Social Learning Analytics

31
Social Learning Analytics 5 stappen naar (studie)succes Rory Sie, 8 september 2014

description

Hoe gaan we te werk als we Social Learning Analytics willen toepassen op onze eigen studenten. In deze presentatie geef ik een aantal voorbeelden.

Transcript of Social Learning Analytics

Page 1: Social Learning Analytics

Social Learning Analytics

5 stappen naar (studie)succesRory Sie, 8 september 2014

Page 6: Social Learning Analytics

Perspectieven op sociaal leren

• Leren gebeurt altijd en overal:– Constructivisme

(Bruner, 1966)– Leren door

voorbeeld/observatie (Bandura, 1977; Vygotsky, 1978)

– Connectivisme (Siemens, 2005)

Page 7: Social Learning Analytics

Perspectieven op sociaal leren

• Leren gebeurt altijd en overal:– Constructivisme

(Bruner, 1966)– Leren door

voorbeeld/observatie (Bandura, 1977; Vygotsky, 1978)

– Connectivisme (Siemens, 2005)

Terwijl we leren, leggen we relaties met objecten, kennis, maar ook mensen. In het Internettijdperk komen er steeds meer tools beschikbaar die orde proberen te scheppen in deze chaos van informatie. Zo kunnen we tegenwoordig leren vastleggen in zgn. leernetwerken.

Page 8: Social Learning Analytics

Perspectieven op sociaal leren

• Leren gebeurt altijd en overal:– Constructivisme

(Bruner, 1966)– Leren door

voorbeeld/observatie (Bandura, 1977; Vygotsky, 1978)

– Connectivisme (Siemens, 2005)

Page 9: Social Learning Analytics

Perspectieven op sociaal leren

• Leren gebeurt altijd en overal:– Constructivisme

(Bruner, 1966)– Leren door

voorbeeld/observatie (Bandura, 1977; Vygotsky, 1978)

– Connectivisme (Siemens, 2005)

Als we leren gaan analyseren om het te kunnen verbeteren,

dan heet dat Social Learning Analytics

Page 10: Social Learning Analytics

Mijn (gedeeltelijke) leernetwerk

Dit zijn de mensen waar ik de afgelopen tijd van heb geleerd

Page 11: Social Learning Analytics

Mijn (gedeeltelijke) leernetwerk

motivatie

fermentatie

netwerklerenleiderschap

didactiek

leernetwerken

voetbal

THO4

En dit is WAT ik van ze heb geleerd. De relaties gaan dus ergens over.

Page 12: Social Learning Analytics

Ons (gedeeltelijke) leernetwerk

motivatie

fermentatie

netwerklerenleiderschap

didactiek

leernetwerken

voetbal

THO4

HU

Mijn contacten hebben zelf ook weer onderling contact

Page 13: Social Learning Analytics

Ons (gedeeltelijke) leernetwerk

motivatie

fermentatie

netwerklerenleiderschap

didactiek

leernetwerken

voetbal

THO4

HU

Maar ze hebben ook contact met andere mensen.

Page 14: Social Learning Analytics

Vragenlijst

• Wat is je vooropleiding?• Heb je al eens eerder geprogrammeerd?• Wat is je favoriete besturingssysteem?• Als je mocht kiezen, welk huisdier zou je dan

nemen?• Wie is je favoriete superheld?• Wat is je favoriete tv-programma?

Om een leernetwerk vast te leggen van onze eerstejaars Informaticastudenten, heb ik ze gevraagd wat hun voorkeuren zijn.

Page 15: Social Learning Analytics

Leernetwerk studenten

Op basis van hun overeenkomsten, heb ik ze een onderlinge relatie toegekend. In technische termen heet dit het omvormen van een two-mode netwerk naar een one-mode netwerk.

Page 16: Social Learning Analytics

Leernetwerk studenten

Heb je eerder geprogrammeerd?

Studenten die veel gemeen hebben, staan dichter bij elkaar. Zo kunnen we verschillende clusters van studenten ontdekken.

Page 17: Social Learning Analytics

Leernetwerk studenten

Favoriete besturingssysteem?

Zo kunnen we clusters ontdekken van studenten die hetzelfde besturingssysteem gemeen hebben.

Page 18: Social Learning Analytics

Leernetwerk studenten

Favoriete superheld?

Of hun favoriete superheld. Er zijn echter problemen, want studenten kennen hun leernetwerk helemaal niet…

Page 19: Social Learning Analytics

Studenten benutten leernetwerk onvoldoende

• Geen besef van het netwerk (lack of awareness)

• Kunnen hun netwerk niet overzien (bounded rationality)

• Eigenbelang (self-interest)

P113

0556

by

Katik

ati C

olle

ge |

Att

ributi

on 2

.0 G

ener

ic

(Sie et al., 2012a)

Page 20: Social Learning Analytics

Docenten benutten leernetwerk onvoldoende

• Gelijkenissen Verbondenheid (McPherson et al., 2001)

• Verbondenheid, competentie en autonomie intrinsieke motivatie (SDT, Ryan & Deci, 2000)

– Uitval door gebrek aan verbondenheid?• Regels HU aanpassen (weinig autonome)

extrinsieke motivatie (OIT, Deci & Ryan, 2000)

• Motivatie/rijkdom/vetzucht is besmettelijk (Christakis & Fowler, 2007; Radel et al., 2010)

– Zijn leerprestaties besmettelijk?

Page 21: Social Learning Analytics

Vijf stappen naar (studie)succes

1. Dataverzameling2. Visualisatie3. Analyse4. Simulatie5. Interventie

motivatie

fermentatie

netwerklerenleiderschapdidactiek

leernetwerkenvoetbal

THO4

(Sie et al., 2012b)Als je het netwerk voor je wilt laten werken, zijn er mijns inziens een aantal stappen die doorlopen moeten worden.

Page 22: Social Learning Analytics

1. Dataverzameling

• Inzicht krijgen in het leernetwerk– Wie kent wie?– Clusters/”Besmetting”– Overeenkomsten tussen

studenten• Inzicht in leerprestaties

– Rendementscijfers– Competenties op

leerdoelniveau bijhouden• Hoe meten we studiesucces?

Measuring time by Louise Docker | Attribution 2.0 Generic

NB: Als we data op meerdere tijdstippen verzamelen, dan kunnen we iets over causaliteit zeggen.

Page 23: Social Learning Analytics

2. Visualisatie

Page 24: Social Learning Analytics

3. Analyse

• Welke studenten hebben succes, en met wie zijn ze verbonden?

• Clusters van succesvolle studenten: Is studiesucces besmettelijk?

• Welk gedrag leidt tot beter rendement?• Voelden uitvallers zich minder verbonden?• Leidt verbondenheid tot meer intrinsieke

motivatie?

We kunnen bijvoorbeeld regressieanalyse doen…

Page 25: Social Learning Analytics

4. Simulatie

• Wat als… – we een slecht presterende

student in een beter presterende groep introduceren?

– we studenten elkaar laten helpen?

– we een andere klassenindeling hanteren?

Aven

gers

Age

nt C

auls

on p

oste

r by

mar

velo

usRo

land

|

Attrib

ution

-Sha

reAl

ike

2.0

Gen

eric

… een agent-gebaseerde simulatie, of een Monte Carlosimulaties, om een voorspellend model te genereren.

Page 27: Social Learning Analytics

Conclusie

• Informatie over interacties• We kunnen informatie over studenten en hun

interacties benutten, om…– UITVAL TE VERMINDEREN, – MOTIVATIE TE VERHOGEN, – VERBONDENHEID TE VERGROTEN,– RENDEMENT TE VERBETEREN

Conclusie: Er is ontzettend veel informatie over onze studenten studenten, en de interacties tussen onze studenten. Het zou zonde zijn als we die informatie niet gebruiken, want ze hebben veel potentiële waarde.

Page 28: Social Learning Analytics

Hoe gaan we verder?

• Data verzamelen:– Interacties– Cijfers/rendementen– Motivatie– Verbondenheid– Uitval

Denk eens na hoe je zelf data kunt verzamelen, bijvoorbeeld in de klas. Hoe kun je zelf bijhouden hoe je klas functioneert, anders dan de geijkte toetsmomenten?

Page 30: Social Learning Analytics

Contact

[email protected]

http://about.me/RorySie

http://www.twitter.com/openrory

https://plus.google.com/+RorySie

http://nl.linkedin.com/in/rorysie

http://thebigbangrory.blogspot.com

Page 31: Social Learning Analytics

Referenties• Bandura, A. (1977). Social Learning Theory. New York, NY, USA: General Learning Press.• Bruner, J. S. (1966). Toward a theory of instruction (Vol. 59). Belknap Press. Retrieved from

http://books.google.nl/books?hl=nl&lr=&id=F_d96D9FmbUC&oi=fnd&pg=PA1&dq=bruner&ots=ySSU1fC2xF&sig=W140SnF96AQej7j95Y7-q-fD5CA

• Christakis, N. a, & Fowler, J. H. (2007). The spread of obesity in a large social network over 32 years. The New England Journal of Medicine, 357(4), 370–9. doi:10.1056/NEJMsa066082

• McPherson, M., Smith-Lovin, L., & Cook, J. M. (2001). Birds of a Feather: Homophily in Social Networks. Annual Review of Sociology, 27(1), 415–444. doi:10.1146/annurev.soc.27.1.415

• Radel, R., Sarrazin, P., Legrain, P., & Wild, T. C. (2010). Social contagion of motivation between teacher and student: Analyzing underlying processes. Journal of Educational …, 102, 577–587. Retrieved from http://psycnet.apa.org/journals/edu/102/3/577/

• Ryan, R. M., & Deci, E. L. (2000). Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-Being. American Psychologist, 55(1), 68–78. doi:10.1037110003-066X.55.1.68

• Sie, R. L. . L. ., Drachsler, H., Bitter-Rijpkema, M., & Sloep, P. (2012a). To whom and why should I connect? Co-author recommendation based on powerful and similar peers. International Journal of Technology Enhanced Learning, 4(1/2), 121–137. doi:10.1504/IJTEL.2012.048314

• Sie, R. L. L., Ullmann, T. D., Rajagopal, K., Cela, K., Rijpkema, M. B., & Sloep, P. B. (2012b). Social network analysis for technology-enhanced learning: review and future directions. International Journal of Technology Enhanced Learning, 4(3/4), 172–190. doi:10.1504/IJTEL.2012.051582

• Siemens, G. (2005). Connectivism: A Learning Theory for the Digital Age. International Journal of Instructional Technology and Distance Learning, 2(1), 3–10. Retrieved from http://www.elearnspace.org/Articles/connectivism.htm

• Vygotsky, L. (1978). Mind in society. Cambridge, Massachusetts: Harvard University Press.