Ondersteuner

Sofie is ondersteuner bij een faculteit van een hogeschool. Al een tijd zou ze in haar werk meer willen doen met studiedata op een verantwoorde manier. Studiedata zijn al dan niet geaggregeerde data van onderwijsinstellingen over studenten die relevant voor haar kunnen zijn als ondersteuner, zoals gegevens over de inschrijvingen op vakken en deelname aan het onderwijs.

Als ICTO-ondersteuner helpt ze docenten bij de inrichting van hun onderwijs met behulp van ICT. Sinds zij zich erin heeft verdiept ziet ze mogelijkheden om studiedata beter te gebruiken. Ze ziet kansen voor het ontwerp van het onderwijs en lesmateriaal. Zij verwacht dat ze zo de kwaliteit van het onderwijs kan verbeteren, dat ze adviezen kan ontwikkelen om het onderwijs aan studenten effectiever te maken, en dat zij met haar collega’s het onderwijs efficiënter kan organiseren en ondersteunen.

Lees meer over wat studiedata zijn

Rol ondersteuner studiedata

Het vraagstuk

Op dit moment heeft ze het idee dat zij en haar collega’s nog te weinig doen met studiedata.

Bij de ondersteuning die ze biedt bij de ontwikkeling van lessen of lesmateriaal voor docenten valt ze vaak terug op haar intuïtie en ervaring. Vaak blijkt er geen data beschikbaar over de behoefte aan onderwijs of het gebruik van onderwijs en – veelal digitaal – lesmateriaal, of blijkt de data die er wel is niet actueel. Ze vindt het ook lastig om te bepalen wat uitzonderlijk is voor een vak of opleiding, of aansluit bij algemene trends in al het onderwijs. Ze heeft het idee dat die trends juist veel kunnen zeggen over mogelijke verbeterpunten voor alle opleidingen. De feedback die ze terugkrijgt van docenten en anekdotes van collega’s zijn natuurlijk waardevol, maar kan ze daar wel haar plannen voor de verbetering van het ontwerp van lessen op baseren? Is het wel verantwoord naar studenten en docenten die ze zo goed mogelijk wil bedienen, en past dat wel bij de normen en waarden die zijzelf wil hanteren in haar werk? Een ingewikkeld vraagstuk. Te vaak tast ze in het duister, wat lastig is bij haar besprekingen met docenten en collega’s, maar ook bij gesprekken met haar teamleider en andere diensten van de faculteit. Dit moet toch anders kunnen?

Lees meer over de soorten data analytics die er zijn

De droom

Voor de verbetering van haar ondersteuning aan docenten – voor de ontwikkeling van onderwijs en lesmateriaal – is het haar ideaal eenzelfde soort overzicht te hebben waarin ze kan zien hoe de betrokkenheid van studenten zich heeft ontwikkeld, hoe hun voortgang er nu per vak voor staat, en wat ze op basis van die inzichten het beste kan adviseren aan docenten voor de komende tijd.

Het zou geweldig zijn als ze op de vraagstukken die hiermee samenhangen – zoals de betrokkenheid van studenten bij het onderwijs, de kwaliteit en effectiviteit van het lesmateriaal, en de studenttevredenheid – betrouwbare informatie heeft die ze makkelijk kan raadplegen. Actueel, accuraat en toegesneden op het onderwijs dat op dat moment gegeven wordt. Waar nodig kan ze inzoomen op specifieke lessen, of juist uitzoomen naar het hele vak of hetzelfde vak in vergelijkbare onderwijsperiodes in de afgelopen jaren. Natuurlijk zal ze daar de unieke situatie van de studenten, docenten en het onderwijs van dat moment in meewegen. Ideeën of vooroordelen kan ze dan eenvoudig toetsen om de kwaliteit van haar ondersteuning te verbeteren. Met een nulmeting vooraf en effectmeting achteraf kan ze nagaan of een aanpassing in het lesmateriaal of lesmethode ook echt impact heeft. Ze vertrouwt erop dat haar hogeschool de privacy van studenten waarborgt en bij het gebruik van studiedata hun succes en welzijn vooropstelt. Daar zal zij zich ook persoonlijk voor inspannen.

Lees meer over het data science wiel

De randvoorwaarden

Maar hoe moet ze daar komen? Ze gaat ervan uit dat de hogeschool waar zij werkt, na een zorgvuldig traject en mede dankzij haar eigen inspanningen, erin zal slagen om de juiste randvoorwaarden te realiseren voor haar wensen. 

Haar zorg is wel hoe zij binnen haar dienst kan voorkomen dat het werken met studiedata onvoldoende rekening houdt met de belangen van zowel studenten als docenten. Ook hoopt ze dat het gebruik van studiedata niet blijft steken bij een tijdelijke pilot en enthousiaste collega’s, maar in de volle breedte binnen haar dienst zal worden gebruikt.

Ze ziet dat er een aantal zaken cruciaal zijn om daar te komen:

  • een heldere kijk op het belang van studiedata voor verbetering van de onderwijsorganisatie, en de ontwikkeling van onderwijs en lesmateriaal.
  • Duidelijke ethische uitgangspunten die recht doen aan studenten en docenten, en waarmee ze zeker weet dat hij ze binnen de kaders van de privacywetgeving.
  • Een cultuur waarin collega ondersteuners en docenten studiedata willen en kunnen gebruiken voor de verbetering van het onderwijs en het succes van studenten.
  • Ook verwacht ze goede ondersteuning bij het verzamelen, analyseren en interpreteren van studiedata.
  • Ze gaat ervan uit dat er heldere afspraken worden gemaakt over wie er toegang heeft tot deze inzichten en wat daarin ieders verantwoordelijkheden zijn.
  • Daarnaast neemt ze aan dat de informatie zowel voor haarzelf als voor haar collega’s goed en gebruiksvriendelijk wordt ontsloten via automatische rapporten, dashboards of apps.

Als in deze randvoorwaarden een goede balans is, zou het gebruik van studiedata voor haar en haar collega’s echt ideaal kunnen worden.

Lees meer over het volwassenheidsmodel

Eravringen uit de praktijk

Interview met projectleider flexibilisering Robin Vos

Lees verder

Interessant voor jou