Stel: je bent student bedrijfskunde en je hebt maandag een tentamen. Je weet dat je er goed voor staat, want voor het vorige tentamen had je een 8. Je weet óók dat je huisgenoot dit weekend zijn verjaardag viert: een feestje dat je niet mag missen. Met die kennis in je achterhoofd besluit je dat je deze keer iets minder hard kan leren. Als je maar een voldoende haalt, dan is het goed.
Tevreden log je een paar weken later in op Blackboard. Yes: het tentamen is nagekeken. Net op het moment dat je jouw cijfer aanklikt, verschijnt er een pop-up in beeld.
Is dit een grap? Nee. Voor UvA-datapsycholoog Stefan Mol klinkt het als toekomstmuziek die – als het aan hem ligt – binnen niet al te lange tijd werkelijkheid wordt. De universitair docent is bezig met een onderzoek in ‘learning analytics’: het verzamelen en analyseren van gegevens om inzicht te krijgen in het studiegedrag van studenten. In die data ligt volgens hem ‘een rijkdom aan kennis’ verborgen die de kwaliteit van het hoger onderwijs kan verbeteren. Dat zei hij gisteren tijdens de IRS-lezing Big data in het hoger onderwijs: vloek of zegen? in het Allard Pierson Museum in Amsterdam, waar hij zijn onderzoek presenteerde.
Aansluiting op de arbeidsmarkt
Het idee van ‘learning analytics’ is om op basis van gedragskenmerken te analyseren hoe goed iemand zijn studie doorloopt en die kennis te gebruiken om andere studenten advies te geven. Hoeveel tijd brengt een student door op Blackboard? Hoe vaak is hij aanwezig bij colleges? Welke literatuur raadpleegt hij? Hoe vaak spreekt hij een studieadviseur? Dat soort gegevens wordt nu al vastgelegd. Mol wil die kennis gebruiken om voorspellingen te doen. Of eigenlijk om een stapje verder te gaan en studenten beter voor te bereiden op de arbeidsmarkt. ‘Als je weet welk gedrag leidt tot het beste studieresultaat, kun je studenten daar tijdens het volgen van een vak al op wijzen,' zegt hij. ‘In plaats van pas met adviezen te komen als diegene een onvoldoende heeft gehaald.’
Momenteel is hij op de Amsterdam Business School van de UvA samen met een aantal collega's onderzoek aan het plannen om alumni-gegevens te analyseren. Door te kijken waar eerdere studenten terecht zijn gekomen op de arbeidsmarkt, hoopt hij huidige studenten te kunnen sturen. 'Stel dat je programmeren leuk vindt,' geeft hij als voorbeeld. ‘Dan kun je kijken of gedrag van studenten voorspellend is voor hun latere kansen op een functie als programmeur en, als je een verband vindt, aanbevelingen doen.’ Zo’n advies kan dan als volgt luiden: ‘Hé, let op: het volgende tentamen is indicatief voor de kans op het vinden van je geambieerde baan. Dus je kunt maar beter goed studeren.’
Kritiek
Mol onderschrijft dat er nog veel ‘haken en ogen’ zitten aan zijn idee. Nog los van ethische kwesties roept het onderzoek allerlei juridische vragen op. Hoe zorg je dat je toestemming krijgt van alumni om data uit hun studententijd te gebruiken? Hoe ga je om met belangen van externe partijen, zoals bedrijven, die ook erg geïnteresseerd zullen zijn in de prestaties van studenten? Hij benadrukt dat de regelgeving voor ‘learning analytics’ nog in de kinderschoenen staat en pleit voor een 'Center of Data Governance & Innovation' op de UvA, waar dit soort vraagstukken worden samengebracht.
Tijdens de bijeenkomst in het Allard Pierson Museum, waar ook studenten aanwezig zijn, is de kritiek overigens opvallend mild. ‘Ik maak me hier niet zo boos over’, zegt economiestudent Mathijs Pladdet (22) desgevraagd. ‘Data-analyse is de toekomst, volgens mij is het alleen maar goed als universiteiten daarin meegaan.’ Wel is het belangrijk dat de adviezen aan de studenten niet bindend worden, zegt Soenita Sitabi (35), informatie-achitect aan de HvA. ‘De gegevens moeten niet op een verkeerde manier worden gebruikt, bijvoorbeeld door sancties op te leggen als een student een aanbeveling niet opvolgt. Maar zover is het nu nog niet. Zolang de aanbevelingen vrijblijvend zijn, is er geen probleem.’
Tevreden log je een paar weken later in op Blackboard. Yes: het tentamen is nagekeken. Net op het moment dat je jouw cijfer aanklikt, verschijnt er een pop-up in beeld.
Attentie: Je haalde voor dit tentamen een 5.5. Je verwachte afstudeerdatum is daardoor vier maanden vooruitgeschoven. Je kansen om als consultant werk te vinden zijn met 10 procent gedaald. Wil je nog in aanmerking komen voor een promotieonderzoek, dan moet je voor het volgende tentamen een 9 halen. Succes ermee.
Is dit een grap? Nee. Voor UvA-datapsycholoog Stefan Mol klinkt het als toekomstmuziek die – als het aan hem ligt – binnen niet al te lange tijd werkelijkheid wordt. De universitair docent is bezig met een onderzoek in ‘learning analytics’: het verzamelen en analyseren van gegevens om inzicht te krijgen in het studiegedrag van studenten. In die data ligt volgens hem ‘een rijkdom aan kennis’ verborgen die de kwaliteit van het hoger onderwijs kan verbeteren. Dat zei hij gisteren tijdens de IRS-lezing Big data in het hoger onderwijs: vloek of zegen? in het Allard Pierson Museum in Amsterdam, waar hij zijn onderzoek presenteerde.
Aansluiting op de arbeidsmarkt
Het idee van ‘learning analytics’ is om op basis van gedragskenmerken te analyseren hoe goed iemand zijn studie doorloopt en die kennis te gebruiken om andere studenten advies te geven. Hoeveel tijd brengt een student door op Blackboard? Hoe vaak is hij aanwezig bij colleges? Welke literatuur raadpleegt hij? Hoe vaak spreekt hij een studieadviseur? Dat soort gegevens wordt nu al vastgelegd. Mol wil die kennis gebruiken om voorspellingen te doen. Of eigenlijk om een stapje verder te gaan en studenten beter voor te bereiden op de arbeidsmarkt. ‘Als je weet welk gedrag leidt tot het beste studieresultaat, kun je studenten daar tijdens het volgen van een vak al op wijzen,' zegt hij. ‘In plaats van pas met adviezen te komen als diegene een onvoldoende heeft gehaald.’
Momenteel is hij op de Amsterdam Business School van de UvA samen met een aantal collega's onderzoek aan het plannen om alumni-gegevens te analyseren. Door te kijken waar eerdere studenten terecht zijn gekomen op de arbeidsmarkt, hoopt hij huidige studenten te kunnen sturen. 'Stel dat je programmeren leuk vindt,' geeft hij als voorbeeld. ‘Dan kun je kijken of gedrag van studenten voorspellend is voor hun latere kansen op een functie als programmeur en, als je een verband vindt, aanbevelingen doen.’ Zo’n advies kan dan als volgt luiden: ‘Hé, let op: het volgende tentamen is indicatief voor de kans op het vinden van je geambieerde baan. Dus je kunt maar beter goed studeren.’
Kritiek
Mol onderschrijft dat er nog veel ‘haken en ogen’ zitten aan zijn idee. Nog los van ethische kwesties roept het onderzoek allerlei juridische vragen op. Hoe zorg je dat je toestemming krijgt van alumni om data uit hun studententijd te gebruiken? Hoe ga je om met belangen van externe partijen, zoals bedrijven, die ook erg geïnteresseerd zullen zijn in de prestaties van studenten? Hij benadrukt dat de regelgeving voor ‘learning analytics’ nog in de kinderschoenen staat en pleit voor een 'Center of Data Governance & Innovation' op de UvA, waar dit soort vraagstukken worden samengebracht.
Tijdens de bijeenkomst in het Allard Pierson Museum, waar ook studenten aanwezig zijn, is de kritiek overigens opvallend mild. ‘Ik maak me hier niet zo boos over’, zegt economiestudent Mathijs Pladdet (22) desgevraagd. ‘Data-analyse is de toekomst, volgens mij is het alleen maar goed als universiteiten daarin meegaan.’ Wel is het belangrijk dat de adviezen aan de studenten niet bindend worden, zegt Soenita Sitabi (35), informatie-achitect aan de HvA. ‘De gegevens moeten niet op een verkeerde manier worden gebruikt, bijvoorbeeld door sancties op te leggen als een student een aanbeveling niet opvolgt. Maar zover is het nu nog niet. Zolang de aanbevelingen vrijblijvend zijn, is er geen probleem.’
