Learning analytics: hoe gaan scholen om met gepersonaliseerd leren?

Niet langer eindeloze rijen woordjes stampen, maar alleen die woordjes voorgeschoteld krijgen die je steeds vergeet. Geen toetsen meer verknallen, maar beoordeeld worden op je voortgang door het hele jaar heen. Met learning analytics en adaptief onderwijs is het mogelijk. Daarvoor wordt wel privacygevoelige data verzameld. Hoe moeten scholen daarmee omgaan?

Adaptief onderwijs

Dankzij de mogelijkheden die ict biedt, zijn scholen steeds beter in staat hun onderwijs adaptief te maken. Adaptief onderwijs betekent dat kinderen vaker op hun eigen niveau en in hun eigen tempo kunnen leren, omdat ze opdrachten en oefeningen gepresenteerd krijgen die zich aanpassen aan hun persoonlijke behoefte.

Leraren staan vaak voor klassen van zo’n 25 leerlingen. Voor hen is het geven van instructie, oefening en feedback aan elke leerling afzonderlijk niet te doen. En dus zullen er altijd leerlingen zijn die zich vervelen, of die juist op hun tenen moeten lopen. Adaptieve programma’s zijn wél in staat de lesstof aan te passen op basis van de antwoorden van individuele leerlingen.

Analyse van leergedrag

Hoe dat werkt? Adaptieve leersystemen zoals Taalzee, Rekentuin en Snappet maken een analyse van het leergedrag van grote groepen leerlingen. Deze informatie wordt door de systemen gebruikt om zich aan te passen aan de leerling, bijvoorbeeld in de vorm van ‘aanbevelingen’ voor vervolgactiviteiten.

In programma’s als Rekentuin en Got it?! is de directe instructie (deels) geautomatiseerd. En in apps als Slim Stampen wordt de leerstof herhaald op basis van de reacties van leerlingen. Het tempo en niveau worden zo dus afhankelijk van de interactie die de leerling heeft met het leermateriaal. Zo onthouden leerlingen meer lesstof in minder tijd.

Meten, verzamelen, analyseren en rapporteren

Learning analytics is onlosmakelijk verbonden met de ontwikkelingen rond adaptief leermateriaal. Het is het meten, verzamelen, analyseren en rapporteren van en over data van leerlingen en hun context, met als doel het begrijpen en optimaliseren van het leren en de omgeving waarin dit plaatsvindt. De terugkoppeling van deze analyses beoogt effectiever handelen door de leraar, leerling of bijvoorbeeld de ontwikkelaar van lesmateriaal.

Een leerling hoeft niet alleen te pieken op het moment waarop getoetst wordt. Leren wordt een continu proces dat een completer beeld oplevert.

Ook het toetsen zoals we dat nu kennen verandert door learning analytics. Voortaan kan iedere oefening, fout, overwinning en prestatie die een leerling behaalt meetellen in de beoordeling. Op die manier hoeft een leerling niet alleen te pieken op het moment waarop getoetst wordt, maar wordt leren een continu proces dat een completer beeld oplevert. Die continue actuele informatie kan de leraar helpen, om aanvullend op zijn intuïtie en ervaring, de juiste interventie te kiezen.

Privacygevoelige data

Op dit moment wordt volop onderzoek gedaan naar learning analytics. Ook uitgeverijen en ontwikkelaars van lesmateriaal besteden veel aandacht aan de mogelijkheden van learning analytics in hun digitale leermiddelen. Dat onderzoek is belangrijk, omdat meer duidelijk moet worden op het uiteindelijke effect op leeropbrengsten.

Tegelijkertijd rijdt de trein in het onderwijs verder: voor steeds meer leerlingen is het al ‘gewoon’ om in een digitale omgeving lesstof tot zich te nemen, opdrachten te maken en toetsen af te leggen.

Bij learning analytics ontstaan veel gegevens, niet alleen over het lesstof, maar ook over de manier van leren door de leerling. Deze informatie kan behoorlijk privacygevoelig kan zijn. Leveranciers van (adaptieve) leerplatformen slaan deze data op. Schoolbesturen zijn verantwoordelijk voor het goed regelen van de privacy van de leerling. Dat betekent onder andere dat een bestuurder goede afspraken moet maken met uitgevers en leveranciers over het gebruik van deze data. Om scholen praktisch verder te helpen privacy op school goed te regelen, heeft Kennisnet de brochure ‘Privacy in 10 stappen’ ontwikkeld.

Morele dilemma’s

Naast de regels die de wet bescherming persoonsgegevens voorschrijft, krijgen scholen ook te maken met morele dilemma’s. Op welke manier laat je learning analytics meewegen in de begeleiding, hoeveel meer (of minder) gegevens zijn er nodig om zwakkere leerlingen te begeleiden om schooluitval te voorkomen?

Het is daarom belangrijk dat scholen goed nadenken welke data verzameld wordt, met welk doel, én dat die gegevens niet door de school óf leverancier voor iets anders kunnen worden gebruikt. Uiteraard moeten ook de ouders (en de leerlingen) goed worden geïnformeerd over het toepassen van learning analytics op school.

De verwachting is dat over twee tot vijf jaar ongeveer vijftig procent van de Nederlandse onderwijsinstellingen gebruik zal maken van learning analytics.

Vijftig procent

De verwachting is dat over twee tot vijf jaar ongeveer vijftig procent van de Nederlandse onderwijsinstellingen gebruik zal maken van learning analytics. Dat gaat vanzelf, zodra ze meer digitaal leermateriaal gaan gebruiken. Door vooraf goed na te denken welke gegevens er wel (en niet) worden verzameld, en daar transparant over te communiceren, kan het leerproces optimaal worden ondersteund met learning analytics. Op die manier worden problemen en lastige vragen over de privacy van leerlingen voorkomen. Learning analytics kan zo op een privacyverantwoorde manier worden ingezet voor het onderwijs.

Afbeeldingen met dank aan Fotolia.