Learning Analytics & Huiswerk Facta Congres, 15 april 2014

Erik Woning

TOELICHTING & UITLEG: DATA IN HET ONDERWIJS

RONDE 1: HUISWERK?

RONDE 2: KANSEN & UITDAGINGEN

ALS SAMENLEVING, METEN WE WAT WE WAARDEVOL VINDEN

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

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

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

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

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

AAN DE SLAG 10 MINUTEN IN GROEPJES MET WORKSHEET 5 MINUTEN NABESPREKEN

1. HUISWERK OPGEVEN

Presentator

Presentatienotities

Pearson: http://www.youtube.com/watch?v=7idyNIvVCis School of Thought

- Herhaling van stof (automatisch) - Virtuele begeleider - Gepersonaliseerd aanbod - Digitale content - Onzichtbare elektronica?

2. HUISWERK MAKEN

Adaptief lesmateriaal

dreambox

Presentator

Presentatienotities

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

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

AAN DE SLAG 10 MINUTEN IN GROEPJES MET WORKSHEET 5 MINUTEN NABESPREKEN

KANSEN & UITDAGINGEN

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)

LEEFTIJD?

NIVEAU?

VAK?

LEERSTIJL?

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 …

“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.”

NEW YORK PARENTS

FURIOUS AT inBLOOM

MEER WETEN?

INNOVATIE.KENNISNET.NL/LEARNINGANALYTICS

LACEPROJECT.EU

@erikwoning

WAT ALS …?

Bedankt voor uw aandacht!

Erik Woning – Projectmanager Innovatie e-mail: e.woning@kennisnet.nl twitter: @erikwoning

Innovatie.kennisnet.nl twitter: @KN_innovatie