Whitepaper in een serie over HR Analytics Elke organisatie neemt voortdurend HRM-beslissingen, zoals over het aannamebeleid, de beloning en talentmanagement. Wanneer ze daarbij gebruik maken van predictive analytics, oftewel voorspellende analyse, kunnen organisaties de kans berekenen dat een individuele medewerker bepaald gedrag gaat vertonen. Voorspellende analyse leidt daardoor tot betere besluiten en maakt het mogelijk om gericht actie te ondernemen. Inhoud: • Inleiding 1. Zorg voor kwalitatief hoogwaardige data 2. Maak de stap van dataverzameling naar rapportage 3. Ontwikkel voorspellende modellen op basis van historische data 4. Gebruik voorspellende modellen om inzicht te krijgen 5. Baseer HRM-maatregelen op inzichten uit voorspellende analyses • Conclusie
MULTIFILE
In het huidige statistiekonderwijs is te weinig aandacht voor het proces voorafgaand aan de dataverzameling en uitvoering van de berekeningen ten behoeve van het beantwoorden van de onderzoeksvragen; het proces van datamanagement. Datamanagement is echter cruciaal voor het garanderen van de kwaliteit van de data en dus de betrouwbaarheid van de onderzoeksbevindingen. Te weinig aandacht voor dit proces vergroot de kansen op fouten in de gegevens, met als gevolg dat onderzoeksvragen niet beantwoord kunnen worden en projectgelden worden verspild. Om in deze kennislacune te voorzien is een procedure ontwikkeld, die gebruikt kan worden om databestanden te structureren en op te bouwen voordat met de feitelijke uitvoering van het onderzoek wordt begonnen. Deze procedure is beschreven het rapport ‘Van vragenlijst tot tabel’. Daarnaast wordt in de rapportage ingegaan op hoe de gegevens in SPSS kunnen worden geanalyseerd en op hoe de output van de analyses eenvoudig in een tabel voor een onderzoeksrapport of artikel kan worden gezet.
DOCUMENT
Precieze cijfers en feiten over gezelschapsdieren ontbreken in Nederland. Huidige gegevens over bijvoorbeeld het aantal huisdieren zijn vooral gebaseerd op schattingen. Het ontbreken van inzicht en bewijslast op basis van nauwkeurige en actuele feiten en cijfers kan negatieve gevolgen hebben voor onder andere zorgkwaliteit, voorlichting en toezicht op dierenwelzijn en diergezondheid.Het ministerie van Landbouw, Visserij, Voedselzekerheid en Natuur (LVVN) heeft drie groene hogescholen de opdracht gegeven om te verkennen of het haalbaar is een landelijke structurele monitoring van feiten en cijfers over gezelschapsdieren op te zetten. En dat te vertalen naar aanbevelingen. De verkenning richtte zich op de diergroepen hond, kat en konijn. Er zijn interviews afgenomen bij overheid(sdiensten), NGO’s, brancheorganisaties, kennisinstellingen en één handelsplatform. Aanvullend is specifiek voor de hondensector in twee aan het project gerelateerde afstudeeronderzoeken informatie verkregen over dataverzameling en monitoring. Eén onderzoek richtte zich op de hele sector, de andere op dataverzameling binnen dierenasielen. Hiervoor zijn ook interviews afgenomen en deskstudies uitgevoerd. Deze informatie tezamen geeft inzicht in belangen en doelen van belanghebbenden, de meest relevante data, haalbaarheid, draagvlak en goede praktijken die als voorbeeld kunnen dienen voor een gezamenlijke monitor.Doelen en belangen met betrekking tot een monitoringssysteem lopen ver uiteen. Desondanks scharen alle geïnterviewde stakeholders zich achter een structurele en gezamenlijke monitoring. Het draagvlak is groot. Ze geven heel duidelijk aan dat integratie met ‘eigen systemen’ belangrijk is. Daarom wordt voor een nationale monitoring een ‘overkoepelend’ systeem aanbevolen dat de verschillende systemen verbindt. Veel stakeholders geven aan dat voor dit overkoepelende systeem de verplichte chipregistratie (hond, later kat) een wezenlijke rolspeelt. Ze suggereren om gegevens uit andere systemen aan een uniek chipnummer te koppelen. Dit betekent tegelijkertijd dat een totaalmonitor voor konijnen minder kansrijk is aangezien voor deze diergroep geen verplichte chipregistratie bestaat en ook niet in voorbereiding is.Technische en methodische haalbaarheid worden door de stakeholders niet als probleem gezien. Wel worden hierbij gebruiksgemak, tijdsextensief, veilige opslag van data, en overzichtelijke invoer en presentatie alsrandvoorwaarden benoemd. Dit geeft mogelijkheden voor real-time en continue monitoring. Aanbevolen wordt om in eerste instantie te starten met het monitoren van aantallen dieren en dierstromen als meest relevante feiten en cijfers. Welzijns- en gezondheidsdata zijn op termijn een belangrijke aanvulling. Privacywetgeving en kosten worden gezien als de grootste knelpunten met betrekking tot haalbaarheid. Anonimiteit en gelaagde toegang tot de data kunnen een oplossing bieden voor privacy issues. Respondenten benoemen kosten als noodzakelijk voor de gewenste kwaliteit in en volledigheid van data. Kosten kunnen wellicht worden verlicht aan de hand van subsidies.Vertrouwen, tenslotte, is hét sleutelwoord om tot een gezamenlijk monitoringssysteem in de gezelschapsdierensector te komen. Dit moet zorgvuldig worden opgebouwd. Daarom is het allereerst van belang om per stakeholder een nadere diagnose te doen welke data deze partij heeft die interessant is voor de monitor, en wat de bereidheid is om deze data te delen en onder welke condities. De volgende stap is om met welwillende partijen aan de slag te gaan en de kwaliteit en representativiteit van de data te beoordelen. En indien van toepassing, hoe een koppeling tussen commerciële en niet-commerciële partijen te maken is vanwege uiteenlopende belangen.
DOCUMENT
Docenten van Fontys Hogeschool Bedrijfsmanagement, Educatie en Techniek (BEnT) hebben geëxperimenteerd (Gorissen, 2014) met Flipping the Classroom in relatie tot de taxonomie van Bloom. Bij dit concept worden lage kennisniveaus uit deze taxonomie voor de les aangesproken en in de les worden hogere kennisniveaus aangesproken. Bij het herontwerp van hun lessen zijn docenten ondersteund door workshops, gegeven door Fontys Educatief Centrum (FEC). Het onderzoek geeft inzicht in de ervaringen van docenten als ze Flipping the Classroom toepassen en dient als input voor FEC zodat toekomstige workshops nog beter aansluiten bij behoeften van docenten. De hoofdvraag is: Wat zijn ervaringen van docenten en studenten van een HBO-instelling met het toepassen van de taxonomie van Bloom in relatie tot Flipping the Classroom? Hiervoor zijn drie deelonderzoeken uitgevoerd, te weten een kwalitatieve analyse van de lesvoorbereidingen en individuele interviews met docenten en een kwantitatief onderzoek onder studenten over de door hun gevolgde lessen via dit concept. Resultaten laten zien dat docenten het concept correct toepassen en ze hiervoor activerende werkvormen en ICT tools inzetten. Docenten zijn enthousiast over de toepassing ondanks dat herontwerp tijdrovend is. Studenten kenden het concept vooraf niet maar hérkenden het wel, zowel voorafgaand als in de les. Vanwege de lage respons onder studenten kan alleen een voorzichtige conclusie getrokken worden dat het concept bijdraagt aan betere verwerking van de leerstof en dat het vaker toegepast mag worden. De belangrijkste aanbevelingen zijn gericht op kennisdeling tussen docenten die dit concept (willen gaan) toepassen in het onderwijs en nader onderzoek naar de invloed op de leerprestaties van de studenten.
DOCUMENT
