Met learning analytics onderzoeken hoe studenten online leren

Leren studenten online en zo ja, hoe doen ze dat? Dat onderzocht Saskia Lindhoud van de Universiteit Twente met behulp van learning analytics.

Lindhoud vertelt dat de aanleiding voor haar onderzoek de constatering was in het voorjaar van 2020 – tijdens de coronapandemie – dat uit een analyse van examenresultaten bleek dat studenten open vragen veel beter maakten dan in voorgaande jaren. Ook meldt ze dat ze al voor de coronapandemie haar vak Chemische Evenwichten in een blended learning format wilde aanbieden. Zo had ze de afleidingen al omgezet naar pencasts, korte filmpjes van 10-20 minuten. In de eerste weken van de coronapandemie kwamen daar minicolleges van 5-15 minuten bij waarin vaak één concept werd besproken. In 2022 resulteerde dat in blended learning via de flipped classroom: daarbij kijken de studenten online de pencasts en mini-colleges en hebben ze offline werkcolleges en discussiesessies.

Learning analytics

Eveneens in 2022 besloot Lindhoud learning analytics te gaan gebruiken om zo meer inzicht te krijgen in het online leergedrag van studenten. Met learning analytics wordt het meten, verzamelen, analyseren en rapporteren van data bedoeld met als doel om beter te begrijpen hoe studenten leren en hoe je de leeromgeving of leermiddelen te verbeteren. Lindhout bouwde met het learning management system Canvas een omgeving waarin het clickgedrag van studenten geregistreerd kan worden om zo het online studiegedrag van de studenten te kunnen volgen. Ook kreeg Lindhoud een learning analytics dashboard om de data die Canvas verzamelt overzichtelijk te maken.

Op het dashboard kon Lindhoud onder meer de volgende data zien:

• De hoeveelheid views.
• De hoeveelheid unieke views.
• De totale duur dat er naar een video gekeken wordt.
• Uitgesplitst naar seconde hoeveel studenten naar een video kijken.

Met deze data kon Lindhoud inschatten hoe en hoe vaak studenten naar een video of deel van een video keken.

Het onderzoek leverde de volgende uitkomsten op:

• Studenten leken de pencasts in een keer te kijken.
• In de mini-colleges scrolden studenten terug naar dingen die hun aandacht trokken.
• Als Lindhout een formule of een grafiek uitlegde in een mini-college was de hoeveelheid views hoger.
• De samenvatting aan het eind vonden studenten niet interessant.

Betere tijdsresolutie

Lindhout had graag een betere tijdsresolutie bij de learning analytics gehad. Dan had ze kunnen zien:

• Wanneer studenten studeren. Gebruiken ze de ingeroosterde zelfstudie-uren of studeren ze op een ander moment?
• Of het gros van de studenten het online studiemateriaal bestudeerd heeft voordat ze naar college komen.
• Naar welke onderwerpen studenten kijken als ze het examen voorbereiden.

Uit deze data zou Lindhout kunnen afleiden wat de studenten lastig vinden. In een volgend jaar zou ze er dan meer over kunnen vertellen of gerichte extra oefenopgaven kunnen aanbieden.

Conclusie

Lindhout vond het interessant om learning analytics te gebruiken. Het heeft haar veel inzichten opgeleverd. Ze hoopt dat het in de toekomst makkelijker wordt om learning analytics te gebruiken in online leersystemen. Ze denkt zeker dat het je als docent kan helpen om te weten óf en hóe studenten studeren. Ze heeft nog wel een tip bij inzet van learning analytics op grote schaal: vraag direct bij inschrijving van een leeronderdeel toestemming voor het gebruik van privacygevoelige gegevens. Dat scheelt de docent veel administratie.

Bron: SURF