Ervaringen uit de praktijk

'Zet studenten aan het roer'

TEKST: MARJOLEIN VAN TRIGT

Chris van Klaveren en Ilja Cornelisz zijn onderzoekers bij het Amsterdam Center for Learning Analytics van de Vrije Universiteit (VU). Ze werken veel samen, onder meer aan het Comeniusproject Plan for Success.

‘Er wordt veel aan studenten getrokken om het studiesucces te verbeteren, zonder veel resultaat,’ stelt onderzoeker Chris van Klaveren. ‘Dat willen we bij de VU graag omdraaien: studenten nemen initiatief, wij faciliteren. Met behulp van machine learning-modellen kunnen wij voorspellen hoe studenten presteren in het tweede jaar. Die kennis zetten we in om studenten goed geïnformeerd keuzes te laten maken.’

Verwachte aantal studiepuntenFoto onderzoeker Chris van Klaveren

Het Comeniusproject Plan for Succes biedt studenten een dashboard waarin ze zien uit welke vakarrangementen ze kunnen kiezen. Bij iedere vaksamenstelling staat het verwachte aantal studiepunten van de student in kwestie. Dat aantal wordt bepaald met behulp van algoritmes. Op basis van eerdere cohorten en de vakken die de student in het eerste jaar niet heeft gehaald, komen de algoritmes tot een voorspelling van het verwachte aantal studiepunten in het tweede jaar.

Doe eens wat minder

‘Op basis van data en machine learning proberen we het studiegedrag te optimaliseren,’ zegt Chris. ‘Het is goed mogelijk dat het model voorspelt dat iemand bij het volgen van vijf vakken minder studiepunten zal halen dan bij drie vakken.’ Dat is even omschakelen, want studenten die hun vakken in het eerste jaar niet halen, schrijven zich vaak in voor alle vakken voor het tweede jaar en halen zich daarmee een berg werk op de hals. Chris: ‘De keuze om een vak minder te gaan volgen, heeft enorme invloed op de werkbelasting in die periode. Maakt dat advies uit? Volgen ze het op? Dat is spannend voor ons.’

foto onderzoeker Ilja CorneliszBetere keuzes

Momenteel worden de dashboards voor studenten en voor studiebegeleiders gebouwd. Volgend studiejaar doen Chris en Ilja een vergelijkend onderzoek naar een groep studenten die de arrangementen krijgt en een groep die ze niet krijgt. Ilja: ‘Studieloopbaanbegeleiders zijn blij met de het dashboard, omdat ze zien dat het faciliterend is. Een datagedreven aanbeveling vormt een onderdeeltje van het gesprek. Zij nemen hun eigen expertise mee. En studenten weten zelf beter dan wie dan ook hoe hun persoonlijke situatie hun studieresultaten heeft beïnvloed. Die combinatie stelt ze in staat betere keuzes te maken.’

Misverstanden over studiedata

Ilja en Chris maken in hun werk al lang gebruik van studiedata, onder meer in onderzoeken naar de effecten van het bindend studieadvies. Ze merken dat er veel misverstanden over bestaan. Ilja: ‘Data worden nogal eens gebruikt als een soort objectieve validator van wat men altijd al dacht, of het nu gaat om onderbuikgevoelens of om professionele inzichten. Daarmee doe je zowel je eigen expertise als de data tekort. Het kan goed zijn dat een docent, begeleider of student inzichten heeft die niet in datasporen terug te vinden zijn. Omgekeerd zijn er trends en patronen te ontdekken in data die niet direct zichtbaar zijn. Dat willen wij samenbrengen, zodat ze elkaar versterken. Het is geen battle, maar een puzzel.’

Interview met student Soukaina Abouhssen

Lees verder

Interview met onderzoeker Ning Ding

Lees verder

‘Op basis van data en machine learning proberen we het studiegedrag te optimaliseren’