Views
5 months ago

Technologiekompas_voor_het_onderwijs_Kennisnet_Trendrapport_2016_2017

Kennisnet Trendrapport 2016-2017 Betekenis geven aan data in de PDCA-cyclus Het geven van betekenis aan de ruwe data begint met het stellen van goede vragen. Welke informatie is voor de leerling, leraar, schoolleider en bestuurder van belang om de kwaliteit van het individuele leerproces en het collectieve onderwijsproces te kunnen verhogen? Waarmee kun je beoordelen of het ‘plan’ werkt? Zowel op microniveau (leerling/ouders), mesoniveau (leraar/ schoolleider) als macroniveau (bestuurder/OCW)? Juist omdat big data geen vooraf ontworpen structuren kent, is een goed geformuleerde doelstelling vereist om te kunnen bepalen welke (combinaties van) data relevant zijn. Als uit de data een (eerste) antwoord is gedestilleerd, kunnen we proberen met dat nieuwe inzicht een interventie te bedenken die het proces verbetert. Vervolgens begint de cyclus opnieuw door met de verzamelde data uit het aangepaste proces te bekijken of de aanpassing het gewenste effect heeft. Zo’n proces kan bijvoorbeeld de begeleiding van de leerweg en profielkeuze betreffen voor de bovenbouw in het voortgezet onderwijs. Welke prestaties in de onderbouw zijn goede voorspellers voor succes in een bepaald profiel? Welke relaties tussen vakken onderling springen eruit en hoe kunnen leerlingen daarmee nog betere keuzes maken binnen hun leerweg of profiel? 3. Controleren, meten, 4. Evalueren, bijsturen, ingrijpen (verbeter het) Input big data ACT (pro-act/ re-act) CHECK 1 1 o o o 1 o 1 PLAN o DO 1. Afspraken maken (over normen), doelen stellen (zeg wat je gaat doen) feedback/aanspreken (bewijs het) Werken aan kwaliteitsverbetering is een proces dat vaak wordt vormgegeven als de zogenaamde Plan-Do-Check-Act (PDCA)-cyclus die ook volop in het onderwijs wordt gebruikt. Big data kan dit proces voeden met informatie en steeds weer een nieuwe cyclus faciliteren van plannen, uitvoeren, reflecteren, interveniëren, et cetera. 2. Uitvoeren, informatie genereren/verzamelen (doe wat je zegt) 2.1 Data en learning analytics Deel 2 Digitaal leerproces 50/123

Kennisnet Trendrapport 2016-2017 Systeem ondersteunt Extracted Systeem ondersteunt Extracted Een meer onderwijsspecifieke uitwerking van de PDCA-cyclus luidt: •• Plan De leraar stelt (samen met de leerling/ouders) een leerroute (het plan) op met gespecifieerde leerdoelen (de normen). De vraag in de context van data en analytics is dan bijvoorbeeld: is dit (nog steeds) de beste leerroute voor deze leerling? •• Do De leerling gaat aan de slag en volgt zijn leerroute. We observeren en meten tijdens het leerproces. Digitaal leermateriaal, oefeningen, toetsen en de leeromgeving genereren data die we actief verzamelen en combineren met eigen observaties. Dit resulteert in een beeld van het leerproces van de leerling. •• Check De leraar maakt de balans op van de voortgang van de leerling (mede) op basis van interpretatie en analyse van de beschikbare data uit het leerproces waaronder toetsresultaten. Hij kan de leerling tussentijdse onderbouwde feedback geven. •• Act De leraar (en leerling) plegen interventies op basis van de conclusies uit de analyse. Dit is bijvoorbeeld een aangepaste, beter aansluitende individuele leerroute en/of een nieuwe selectie uit beschikbare leermaterialen. Dit laatste kan ‘het systeem’ ook automatisch doen, zoals we verderop nog bespreken. We onderscheiden twee vormen van learning analytics die op verschillende niveaus en op verschillende manieren (differentiatie in) het leerproces ondersteunen: 1. Embedded analytics Deze vorm van analytics wordt toegepast in real time, op het moment van het leren zelf. Hiermee wordt informatie uit een leeractiviteit direct benut om Docent: Organiseren een leerling een bij zijn actuele beheersingsniveau passende oefening aan te Dagen/weken bieden. De technologie stuurt het adaptieve Manager: leermateriaal Verantwoorden aan zonder tussenkomst van de leraar. Bijvoorbeeld: als een opgave Maanden/jaren in een adaptief leermiddel altijd goed gaat en steeds minder tijd kost, krijgt de leerling moeilijker opgaven aangeboden. Bij herhaalde fouten wordt op het specifieke probleemgebied remediërend opgetreden met extra uitleg, makkelijkere opgaven of het advies de leraar om hulp te vragen. Deze vorm van zelfstandig leren door oefenen werkt bewezen even goed of beter dan klassikaal werken en schept ruimte voor andere, aanvullende groepsactiviteiten. Systeem beslist Embedded 1 1 1 1 o o o o o Data-ondersteund onderwijs met learning analytics Learning analytics is het meten, verzamelen, analyseren en rapporteren van (big) data over het leerproces waarin leerlingen en leraren dagelijks allerlei activiteiten ondernemen. Doel: verbetering van het leerproces van de leerling en verhoging van de onderwijskwaliteit van de instelling, gebaseerd op ‘datagedreven’ inzichten. Leerling: Leren Realtime 2.1 Data en learning analytics Deel 2 Digitaal leerproces 51/123

De school op digitale ontdekkingsreis, 150 ict ... - Kennisnet
Nr._26_Maak_kennis_met_TPACK
VOLGENDE FULL SCREEN - Leren van de toekomst
Dyslexie - een praktische gids voor scholen voor ... - Kennisnet
brochure herinrichting onderwijs en begeleiding cluster 2 - Kennisnet
2011 najaar - inDruk mbo - Kennisnet
Passend onderwijs werkt met ict - Kennisnet
Virtual reality in het onderwijs
Passend onderwijs voor leerlingen met een visuele ... - Kennisnet
130117 (WR) Leren en Doceren in de 21e eeuw HU Utrecht.pdf
Differentieren-Digitale-Leermiddelen_Gijzen_Hoef_mei_15
Mediatrends 2018
Masterplan B%C3%A8ta en Technologie
Informatieblad vmbo 2012-2013 - Christelijk Lyceum Delft
Luzac_Lyceum (Page 8 - 9) - Onderwijs Consumenten Organisatie
Trendrapport Open Educational Resources, maart 2012 - Surf
Zakboek Tweede Fase - Onderwijs Consumenten Organisatie
het artikel over slimme leermiddelen - VO-raad
een digitaal portfolio in een jenaplanschool - Nederlandse ...
Trendrapport internetgebruik 2012 - Digivaardig Digiveilig
Kennisnet_Vier_in_balans-monitor_2015