Learning analytics als tool voor het ondersteunen van gepersonaliseerde leerwegen en blended learning

Het hedendaags onderwijs kent een grote opkomst van blended learning, waarbij een belangrijk deel van het leerproces buiten de muren van de instelling plaatsvindt. Lectoren hebben echter niet altijd een precies beeld van waar studenten zich in het online leerproces bevinden. Bij grotere groepen schuilt daarnaast het risico dat het onderwijs onvoldoende op maat (gepersonaliseerd) ingericht wordt. Om hier beter inzicht in te krijgen, wordt er de laatste jaren meer en meer gekeken naar learning analytics. Learning analytics maken het mogelijk om het online leergedrag van studenten nauwer op te volgen.

Dit project focust zich op de meerwaarde van learning analytics in de context van blended learning. Hiervoor wordt op twee terreinen ingezet. Als eerste het uitbouwen van een recommendation engine om studenten beter te begeleiden in een gepersonaliseerd leerproces. Ten tweede het ontwerpen en implementeren van een dashboard voor lectoren, zodat zij een beter beeld krijgen van het leergedrag van studenten en sneller kunnen bijsturen wanneer nodig.

In de eerste fase van het project zullen we een literatuurstudie uitvoeren naar de indicatoren en best practices rond learning analytics, voor zowel het dashboard als de inhoud van de pilots. Hiernaast worden ook de eerste contacten gelegd binnen de verschillende PXL-opleidingen voor het inrichten van deze pilots, alsook contacten met lectoren en studenten voor het uitvoeren van focusgroepen en bevragingen. Via deze dubbele onderzoeksmethode worden de noden voor een dashboard binnen een blended learning-omgeving in kaart gebracht. In een tweede fase gaan we de verzamelde inzichten toepassen in de pilot courses zelf. Binnen de pilots zullen we focussen op de werking van de recommendation engine, alsook de dashboardfunctie. Tijdens de pilots zullen we het implementatieproces van dichtbij opvolgen en valideren, door het verzamelen van gegevens en feedback bij de betrokken partijen. Dit alles resulteert in betere inzichten in het gebruik van learning analytics bij blended learning. De derde fase tot slot betreft de disseminatie, waarbij we verschillende sessies intern en extern zullen inrichten om onze inzichten te delen binnen de eigen hogeschool, alsook het werkveld.

Project informatie

Projectpromotor:
Philippe Haldermans
Status:
Afgelopen project
IWETO code:
  • Code nog in te vullen.
Startdatum – einddatum:
19/9/2016 – 16/9/2018
Budget:
€ 86.611
Projectcode:
13/DWO/2016/IC/OI005
VTE:
1,20
Medewerkers:

Philippe Haldermans

Servaas Tilkin

Contact

Philippe Haldermans
onderzoeker