we om doelen te kunnen stellen, en onszelf te kunnen verbeteren. Ik heb ook een doel!
Presentator
Presentatienotities
21 kilometer Bossen, heuvels, water, hindernissen Dikke pret!
Presentator
Presentatienotities
Maar moet wel trainen … paar keer per week met hardloop app Inzicht … Maar …
Presentator
Presentatienotities
Grootste deel van de week doe ik dit …
Presentator
Presentatienotities
Om alle activiteit te meten heb ik monitor die constant meekijkt
WAT JE NIET KUNT METEN KUN JE NIET VERBETEREN…
Presentator
Presentatienotities
Helpt heel erg om meer inzicht te hebben in alles wat je doet.
Presentator
Presentatienotities
Ok, maar wat zou dit concreet kunnen betekenen: wat heeft een school hier nou aan …?
VOORBEELD
Presentator
Presentatienotities
Pearson filmpje introduceren: grote Amerikaanse uitgeverij heeft ‘zoetsappige’ filmpjes gemaakt in een serie. Onderwijsproces volgen van 3 mensen volgen in de toekomst. 1 gaat over Victoria, meisje op basisschool
Presentator
Presentatienotities
Eerder noemde ik een persoonlijk doel. In het onderwijs zou het zoiets als dit kunnen zijn.
Presentator
Presentatienotities
Op school hebben we rapporten. We geven leerlingen cijfers om aan te geven of ze het goed doen of niet. Helpen ze om daar te komen. Maar in de praktijk meten we vooral dat wat makkelijk te meten is. Andere dingen zijn niet minder belangrijk, maar geven we minder aandacht aan.
Presentator
Presentatienotities
In rapporten is de afgelopen eeuw niet zo heel veel verandert.
Presentator
Presentatienotities
In practice, we end up assessing the knowledge and skills that we are able to measure, and setting aside others that we value.
Presentator
Presentatienotities
The development of learning analytics – data collected from students' online footprints showing how or when they study – gives us an opportunity to change this practice.
WAT IS ‘LEARNING ANALYTICS’?
Learning Analytics is de verzamelnaam voor het proberen te ontdekken van trends en patronen door educatieve data, of big data (grote hoeveelheden aan data over studenten), te analyseren met als doel om een doelmatiger leersysteem te kunnen ontwikkelen.
Learning Analytics is de verzamelnaam voor het proberen te ontdekken van trends en patronen door educatieve data, of big data (grote hoeveelheden aan data over studenten), te analyseren met als doel om een doelmatiger leersysteem te kunnen ontwikkelen.
Definitie van Learning Analytics
Learning Analytics komt in de praktijk neer op het meten, verzamelen, analyseren en rapporteren van data over leerlingen en hun context.
Presentator
Presentatienotities
Learning Analytics kan met name helpen bij het beantwoorden van vragen als: - Wanneer zijn leerlingen klaar om naar het volgende onderwerp te gaan? - Wanneer loopt een leerling het meeste risico om uit te vallen? - Welk cijfer zal een leerling waarschijnlijk halen voor een bepaald vak? - Heeft een leerling extra ondersteuning nodig?
Presentator
Presentatienotities
Steeds meer digitale processen en digitaal werken
Presentator
Presentatienotities
Problemen oplossen in onderwijs door big data: Dit gebeurt door middel van Data Mining: Datamining is het gericht zoeken naar (statistische) verbanden in gegevensverzamelingen met als doel profielen op te stellen voor wetenschappelijk, journalistiek of commercieel gebruik. De naam komt voort uit de overeenkomsten tussen het zoeken naar statistische verbanden en het graven (mining) naar iets waardevols in een grote berg. Datamining helpt bedrijven en wetenschappers om de essentiële informatie te selecteren. Er kan een model mee gecreëerd worden dat het gedrag van mensen of systemen kan voorspellen.
Presentator
Presentatienotities
Learning analytics draw on the expertise of data miners, who find and make use of patterns in big datasets. They combine this with pedagogy – the things we know about teaching, learning and assessment. Analytics make use of the digital traces left by learners in online learning environments in order to improve teaching and learning and the environments in which these take place.
Presentator
Presentatienotities
Learning analytics draw on the expertise of data miners, who find and make use of patterns in big datasets. They combine this with pedagogy – the things we know about teaching, learning and assessment. Analytics make use of the digital traces left by learners in online learning environments in order to improve teaching and learning and the environments in which these take place.
Presentator
Presentatienotities
Learning analytics draw on the expertise of data miners, who find and make use of patterns in big datasets. They combine this with pedagogy – the things we know about teaching, learning and assessment. Analytics make use of the digital traces left by learners in online learning environments in order to improve teaching and learning and the environments in which these take place.
ZOWEL IN HET PRIMAIRE ALS SECUNDAIRE PROCES
kan data ingezet worden om deze processen te optimaliseren
Presentator
Presentatienotities
Kan in primaire proces of secundaire proces (administratie, aanmelden leerlingen)
Presentator
Presentatienotities
Applying the principles of business intelligence analytics to academia promises to improve student success, retention, and graduation rates and demonstrate institutional accountability. Continu proces waarbij alle gegevens van leerlingen worden geanalyseerd met statistische formules. Doel is om inzichten te krijgen waarop gehandeld kan worden.
Presentator
Presentatienotities
Zo werkt Learning Analytics: digitaal werken, etc. Kom later nog op terug, eerst een voorbeeld.
Presentator
Presentatienotities
Voorbeeld van embedded analytics http://oro.open.ac.uk/37548/ OpenEssayist laat studenten zien hoe geschreven zinnen zich verhouden tot andere zinnen in hun tekst tijdens het schrijven van een essay. Dit helpt om meer structuur aan te brengen binnen de tekst. Cijfer wordt nog steeds gegeven door de leraar.
ACADEMIC ANALYTICS Als leerling werk je gewoon (digitaal) Aanbevelingen op basis van statistische analyses Achteraf sturen
EMBEDDED ANALYTICS Als leerling werk je digitaal
Direct in het leerproces terugkoppeling Real-time toepassing
VORMEN VAN LEARNING ANALYTICS
Presentator
Presentatienotities
Academic (extracted) & Embedded Analytics Academic: Gewoon je werk (digitaal) Dit wordt geanalyseerd en op basis hiervan aanbevelingen Achteraf sturen Embedded: Direct in het leerproces Real time inzicht Direct sturen
Presentator
Presentatienotities
In each of these cases, learning analytics combine techniques for data analysis and visualisation with an understanding of the teaching and learning process. They offer ways for learners to improve and develop while a course is in progress. These analytics do not focus on things that are easy to measure. Instead, they support the development of crucial skills: reflection, collaboration, linking ideas and writing clearly. Helpen om op grotere schaal te personaliseren. Maar ook meer inzicht in leerproces.
RONDE 1
Presentator
Presentatienotities
Trendrapport Internationale voorbeelden (Knewton, InBloom, BorneDigital) Nationale voorbeelden (Rekentuin, PulseOn, Learnbeat, etc) Ontwikkelingen:
AAN DE SLAG 10 MINUTEN IN GROEPJES MET WORKSHEET 5 MINUTEN NABESPREKEN
1. HUISWERK OPGEVEN
Presentator
Presentatienotities
Huiswerk opgeven Vragen: Waarom geven we huiswerk op? Automatisch opgeven van huiswerk? Hoe differentiëren in opgeven van huiswerk? Voorbeelden: Filmpje Pearson
Presentator
Presentatienotities
Pearson: http://www.youtube.com/watch?v=7idyNIvVCis School of Thought
Wat hebben we gezien Afgezien zoetsappigheid en vreemde man om de hoek van de slaapkamer van klein meisje? Herhaling van stof (automatisch) Virtuele begeleider Gepersonaliseerd aanbod Digitale content Meest bijzondere: onzichtbare electronica
2. HUISWERK MAKEN
Presentator
Presentatienotities
Huiswerk maken Vragen: Wat gebeurt hier, welke data komt hieruit voort, wat zou je mee willen laten tellen? Wat is hier voor nodig? (Automatisch) hulp tijdens het maken van huiswerk? Voorbeelden: PulseOn, Learnbeat, Toetscoach
Adaptief lesmateriaal
dreambox
Presentator
Presentatienotities
http://www.youtube.com/watch?v=G9aGYbsZEaI In Amerika al aantal interessante voorbeelden, maar zal nog even duren.
BorneDigital Boeken moeten niet kopie zijn van gewone boeken, maar adaptief. “Books that grow” Tijdens het lezen wordt de leerling ingeschaald op leesniveau. Zelfde boek en content, maar ingeschaald op een ander niveau. De tekst past zich dan aan aan het leesniveau. Daarnaast intake vragen om leerling niveau gekoppeld aan common core te kunnen meten. Iedereen werkt met dezelfde content, maar op eigen leesniveau aangepast. Adaptieve boeken over een breed spectrum van het curriculum. Kan als aanvullend of vervangend gebruikt worden. Gebruiken open content en schrijven eigen materiaal. Niet alleen woorden worden aangepast, maar ook zinnenstructuur, innuendo’s, hoe diep of ondiep iets wordt uitgelegd. Bouwen nu vooral voor tablets, werken ook aan webversie. Leraar kan of een lijst met leerlingen en niveaus in het systeem stoppen, of vertrouwen op het algoritme om het niveau te bepalen. Willen in 2014/2015 10 districten hebben die het gebruiken. Aankomende zomer kwantitatieve studie doen, dat ze ook willen publiceren. Tot nu toe vooral feedback uit het veld, en die zijn er blij mee, worden geholpen met differentiëren.
EN IN NEDERLAND?
Presentator
Presentatienotities
Al wel NL voorbeelden hiervan in het VO Komende jaren veel vergelijkbare systemen.
Presentator
Presentatienotities
www.toetscoach.nl
3. HUISWERK NAKIJKEN
Presentator
Presentatienotities
Trendrapport Internationale voorbeelden (Knewton, InBloom, BorneDigital) Nationale voorbeelden (Rekentuin, PulseOn, Learnbeat, etc) Ontwikkelingen:
Presentator
Presentatienotities
Huiswerk nakijken Vragen: Hoe zou je dit proces kunnen optimaliseren? Wat doe je met vragen die je niet automatisch kunt laten nakijken? Wil je alles mee laten wegen? Voorbeelden: ClassroomIQ
Presentator
Presentatienotities
https://getclassroomiq.com/
RONDE 2
Presentator
Presentatienotities
Trendrapport Internationale voorbeelden (Knewton, InBloom, BorneDigital) Nationale voorbeelden (Rekentuin, PulseOn, Learnbeat, etc) Ontwikkelingen:
AAN DE SLAG 10 MINUTEN IN GROEPJES MET WORKSHEET 5 MINUTEN NABESPREKEN
KANSEN & UITDAGINGEN
Presentator
Presentatienotities
Trendrapport Internationale voorbeelden (Knewton, InBloom, BorneDigital) Nationale voorbeelden (Rekentuin, PulseOn, Learnbeat, etc) Ontwikkelingen:
Presentator
Presentatienotities
Data driven decision making: Wat moet ik doen?
Presentator
Presentatienotities
Wat meet je wel en wat weet je niet? Even belangrijk? Of digitaal werken zelfs minder belangrijk?
Presentator
Presentatienotities
Soorten vragen die een computer kan beoordelen zijn beperkt. Meerwaarde zit hem ook in oplossingstrategieën.
Presentator
Presentatienotities
En antwoorden. Al worden systemen wel beter hierin.
Presentator
Presentatienotities
Professionalisering leraren (2 aspecten: kunnen omgaan met data en interpretatie / validatie) (aan de andere kant vakinhoudelijk: inhoud en begeleiding / coaching)
http://www.onderwijsfilosofie.nl/opinie-stukken/de-docent-als-data-analist/ door Simon Verwer (@denkfiguren)
Presentator
Presentatienotities
Kortom: er moet grof geïnvesteerd in worden in de ontwikkeling van de docent als data-analist, zowel met betrekking tot de kansen als tot de bedreigingen. Deze visie dient ontwikkeld te worden door leerkrachten zelf. Op dit moment zie ik nauwelijks docenten die zich hier actief mee bezig houden. De competentie van docent als data-analist zou daarom onderdeel moeten worden van docentenprofielen op scholen en van curricula op de lerarenopleidingen.
Hoe organiseer je gepersonaliseerd onderwijs? Organisatiestructuur instelling (klassen nu op leeftijd, meer op niveau, uren op school (inspectie). Heeft ook te maken met: hoeveel van de stof wordt uiteindelijk behandeld per leerling?
LEREN ≠ AANBIEDEN LEERSTOF
Presentator
Presentatienotities
Big Data: veel hype en buzz omheen! Maar het gaat niet om Big, maar deep / rich. Wat is big data? Big data is a catch-all phrase describing data collections which merge data from multiple sources into a single one, so large that it cannot be processed using standard techniques. Specific tools are thus needed to extract information and identify previously unseen patterns in “noisy” and often unstructured data. The essential part of such a process is known as data mining and consists, for example, in grouping similar elements or people (cluster analysis) or capturing the co-occurrence of items (association analysis). http://epthinktank.eu/2014/04/02/big-data-opportunities-and-privacy-concerns/
Presentator
Presentatienotities
Welke waarden, rechten en verantwoordelijkheden willen we hebben op gebied van verzamelen, opslaan en analyseren van data uit het leerproces? (hier horen de vragen bij: die dienen ter discussie) http://mobile.nytimes.com/2014/04/07/opinion/eight-no-nine-problems-with-big-data.html Kwaliteit van de data staat ook ter discussie: Niet alles is zo lineair! Correlatie is niet altijd relevant! Bijvoorbeeld: A big data analysis might reveal, for instance, that from 2006 to 2011 the United States murder rate was well correlated with the market share of Internet Explorer: Both went down sharply.
Presentator
Presentatienotities
Not only is it magical thinking to believe that computers can teach, it confuses learning with delivering content. Learning happens inside the individual. It can’t be designed or delivered. Je maakt het aanbieden van materiaal persoonlijk (tempo en niveau). Leren is altijd al persoonlijk.
Presentator
Presentatienotities
Gaming the system Ook essay nakijk platform
A YOTTABYTE OF YOU …
Presentator
Presentatienotities
More digitized data were created between 2012 and 2013 than in the rest of human history. A new unit of “yottabyte”, corresponding to one septillion (1024) bytes, has been introduced to describe huge datasets. We are also acting to have more and more of it become available as open data, for science, for experimentation, for new products and services. (Kroes: http://europa.eu/rapid/press-release_SPEECH-14-229_en.htm)
“We solve a common technology issue facing school districts today: the inability of electronic instructional tools used in classrooms to work in coordination with (or “talk to”) one another.”
Presentator
Presentatienotities
InBloom
NEW YORK PARENTS
FURIOUS AT inBLOOM
Presentator
Presentatienotities
New York parents furious at program, inBloom, that compiles private student information for companies that contract with it to create teaching tools http://www.nydailynews.com/new-york/student-data-compiling-system-outrages-article-1.1287990
MEER WETEN?
INNOVATIE.KENNISNET.NL/LEARNINGANALYTICS
LACEPROJECT.EU
Presentator
Presentatienotities
Objective 1 – Promote knowledge creation and exchange�Objective 2 – Increase the evidence base�Objective 3 – Contribute to the definition of future directions�Objective 4 – Build consensus on interoperability and data sharing
@erikwoning
WAT ALS …?
Presentator
Presentatienotities
Veel onduidelijkheden en onderzoek nodig. En veel gesprekken met marktpartijen en onderwijs.
Bedankt voor uw aandacht!
Erik Woning – Projectmanager Innovatie e-mail: e.woning@kennisnet.nl twitter: @erikwoning