NLV Data naar Defensie: een nieuwe stap in datagedreven leren
Samen met het Ministerie van Defensie zet Next Learning Valley een nieuwe stap in datagedreven leren. Om data uit meer dan 350 simulatoren en leeromgevingen binnen Defensie samen te brengen, richten we in de eigen IT-infrastructuur van Defensie een ecosysteem van gekoppelde Learning Record Stores (LRS’en) in. Ons data-integratieplatform NLV Data verzamelt en verbindt leerdata uit deze uiteenlopende bronnen en maakt die echt bruikbaar.
Voor Next Learning Valley is dit een bijzondere mijlpaal. Onze samenwerking met Defensie, onder andere binnen projecten als AMALT en SHERRIE en met verschillende onderdelen van de organisatie, waaronder DGOTC, heeft mede aan de basis gestaan van de ontwikkeling van NLV Data.
Nu zetten we samen de volgende stap: van ontwikkeling en experiment naar concrete toepassing binnen de organisatie.
Van inzicht naar persoonlijker en slimmer leren
Opleidingen binnen Defensie bereiden mensen voor op hun werkzaamheden en verantwoordelijkheden. Om opleidingen gericht te kunnen verbeteren, is inzicht nodig in hoe mensen leren, waar zij tegen problemen aanlopen en welke onderdelen van een opleiding bijdragen aan het gewenste resultaat.
Leerdata kan daarbij helpen. Door gegevens uit verschillende leeromgevingen met elkaar te verbinden, ontstaat een vollediger beeld van het leerproces. Opleidingsprofessionals kunnen daarmee bijvoorbeeld onderzoeken:
- Waar lopen deelnemers vast?
- Op welke momenten kan extra begeleiding waarde toevoegen?
- Welke onderdelen van een opleiding kunnen worden verbeterd?
- Welke leeractiviteiten dragen bij aan het behalen van leerdoelen?
- Welke volgende leeractiviteit past het beste bij de ontwikkeling van een individuele deelnemer?
Maar datagedreven leren gaat voor ons verder dan alleen inzicht en analyse. Door leerdata op een slimme manier te gebruiken, kunnen ook onderdelen van het leerproces worden geautomatiseerd en gepersonaliseerd.
Op basis van beschikbare data kunnen leeractiviteiten bijvoorbeeld gerichter worden aangeboden, kan ondersteuning worden afgestemd op de voortgang van een deelnemer en kunnen vervolgstappen automatisch worden bepaald. Zo ontstaat de mogelijkheid om deelnemers steeds meer een leerroute te bieden die aansluit bij hun kennis, prestaties, ontwikkeling en leerbehoefte.
Data ondersteunt daarmee niet alleen de professional bij het nemen van betere beslissingen, maar kan ook direct bijdragen aan een slimmer en persoonlijker leerproces.
Datagedreven leren begint voor ons daarom niet bij de technologie, maar bij de vragen die een organisatie wil beantwoorden en de processen die zij wil verbeteren. Samen met Defensie bepalen we welke strategische en onderwijskundige vraagstukken centraal staan, welke gegevens daarvoor nodig zijn en waar data kan bijdragen aan het automatiseren en personaliseren van leren.
Een ecosysteem van gekoppelde Learning Record Stores
Om leerdata uit verschillende systemen bij elkaar te brengen, richten we binnen Defensie een ecosysteem van meerdere gekoppelde Learning Record Stores in.
Een LRS slaat gegevens over leeractiviteiten op. Denk bijvoorbeeld aan gegevens over deelname, voortgang, resultaten en andere activiteiten die tijdens het leren plaatsvinden.
De schaal waarop dat binnen Defensie relevant kan zijn, is groot. Defensiebreed zijn er meer dan 350 simulatoren en leeromgevingen. Juist in zo’n landschap is het belangrijk dat leerdata niet opgesloten blijft binnen afzonderlijke systemen, maar op een gestandaardiseerde manier kan worden verzameld en verbonden.
NLV Data vormt binnen deze inrichting een belangrijke bouwsteen. Door meerdere LRS’en met elkaar te laten samenwerken, kan leerdata uit verschillende bronnen en omgevingen in samenhang worden gebruikt.
Voor de uitwisseling van die gegevens maken we gebruik van xAPI. Dit is een open standaard die beschrijft hoe systemen informatie over leeractiviteiten kunnen vastleggen en uitwisselen. Je kunt xAPI zien als een gezamenlijke taal waarmee verschillende leeromgevingen en systemen gegevens met elkaar kunnen delen.
Samen met Defensie bepalen we welke gegevens relevant zijn, hoe deze worden uitgewisseld en hoe we ze kunnen vertalen naar betekenisvolle inzichten én acties. Daarmee ontstaat niet alleen een basis voor analyse en rapportage, maar ook voor het gericht automatiseren van leerprocessen en het personaliseren van leerervaringen.
Een inrichting die aansluit op Defensie
Het LRS-ecosysteem wordt on-premise ingericht. Dat betekent dat de oplossing binnen de eigen IT-infrastructuur van het Ministerie van Defensie wordt geïmplementeerd.
De interne eisen en richtlijnen op het gebied van informatiebeveiliging, gegevensbeheer en toegang vormen daarbij het uitgangspunt. Vanaf het begin houden we daarom rekening met de manier waarop gegevens worden opgeslagen, verwerkt, uitgewisseld en toegankelijk worden gemaakt.
Zo ontstaat een inrichting die niet alleen technisch functioneert, maar ook past binnen de infrastructuur, beveiligingseisen en opleidingsvraagstukken van Defensie.
Juist in deze opdracht komen verschillende expertises van Next Learning Valley samen: leren, technologie, data en integratie.
Van samenwerking naar productontwikkeling
De samenwerking met Defensie heeft een belangrijke rol gespeeld in de ontwikkeling van NLV Data.
De opleidingsvraagstukken uit de praktijk, de diversiteit aan leeromgevingen en de eisen rond gegevensbeheer hebben geholpen om de oplossing verder vorm te geven. Defensie bracht daarbij diepgaande kennis van de eigen organisatie en opleidingspraktijk in. Next Learning Valley verbond die kennis met expertise op het gebied van leren, technologie en data.
Die wisselwerking is kenmerkend voor de manier waarop we bij Next Learning Valley oplossingen ontwikkelen: niet los van de praktijk, maar samen met organisaties en professionals die er uiteindelijk mee moeten werken.
Dat NLV Data nu binnen Defensie wordt geïmplementeerd, maakt deze stap voor ons extra bijzonder. Een samenwerking die mede heeft bijgedragen aan de ontwikkeling van het product, leidt daarmee nu tot toepassing binnen de organisatie waar een deel van die ontwikkeling is begonnen.
Samen verder bouwen aan datagedreven leren
De komende periode implementeren we NLV Data en koppelen we de verschillende Learning Record Stores binnen het ecosysteem.
Daarmee ontstaat een technische basis om leerdata uit verschillende bronnen op een gestandaardiseerde manier met elkaar te verbinden en steeds beter te benutten voor opleidingsvraagstukken.
Maar de technologie is uiteindelijk een middel. De echte waarde ontstaat wanneer data helpt om beter te begrijpen wat werkt in leren én wanneer die inzichten kunnen worden omgezet in actie. Door leerprocessen waar mogelijk te automatiseren en leerervaringen steeds beter af te stemmen op de individuele deelnemer, kan leren gerichter, efficiënter en persoonlijker worden georganiseerd.
Zo bewegen we van data verzamelen, naar inzicht creëren, naar leren automatiseren en personaliseren.
Voor Next Learning Valley is dit daarom niet alleen een belangrijke stap in de verdere ontwikkeling van NLV Data, maar ook in onze ambitie om organisaties te helpen meer waarde te halen uit hun leerdata.
We zijn trots op wat de samenwerking met Defensie tot nu toe heeft voortgebracht en kijken ernaar uit om samen verder te bouwen aan datagedreven, geautomatiseerd en gepersonaliseerd leren.
Van Defensie naar jouw organisatie
Defensie is niet de enige organisatie die voor deze uitdagingen staat. Veel grote bedrijven, financiële instellingen, zorgorganisaties en overheidsorganisaties hebben te maken met hetzelfde probleem: versnipperde systemen en geïsoleerde leerdata.
Onze samenwerking met Defensie laat zien waarvoor NLV Data is gebouwd: het verbinden van leerdata in complexe, grootschalige landschappen, ook bij strenge compliance-eisen en een volledig on-premise inrichting.
Maak jouw leerdata werkbaar
Wil je meer halen uit de leerdata binnen jouw organisatie? Samen onderzoeken we welke inzichten je nodig hebt, welke gegevens daarvoor beschikbaar zijn en hoe NLV Data bestaande leer-, simulatie- en informatiesystemen met elkaar kan verbinden. Zo maken we leerdata bruikbaar voor betere beslissingen én als basis voor het automatiseren en personaliseren van leren.
