naar de inhoud
Terug naar home

Data-ondersteund onderwijs

Doorpakken op digitalisering

Waarom we iets moeten met data

Er is ontzettend veel data beschikbaar in en over het onderwijs. Denk aan overkoepelende data als demografische kenmerken van studenten, informatie over studieduur, uitvalpercentages en cijferlijsten. Maar ook data uit het leerproces. Bijvoorbeeld over de tijd die een student met een opdracht bezig is of een veelgemaakte typefout in een toets. In die data zit veel inzicht verborgen. Bijvoorbeeld over patronen in leergedrag van studenten of aanwijzingen die duiden op voortijdig schoolverlaten. Maar hoe verkrijg je het inzicht uit die bakken met data? En hoe maak je werken met data structureel onderdeel van hoe je je onderwijs vormgeeft?

Data-ondersteund onderwijs is onderwijs waar data, de analyse van data en de inzichten uit data worden ingezet om onderwijsambities waar te maken, onderwijsprocessen efficiënter te maken en/of de effectiviteit van het onderwijs te verbeteren. Denk aan patronen herkennen in leergedrag van leerlingen om ze advies te geven over studievaardigheden, analyse van gemaakt huiswerk om te bepalen waar in de klas extra aandacht aan te besteden of indicatoren ontdekken voor switchgedrag.

Voor wie

Werken met data kan relevant zijn voor iedereen binnen een instelling. Van een docent in het klaslokaal tot aan het college van bestuur. Dat betekent dat in een instelling die data-ondersteund werkt:

  • Docenten besluiten nemen in de klas gebaseerd op eigen ervaring, aangevuld met geanalyseerde data uit het leerproces.
  • Informatiemanagers en ict-verantwoordelijken achter de schermen regelen dat data wordt verzameld, opgeslagen, gedeeld en geanalyseerd en dat dat volgens de regels gebeurt.
  • Bestuurders en directeuren besluiten nemen op basis van overkoepelende trendanalyses over bijvoorbeeld studievoortgang en studentenaantallen.

Wat je kunt verwachten

Het gebruik van data in onderwijs bestaat al zo lang als het onderwijs bestaat. We werken immers al sinds jaar en dag met toetsen, cijfers en rapporten. Data-ondersteund onderwijs is dus niet nieuw. Er is nu echter veel meer data en de manier waarop er mee gewerkt kan worden is steeds geavanceerder. En dat is wel nieuw. Daarentegen is het belangrijk om realistisch te zijn als het gaat om de verwachtingen ten opzichte van data-ondersteund werken. Zo geeft data op zichzelf geen inzicht. Het voorspelt niet automatisch de studieloopbaan van leerlingen. En er is geen tool die een docent gaat vertellen hoe hij les moet geven. Wat kun je er dan wel verwachten? Het werken met data en de inzichten die daaruit voortvloeien kunnen vooral de basis vormen voor een gesprek of de onderbouwing van een besluit.

Visie en beleid bepalen

Data-ondersteund onderwijs ontstaat niet vanzelf. Het begint met een bewuste keuze om binnen je onderwijs data-ondersteund te gaan werken. Om dat te doen moet je het gesprek met elkaar aangaan over wat het voor je organisatie betekent. SURF en saMBO-ICT ontwikkelden een tool die je daarbij helpt: de Readiness Scan Studiedata. Aan de hand van 5 pijlers ontdek je waar je nu staat, wat je nog te doen hebt en waar je naar toe kunt groeien als het gaat om je datavolwassenheid van je organisatie. Zo vormt het input voor een integrale datastrategie. Op doe-meer-met-studiedata.nl lees je meer over de 5 pijlers en over de quickscan studiedata.

Inrichten en faciliteren

Als je data-ondersteund wilt gaan werken, moet je je organisatie daarop inrichten. Waar moet je dan rekening mee houden?

Het is belangrijk om binnen de instelling op een generieke manier om te gaan data. Dat doe je door het vastleggen van duidelijke richtlijnen en processen. Er is niet één beproefde aanpak voor het werken met data. Wat voor de ene instelling werkt, werkt voor de andere niet en voortschrijdend inzicht kan ook maken dat je je manier van werken aanpast. Onderzoek wat een goede aanpak voor jouw instelling kan zijn door te kijken naar hoe anderen dit aanpakken. Je vindt handige voorbeelden op datagedrevenonderzoekmbo.nl  en op digitaleoverheid.nl

Waar komt data vandaan? De systemen van je eigen instelling bevatten data, maar er zijn ook openbare bronnen beschikbaar. Breng in kaart waar voor jouw relevante data allemaal vandaan kan komen. De voorbeeldlijst met databronnen kan daarbij helpen.

Om data te kunnen verzamelen, analyseren en ontsluiten moet je je ict-infrastructuur op de juiste manier hebben ingericht. Maar hoe doe je dat? Ook hier kan het helpen om te kijken naar anderen. Zo deed SURF in 2020 een onderzoek naar hoe organisaties hun infrastructuur hadden ingericht voor learning analytics. In het onderzoeksrapport (pdf) vind je handige adviezen, aanbevelingen en richtlijnen voor het inrichten van zo’n infrastructuur. De belangrijkste uitkomsten van het onderzoeken zijn ook terug te kijken via een online webinar.  

Aan de slag met data 

Zelfs als je organisatie nog niet zo ver is dat visie, beleid en infrastructuur volledig gericht zijn op data-ondersteund onderwijs, kun je aan de slag met data. De inzichten uit kleinschalige experimenten kunnen misschien zelfs helpen bij het vormen van visie en beleid en bij het inrichten van de ict-organisatie. Wil je aan de slag met data? Dan zijn er verschillende aanpakken mogelijk. In grote lijnen lopen ze echter allemaal langs dezelfde stappen: 

  1. Bedenk wat je te weten wilt komen. Waarom dalen de gemiddelde cijfers voor Engels bijvoorbeeld al jaren? Of waarom switchen leerlingen van opleiding? 
  2. Bedenk waar het aan kan liggen en hoe je dit kunt onderzoeken. Bepaal welke factoren van invloed kunnen zijn op de probleemstelling uit stap 1 en welke gegevens je nodig hebt om dit te onderzoeken. Deze gegevens zowel uit interne systemen afkomstig  zijn als uit openbare databronnen buiten de organisatie. 
  3. Verzamel de data. Verzamel alle gegevens en controleer de kwaliteit en betrouwbaarheid ervan.  
  4. Analyseer de data. Voer een analyse uit op de verzamelde gegevens. Dit kan heel geavanceerd, maar dat hoeft niet. Een draaitabel in Excel kan ook veel inzichten opleveren.  
  5. Interpreteer de resultaten. Leg de uitkomsten van de analyse naast de factoren die je in kaart hebt gebracht in stap 2. Kloppen je aannames? Of komt er iets anders uit? 
  6. Formuleer vervolgstappen. De data geeft richting over wat je anders kunt doen om resultaten te verbeteren. Probeer dat uit en verzamel er data over. 
  7. Evalueer. Onderzoek aan de hand van verzamelde data in stap 6 of de genomen stappen tot het gewenste effect hebben geleid. Begin zonodig weer opnieuw. 

Datadinsdag, onmisbare hulp voor data-ondersteund onderwijs

Elke tweede dinsdag van de maand is het datadinsdag. Je kunt op die dinsdagen activiteiten verwachten waarmee we je handvatten geven verder te komen met data in jouw les en instelling. Dat kunnen zijn webinars, workshops, presentaties van gave sprekers; online én in fysieke bijeenkomsten. In de infographic vind je alle data en onderwerpen benoemd.

Aanmelden?

Bekijk de homepagina van datadinsdag voor een overzicht van de bijeenkomsten en de aanmeldformulieren.

Netjes omgaan met data 

Als je werkt met data ben je verplicht er netjes mee om te gaan. Je hebt je te houden aan wetgeving die is gericht op het beschermen van privacy, zoals de Algemene Verordening Gegevensbescherming (AVG), maar je moet ook nadenken over de ethische gevolgen die het werken met data kan hebben. Dat je studiegedrag van leerlingen heel nauwgezet kunt volgen, betekent niet dat je dit ook altijd moet doen. Stilstaan bij ethiek en privacy is iets dat doorlopend moet gebeuren en daarmee onderdeel moet zijn van de processen rondom het werken met data. Er is een aantal tools beschikbaar die je kan helpen bij de 3 aspecten van privacy en ethiek waar je rekening mee moet houden: 

Praktijkvoorbeelden

Filter op

Meedoen?

Soms kan het handig zijn om met andere instellingen samen te werken bij het doen van onderzoek naar het gebruik van data. Er bestaan verschillende datacoalities. Dit zijn samenwerkingsverbanden van mbo-instellingen en – eventueel – externe partners die samenwerken aan een datavraagstuk binnen het onderwijs. De datacoalities werken zelfstandig maar delen hun ervaringen en inzichten met andere instellingen. Op dit moment zijn er 3 datacoalities: 

  • Datagedreven onderzoek | begeleid door Hutspot 
  • The Student Journey | begeleid door CINOP 
  • Studievoortgang | begeleid door NRO 

Wil je meer weten of een datacoalitie oprichten? Neem dan contact op met het Data-ondersteund onderwijs team van saMBO-ICT of neem deel aan Data Dinsdag.