Wanneer je een ‘ronde tafel overleg’ hebt, moet je op je
hoede zijn. Die naam verraadt een bijzonder tintje. Inderdaad, dat overleg van
laatst had ook zo’n bijzonder, verheven tintje. Aan het hoofd
van de ronde tafel zat een onderwijsbestuurder. Hij sprak over Learning Analytics.
Hiermee kunnen we onze studenten, het onderwijs en de onderwijsomgeving beter
begrijpen. Daarmee kunnen we de kwaliteit en de voortgang van het onderwijs verbeteren.
We kunnen bijvoorbeeld risicoleerlingen opsporen en studiebegeleiding op maat geven.
Bovendien biedt Learning Analytics mogelijkheden om de organisatie van ons
onderwijs gericht te verbeteren. Educational Management dankzij Learning
Analytics.
De verhevenheid zit hem bij zulke ronde tafels vooral in twee zaken. Ten eerste
de vanzelfsprekende sprekerswinst van een bestuurder. Met droge ogen vergezichten schetsen zonder over de
grootte van je eigen woorden te struikelen – iets om jaloers op te worden. Ten
tweede: de egards. Naar collega's die met weinig kennis van zaken een praatje
voor de vaak verkopen, zijn we doorgaans wel eerlijk: 'Nou Mike, waar je die
wijsheid vandaan hebt, weet ik niet, maar volgens mij is dit onzin'.
Learning Analytics – ik had er al vaak over horen orakelen. Thuis gekomen ben ik vlug gaan googelen. Eens even kijken … ‘het meten, verzamelen, analyseren en rapporteren van data van studenten en hun omgeving met als doel het leren en de leeromgeving te begrijpen en te optimaliseren’, aldus Siemens en Long. Hmmm, het gaat hier dus ‘gewoon’ om data, om informatie dus. Anders gezegd, als ik maar voldoende weet over mijn studenten en hun omgeving, dan puntje puntje begrijpen en optimaliseren puntje puntje enzovoorts. Kortom, ken je pappenheimers. Maar wacht eens even? Dat is toch gewoon een constatering uit het eerste beste pedagogiek leerboek. Wat is daar nou zo spannend aan?
Helaas blijkt het toch weer niet zo simpel te zijn. Waar Siemens en Long zich nog keurig op de vlakte houden met ‘data’, spreekt Jan en alleman op het internet expliciet over ‘IT-data’ – ook wel Big Data (mooi woord, joh!). Hmmm, het gaat dus niet over de kennis in mijn hoofd, niet wat ik zelf van mijn leerlingen weet. Nee, het gaat om informatie die verborgen ligt in IT-systemen – niet alleen de data over mijn leerlingen, maar ook hun eigen muisklikken en toetsaanslagen. In die zin fungeren IT-systemen als een soort collectief onbewuste van het IT-gedrag van mijn leerlingen. Niet alleen collectief trouwens, maar ook individueel.
‘Learning Analytics heeft echt meerwaarde voor de docent. Hij kan, op het moment dat het vak loopt, zien waar studenten mee zitten’, lees ik in Learning Analytics in het Hoger Onderwijs (SURF). Hmmm, middels IT-data en ook verborgen data kan de docent kennelijk toegang verkrijgen tot onbewuste leerprocessen van de student.
Mij bekruipt een onbehaaglijk gevoel. Ben ik de enige hier die een klok hoort luiden, maar van geen klepel weet? Alle grote pedagogen uit het verleden hebben benadrukt dat het menselijk leren goeddeels een ongrijpbaar fenomeen is. Door schade en schande hebben we geleerd dat een eendimensionale, behavioristische opvatting niet volstaat. Leren is niet uitsluitend het absorberen van kennis. Het gaat ook om het verkrijgen van inzicht in jezelf en het scheppen en herscheppen van je eigen wereld. Niet alleen kennis, maar bijvoorbeeld ook affiniteit, waarde, zin, betekenis, zelfbeeld en eigendunk. Daarin is ieder mens uniek en onvoorspelbaar.
Volgens John Dewey was menselijk leren ten diepste een vorm van creatieve zelfexpressie. Jean Piaget sprak van ‘learning as invention’. Henri Bergson noemde leren een combinatie van ‘dressuur en mystiek’. Tot nu toe heeft niemand een afdoende definitie van ‘leren’ gegeven. Hoezo dan nu Learning Analytics? Een analyse van iets waarvan we geeneens een eenduidige operationele definitie hebben?
Op de SURF-site lees ik: ‘Learning Analytics signaleert, maar verklaart niet’. Alleen signaleren dus. Hmmm, dat is alweer andere koek. Met Learning Analytics kunnen we signalen krijgen over onze leerlingen. Maar hoe we die signalen moeten verstaan, dat moeten we nader uitzoeken. Siemens en Long zijn kritisch ten aanzien van voorspellingen: ‘We moeten ervoor waken dat we conclusies trekken uit leerprocessen op basis van allerlei dubieuze vooronderstellingen die maken dat we simpele modellen toepassen op complexe kwesties. Leren is onvoorspelbaar. Het toepassen van analyses om leren te beschrijven zal allesbehalve eenvoudig zijn’.
Al met al lijkt het me raadzaam om Learning Analytics te ontdoen van zijn verhevenheid. Laten we het gewoon een pragmatische betekenis toekennen. ‘Met behulp van algoritmen, weegfactoren worden data, muisklikken en toetsaanslagen uit onderwijs-informatiesystemen verzameld en geordend. Analyse moet uitwijzen of deze data iets zinvols kunnen betekenen voor het onderwijs.’ Wat dacht je daarvan?
En willen we vervolgens de signalen verstaan en de betekenis voor het onderwijs achterhalen? Ga dan gewoon terug naar af. Pak het eerste beste leerboek pedagogiek en bestudeer de klassieken: Piaget, Vigotsky, enzovoorts.
Aan de ronde tafel blijft men voorlopig nog wel eventjes in de ban van de verhevenheid. Stel je voor - een docent achter zijn dashboard vol leerlingen met groene en rode uitslagen! ‘Kunnen we op basis van beschikbare data achterhalen of studenten in hun leerprocessen uit de pas lopen?’, vraagt de bestuurder. De gehele ronde tafel knikt instemmend. Volgens de etiketten knik ik driftig mee. Maar voor ik er erg in heb, stromen de woorden uit mijn mond: 'Ja hoor, dat kan! Maar daar heb je helemaal geen Learning Analytics voor nodig. Vraag gewoon even de mentor of docent.'
PT, 8 januari 2014
>> Home <<