At the conference of the European Association for Research on Learning and Instruction (EARLI) Niels Bohnen and Suzan van Ierland presented their research about enhancing student self-regluation through prgrammatic assessment. The aim of the current study is to discover to which degree studying within a course program based on programmatic assessment enhances self-regulation of students compared to students in a traditional course program. The results of the study could provide guidelines for the implementation of self-directed learning within course programmes at HAS green academy, inparticular aimed at programmatic assessment.
MULTIFILE
Formative Use of Assessment to Foster Self‑Regulated Learning: the Alignment of Teachers’ Conceptions and Classroom Assessment Practices Journal of Formative Design in Learning (AECT)
Grote groepen Nederlanders zijn afhankelijk van overheidshulp bij hun schulden of re-integratie. Zij doen een beroep op sociale voorzieningen, maar vallen helaas vaak uit. Dat komt mede door de grote stress die deze inwoners ervaren. De stress maakt dat mensen slechter in staat zijn te doen wat nodig is om uit de problemen te komen. Het besef dat chronische stress negatief doorwerkt op het vermogen van cliënten om doelen te realiseren vormt de basis van stress-sensitief werken (SSW). SSW is theoretisch uitgewerkte aanpak waar een groot aantal organisaties mee aan de slag is. De praktijk worstelt echter met een gestructureerde aanpak in de lokale context én de praktische uitwerking van de verschillende bouwstenen. Met dit consortium willen we daar een bijdrage aan leveren door structuur te bieden aan de hand van een gevalideerd self-assessment en handvatten geven voor verdere invoering van SSW, in eerste instantie bij de bouwstenen communicatie en inrichting. Het self-assessment helpt de organisaties te beoordelen waar ze nu als organisatie staan en welke kansen er nog zijn om verder te ontwikkelen. Met de handvatten voor de bouwstenen communicatie en inrichting willen we komen tot een handelingswijze om ook echt ontwikkelstappen te kunnen zetten. Met andere woorden, wat is nodig aan kennis, vaardigheden en ondersteuning om SSW verder in te voeren? Het consortium bestaat uit uitvoeringsorganisaties binnen het sociale domein, MKB’ers met kennis over communicatie en inrichting en de Hogeschool Utrecht. Daarnaast sluiten we met dit project aan bij een bestaande leerkring rondom SSW.
Voortdurende technologische ontwikkelingen zorgen ervoor dat het (toekomstig) werk in rap tempo verandert. Daarmee veranderen ook de essentiële skills voor professionals om hun werk goed te kunnen uitvoeren. Welke skills worden steeds belangrijker, hoe krijg je hier zicht op en hoe kan je die ontwikkelen? Deze vragen staan centraal in dit project. Doel Met de Digital Transformation Skills Monitor beogen we professionals inzicht te geven in hun beheersing van essentiële digitale transformatie skills én concrete opleidingen om deze skills verder te ontwikkelen. Resultaten Eén van de resultaten is het onderstaande model. Andere resultaten volgen zodra er uitkomsten uit het project komen. Looptijd 01 oktober 2021 - 30 september 2023 Aanpak Op basis van een systematisch literatuur review is een raamwerk van essentiële digitale transformatie skills ontwikkeld. Dit raamwerk wordt geoperationaliseerd in een self-assessment, als onderdeel van de Digital Transformation Skills monitor. De self-assessment wordt gepilot binnen verschillende instituten in de HU onder docenten. Er wordt een online platform ontwikkeld waarop de self-assessment en passend professionaliseringsaanbod beschikbaar worden gesteld, met daarbij specifieke aandacht voor de user experience. Relevantie en impact van het project Als gevolg van voortdurende technologische ontwikkelingen is het belangrijk dat professionals voorbereid zijn op werken in een dynamische (digitale) werkomgeving en zich een leven lang blijven ontwikkelen op gebied van digitale transformaties. De Digital Transformation Skills Monitor wil hieraan bijdragen.
Receiving the first “Rijbewijs” is always an exciting moment for any teenager, but, this also comes with considerable risks. In the Netherlands, the fatality rate of young novice drivers is five times higher than that of drivers between the ages of 30 and 59 years. These risks are mainly because of age-related factors and lack of experience which manifests in inadequate higher-order skills required for hazard perception and successful interventions to react to risks on the road. Although risk assessment and driving attitude is included in the drivers’ training and examination process, the accident statistics show that it only has limited influence on the development factors such as attitudes, motivations, lifestyles, self-assessment and risk acceptance that play a significant role in post-licensing driving. This negatively impacts traffic safety. “How could novice drivers receive critical feedback on their driving behaviour and traffic safety? ” is, therefore, an important question. Due to major advancements in domains such as ICT, sensors, big data, and Artificial Intelligence (AI), in-vehicle data is being extensively used for monitoring driver behaviour, driving style identification and driver modelling. However, use of such techniques in pre-license driver training and assessment has not been extensively explored. EIDETIC aims at developing a novel approach by fusing multiple data sources such as in-vehicle sensors/data (to trace the vehicle trajectory), eye-tracking glasses (to monitor viewing behaviour) and cameras (to monitor the surroundings) for providing quantifiable and understandable feedback to novice drivers. Furthermore, this new knowledge could also support driving instructors and examiners in ensuring safe drivers. This project will also generate necessary knowledge that would serve as a foundation for facilitating the transition to the training and assessment for drivers of automated vehicles.