Feeds:
Berichten
Reacties

Archive for december, 2013

Embedded Analytics zijn analyses van learning data die direct in het leerproces geïmplementeerd zijn. Deze analyses zorgen voor interventies die direct impact hebben op de werkwijze van de leerling. Vorige week bespraken we al twee manieren om embedded analytics toe te passen met behulp van WinToets. Vandaag komen er nog twee manieren aan bod.

We gaan verder waar we waren gebleven. Antwoorden die leerlingen geven op vragen in WinToets of keuzes die ze maken uit geboden opties worden direct door het systeem geanalyseerd en geëvalueerd. Het resultaat zorgt voor een automatische interventie. Deze interventie kan zijn dat de leerling niet naar de volgende scherm gaat maar naar een ander lesonderdeel springt.

3 Sprongen
De EXP-versie van WinToets kent de mogelijkheid om na beantwoording van een meerkeuzevraag door te springen naar een andere vraag of informatiescherm op basis van het gegeven antwoord. Op deze manier is het mogelijk om af te wijken van het lineaire pad door een les heen.

Op basis van gemaakte keuzes kan de leerling door het aanbod in het lesmateriaal heen springen. Je kunt dat als docent van te voren bepalen. Afhankelijk van het gegeven antwoord laat je de leerling naar het juiste vervolgonderdeel doorgaan. De leerling krijgt bijvoorbeeld extra uitleg over een onderdeel of slaat juist een bepaald onderdeel over. Je kunt de leerling ook de keuze voorleggen, waarna die zelf kan bepalen naar welk onderdeel hij wil springen.

sprongen

Bij een verkeerd antwoord op vraag 2 wordt naar scherm 3 of 4 met adequate uitleg gesprongen. Bij een correct antwoord wordt deze uitleg overgeslagen en gaat de leerling direct naar scherm 5.

Een ander type interventie kan zijn dat de leerling direct feedback krijgt op zijn gemaakte keuze.

4 Tips en commentaar
Doordat het systeem direct het gekozen antwoord analyseert, kan de leerling onmiddellijk feedback te zien krijgen die bij die keuze hoort. De leerling krijgt bijvoorbeeld een tip bij een foutief gekozen antwoord te zien en een herkansing voor die vraag. Het is ook mogelijk dat de leerling na het maken van een vraag commentaar te zien krijgt op het gegeven antwoord. Als docent voer je zelf de tip en/of het commentaar in.

feedback op een vraag

Bij al deze voorbeelden en bij die uit het vorige blog is er dus steeds sprake van aanpassing van de aangeboden lesstof op basis van de resultaten die elke individuele leerling behaalt. Of dat nu op itemniveau is of op project niveau, de leerling krijgt onderwijs op maat.

Read Full Post »

In Learning Analytics – op weg naar meer gedifferentieerd en gepersonaliseerd onderwijs (door Erik Woning, Kennisnet) worden twee vormen van Learning Analytics beschreven: Embedded Analytics en Extracted Analytics. Dit zijn in feite twee toepassingen waarvoor learning data gebruikt kunnen worden.

Twee vormen van learning analytics
Embedded Analytics zijn interventies op basis van analyses van learning data die direct in het leerproces geïmplementeerd zijn. De analyses en interventies zijn real time en hebben direct impact op de manier waarop de leerling werkt.

Extracted Analytics zijn analyses die uit het onderwijsproces onttrokken worden en bijvoorbeeld informatie kunnen opleveren die gebruikt kunnen worden door leraren bij het vormgeven van hun onderwijs of door schoolleiders bij het ontwikkelen van visie en sturing.

In dit blogartikel en de volgende zetten we uiteen hoe je de toepassingen van embedded analytics met behulp van WinToets kunt realiseren.  In latere blogs bespreken we de toepassing van extracted analytics.

1 Adaptief leermateriaal
Het is mogelijk om aan elk item binnen een itembank een niveau te koppelen. De niveaus lopen van 0 tot 9. Vragen op niveau 0 zijn het makkelijkst en vragen op niveau 9 het moeilijkst.

metadataniveau3

Deze vraag is gemetadateerd op niveau 3

WinToets biedt de mogelijkheid om tijdens een toets te wisselen van vraagniveau. Je kunt zelf instellen na hoeveel vragen de resultaten worden geanalyseerd. Op basis van het resultaat worden vervolgens vragen aangeboden op een hoger, lager of gelijk niveau.

adaptiviteit

In bovenstaand voorbeeld worden er in totaal 20 vragen gesteld. De leerling krijgt eerst vier vragen op niveau 3. Heeft hij 75% of meer van de punten gehaald dan krijgt hij vervolgens vier vragen op niveau  4. Is zijn score 25% of lager dan krijgt hij vier vragen op niveau 2. Zit zijn score er tussenin, dan krijgt hij weer vier vragen op niveau 3. Aan het eind van die reeks wordt weer de score bepaald. Zo herhaald zich dit proces totdat een leerling in totaal 20 vragen heeft gemaakt.

Op deze manier krijgt de leerling geheel geautomatiseerd op basis van de data die hij genereert leerstof op zijn eigen niveau aangeboden. Dit is belangrijk voor het leerproces, omdat zowel te moeilijke als te makkelijke leerstof demotiverend kan zijn voor een leerling.

2 Vervolgles klaarzetten
Niet alleen op itemniveau, ook op projectniveau kan adaptiviteit worden toegepast. Hierbij wordt na afloop een vervolgproject klaargezet, afhankelijk van de behaalde score. Je kunt zelf bepalen bij welke grens wel vervolgproject moet worden geactiveerd.

vervolg

Zo kun je bijvoorbeeld de leerlingen een rekenles laten maken, door ze een serie sommen aan te bieden. Is de score ver onder de maat, dan krijgt de leerling als vervolg een les met uitleg en voorbeelden erbij. Is de score rond een voldoende, dan kun de leerling nog een serie sommen aanbieden, zodat ze meer oefen. Haalt een leerling een ruim voldoende dan kan voor hem of haar een les over een volgend onderwerp klaar gezet worden.

Het mooie van deze twee voorbeelden is, dat de resultaten van individuele leerlingen bepalen wat de interventies zijn. De leerling krijgt dus automatisch op maat leerstof aangeboden.

Wie maakt er al gebruik van deze functionaliteiten in WinToets? Graag horen we je ervaring hieronder.

Read Full Post »

Learning analytics is het verzamelen, meten, analyseren en weergeven van data gegenereerd door leerlingen en hun leeromgeving, met als doel het leerproces beter te begrijpen en te optimaliseren. Analyses van deze data kunnen bijvoorbeeld inzichten verschaffen in sterke en zwakke kanten van individuele leerlingen of groepen leerlingen, in het studiegedrag van leerlingen of in de kwaliteit van het gebruikte lesmateriaal.

Vorige maand is er een brochure verschenen bij Kennisnet: Learning Analytics – op weg naar meer gedifferentieerd en gepersonaliseerd onderwijs, geschreven door Erik Woning, waar heel duidelijk wordt uitgelegd wat Learning Analytics zijn en welke rol het zou kunnen spelen in het onderwijs.

Quayn en WinToets zijn voorbeelden van digitale programma’s waarbij allerlei gegevens verzameld worden tijdens het afnemen van digitale lessen en toetsen. In een reeks van blogartikelen willen we laten zien hoe je deze gegevens kunt gebruiken om je onderwijs te verbeteren. Daarbij gebruiken we begrippen en onderwerpen uit bovengenoemde brochure als uitgangspunt.

learning analytics cycleDe Learning Analytics Cycle toegepast op WinToets en Quayn
Learning Analytics wordt in de literatuur wel beschouwd als een cyclus. De afbeelding komt uit de brochure Learning Analytics van Kennisnet.
Tijdens het leerproces van leerlingen wordt er data gegenereerd. Door deze data te analyseren krijg je inzichten die kunnen zorgen voor interventies in het leerproces van de leerlingen en zo is de cirkel weer rond.

Wanneer je dit toepast op WinToets en Quayn krijg deze cirkel de volgende betekenis: Leerlingen maken een les of toets in een van beide programma’s. Dit levert allerlei gegevens op. Zo wordt er precies bijgehouden welke vragen er goed gemaakt zijn en welke niet, hoe lang er over een bepaalde vraag is gedaan, wat de meest gemaakte fouten zijn, etc. Alles is op leerlingniveau en op groepsniveau te bekijken.

Door deze gegevens te analyseren, kan de moeilijkheidsgraad van de vragen worden aangepast, kan er bepaalde feedback worden gegeven, kan er afhankelijk van het resultaat bepaalde vervolglessen worden klaargezet. Dit kan zowel automatisch door het systeem gebeuren of handmatig door de docent zelf. Doordat ook data voor een hele groep opgeroepen en geanalyseerd kan worden, kun je gericht en onderbouwd de inhoud van je lessen aanpassen.

Onderwerpen in learning analytics reeks
In deze blogserie zullen de volgende onderwerpen uit de brochure van Kennisnet  besproken worden in relatie tot WinToets en Quayn:

  • Embedded & extracted analytics
  • Learning analytics op micro- en mesoniveau
  • Inzet en doelen van learning analytics (passend onderwijs en opbrengstgericht werken)
  • Metadatering op basis van het OnderwijsBegrippenKader

Missen er nog onderwerpen? Laat het ons hieronder weten.

Read Full Post »