icon-arrow icon-check icon-mail icon-phone icon-facebook icon-linkedin icon-youtube icon-twitter icon-cheveron icon-download icon-instagram play close icon-arrow-uturn icon-calendar icon-clock icon-search icon-chevron-process icon-skills icon-knowledge icon-kite icon-education icon-languages icon-tools icon-experience icon-coffee-cup
Werken bij Triamfloat
Nieuws 10/03/2022

‘Met Learning Analytics kunnen we leren slimmer inrichten’

TriamFloat

Max Mertens is Expert Learning Analytics bij Next Learning Valley en vertelt in een kennissessie bij TriamFloat over de toegevoegde waarde van data in de wereld van leren en ontwikkelen. Hij is onze eerste externe expert in ‘Masters aan het woord’. Max: ‘Het is makkelijker dan je denkt om te starten met het verzamelen van data.’

‘Als je goed inzicht hebt in je data, kun je je leer- en ontwikkelaanbod verbeteren en optimaliseren’
Max Mertens / Next Learning Valley

Wat doet Next Learning Valley?

‘Bij Next Learning Valley houden we ons bezig met drie domeinen: Social Learning, Personalized Learning en Learning Analytics. Bij dit laatste gaat het om data gedreven leren, daarin ben ik specialist. Ik help onze klanten om zicht en grip te krijgen op hun data op het gebied van leren, ontwikkelen en presteren. Want als je goed inzicht hebt in je data, kun je je leer- en ontwikkelaanbod verbeteren en optimaliseren.’

Wat is Learning Analytics precies?

’Met Learning Analytics kunnen we leren slimmer inrichten. We meten en verzamelen data gedurende het leerproces zodat we met deze sturingsinformatie het leeraanbod kunnen verbeteren en optimaliseren. Hiermee kunnen we de hele organisatie vooruithelpen. We kunnen sturingsinformatie geven aan het hoger management, aan de academie die daaronder zit en ondersteuning bieden aan de eindgebruiker.’

‘Bij dataverzamelen is het belangrijk dat er draagvlak is bij iedereen die erbij betrokken is’
Max Mertens / Next Learning Valley

Hoe kan Learning Analytics onderwijskundigen helpen?

‘Als onderwijskundigen hebben wij goede ideeën en veel kennis om goed onderwijs te kunnen aanbieden en faciliteren. Maar ik zie in de praktijk dat dit voornamelijk berust op onderbuikgevoel. We passen onze kennis – en de aannames die we maken – toe in de praktijk. Maar door Learning Analytics toe te passen, weet je wat wel en niet werkt en kun je verbeteren en optimaliseren.’

Hoe kunnen organisaties starten met Learning Analytics?

‘Dat is afhankelijk van de leervraag van de organisatie. Er is geen one size fits all oplossing. Ik zie zowel top-down als bottom-up benaderingen. Bij top-down is er draagvlak vanuit de business of de academie zelf om een datastrategie op te tuigen. Vaak ga je dan een lang proces in om alles te faciliteren. Bij bottom-up kun je denken aan een onderwijskundige die mogelijkheden op het gebied van data ziet. Die kan aan de slag gaan met een afgebakende context, bijvoorbeeld met één leerinterventie die wordt aangeboden. Dat is behapbaar, uitvoerbaar en te overzien. Begin bijvoorbeeld eens met de beoordelingen die je over jouw trainingen ontvangt. Deze kun je over de tijd wegzetten en kwantificeren, met bijvoorbeeld cijfers van 0 tot 5. Maak het inzichtelijk in een Excel-document. Het is makkelijker dan gedacht om de eerste stap te nemen.’

Kun je een voorbeeld geven van hoe Learning Analytics toegepast kan worden?

‘Zeker! Denk eens aan een medewerker die inlogt in een leeromgeving en een leerprogramma te zien krijgt dat volledig is toegespitst op zijn of haar functie en persoonlijke leer- en ontwikkelbehoefte. Dat zou ideaal zijn, toch? Als je een eerdere opgedane leerervaring van deze persoon kunt meenemen in de nieuwe leeromgeving, kun je steeds beter een persoonlijk leerprogramma aanbieden. Als organisatie kun je door Learning Analytics ook zien welke skills er in de organisatie aanwezig zijn en op welk niveau. Als je weet welke skills je in de toekomst nodig hebt, dan kun je hier een onderwijsprogramma op maat voor maken. Dit is ook slim als je kijkt naar het aantal vacatures en het beperkte aantal beschikbare mensen op de arbeidsmarkt. Je moet slimmer met je huidige workforce omgaan.’

‘Je kunt beginnen met kleine afgebakende pilots, zodat je een speelveld creëert zonder onvoorziene variabelen’
Max Mertens / Next Learning Valley

Wat is een voorwaarde om Learning Analytics goed te kunnen toepassen?

‘Bij het verzamelen van data is het belangrijk dat er draagvlak is bij iedereen die erbij betrokken is. Als iemand het er niet mee eens is dat er data over hem of haar verzameld wordt, dan kan deze persoon de data manipuleren. Ik ken een voorbeeld van een organisatie met callcentermedewerkers die regelmatig e-learnings moeten volgen. De medewerkers kwamen erachter dat als zij een e-learning niet volgden, hun manager hier een melding van kreeg. Ook kwamen ze erachter dat als ze de e-learning zes minuten open lieten staan, deze als ‘voltooid’ werd gemarkeerd. Zo konden zij de data manipuleren. En dat wil je als organisatie natuurlijk niet. Je kunt draagvlak creëren als je duidelijk maakt dat je een bepaalde situatie inzichtelijk wilt maken om vervolgens een beter leeraanbod te kunnen bieden.’

Wat voor ontwikkelingen gaan we volgens jou in de toekomst zien?

‘Ik verwacht dat organisaties steeds minder expertise op het gebied van data en ICT nodig zullen hebben omdat er meer click & play interfaces ontwikkeld zullen worden. Denk hierbij aan dashboards die je gemakkelijk zelf in elkaar zet als leer- en ontwikkelspecialist. Ook wordt het laagdrempeliger en toegankelijker om Learning Analytics in te zetten, omdat er meer acceptatie en draagvlak komt vanuit de markt. Vergelijk het met Spotify. Vroeger kocht men losse cd’s, nu heb je voor een relatief laag bedrag een abonnement op Spotify en krijg je – op basis van je luistergedrag – automatisch nieuwe muziek voorgesteld.’

Je kunt dus onderwijscontent aanbieden op basis van eerder leergedrag. Maar sluit je daarmee ook niet veel leercontent uit? Is dat niet een risico?

‘Het is goed om te realiseren dat we te maken hebben met een afbreukrisico. Maar binnen de context van leren en ontwikkelen is dat afbreukrisico een stuk lager dan bijvoorbeeld in de medische wereld, waar mensenlevens op het spel staan. Het is vervelend als je een keer de verkeerde content krijgt aangeboden, maar het is geen ramp. We kunnen ons wat permitteren.
Het algoritme van Spotify is hier ook een mooi voorbeeld. Ze weten dat ze niet altijd de juiste nummers kunnen voordragen, maar het sluit wel aan bij de behoefte van de doelgroep. Ook zien we dat als we dergelijke algoritmes toepassen, we meer regie geven aan de eindgebruiker. Wat als jij in een leeromgeving zit die zich automatisch vult aan de hand van jouw behoeftes? En dat jij direct met deze omgeving kunt interacteren of dit past bij jou of niet? Dan kan zo’n algoritme ervan leren en gaat het over de tijd steeds beter aansluiten bij jouw behoeftes. Maar, het wordt nooit een volledig schaalbare oplossing. De menselijke schakel blijft wel belangrijk voor het bewaken van de kwaliteit van een leerprogramma.’

Overzicht nieuws

De consultants van TriamFloat hebben een passie voor leren. Neem contact met ons op!