Big data in het onderwijs is nog ver weg

Datamining onderwijsAl enkele jaren heeft men het over ‘big data’ en dat we daar schijnbaar heel erg veel beter van worden. Nou ja, de term komt vaak voorbij maar ik heb niet het idee dat de meesten van ons weten waar het nu echt over gaat. Laat ik u geruststellen: een echte definitie is er ook niet. Het is meer een containerbegrip wat zich richt op het omgaan met grote hoeveelheden (ongestructureerde) data. En daar kan je inderdaad wel wat mee, ook in het onderwijs.

Elke dag produceert een mens een ongelofelijke hoeveelheid data. Dat kan een memo zijn dat u schrijft, een bericht op facebook, een telefoongesprek of een pinbetaling. En zo zijn er nog duizenden dingen te bedenken die data produceren. Zoals ik in een eerder blog al eens aangaf verstuurt een gemiddelde smartphone 250.000 datapakketjes per dag naar honderden servers op het internet. Zonder dat u dat weet. Over welke dienst u op dat moment gebruikt en waar u zich precies bevindt, etc. En elke zoekopdracht die u op Google intikt wordt bewaard en kan worden geanalyseerd. Er wordt geschat dat een mens anno 2016 in een dag meer data produceert dan zijn evenknie in de Middeleeuwen gedurende zijn hele leven. Dat klinkt wellicht beangstigend maar met deze enorme hoeveelheid data kan je ook hele mooie en zinnige dingen doen. Zo toonde Google al aan dat je met behulp van big data eerder en beter een griepepidemie kan voorspellen dan met traditionele methoden. Maar heb je er ook wat aan in het onderwijs?

Het antwoord is eigenlijk een volmondig ja. Zo kan het koppelen van (heel veel) verschillende soorten systemen en de daarbij behorende data ons veel leren over bijvoorbeeld het leerproces. Toepassingen kunnen hierdoor worden verbeterd om zo tot daadwerkelijk gepersonaliseerde leeromgevingen te komen. Neem als voorbeeld de data dat uit educatieve games kan worden gehaald. Combineer dit vervolgens met data uit andere systemen (zoals leerlingvolgsystemen) en externe bronnen. Het analyseren hiervan kan leiden tot interessante en ongedachte verbanden. En dat kan vervolgens weer worden gebruikt om het leerproces te verbeteren. Klinkt goed, maar gebeurt dat al? En gaan we het allemaal op korte termijn toepassen?

Zeker in het hoger (academisch) onderwijs en in MOOC’s (Massive Open Online Courses) wordt het analyseren van grote hoeveelheden data al veel toegepast. En daar zit direct ook de crux. Dit zijn namelijk per definitie instellingen met (heel) veel studenten en dus veel data. Daarnaast beschikken deze organisaties vaak over de kennis en middelen om de complexe technologie die noodzakelijk is voor het analyseren (datamining) te gebruiken. Binnen de meeste PO en VO instellingen in Nederland lijkt dit nog een brug te ver. Samenwerking tussen scholen en leveranciers (zoals uitgevers) zou hier een oplossing voor kunnen zijn. Echter, naast kennis en middelen is er nog een ander cruciaal aspect om big data te kunnen analyseren: de kwaliteit van de data. En juist daar schort het nogal eens aan. Veel leerlingadminstratie/volgsystemen in het onderwijs kennen een erbarmelijke gegevenshuishouding. En datamining is toch een beetje zoals die blender bij u in de keuken. Als je er boven bagger ingooit komt er beneden bagger uit. Wilt u dus gebruik gaan maken van alle mooie kansen die big data ook voor uw onderwijs kan bieden, dan dient u als eerste werk te maken van uw eigen data.

Tot slot: big data is wat anders dan learning analytics, die andere veel gebruikte term. Onderstaand plaatje van collegestats.org maakt het verschil inzichtelijk.Data mining onderwijs

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *