Het vraagstuk
Op dit moment heeft hij het idee dat hij nog te weinig kan doen met studiedata.
Bij veel evaluaties, jaarplannen, visitaties, beleidsvraagstukken en besluiten die daarvoor genomen moeten worden is het steeds weer een opgave om de relevante informatie te verzamelen. Die komt vaak uit verschillende bronnen en moet met knip- en plakwerk bij elkaar geraapt worden. Ook maken de noodgedwongen extra bewerkingen in Excel de informatie er niet altijd betrouwbaarder op. Dat terwijl er op centraal niveau al wel veel data en rapporten beschikbaar zijn. Bij de duiding van de informatie valt hij bovendien terug op zijn intuïtie en ervaring. Vaak blijkt er geen data beschikbaar of is deze niet actueel of komt te laat. De meningen of anekdotes die hij dan daarbij hoort van studenten, docenten en collega’s zijn natuurlijk waardevol, maar kan hij daar wel zulke belangrijke besluiten op baseren? Is het wel verantwoord naar zijn studenten en docenten, en past dat wel bij het ethisch kompas dat hij zelf wil volgen? Een ingewikkeld vraagstuk.
Te vaak gaat het om de betrouwbaarheid of definities van de gegevens in plaats van over de inhoud. Dit is lastig bij zijn besprekingen met studenten en docenten, maar ook met zijn contacten met de medewerkers kwaliteitszorg, de decaan van zijn faculteit en het CvB. Dit zou toch anders moeten kunnen?
Lees meer over de soorten data analytics die er zijn
De droom
Het is zijn ideaal om voor belangrijke vraagstukken een eenvoudig en helder overzicht te hebben waarin hij kan zien hoe zijn opleiding zich de afgelopen jaren heeft ontwikkeld, waar de opleiding nu staat, en wat de verwachtingen zijn voor de komende tijd om op basis van de juiste informatie besluiten te kunnen nemen.
Het zou geweldig zijn als hij op de grote vraagstukken – zoals instroom, het succes en welzijn van studenten en medewerkers, en de kwaliteit van het onderwijs – betrouwbare informatie heeft die hij makkelijk kan raadplegen wanneer het nodig is. Actueel, accuraat en toegesneden op het vraagstuk waar hij op dat moment voor staat. Waar nodig kan hij inzoomen op de hele opleiding of een onderdeel van het curriculum, of juist uitzoomen naar het facultaire beeld of vergelijkbare opleidingen bij andere onderwijsinstellingen. Ideeën of vooroordelen kan hij eenvoudig toetsen om hoofdzaken en bijzaken te kunnen onderscheiden. Hij vertrouwt erop dat zijn universiteit de privacy van studenten en docenten waarborgt en bij het gebruik van studiedata hun succes en welzijn vooropstelt. Daar zal hij zich ook persoonlijk voor inspannen.
Lees meer over het data science wiel
De randvoorwaarden
Maar hoe moet hij daar komen? Hij gaat ervan uit dat de universiteit waar hij werkt, na een zorgvuldig traject en mede dankzij zijn eigen inspanningen, erin zal slagen om de juiste randvoorwaarden te realiseren voor zijn wensen.
Zijn zorg is wel hoe hij binnen zijn opleiding kan voorkomen dat het werken met studiedata niet blijft steken bij een paar enthousiaste docenten, maar in de volle breedte binnen zijn opleiding zal worden gebruikt. Hij ziet dat er een aantal zaken cruciaal zijn om daar te komen:
- een heldere kijk op het belang van studiedata met duidelijke ethische uitgangspunten en binnen de wettelijke kaders van de AVG;
- en cultuur waarin docenten, begeleiders en beleidsmakers studiedata willen en kunnen gebruiken ten gunste van studenten en hij zelf ook het goede voorbeeld geeft;
- een goede ontsluiting van informatie via geautomatiseerde rapporten of dashboards die gebaseerd zijn op de behoeften binnen de opleiding met ondersteuning bij het gebruik van de informatie; heldere afspraken over rollen en verantwoordelijkheden,
- en natuurlijk een goede ontsluiting van alle inzichten via geautomatiseerde rapporten of dashboards.
Als daar een goede balans in is, zou het gebruik van studiedata voor hem en zijn opleiding echt ideaal kunnen worden.
Lees meer over het volwassenheidsmodel
Data journey 