Studentbegeleider

Silvia is studentbegeleider bij een faculteit van een technische universiteit. In haar dagelijkse gesprekken zou ze graag meer gebruik maken van studiedata op een verantwoorde manier. Studiedata zijn al dan niet geaggregeerde gegevens van onderwijsinstellingen over studenten die relevant voor haar kunnen, zoals gegevens over leergedrag en achtergrondkenmerken van de student en informatie over de studeerbaarheid van vakken binnen de opleiding.

Sinds ze zich erin heeft verdiept ziet ze mogelijkheden om studiedata beter te gebruiken voor de begeleiding van haar studenten. Ze ziet als kansen dat ze zo de kwaliteit van haar adviesgesprekken kan verbeteren, dat gesprekken die ze met studenten voert effectiever zijn, en dat zijzelf en haar collega’s hun werk en interventies efficiënter kunnen laten organiseren. Wel realiseert zij zich dat er ook ethische kanten zitten aan het gebruik van studiedata en dat ongewenste effecten van het gebruik daarvan vermeden moeten worden.

Lees meer over wat studiedata zijn

 

rol studentbegeleider studiedata

Het vraagstuk

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

Bij veel adviezen valt ze terug op haar intuïtie en ervaring. Want vaak blijkt de data die beschikbaar is over de studievoortgang van de student beperkt. De data die wel voorhanden is, is niet actueel. Of de data is voor haar en de student lastig te vergelijken met algemene trends. Ze heeft het idee dat die trends ook veel zeggen over mogelijke verbeterpunten voor de opleidingen waarvoor ze werkt. De meningen die ze dan hoort van studenten en persoonlijke ervaringen van collega’s zijn natuurlijk waardevol, maar kan ze daar haar advies op baseren? Is het wel verantwoord naar haar studenten en past dat wel bij de normen en waarden die zijzelf wil hanteren in haar werk? Of is het juist beter geen studiedata te gebruiken in haar adviesgesprekken omdat elke student uniek is? Een ingewikkeld vraagstuk. Te vaak tast ze in het duister, wat lastig is bij haar besprekingen met studenten, maar ook bij gesprekken met opleidingsdirecteuren en beleidsmedewerkers, of studentbegeleiders van overige faculteiten. Dit zou toch anders moeten kunnen?

Lees meer over de soorten data analytics die er zijn

De droom

Het is haar ideaal om voor een adviesgesprek een eenvoudig en helder overzicht te hebben waarin zij kan zien hoe de student zich heeft ontwikkeld, hoe de student er nu voor staat en hoe zich dat verhoudt tot andere studenten, en wat ze op basis van die inzichten het beste kan adviseren voor de komende tijd. 

Het zou geweldig zijn als zij op de grote vraagstukken – zoals struikelvakken, studiekeuzes en planning – betrouwbare informatie heeft die zij makkelijk kan raadplegen voor of tijdens het gesprek. Actueel, accuraat en toegesneden op de student aan wie ze op dat moment een advies wil geven. Waar nodig kan ze inzoomen op de opleiding van de student of een specifiek vak, of juist uitzoomen naar de rest van de studenten of het beeld van de totale opleiding in de afgelopen jaren.

Natuurlijk zal ze daar de persoonlijke en unieke situatie van de student in meewegen. Ideeën of vooroordelen kan ze dan eenvoudig toetsen om een gericht advies te kunnen geven. Ze vertrouwt erop dat haar universiteit 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? Zij gaat ervan uit dat de universiteit 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 faculteit kan voorkomen dat het werken met studiedata onvoldoende rekening houdt met de belangen van studenten en de ‘human touch’ in de begeleiding. Ook hoopt ze dat het niet blijft steken bij een paar enthousiaste collega’s en opleidingsdirecteuren, maar in de volle breedte binnen haar faculteit zal worden gebruikt.

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

  • Een heldere kijk op het belang van studiedata voor studiebegeleiding met duidelijke ethische uitgangspunten die recht doen aan studenten en waarmee ze zeker weet dat ze werkt binnen de kaders van de privacywetgeving.
  • Een cultuur waarin zij en haar collega’s studiedata willen en kunnen gebruiken ten gunste 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 voor haar en haar studenten 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

Interessant voor jou

Rondetafelgesprek Tweede Kamercommissie: Digitalisering in het hoger onderwijs

In november 2019 vond er een rondetafelgesprek met de Tweede Kamercommissie OCW plaats over Digitalisering in het hoger onderwijs.

Lees verder Lees verder

Podcast ‘De Onderwijsvernieuwers’: in gesprek over studiedata

In de podcast 'De Onderwijsvernieuwers' gaan Bram Enning en Bart Karstens met elkaar in gesprek over studiedata in het hoger onderwijs.

Lees verder Lees verder

Whitepaper realtime studiedata

Onderwijsinstellingen werken met verschillende systemen die studiedata opleveren. Maar om beter te kunnen sturen op de kwaliteit van het onderwijs, de studievoorgang te bewaken en studiesucces te vergroten is er goed inzicht nodig in deze data. Het ontwikkelen van een realtime monitor kan hier een bijdrage aan leveren.

Lees verder Lees verder

Eerste editie Data Science-leergang voor het hoger onderwijs afgerond

Acht teams sloten de eerste editie af van de data science leergang 'Leadership challenge analytics en AI in het hoger onderwijs'.

Lees verder Lees verder

Introductievideo Quickscan Studiedata

Wat is de Quickscan Studiedata en wat kun je ermee? Deze korte video geeft uitleg over het idee achter de quickscan en laat wat beelden zien uit de tool.

Lees verder Lees verder

Doe de Quickscan Studiedata

Op deze pagina vind je een link naar de Quickscan-tool. Ook kun je op deze pagina een formulier invullen om een instellingsdashboard aan te vragen.

Lees verder Lees verder

Leergang Data Science: Leadership challenge analytics en AI in het hoger onderwijs

In samenwerking met het Erasmus Center for Data Analytics (ECDA) en SURF heeft de zone Studiedata van het Versnellingsplan Onderwijsinnovatie met ICT een data science-leergang ontwikkeld die is toegespitst op het hoger onderwijs in Nederland.

Lees verder Lees verder

Studentenchallenge: ‘Slim inzetten van studiedata’

Om bij studenten het bewustzijn over het gebruik van (hun) studiedata te vergroten heeft SURF, in samenwerking met Battle of Concepts, deze maand de studentenchallenge ‘Slim inzetten van studiedata’ gelanceerd.

Lees verder Lees verder

Over de Quickscan Studiedata

Jouw onderwijsinstelling beschikt over studiedata, maar in hoeverre benutten jullie die? Met de quickscan krijg je een overzicht van de volwassenheid van jouw instelling op het gebied van het veilig en betrouwbaar benutten van studiedata.

Lees verder Lees verder

Over de Quickscan Studiedata

Jouw onderwijsinstelling beschikt over studiedata, maar in hoeverre benutten jullie die? Met de Quickscan Studiedata van het Versnellingsplan Onderwijsinnovatie met ICT krijg je een overzicht van de volwassenheid van jouw instelling en creëer je bewustwording op het gebied van het veilig en betrouwbaar benutten van studiedata.

Met de Quickscan Studiedata beantwoordt een (bij voorkeur multidisciplinaire) groep deelnemers een aantal vragen rondom vijf thema’s, gebaseerd op een volwassenheidsmodel. De deelnemers vullen in wat zij denken dat de de huidige situatie binnen de instelling is, en wat de gewenste situatie over 12 maanden zou zijn. De Quickscan-tool geeft je vervolgens een inzicht in deze scores. Zo zie je direct waar er opvallende verschillen zijn en op welke vlakken verbetering gewenst is.

Het volwassenheidsmodel

Als zone hebben wij als doel hoger onderwijsinstellingen in heel Nederland te stimuleren meer te gaan doen met studiedata. Hiervoor is het van belang dat randvoorwaarden op verschillende thema’s in de bedrijfsvoering goed ontwikkeld zijn. Denk daarbij aan strategische keuzes, het inrichting van processen, de governance, de IT-kant en het meenemen van mensen en cultuur. Op elk van deze vijf thema’s is het belangrijk dat de instelling zich ontwikkelt, van kleine pionierende initiatieven, via de afdeling/faculteit en instelling, naar initiatieven op het niveau van de (externe) ketens.

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 uiteindelijk doodbloeden.

Volwassenheidsmodel studiedata

 

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.

Aan de slag

Met de Quickscan Studiedata beantwoord je vragen over de huidige en de gewenste situatie binnen jouw instelling. Vervolgens geeft de scan voor ieder van de bovenstaande thema’s een score. De scan is voor iedereen toepasbaar, ongeacht hoe ver jouw instelling is in het werken met studiedata.

Wil je aan de slag gaan met de Quickscan Studiedata? Bekijk dan de pagina ‘Doe de Quickscan Studiedata‘. Wil je een kort inkijkje in de Quickscan-tool? Bekijk dan de introductievideo. Wil je meer achtergrondinformatie? Bekijk dan de kennisclips.

De Quickscan Studiedata is inhoudelijk ontwikkeld in samenwerking met de Open Universiteit en Rogier van de Wetering (OU). De digitale versie van de Quickscan is een samenwerking met MBO Digitaal.

Relevante artikelen

Kennisclips datavolwassenheid

Ambieert jouw onderwijsinstelling om studiedata beter te benutten? In de kennisclips op deze pagina geven we je handvatten om concreet met studiedata aan de slag te gaan.

Lees verder Lees verder

Doe de Quickscan Studiedata

Op deze pagina vind je een link naar de Quickscan-tool. Ook kun je op deze pagina een formulier invullen om een instellingsdashboard aan te vragen.

Lees verder Lees verder

Introductievideo Quickscan Studiedata

Wat is de Quickscan Studiedata en wat kun je ermee? Deze korte video geeft uitleg over het idee achter de quickscan en laat wat beelden zien uit de tool.

Lees verder Lees verder