Views
1 week ago

Technologiekompas_voor_het_onderwijs_Kennisnet_Trendrapport_2016_2017

Kennisnet Trendrapport 2016-2017 2. Extracted analytics Dit speelt na afloop van de leeractiviteit en is daarmee meer reflectief. Deze vorm van analytics helpt de leraar te overzien hoe het gaat met de leerling, met de klas, met dit onderwerp in de methode. Extracted analytics beoogt Systeem ondersteunt Extracted Systeem ondersteunt Extracted niet het leerproces direct te beïnvloeden. Er is tijd voor reflectie en aanvullende observatie en overwegingen, waarna de leraar kiest voor de interventie. Op een hoger abstractieniveau biedt deze aanpak schoolleiders, onderwijs- managers en het bestuur inzicht in (de ontwikkeling van) prestaties van de onderwijsinstelling als geheel. Deze vorm van analytics is met name onder- steunend aan (proces)evaluatie en advies ter verbetering. In realtimebijsturing bij elke individuele leerling kan een leraar niet concurreren met embedded analytics en kunnen eventuele foute beslissingen van het leermiddel snel waargenomen en bijgestuurd worden. Bij extracted analytics, die zich richten op periodieke (wekelijkse of maandelijkse) beslissingen, kan de leraar de individuele aandacht vaak wel geven. De impact van periodieke aanpassingen in het leerproces is groter en daarmee ook het belang van beslissingen en het daarbij betrekken van aanvullende, menselijke observatie. Learning analytics heeft de belofte in zich om differentiatie in het onderwijs beter mogelijk te maken. Door het leerproces continu te monitoren in plaats van met tussenpozen voortgang te toetsen, zoals nu gebruikelijk is, wordt het tijdig signaleren van problemen eenvoudiger. Net als het voorspellen van de mate van studiesucces of dreigende uitval. Doordat de ontwikkelaar van leermaterialen inzicht heeft in het gebruik en de effectiviteit van zijn materiaal, verbetert bovendien de kwaliteit daarvan. Daarmee kan learning analytics op meerdere fronten een belangrijke bijdrage leveren aan het verhogen van het rendement in het onderwijs, terwijl het tegelijkertijd de administratieve last terug kan dringen. Docent: Organiseren Dagen/weken Manager: Verantwoorden Maanden/jaren Informatie als ruilmiddel Het verzamelen en analyseren van onze digitale sporen is niet nieuw. Zoeken op internet, activiteiten op sociale media, gebruik van gratis clouddiensten voor mail, agenda, et cetera, het vermelden van locatie, verplaatsing en dagbesteding via onze smartphone: het zijn maar enkele voorbeelden van de digitale voetstappen die we achterlaten. Deze ruwe data krijgen waarde door uit ons gedrag aanbevelingen te destilleren. ‘U kocht A en vond B leuk, bent u daarom wellicht geïnteresseerd in C?’ Bol.com, wehkamp.nl en vele anderen passen Systeem beslist Embedded dit al dagelijks toe, ons profiel is voor hen waardevolle marketinginformatie. 1 1 1 1 Hoe meer gegevens dergelijke organsisaties over ons gedrag verzameld en o o o o o geanalyseerd hebben, hoe relevanter de aanbevelingen die ze ons kunnen doen. Ook Google en Facebook gebruiken ons profiel om hun aanbod te personaliseren. Zo ‘voorspelt’ Google waar je naar zou willen zoeken terwijl je typt, simpelweg op basis van je eerdere interesses. We ruilen informatie over 2.1 Data en learning analytics Leerling: Leren Realtime Deel 2 Digitaal leerproces 52/123

Kennisnet Trendrapport 2016-2017 onszelf voor het gebruik van gratis platforms, informatie over ons gedrag is een betaalmiddel geworden. De interessante discussie over de benauwende aspecten van deze situatie parkeren we voor nu, ze komen uitgebreid aan bod in de afsluitende privacyparagraaf van dit hoofdstuk. De vraag luidt nu: wat kan deze trend ons leren over kansen in het digitaliserende onderwijs? Het streven naar een passend aanbod op basis van een goed profiel hangt nauw samen met de ambitie elke leerling op maat te bedienen. Daarvoor moeten we hem of haar wel beter leren kennen. Hoe nauwkeuriger het profiel, hoe relevanter we het (leer)aanbod kunnen maken en hoe beter het aansluit op de individuele behoeften. Dat een balans hierbij essentieel is, behoeft geen betoog. Leerlingen moeten de ruimte houden om eigen verantwoordelijkheid te nemen. Te veel personalisatie gaat ook ten koste van serendipiteit; we leren immers het meest van wat we niet verwachten en wellicht niet bewust gekozen hadden. 2.1 Data en learning analytics Deel 2 Digitaal leerproces 53/123

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
Podium (extra) Passend Onderwijs - Kennisnet
Trendrapport Open Educational Resources, maart 2012 - Surf
Luzac_Lyceum (Page 8 - 9) - Onderwijs Consumenten Organisatie
Passend onderwijs werkt met ict - Kennisnet
Zakboek Tweede Fase - Onderwijs Consumenten Organisatie
een digitaal portfolio in een jenaplanschool - Nederlandse ...
het artikel over slimme leermiddelen - VO-raad
Virtual reality in het onderwijs
Werkboek secundair onderwijs
Passend onderwijs voor leerlingen met een visuele ... - Kennisnet
2011 zomer - inDruk mbo - Kennisnet
PTC+ en Dierverzorging - Groen Kennisnet
Handreiking schoolexamen Nederlands havo/vwo - Kennisnet