Vanochtend heb ik een keynote verzorgd tijdens de jaarlijkse N@tschool gebruikersdag. Ik heb daarin een kritische betoog gehouden over het gebruik van big data in het onderwijs.

1. Foto: Infocux technologies
Data-informed onderwijs, geen
datagedreven onderwijs
#nsdag2015
Wilfred Rubens
http://www.wilfredrubens.com

4. Dat was een dictatuur…..

5. maar dat was ook voor de opkomst
van internet….
"Edward Snowden-2" by Laura Poitras / Praxis Films.
Licensed under CC BY 3.0 via Wikimedia Commons -
http://commons.wikimedia.org/wiki/File:Edward_Snowden-2.jpg#/media/File:Edward_Snowden-2.jpg

6. Foto: @DeMango23

7. Foto: Jason A. Howie

8. Infographic:Intel, 2014

9. Infographic:Intel, 2014
Groei hoeveelheid digitale data tussen 1993 en 2013:
0,02 miljard gigabyte tot 276 miljard GB

10. Infographic:Intel, 2014
Gebruikers genereren content en data, maar
wie wordt eigenaar?
Groei hoeveelheid digitale data tussen 1993 en 2013:
0,02 miljard gigabyte tot 276 miljard GB

11. Krachtige technologieën,
visueel presenteren
Foto: Biljuska1

12. Krachtige technologieën,
visueel presenteren
GapMinder.org: visuele analysetools + data =
misconcepties bestrijden
Foto: Biljuska1

13. Ook in het onderwijs…

14. Meer dan 10 uur per
week inzet van computers in bij het geven van onderwijs,
Kennisnet (2014)

15. Learning analytics
Identificeren van patronen in educatieve data en het gebruik
van die patronen om het leren te verbeteren,
H. Drachsler (2013)
Foto: Biljuska1

16. Foto: Audrey Watters

18. • Gedifferentieerd leren (beperkte keuzemogelijkheden)
• Gepersonaliseerd leren (pre-assesment -> leerplan)
• Adaptief leren (analyse patronen leergedrag lerenden)

19. Adaptieve technologie
Voorbeelden

20. Rekentuin
Bron: Bomas, E. (2014). Learning Analytics and Visualisation of Data. http://www.slideshare.net/kennisnet/lace-medea-brussel2014vslides

21. Rekentuin - Analytics
Bron: Bomas, E. (2014). Learning Analytics and Visualisation of Data. http://www.slideshare.net/kennisnet/lace-medea-brussel2014vslides

22. Khan
student
dashboard
Bron: Bomas, E. (2014). Learning Analytics and Visualisation of Data. http://www.slideshare.net/kennisnet/lace-medea-brussel2014vslides

23. Khan teacher dashboard
Bron: Bomas, E. (2014). Learning Analytics and Visualisation of Data. http://www.slideshare.net/kennisnet/lace-medea-brussel2014vslides

24. Bron: Bomas, E. (2014). Learning Analytics and Visualisation of Data. http://www.slideshare.net/kennisnet/lace-medea-brussel2014vslides
Cum Laude / Magnaview

25. Elektronische leeromgevingen:
meer mogelijkheden learning
analytics en gepersonaliseerd leren
https://www.surfspace.nl/sig/18-learning-analytics/82-case-studies/

26. Conclusies onderzoek learning analytics
• Logdata uit ELO’s niet geschikt (niet op dezelfde manier opgeslagen, vereisen complexe
bewerkingen)
• Analyses bieden inzicht in effecten onderwijs (o.a. aantal afgeronde toetsen voorspeller van
eindoordeel)
• Analyses laten tegenstrijdig beeld zien (o.a. prestaties kunnen niet altijd voorspeld worden op
basis van interacties)
• Visuele presentaties kunnen inzicht in eigen kunnen vergroten
• Monitoring bieden zicht op lerenden die risico lopen (Cabruzzi etc al, 2015)
• Meer zicht op lerenden en meer mogelijkheden voor adaptieve en gepersonaliseerde leerinhouden
Papamitsiou, Z., & Economides, A. (2014).

28. Marshall McLuhan:
“We shape our tools and
afterwards our tools shape us”
Kansen en mogelijkheden, maar.....

29. Beperkingen learning analytics
• Meten we wat we willen meten (spellingsvaardigheid vs leesplezier)?
• Is onderwijs wel het passende middel (bijv. taalachterstand)?
• Beïnvloedt het meten, het gedrag?

30. Aandachtspunten
• Learning analytics signaleert, maar verklaart niet.
• Kwaliteit van data is essentieel. Veel data onbruikbaar.
• Bij de verzameling, analyse en terugkoppeling van data spelen juridische en
ethische kwesties.
• Om learning analytics goed op te zetten is bundeling van verschillende
expertises noodzakelijk.
• Zorgvuldige interpretatie is noodzakelijk.
(SURF, 2013)

32. Peter Sloep (2011): geen Orwell, maar Kafka

33. –Dick van der Wateren
"Is wat in het onderwijs belangrijk
is meetbaar, of vinden we
belangrijk wat meetbaar is?"

34. Cyberveiligheid steeds
meer issue
Impact sensortechnologie?

36. Prof. Viktor Mayer-Schönberger (2013):
‘Data-baronnen’ (o.a. Pearson)

37. Prof. Viktor Mayer-Schönberger (2013):
‘Data-baronnen’ (o.a. Pearson)
Eigenaarschap data

38. "Ashs-teacher-and-students" by Mosborne01 - Own work. Licensed under CC BY-SA 3.0 via Wikimedia Commons - http://commons.wikimedia.org/wiki/File:Ashs-teacher-and-students.jpg#/
media/File:Ashs-teacher-and-students.jpg
Gedreven docenten, gedreven lerenden….

39. Foto: Infocux technologies
Geen datagedreven, wel
‘data-informed’ onderwijs

40. Learning analytics
• Eigenaarschap uiteindelijk bij de lerende
• Welke data bewaren?
• Transparantie
• Ondubbelzinnig toestemming vragen
• Signaalfunctie
• Gebruik op microniveau
• Experimenteer en evalueer

41. Vragen?

42. Vragen?
wilfred@wilfredrubens.com
@wrubens
http://www.slideshare.net/wrubens
http://www.wilfredrubens.com