Views
10 months ago

Technologiekompas_voor_het_onderwijs_Kennisnet_Trendrapport_2016_2017

Kennisnet Trendrapport 2016-2017 SWOT-analyse big data en learning analytics Toelichting SWOT-analyse Big data in het onderwijs faciliteert vastlegging en verbetering van het leerproces op individueel niveau. Learning analytics biedt rijke stuurinformatie en adviezen die interventies mogelijk maken op verschillende abstractieniveaus (les, vak, opleiding) binnen de school. Kracht van de technologie 1. Hoogfrequente vastlegging leerproces 2. Aanbod rijke stuurinformatie 3. Faciliteert (individuele) interventies Kansen voor onderwijs 1. Verlichten administratieve last 2. Detailinzicht in (leer)processen 3. Structureel kwaliteitsmanagement Zwakte van de technologie 1. Niet alles van waarde is meetbaar 2. Beperkte dataverzamelingsmogelijkheden 3. Fragmentatie van dataopslag Bedreigingen voor onderwijs 1. Privacy van leerlingen en leraren 2. Vereist nieuwe kennis en taken bij leraren 3. Onvolwassen technologieaanbod Niet alle betekenisvolle aspecten van de kwaliteit en voortgang in het leerproces zijn (eenvoudig) meetbaar of te vangen in (kwantitatieve) analyses. (Nog) niet alle digitale leermiddelen houden rekening met de behoefte aan (voortgangs)gegevens. Bovendien is data gefragmenteerd over verschillende locaties, is het ongelijksoortig en wordt informatie (nog) niet goed samengebracht tot een completer beeld van het leerproces. Big data als bijproduct van digitalisatie biedt leerlingen, leraren, schoolleiders en bestuurders inzicht in (leer)processen op ongekend detailniveau. De gelijktijdige (administratieve) lastenverlichting biedt leraren tijd om de stuurinformatie te benutten voor (individuele) begeleiding, differentiatie en vroegtijdig signaleren van problemen of uitval. Schoolleiding en bestuur kunnen structureel en proactief werken aan kwaliteitsverbetering binnen de eigen organisatie en daarbuiten. Zorgen over privacyschending door ongepaste toegang tot gegevens manen tot behoedzaamheid, ook ontbreekt bij leraren nog de opleiding en ervaring om op deze nieuwe schaal informatie te interpreteren en toe te passen in het dagelijkse leerproces. Een nog onvolwassen markt maakt keuzes uit de technisch complexe producten lastig voor bestuur en schoolleiding. Er is veel ‘hype’ rond deze technologie. De markt is zich zeer bewust van de waarde van data uit het onderwijsproces, het onderwijs dient daarom behoedzaam met marktpartijen om te gaan. 2.1 Data en learning analytics Deel 2 Digitaal leerproces 54/123

Kennisnet Trendrapport 2016-2017 Adviezen aan het bestuur bij de inzet van big data en learning analytics 1. Bepaal welke data helpen bij het sturen op beleid en strategie in het onderwijs. Om gericht de juiste data te kunnen registreren, bewaren (wat is relevant?) en verzamelen dient helder te zijn over welke aspecten van het leerproces en het functioneren van de schoolorganisatie informatie nodig is. Welke indicatoren geven inzicht en ondersteunen daarmee de implementatie van het beleid en het realiseren van de gekozen strategie? Behaalde resultaten in andere vakken? De aard van het voorbereidende onderwijs? Is het relevant hoelang een leerling doet over oefeningen? Welke data kunnen we benutten ter verbetering van het leerproces van de leerling, de prestatie van de leraar en het rendement van de onderwijsinstelling? De markt kan daar slechts naar raden, het onderwijs moet hierin aan het roer staan. 2. Zorg voor integraal inzicht in relevante data op elk niveau binnen het bestuur. Doel is het integrale beeld dat uit alle verschillende informatiebronnen kan worden opgebouwd. Een dashboard voor de leerling, leraar, schoolleider, bestuurder en minister, dat helder aangeeft hoe het ervoor staat, zodat iedereen goed onderbouwde beslissingen kan nemen over de volgende stappen. Of het nu de volgende wiskundeparagraaf is of nieuw onderwijsbeleid. De uitdaging is om van verschillende vakken (en uitgevers/leveranciers) en verschillende aspecten van het onderwijs een integraal beeld samen te stellen. Dit stelt eisen aan interoperabiliteit tussen systemen en vereist gestandaardiseerde koppelingen, geleid door een duidelijke behoefte vanuit het onderwijs. Dit inzicht moet leidend zijn bij de invulling van de rol van het onderwijs als vragende partij in de markt en bij de selectie en implementatie van nieuwe of vervangende digitale middelen en platforms. 3. Stel vast welke data (aanvullend) verzameld dienen te worden. Big data en learning analytics vragen om bewuste keuzes in het al of niet vastleggen of inlezen van data die vaak al (in potentie) beschikbaar zijn als bijproduct van digitaal werken. Welke informatie is idealiter voorhanden om onderwijs te kunnen blijven verbeteren? Inventariseer daartoe welke data beschikbaar zijn in al ingerichte systemen en wat aanvullend beschikbaar is in digitale leermiddelen en -systemen bij (cloud)leveranciers. Stel vervolgens vast welke data actief verzameld en opgeslagen dienen te worden om de indicatoren te kunnen bepalen waarmee school en bestuur kunnen sturen op gestelde doelen. De paradigmaverandering door het digitaliserende onderwijs wordt hiermee ook concreet zichtbaar. Door de eigen databehoefte helder te hebben, is het onderwijs een kritische, goedgeïnformeerde gesprekspartner voor de markt van digitale leermiddelen, leerplatforms en informatiesystemen. 4. Kies informatiesystemen die elkaar goed aanvullen en eenvoudig koppelbaar zijn. Om daadwerkelijk tot administratieve lastenverlichting te komen met behulp van ict en het fundament te leggen voor overkoepelend inzicht in leerprocessen, moet expliciet duidelijk zijn wat in welk informatiesysteem en met welke reden (zie 1) moet worden vastgelegd. Deze informatiesystemen dienen disjunct (elk gegeven wordt éénmaal vastgelegd) en onderling gekoppeld (elk gegeven wordt éénmaal opgeslagen) te zijn, zodat gegevens beschikbaar zijn in de context en voor de personen die ze nodig hebben (gegevens meervoudig gebruiken). Denk hierbij aan gegevens over groepsindeling, profielkeuzes of andere gegevens die op meerdere momenten en in meerdere contexten nodig zijn. Meervoudige registratie geeft extra werk en vergroot de kans op fouten. Relevante gegevens uit systemen van leveranciers (bijvoorbeeld resultaten uit digitale leermaterialen) moeten gestandaardiseerd zijn en automatisch in schoolsystemen kunnen worden ingelezen. Goed gescheiden 2.1 Data en learning analytics Deel 2 Digitaal leerproces 55/123

De school op digitale ontdekkingsreis, 150 ict ... - Kennisnet
Masterplan B%C3%A8ta en Technologie
kansenongelijkheid’
'Hier heb ik niets aan!' (Essaybundel – PDF) - Impress
Schoolgids 2013-2014 - Visio
Identiteit - CSG Calvijn
qr-codes in onderwijs en onderzoek - SURFnet
Administratieve lasten van onderwijstijd in het mbo - Kennisnet
Personal Audio Producten - HighTech Hilversum
Nucleaire technologie, focus milieuwetenschappen - FI2
Studie & Werk 2001 - SEO Economisch Onderzoek
Profielkeuzevoorlichting bèta/techniek in 3 havo/vwo - Jet-Net
20150409_Levenswijs Mediawijs6
zesjescultuur-westenberg-van-driel
Populaire-versie-ondersteuningsplan-Helmond-Peelland-VO
Download de Nederlandse digitale versie - Nhtv
Onderzoeksrapport --- Omgang met hoogbegaafde ... - Steffann
hbo-110990-advies_kennisbasis_pabo_v4_web_-_definitieve_versie__1_
DOSSIERwerkervaringopdoeninopleidingenDEF
widerode_schoolgids_weblr
Onderwijs & ICT