Gepubliceerd op:

Geavanceerde data-analyse komst steeds meer voor in sectoren die op het eerste oog helemaal niet zo “data-gedreven” zijn. Zo ook het onderwijs. Al tijden wordt in het onderwijs informatie verzameld om prestaties te meten en het onderwijs te verbeteren. Door digitalisering van de processen in het onderwijs is er meer data beschikbaar en is deze makkelijker te analyseren. De kwaliteitseisen aan data-analyse en de daarvoor ingezette tools stijgt dan ook; mede door financiering op basis van prestatie-criteria.

Dat maakt de juiste aanpak des te belangrijker, maar niet per se gemakkelijker. Júist de groeiende hoeveelheden beschikbare data en tools, brengen meer en meer vragen met zich mee. Hoe kan data-analyse specifieke onderwijskundige doelen ondersteunen? Hoe presteert bestaande data-analyse technologie binnen het onderwijs? Zijn de tools betaalbaar met beperkte innovatie-budgetten binnen het onderwijs, en zijn ze hun investering waard? Wat staat effectieve inzet (nog) in de weg? Allemaal vragen, waar momenteel nog geen duidelijke antwoorden op zijn.

Voor Kennisnet heeft InnoValor een overzicht gemaakt van data-analysetools in het onderwijs. Zo scheppen we een overzicht van de mogelijkheden die scholen hebben rondom het analyseren van de data die zij vastleggen. Het doel van dit onderzoek is overzicht en inzicht te krijgen in de markt voor data-analyse tooling en hun relevantie voor het onderwijs. De nadruk lag op het middelbaar beroepsonderwijs, maar we hebben ook gekeken naar het voortgezet en het primair onderwijs.

Tools

In het brede veld van data-analysetooling in het onderwijs hebben we vier categorieën van tools onderscheiden. Deze verschillen in mate van onderwijsspecificiteit en focus: contentgericht of analysegericht.

tooloverzicht data-analyse in t onderwijs

BI tools

Business Intelligence tools zijn data-analysetools die in principe niet vanuit het onderwijs zijn ontstaan, maar uit de BI wereld, maar ook heel toepasbaar zijn op onderwijs. Al deze tools hebben gemeenschappelijk dat ze zeer breed inzetbaar zijn voor het uitvoeren van analyses en visualisaties. Ze bieden dezelfde basisfunctionaliteit: het integreren met een breed scala aan databronnen, het combineren van data uit deze verschillende bronnen, het maken van analyses over de data, en het maken van delen van visualisaties. De tools kunnen zich vooral van elkaar onderscheiden op gebied van gebruiksvriendelijkheid voor niet-experts, de prijsstelling, complexiteit van analyses en voorspellingen en de aantrekkelijkheid van de visualisaties.

tooloverzicht BI data-analyse in t onderwijs

Learning Analytics

Learning Analytics tools hebben een grote focus op het analyseren van data, maar zijn daarin wel specifiek op het onderwijs gericht. De learning analytics tools bouwen voort op de administratiesystemen en/of andere bronsystemen. Dit wordt vaak aangeduid met de term “third party analytics”. Doordat deze learning analytics tools losgekoppeld zijn van de bronsystemen, kunnen zij deze makkelijk overstijgen en als onafhankelijke partij meerdere databronnen gebruiken en combineren.

tooloverzicht LA data-analyse in t onderwijs

Adaptive learning en digitaal toetsen

Tools voor adaptive learning en digitaal toetsen vormen samen een cluster. Adaptive learning en digitaal toetsen delen vele functionaliteiten en eigenschappen, maar de nuance verschilt. Adaptief leren is gericht op nieuwe leerstof aanleren, ermee oefenen, en formatief toetsen. Digitaal toetsen is (meer) gericht op summatief toetsen. Kenmerkend aan dit cluster is dat de tools zeer specifiek op het primaire onderwijsproces gericht zijn. Data-analyse is in eerste instantie een middel om de leerling beter te laten leren, en pas in tweede instantie een middel voor bijvoorbeeld rapportage of kwaliteitszorg. Dat betekent dat de data die gegenereerd wordt in een adaptieve leeromgeving direct weer gebruikt wordt om die omgeving aan te passen. Dit wordt ook wel ‘embedded analytics’ genoemd en staat tegenover ‘extracted analytics’ waarbij de data uit het systeem gehaald wordt en wordt geanalyseerd los van de context waarin het gegenereerd is. Ook digitaal toetsen kan adaptief zijn, maar dit is niet per definitie zo.

tooloverzicht adaptive data-analyse in t onderwijs

Administratiesystemen

Ten slotte onderscheiden we het cluster van administratiesystemen. Deze systemen fungeren als leerlingadministratiesysteem, leerlingvolgsysteem en soms ook als elektronische leeromgeving. De term ‘administratiesysteem’ doet wellicht onrecht aan de functionaliteiten van deze, vaak zeer uitgebreide, systemen. Echter duidt deze wel het beste het verschil aan met de andere clusters van tools.

tooloverzicht administratief data-analyse in t onderwijs

Tools... en dan?

Het overzicht van data-analysetools biedt een mooi startpunt voor scholen die (verder) willen verdiepen in data-gedreven werken. De mogelijkheden zijn substantieel. Data-analyse tools worden steeds gebruiksvriendelijker voor een breed publiek. Ook worden ze beter betaalbaar, en steeds beter afgestemd op de onderwijs context.

In het hoger onderwijs wordt data-analyse al met succes ingezet. Met de huidige ontwikkelingen kunnen we wijdverspreide adoptie ook in het MBO verwachten. In de komende jaren zal ook het voortgezet onderwijs volgen.  

In het primaire onderwijs zijn de obstakels voor het gebruik van data-analyse aanzienlijker. Er zijn nu nog vele stappen nodig om data te integreren en naar het klaslokaal te brengen. Het opleiden van docenten en het besturen in het effectief gebruik van de tools kan hier verbetering in brengen. Maar ook de technologie zelf moet makkelijk en effectief gebruik faciliteren. Data analyse moet, juist ook in het PO, zijn potentie tot lastenverlichting waar gaan maken.

Op vele scholen lopen reeds initiatieven rondom data-analyse, en wordt al van verschillende tools gebruik gemaakt. Het is nu aan de scholen, om die initiatieven vol overtuiging door te zetten tot een volwaardig component van het onderwijs. Alleen het hebben van tools is niet voldoende; voorop staat een heldere visie op de gewenste opbrengsten van data-gedreven werken. Een duidelijk doel, gecombineerd met het enthousiasme van docenten, maakt dat de tools zó kunnen worden ingezet dat zij concrete winst opleveren voor individuele leerlingen en de school als geheel.

 

De Marktscan Data-analyse Tooling is te downloaden op de website van Kennisnet.