Evaluatie
Nadat
de webgebaseerde leeromgeving gelanceerd werd, dient er een evaluatie plaats te
vinden. Hierbij wordt in de eerste plaats het cursusmateriaal geëvalueerd: komt het ontwikkelde materiaal tegemoet aan de vooropgestelde doelstellingen ? Eventueel
kan men na een kritische evaluatie het materiaal herzien of bijwerken.
Ook het gebruik van het e-Book moet geëvalueerd worden: gebruiken de studenten (al) het aangereikte materiaal? Dit kan gebeuren door middel van een poll of door het bijhouden van statistieken over het bezoek van het leerplatform en deelname aan de oefeningen en zelftests. Hiervoor moet men beschikken over big data, zodat men zich kan toeleggen op de learning analytics. Er kan gekozen worden om onder andere google analytics te koppelen aan de oefeningen in de website.
We geven enkele interessante wetenschappelijke artikels mee die ingaan op het belang van big data en learning analystics(2).
Ook het gebruik van het e-Book moet geëvalueerd worden: gebruiken de studenten (al) het aangereikte materiaal? Dit kan gebeuren door middel van een poll of door het bijhouden van statistieken over het bezoek van het leerplatform en deelname aan de oefeningen en zelftests. Hiervoor moet men beschikken over big data, zodat men zich kan toeleggen op de learning analytics. Er kan gekozen worden om onder andere google analytics te koppelen aan de oefeningen in de website.
We geven enkele interessante wetenschappelijke artikels mee die ingaan op het belang van big data en learning analystics(2).
Aansluitend bij de evaluatie van het gebruik van de tools kan geanalyseerd worden wat de relatie is tussen het gebruik van de tools en de studieresultaten. De volgende correlaties kunnen bv. onderzocht worden:
Op die manier kan tenslotte de meerwaarde van de webgebaseerde cursusomgeving geëvalueerd worden en kan eventueel bijgestuurd worden, met als ultieme doelstelling de ‘perfecte cursus’ te ontwikkelen.
Voorbeelden uit ons onderzoek
- Bezoek aan het leerplatform ~ studieresultaten
- Eenmalig maken van de oefeningen per thema doorheen het semester ~ examenresultaten
- Eenmalig maken van de oefeningen tijdens de blokperiode/ examenresultaten
- Meerdere keren maken van de oefeningen doorheen het semester ~examenresultaten
- Meerdere keren maken van de oefeningen tijdens de blokperiode ~ examenresultaten
- Eenmalig maken van de basistest per thema doorheen het semester ~ examenresultaten
- Eenmalig maken van de basistest per thema tijdens de blokperiode~ examenresultaten
- Meerdere keren maken van de basistest per thema doorheen het semester ~examenresultaten
- Meerdere keren maken van de basistest per thema tijdens de blokperiode ~ examenresultaten
- Invullen van de zelftoets (examenniveau) ~ examenresultaten
- Score op de zelftoets (examenniveau) ~ examenresultaten
Op die manier kan tenslotte de meerwaarde van de webgebaseerde cursusomgeving geëvalueerd worden en kan eventueel bijgestuurd worden, met als ultieme doelstelling de ‘perfecte cursus’ te ontwikkelen.
Voorbeelden uit ons onderzoek
(1) GUBERNA Toolkit, 2013, Deel 2: Succesfactoren, http://www.toolkit.pro/facteurs-nl.php?PHPSESSID=7532b050d57fcb32e353af01705ea3cd, 5 november 2014.
(2) Greller, W., & Drachsler, H. (2012). Translating Learning into Numbers: A Generic Framework for Learning Analytics, Educational Technology & Society 15 (3), 42–57; Russom, P., 2011, Big Data Analytics, http://public.dhe.ibm.com/common/ssi/ecm/en/iml14293usen/IML14293USEN.PDF, 19 november 2014; Picciano, A. G., 2012, The Evolution of Big Data and Learning Analytics in American Higher Education, Journal of Asynchronous Learning Networks 16(3), 9-20; Franks, B., 2012, Taming the big data tidal wave: Finding Opportunities in Huge data streams with advanced Analytics (Vol. 56). John Wiley & Sons.