Project

AI inzetten voor het nieuwe leren

De arbeidsmarkt is een hyperdynamische omgeving die door digitalisering, automatisering, energie-en klimaattransities en andere transformatieve megatrends continue verandert. Dit stelt nieuwe eisen aan de professionals van morgen, voorbij de traditionele, geijkte beroepsvaardigheden. Studenten moeten opgeleid worden om wendbaarder en veerkrachtiger te zijn, in staat om eigen kennis en vaardigheden up-to-date te houden en mee te bewegen met ontwikkelingen. Een uitdaging voor opleiders met een rol (en noodzaak) voor zelf-gereguleerd leren (ZGL). Kan AI hierbij helpen?

Onderdeel van:

Improving Student's learning with Artificial Intelligence and Learning analytics(iSAIL)

De transformatie van de arbeidsmarkt vereist een innovatie in opleiden, meer gericht op ZGL-formats die de regie bij de student leggen; zij evalueren eigen leerresultaten, plannen en sturen bij in het proces. De vraag voor opleiders is hoe zij ZGL kunnen stimuleren, sturen en monitoren. Hiervoor is inzicht nodig in leergedrag en gedragspatronen, waarbij data een belangrijke rol speelt om deze te begrijpen en in kaart te brengen Artificial intelligence biedt mogelijkheid om dit te realiseren en vorm te geven aan het data-bewust begeleiden van studenten. Dit onderzoeksproject was deel van het Fontys TEC programma 2020.

Onderzoeksvraag:

Hoe kan Artificial Intelligence ingezet worden om het leerproces van de student te bevorderen?

Onderzoeksperiode

Januari 2020 - December 2021


Methodiek & Bevindingen

Bij dit onderzoek is gekeken of de data uit de elektronische leeromgeving (ELO) meer inzicht kan geven in het ZGL van studenten. Hiervoor zijn data-patronen onderzocht die studentenachterlaten in de Canvas ELO. De data in dit onderzoek is afkomstig van Fontys Hogeschool ICT studenten, richting Applied Data Science. Het betreft meta-data, zoals (op tijd) inleveren van voorbereidingen, opdrachten en projecten. In deze meta-data is ook het verloop over het semester meegenomen. Deze data zijn geanonimiseerd en in een beveiligde omgeving opgeslagen voor analyse. Hiervoor zijn AI-technieken gebruikt, welke een aantal leerpatronen zichtbaar maken die via reguliere rule-based methodes niet vindbaar zijn. Verder onderzoek is benodigd om de relatie tussen studentpatronen en ZGL te verduidelijken en om tot instrumenten te komen die de student helpen in de ontwikkeling van ZGL.


Onderzoeksteam

  • Marcel Meesters, Fontys Hogeschool ICT (projectleiding)
  • Masha Boosten, Fontys Dienst Onderwijs & Onderzoek (projectleiding)
  • Carlijn Moed, Fontys Hogeschool ICT (onderwijskundige)
  • Bartosz Paszkowski, Fontys Hogeschool ICT
  • Studenten Fontys Hogeschool ICT
  • Ronald Ferket, AI onderzoeker Cinop
  • Bart Corbijn, directeur Drieam
  • Jort Polderdijk, ontwikkelaar Drieam