Gepubliceerd op
Schooltips

Big data voorspellen wie zorgleerling wordt

Klopt ons studieadvies? Zijn onze leerlingen minder sterk in Frans dan in omliggende scholen? Het Atlascollege in Genk maakt school op basis van big data. Kunnen big data in onderwijs zelfs voorspellen welke leerlingen meer ondersteuning nodig hebben?

Vanop de bovenste verdieping zie je de schaalgrootte van het Atlascollege: een campus van 10 voetbalvelden met 3200 leerlingen, 600 leraren en 13 directeurs. En met een berg data in hun digitaal schoolplatform. Hoe duw je leerlingen en leraren vooruit door in die big data antwoorden te zoeken en te voorspellen? En hoe voorkom je een kil datagedreven onderwijs?

 

Icoon van een duikbril
  1. Duik in big data in onderwijs

  2. Christel Schepers, algemeen directeur: “We gaan simpelweg op zoek naar antwoorden op vragen. Zo vroegen we ons af of we juist studieadvies geven. We ontdekten dat ons advies goedbedoeld is, maar weinig effect had op de attesten. Leerlingen die tegen het advies ingingen, behaalden even goede of betere resultaten dan leerlingen die het advies wel volgden.”

    “We gaven ook te algemeen advies: ‘neem contact op met het CLB’, ‘denk eens na over een studiekeuze die dichter bij je interesses ligt’. Op basis van de data uit Smartschool hebben we onze aanpak bijgestuurd en merken nu een betere match tussen advies en attest. In de toekomst willen heel graag onderzoeken of onze leerlingen het juiste studieadvies krijgen voor hoger onderwijs en of ze sterke slaagpercentages halen.”


    Ouders en leerlingen een grafiek laten zien, heeft effect

    Ronny Vrijsen, directeur Economie en Organisatie: “We onderzochten ook welke overgangen tussen studierichtingen succesvol zijn. De switch van zesde jaar kantoor naar een zevende jaar kinderverzorging of omgekeerd bleek dramatisch. Dat kan een leraar met een gezond buikgevoel misschien ook aanvoelen, maar die voelsprieten kloppen niet altijd. Zo leefde bij een groep leraren het gevoel dat onze leerlingen van de eerste graad minder goed voorbereid waren op Frans in de tweede graad dan andere scholen. Dat bleek totaal niet te kloppen. En in januari of maart nog starten in een nieuwe studierichting, geeft tegen de verwachtingen in ook nog een reële slaagkans.”

    “Na een jaar corona keken we welke soort leerlingen in de gevarenzone zitten. Van de groep die 50 à 55 % scoorde op het kerstrapport, was maar 46 % geslaagd op het einde van het jaar. Vanaf 60 % was de kans op een A-attest heel groot. We linkten ook het opleidingsniveau van de moeder aan het attest in de coronaperiode en zagen zo een verschil van 30 % slaagkans. Zo wisten we welke leerlingen extra ondersteuning, bijlessen Frans en wiskunde konden gebruiken. Door terug te blikken in de data kunnen we ook beter voorspellen welke soort leerlingen sneller in de gevarenzone komen.”

     

    Icoon 'samenwerken'
  3. Data doen samenwerken

  4. Christel Schepers: “Waar de school stopt, start de wijkwerking. We werken goed samen met de stad Genk. Als wij weten welke leerlingen minder scoren, weten wijkwerkers in welke wijken extra huisbezoeken nodig zijn. Uiteraard geven we geen namen door van leerlingen, maar ze hebben vaak al genoeg info met de wijken. De Opvoedingswinkel vraagt zelfs actief aan ons welke zones extra aandacht verdienen. Voor een ondersteuningsproject voor mama’s kunnen we op basis van data gericht kijken en de noden in kaart brengen. Data leggen een probleem bloot, maar natuurlijk vertellen ze niks over de achterliggende oorzaken.”

     

    Icoon van een grafiek
  5. Effect op leerlingen en ouders

  6. Ronny Vrijsen: “We zien in onze data een verband tussen onwettige afwezigheden en attesten. Een grafiek voor ouders en leerlingen dat x aantal afwezigheden je A-attest in gevaar brengen, heeft effect. Data maken communicatie gemakkelijker en werken verbindend. De analyticstool van Smartschool gaat gemakkelijk open tijdens een oudercontact of gesprek met een leerling.”

    “In de klas laten we ook een geanonimiseerde grafiek zien met hoeveel procent van de klasgroep kans maakt op welk attest. Dat heeft effect op de studiemotivatie. Het jaarrapport staat ook open voor leerlingen. Gemiddeld nog maar 45 %? Tandje bijsteken, beseffen ze dan.”

     

    Icoon van een vergrootglas
  7. Voordelen van big data

  8. Christel Schepers: “Vroeger hadden we dagen of weken nodig voor dingen die we nu in 1 klik tevoorschijn toveren. We gebruiken Dataloep, maar in de analytics van Smartschool hebben we een sneller zicht op eigen data. We kunnen sterk inzoomen op studierichting, graad, klas, zelfs tot op leerlingenniveau.”

    “Zonder data kan je gewoonweg geen goed beleid voeren en vaar je blind of met 1 oog. Door data weten we welke maatregelen effect hebben. Dat motiveert, geeft focus en rust. Data zijn een onderdeel van een onderwijsleergesprek en maken professionalisering behapbaar. Leraren moeten heel algemeen ‘meer innoveren’ of ‘meer handelingsgericht werken’, maar waar begin je concreet?”

     

    Icoon van een stapel boeken
  9. Geen cursus statistiek nodig

  10. Christel Schepers: “We kozen ervoor om onze 600 leraren niet op te leiden om zelf data uit Smartschool te halen. We willen hen niet overdonderen met een berg data en vakjargon: wanneer merk je een significant verschil of wat is het onderscheid tussen correlatie en oorzakelijk verband. Collega’s binnen elke vakgroep krijgen gewoon elk trimester een toegankelijk overzicht met een beetje uitleg. We starten dit schooljaar met een werkgroep die uitvlooit op welke onderzoeksvragen we focussen. In de analytics van Smartschool zitten sowieso een 50-tal standaardvragen om van te vertrekken.”

    “Als grote school kunnen we een leraar wiskunde aanwerven die naast zijn lesopdracht ook met data bezig is. Maar elke school, groot of klein, moet vooral haar eigen onderzoeksvragen stellen. En een leraar wiskunde kan met zijn of haar cijferkennis collega’s ondersteunen.”

     

    Icoon van een weegschaal
  11. Data beslissen niet

  12. Christel Schepers: “Natuurlijk mag je de data niet laten beslissen wat een leerling wel of niet mag studeren. In sommige landen gebeurt dat, maar die richting willen we zeker niet uit. Trouwens, als een algoritme mag beslissen, zit daar nog altijd een beleidsbeslissing van mensen achter. Dus uiteindelijk zitten mensen nog altijd achter het stuur. Ik ga in ieder geval onze data geen directeur laten spelen.”

    Ronny Vrijsen: “We gebruiken data zeker niet als controlemiddel. In een functioneringsgesprek kijken we niet hoeveel evaluaties een leraar doet of hoe een klas scoort in vergelijking met parallelcollega’s. Data dienen vooral als ondersteuning en reflectie-instrument om het beter te doen. Als je voor de inspectie jezelf moet beoordelen op 7 ontwikkelingsschalen, kan je daarvoor even in je eigen data duiken. In de data van een collega spieken? Dat laten we niet toe, maar een vakgroep kan wel op basis van geanonimiseerde data het gesprek aangaan als ze verschil opmerken in aanpak. Leggen we de lat ongeveer even hoog?”

     

    logo Veranderwijs.nu
    Dit artikel kwam tot stand in een samenwerking tussen Veranderwijs en Klasse.
    Veranderwijs wil innovatieve onderwijspioniers samenbrengen en inspireren. Kriebelt het bij jou ook om iets nieuws uit te proberen? Op www.veranderwijs.nu kan je ideeën vinden en uitwisselen.

Jouw Lerarenkaart 2022 thuis?*

  • 4 kwaliteitsmagazines met inspiratie van leraren en experts
  • Fraai ondersteunend materiaal (kalender, poster, kaartjes ...)
  • Je Lerarenkaart 2022 valt in je brievenbus met het decembernummer
*Betaal vóór 2 november en krijg je Lerarenkaart 2022 thuis (enkel voor rechthebbenden)