Learning behavior in LMOOC

Learning Analytics | blog
Mei 2019. Next Learning Valley was aanwezig op EMOOCs2019 in Napels. In een Research track "Learner behavior in MOOCs" werden 3 onderzoeken gepresenteerd. Hier kwamen de echte (learning) data analisten aan het woord.

Naar onze mening is leergedrag in MOOCs nog steeds een onderbelichte expertise in Nederland op de opleidingsafdelingen, maar het tij begint te keren merken wij door de interesse van organisaties in learning analytics. Wij ondersteunen ze steeds meer in het gebruik van LearningLocker, de meest gebruikte Learning Record (LRS) Store in de wereld, om daarmee data te verzamelen en die later te analyseren in lijn met het doel dat men op voorhand heeft. Hieronder 3 onderzoeken.

 

Routes in MOOCs


In dit onderzoek werden mooie dashboards gepresenteerd die leerpaden en routes in beeld brachten die lerenden volgden en/of creëerden (via technieken zoals Markov Decision Process en Label Propagation Algorithm).

In het begin van de MOOC waren de routes van alle lerenden grotendeels gelijk, echter na een bepaalde oefening werd de diversiteit in routes/paden groter. De onderzoekers verdiepen zich nu in de mogelijke oorzaak /reden daarvan en bekijken nog of ze hier acties aan gaan koppelen. In eerste instantie waren ze benieuwd of ze überhaupt al routes konden ontdekken van lerenden in de MOOC.

Waar het een logische aanname is dat ieder zijn eigen voorkeur qua werkwijze heeft in MOOCs, en idealiter een op de lerende afgestemde leerroute volgt, is het vooralsnog uitdagend om de geprefereerde werkwijze te herkennen en hierop in te spelen. Om dergelijke ideale leerroutes te kunnen verwezenlijken, zijn dit soort onderzoeken dan ook een essentiële eerste stap en wij kijken uit naar de implicaties hiervan op de ontwikkeling van toekomstige MOOCs (en SPOCs).

 

Emoties in LMOOC


Een ander mooi onderzoek ging in op emoties van lerenden gedurende het volgen van een LMOOC (Language MOOC). Lerenden werd gevraagd om op bepaalde momenten hun emoties (18 verschillende maar liefst, zoals: curious, excited, hope, proud, surprised, confused, frustrated, anxious, hopelessness, bored, angry, etc) te duiden per leervorm, zoals: een video bekijken, artikelen bestuderen, een quiz uitvoeren of deelnemen aan een discussie.

Het blijkt dat, desondanks alle goede bedoelingen, MOOCs diverse positieve én negatieve emoties kunnen oproepen bij de gebruikers. Waar de positief gerapporteerde ervaringen in de LMOOC in abundantie aanwezig waren, is het van groot belang dat MOOC ontwikkelaars erkennen dat MOOCs negatieve emoties kunnen oproepen om de prevalentie hiervan te minimaliseren.

Door deze data te analyseren, en zowel de positieve and de negatieve emoties te erkennen, werd de MOOC voor een volgende groep aangepast qua soort content en de timing ervan in de MOOC en er werd een verband gevonden tussen de ervaren emoties en de betrokkenheid van deelnemers.

 

Effect van Responsetime op Student's Performance


Het derde onderzoek betrof de relatie tussen het instellen van een responstijd bij opdrachten in een MOOC en de performance van studenten. Tot nu toe ging men er van uit dat er een vaste relatie bestaat tussen de prestatie van de lerende en de beschikbaar gestelde tijd. De auteurs stellen daarentegen dat met de introductie van MOOCs en de ontwikkeling van learning analytics, de bekende valkuil van het ‘ontwikkelen naar een gemiddelde’ zou kunnen worden vermeden.

 

Conform de verwachting van de auteurs, blijkt het niet zo te zijn dat als een individu snel een antwoord klaar heeft staan, dat dit antwoord van hogere kwaliteit is. Namelijk, uit dit onderzoek is gebleken dat een bepaalde groep leerlingen juist gebaat is bij het krijgen van meer tijd om een antwoord te formuleren. Kortom, elke participant in MOOCs (en SPOCs) navigeert zich op een voor hem/haar unieke wijze door digitale leeromgevingen heen, met als gevolg dat het hanteren van gemiddelden de behoeften van sommige lerenden tekort doet. Ontwikkelaars moeten dan ook de individuele behoeften en voorkeuren van leerlingen faciliteren, om een zo hoog mogelijk leerrendement te realiseren.

Alle onderzoekers gaven aan dat dit experimenten betrof. Uiteraard hadden ze vooraf een doel met het onderzoek, maar het proces er naar toe was zeker zo interessant voor ze. Zij adviseerden het publiek dan ook: Zet kleine stappen in het opdoen van ervaring met learning analytics in MOOCs. Just do it and start!

Deel met je omgeving

© Next Learning Valley 2020