Keynote #owd17 Learning Analytics: Harnessing Data Science to Transform Education

Ik ben vandaag aan het bloggen op de Onderwijsdagen. De conferentie opent met de keynote van Timothy McKay. Zelf is hij een data-scientist, waar hij, letterlijk, astronomische hoeveelheden van heeft.

Hij opent met wat kengetallen van z’n werkplek: Universiteit van Michigan met “Education at Scale” als missie. Bijna 7000 medewerkers en een budget van 7 miljard, waarvan 1,4 in research zit. Ja poeh, groot hoor. Mooi is wel zijn opmaat naar Learning Analytics. Eerst deed hij onderzoek naar sterrenstelsels, in de 100 miljoenen. Vervolgens keek hij naar z’n studenten en besefte dat hij daar minder van wist dan van het heelal. Vind het zelf altijd fijn als een onderzoeker soort van nederig blijft beseffen wat hij nog niet weet.

Hij vermeld het ‘2 sigma Probleem‘ oftwel hoe vergroot je het effect van het leren afhankelijk van de manier van onderwijzen? En vervolgt met de vraag: “Hoe personaliseer je op grote schaal?”. Het antwoord hierop is een socio-technologische uitdaging. Onderdeel hiervan zijn principes als welke data is relevant, wat zijn de normen bij het vergaren van data in relatie tot autonomie, toestemming en privacy? Hij werkt een paar terreinen uit:

  • Respecteer de rechten en waardigheid van studenten. Hij is tegen ‘predictive analytics’ en moedigt aan niet te kijken naar wat er in de toekomst mis kan gaan maar kijk hoe je kunt oplossen wat niet goed gaat. Verder is hij heel kritisch naar het labelen en categoriseren van individuen. Het schiet altijd te kort omdat de plek van een kenmerk in een tabel lang niet altijd de complexiteit van de werkelijkheid goed weergeeft.
    Daarnaast wil je met de data kunnen spelen zonder dat je de specifieke data van een individu ziet.
  • Weet wat je wilt verzamelen: ze meten vanzelfsprekend examens en aanwezigheid etc. Wat er ‘ontploft’ is de hoeveelheid digitaal vastgelegde zaken zoals ‘clickstreams’ en chats etc. Wat ze eigenlijk willen is een soort portret kunnen samenstellen en dus alleen de data verzamelen die daar aan bijdragen.
    Nog verder gedacht, veel interessanter zijn bijvoorbeeld intellectuele breedte en diepgang in een vakgebied.
  • Analyse: Timothy illustreert heel mooi allerlei vormen van analyses. Welke vakken geven lagere cijfers? Welke groepen (bijvoorbeeld naar geslacht) hebben daar het meest last van? Welke extra lessen geven in welke mate betere cijfers in het vervolg van de leerroute?

Een universiteit waardig, stoppen ze het onderzoek naar hun eigen onderwijs in een volwaardig programma waar meerdere wetenschappers zich mee bezig houden. Het uiteindelijke doel is hun onderwijs gepersonaliseerd waardevoller en effectiever maken.

Timothy vertelt veel en snel zonder onaangenaam te ratelen. Inhoudelijk zou zijn verhaal wel een dag op zich kunnen vullen omdat het zo vol zit met aanwijzingen, waarschuwingen en best-practices.

Update: de sessie is hier na te kijken als video.