De verzameling, analyse en verspreiding van data sorteert meer effect als verschillende randvoorwaarden in de bedrijfsvoering goed ontwikkeld zijn: strategische keuzes, mens & cultuur, inrichting van processen, de governance en IT.
De volgende aspecten zijn daarbij van belang:
- Samenhang – Zo effectief mogelijke inzet van data vraagt om een samenhangende aanpak op alle ‘onderdelen’ van de bedrijfsvoering van een onderwijsinstelling.
- Balans – Voor een optimaal resultaat moet de verschillende sporen in het model met elkaar in balans zijn. Een hoge score op een bepaald spoor is niet effectief als andere sporen te sterk achterblijven.
- Volwassenheid – Naarmate de activiteiten op de verschillende sporen meer ingebed zijn in de organisatie zal het gebruik van studiedata de meeste impact hebben. Het is goed om met pilots voor studiedata te starten, maar als de randvoorwaarden daarvoor niet verder ontwikkeld worden, zullen initiatieven uiteindelijke doodbloeden.
Strategie & Beleidsvorming
Het gebruik van studiedata moet passen bij de ambities en idealen van een onderwijsinstelling en ten goede komen aan studenten, docenten en medewerkers.
Het moet helder zijn aan welke ethische principes het gebruik altijd voldoet en hoe de privacy van studenten bij het gebruik van studiedata geborgd is. Iedereen in de organisatie kan duidelijk uitleggen waarvoor studiedata wel of niet gebruikt kan worden, waarom het nodig is, en door wie het gebruikt mag worden. Het is duidelijk voor welke toepassingen toestemming van studenten nodig is, en waarvoor het gerechtvaardigd belang van de instelling de juiste grondslag is.
Mens & Cultuur
Alle gebruikers die binnen de onderwijsinstelling studiedata benutten zijn goed geïnformeerd en getraind in hoe ze studiedata zorgvuldig en verantwoord kunnen gebruiken.
Ze weten wat de voordelen van studiedata zijn, maar kennen ook de risico’s en beperkingen. Naast analyses van data, maken ze bij het ontwikkelen van beleid of interventies ook gebruik van al beschikbare kennis in de organisatie en hun ethisch kompas. Bij een besluit is duidelijk op basis van welke argumenten, kennis en data inzichten gebruik is gemaakt.
Organisatie
Een gespecialiseerd team van analisten pakt nieuwe vraagstukken op.
Ze verzamelen studiedata op een veilige manier in afstemming met beveiligingsspecialisten en privacy juristen, ze combineren en verrijken data met oog voor de kwaliteit daarvan en waar nodig wordt data gecorrigeerd zo dicht mogelijk bij de bron. Als de data van voldoende kwaliteit is, analyseren ze de data met behulp van verkennende analyses, statistische toetsen en grondige kennis van het onderwijs. Hun analyses zetten ze om naar inzichten die hun collega’s helpen bij het nemen van besluiten of het plegen van verder onderzoek. Ze werken actief en onafhankelijke mee aan de voorbereiding van nieuw beleid of de evaluatie van bestaand beleid. Doordat de besluitvorming over de toepassing van inzichten snel doorlopen wordt, zijn ze in staat om verbeteringen of nieuwe ideeën snel te gebruiken in hun dienstverlening. Ze onderzoeken het gebruik van nieuwe statistische toepassingen, zoals algoritmes en machine learning, op mogelijke vooroordelen, en onderbouwen en documenteren het eventuele gebruik van algoritmes.
Governance & Sturing
Er zijn duidelijke afspraken binnen de onderwijsinstelling welke bronnen gebruikt worden, wie daarvoor verantwoordelijk zijn en onder welke voorwaarden de data gebruikt mag worden.
Het is duidelijk hoe het gebruik van studiedata geëvalueerd wordt en wat er wordt gedaan als er – ondanks alle voorzorg – fouten gemaakt worden. Voor nieuwe bronnen van studiedata is er een procedure die doorlopen wordt met de gebruikers, privacy juristen en medezeggenschap om te gaan gebruiken. Waar blijkt dat verzamelde data niet langer nodig blijkt of als de afgesproken bewaartermijnen zijn verlopen, wordt deze data verwijderd. Voor het gebruik van bijzondere persoonsgegevens, zoals informatie over migratieachtergrond, of waar studiedata gebruikt wordt voor persoonlijke adviezen is een heldere procedure voor de benodigde toestemming van studenten. Voor de prioritering van nieuwe analyses is een werkwijze ingericht en complexe vraagstukken kunnen worden voorgelegd aan wetenschappelijk personeel. Daar waar gestuurd wordt op data zijn indicatoren in overeenstemming met de betrokken partijen vastgelegd en is bekend hoe die worden gebruikt in het nemen van besluiten.
Informatietechnologie
De IT-voorzieningen die zijn ingericht garanderen een geautomatiseerde en veilige integratie van studiedata, snelle verwerking van data, en een heldere en toegesneden ontsluiting van inzichten aan eindgebruikers.
Vanuit verschillende systemen in de instellingen wordt studiedata geautomatiseerd verzameld, gecombineerd en verrijkt. De data wordt in dit proces zoveel mogelijk gepseudonimiseerd om onthullingsrisico van individuen te voorkomen. Per bron is helder wat de data-eigenschappen zijn, wat de kwaliteit is en hoe missende waarden worden behandeld. Voor de betekenis van variabelen binnen de studiedata is voldoende documentatie beschikbaar om deze goed te kunnen duiden en op waarde te schatten voor analyses. Met IT-leveranciers van onderwijssystemen zijn heldere afspraken gemaakt over veilige levering van data en de mate waarin het de leverancier is toegestaan om zelf analyses te maken of niet. Voor de ontsluiting van data aan eindgebruikers binnen de instelling wordt gebruik gemaakt van eenduidige dashboards en rapporten die zijn toegesneden op hun behoefte en vragen.
Wil je weten hoe jouw onderwijsinstelling op deze aspecten scoort? Doe dan de Quickscan Studiedata. Wil je meer weten over de achtergrond van dit volwassenheidsmodel? Bekijk dan de kennisclips.