Koplopers gebruiken Learning Analytics

Hoe zorgen we ervoor dat leerlingen of medewerkers zo optimaal mogelijk leren? Veel onderwijsinstellingen en organisaties worstelen met die vraag. Een eenvoudig antwoord ligt niet voor de hand. Want wat je nodig hebt, is inzicht in leerontwikkelingen én in(gewenste)leerresultaten. Wat je nodig hebt, is Learning Analytics.

Learning Analytics: data over het geplande leren, het leren zelf én de analyse die je op die leergegevens kunt loslaten. Met Learning Analytics krijg je inzicht in wie, wat, wanneer leert en hoe dat beter kan. Die inzichten gebruik je om leren te optimaliseren en uiteindelijk zelfs te personaliseren. Max Mertens en Jan Rijken spraken hierover en verkenden de barrières en mogelijkheden.

Leren optimaliseren, effectiever maken én personaliseren

Zodra je aan de slag gaat met Learning Analytics, zie je direct wat de meerwaarde ervan is. Je krijgt namelijk inzicht in hoe mensen leren en tot welke resultaten die nieuwe kennis, kunde en skills leiden. Zo kun je dankzij de analyse van die data ook zien welke leerinterventies effectief zijn, kun je de efficiëntie en effectiviteit van de leerinterventies verbeteren en kun je investeringen in leren en ontwikkelen uiteindelijk beter sturen. Je ziet ook hoe belangrijk het is om leerdoelen te formuleren, voordat je met het ontwerp en uitrol van de leeroplossing begint, anders kun je nooit (de juiste) uitkomsten meten.

Ambitieuze L&D’ers kunnen leerinzichten vervolgens gebruiken om de inhoud en vormgeving van leermaterialen te personaliseren en op die manier leerervaringen nóg verder te optimaliseren. Meteen doen, zou je zeggen! Toch moeten onderwijsinstellingen en organisaties nog flinke stappen zetten om alles uit Learning Analytics te halen.

Mindset en vertaalslag

In veel organisaties zijn de competenties en de mindset die nodig zijn om Learning Analytics daadwerkelijk te gebruiken, nog niet aanwezig. Dat komt deels doordat data, statistiek en analyses om de hoek komen kijken. In veel gevallen toetsen L&D’ers de leereffectiviteit bijvoorbeeld niet of nauwelijks  en blijft ook de vertaalslag op strategisch niveau (bij afdelingen als human resources, C-level-management) achter. En die vertaalslag is hard nodig om de toegevoegde waarde van Learning Analytics echt tastbaar te maken.

KPI’s en goede data

En stel dat die kennis en mindset wel in huis zijn en de vertaalslag wél plaatsvindt, dan nog ervaren organisaties enkele struikelblokken bij het gebruiken en inzetten van Learning Analytics. Het is namelijk essentieel dat je meet wat je wilt meten. In bedrijfstaal: we hebben goede ‘Key Performance Indicators’ (KPI’s) nodig. En die moeten dan weer vastgesteld worden aan de hand van doelstellingen op het gebied van voldoende leer- en performancedata én die data moet van goede kwaliteit zijn.

Bij assessmentresultaten (toetscijfers) heb je een goed meetinstrument nodig dat je naast leergedrag kunt leggen: als iemand vaker bezig is in een online leeromgeving, zou je ook betere resultaten moeten meten kunnen. Maar die data moet je dan ook direct en gemakkelijk uit een online leeromgeving kunnen ontsluiten. En dat is vaak lastig, want niet alle online leeromgevingen zijn volgens dit principe gebouwd.

Belangrijke randvoorwaarden voor Learning Analytics op een rij:

• goede KPI’s (meet wat je wil meten)
• voldoende data van goede kwaliteit
• Leerecosysteem waaruit je makkelijk data kunt halen
• middelen, mindset en kennis zijn in huis om hiermee aan de slag te gaan
• vertaalslag maken naar strategische laag (human resources, management)

Volg de frontrunners

Ondanks enkele struikelblokken en enkele randvoorwaarden, is er een trend gaande waarin steeds meer organisaties de visie van Learning Analytics integreren in hun dagelijks beleid en het L&D-landschap. Het is de moeite waard om die frontrunners in de gaten te houden of waar mogelijk al te volgen.

Wat hebben die pionierende organisaties wel, wat de rest (nog) niet heeft? Een datacultuur. L&D is bij de frontrunners een integraal onderdeel van het bepalen van de Key Performance Indicators, of van wat we proberen te bereiken met ons onderwijsaanbod. Ook is L&D betrokken bij het verzamelen, verwerken en analyseren van data. Zo worden L&D’ers niet alleen handiger en effectiever in het gebruiken van data, maar krijgen analytische afdelingen binnen organisaties ook zicht op wat L&D’ers willen bereiken. Win-win!

Prominentere rol voor de praktijk

Learning Analytics heeft veel te bieden voor onderwijsinstellingen, organisaties en hun L&D-afdelingen, maar er moeten nog gote stappen worden gezet om het onderste uit de kan te halen. Momenteel is de meerwaarde bekend bij een kleine groep. Als we die frontrunners in de gaten houden, geven hun ervaringen zicht op waardevolle en concrete toepassingen van Learning Analytics. Ook weten we dan beter welke stappen nodig zijn om leerontwikkelingen goed te meten en leerresultaten te verbeteren.

Hoe vaker die inzichten worden vertaald naar laagdrempelige out-of-the-box oplossingen, hoe sneller de benodigde kennis en mindset volgen. Rolmodellen, veel onderzoek en concrete voorbeelden zijn nodig om ervoor te zorgen dat Learning Analytics een integraal onderdeel wordt van de kennis en mindset van L&D. Doe je mee?