Voor onderwijs dat competentiegerichtheid, leren leren en de student centraal stelt, is zoeken naar passende wijzen van toetsing een actueel en prangend vraagstuk. Daarbij moet de toetsing van de gehele opleiding een coherent en consistent geheel vormen, dat past bij de onderwijsvisie en het curriculum. Voor het opstellen van een toetsplan bestaat geen eenvoudig algoritme. Wel is een stappenplan ontwikkeld om een toetsplan op te stellen in een bepaalde, beproefde volgorde. In de praktijk is er echter geen sprake van een rechtlijnig en iinduidig traject. Sommige stappen vergen weinig aandacht, andere krijgen extra accent en dat is afhankelijk van het eindresultaat dat een opleiding wil bereiken. Het maken van een toetsplan kent zeven stappen: 1 Geef redenen voor toetsplanontwikkeling en bepaal de aanpak en het resultaat. 2 Stel de kaders vast waarbinnen het toetsplan inhoud moet krijgen. 3 Maak keuzes bij strategische, inhoudelijke vragen. 4 Geef de kwaliteitseisen bij de toetsing aan en de normering en kwaliteitsborging. 5 Bepaal de organisatorische randvoorwaarden. 6 Stel het toetsplan op. 7 Schrijf de verantwoording bij het toetsplan.
MULTIFILE
In deze aflevering van de podcastserie 'In the picture' van het Begeleidings- en coachingslab gaat Laura van de Vendel in gesprek met Janine Haenen en Wouter Breunesse over 'Regie nemen over het eigen leerproces'. Eén van de ambities uit onze nieuwe onderwijsvisie is dat we studenten moeten leren hoe je regie over je eigen leerproces kunt nemen (student agency). Een van de vaardigheden die een student moet ontwikkelen om agent te worden is keuzes maken. In de M&O track, een combinatie van vier opleidingen in één programma, staat eigenaarschap en zelfregie centraal. Wil je meer weten over hoe dit in de praktijk wordt toegepast en hoe de begeleiding eruit ziet binnen de M&O track? Bekijk dan de podcast.
YOUTUBE
Blended learning is not a flash in the pan, it’s here to stay. At The Hague University of Applied Sciences (THUAS) the implementation of blended learning is not yet in an adult stage, but in a newly introduced educational framework (The Hague University of Applied Sciences, 2017) blended learning plays a vital role. The intention is for teams to come to a shared approach when it comes to blended learning. In his blog, Leonard Geluk, (Geluk, 2016) the Chairman of the Executive Board of the University notes that ‘the development is slow to get off the ground’ and ‘there is still work to be done before we can fully embed ICT in education.’ The toolkit of teachers has been supplemented with many digital tools in recent decades (Geluk, 2014), but what makes lecturers actually use these new possibilities? What causes them to pick up the toolkit or leave it? Jacobs (2013) indicates that people’s ability to exploit the benefits of technology, in particular digital technology, is not obvious and can be a big challenge, especially for teachers. The central question to this study is: What brings lecturers in motion around blended learning? In my opinion, gaining more understanding in the lecturers’ perspective is an important part of the ‘work’ that Leonard Geluk describes above. This is the main goal of this research.
Het analyseren van grote gegevensbestanden om de kwaliteit van het onderwijs te verbeteren is een hot item. De toepassing van learning analytics kan het onderwijs verbeteren. Wij doen onderzoek naar learning analytics en de vaardigheden die gebruikers daarbij nodig hebben.Doel Wij onderzoeken wat de gevolgen zijn van databewerking op de uitkomsten van learning analytics. En welke vaardigheden hebben gebruikers nodig om deze systemen zinvol te gebruiken? Learning analytics Learning analytics is het meten, verzamelen, analyseren en rapporteren van data van studenten en hun omgeving om het leren en de leeromgeving te begrijpen en te verbeteren. Het gebruik van learning analyticssystemen Het realiseren van grote delen van de onderwijsvisie van Hogeschool Utrecht is sterk verbonden met de succesvolle uitvoering van analyses op studentniveau. Het gebruik van learning analyticssystemen is niet vanzelfsprekend. De ontwerpers en ontwikkelaars van deze systemen moeten helder zijn over hun ontwerpkeuzes (zoals manieren van databewerking en de werking van algoritmes). Anderzijds moeten studenten en docenten beschikken over datavaardigheden om deze systemen op een zinvolle manier te gebruiken. Resultaten Dit onderzoek loopt. Na afloop vind je hier een samenvatting van de resultaten. In juli 2019 verscheen het volgende artikel van de onderzoekers: Automated Feedback for Workplace Learning in Higher Education. Looptijd 01 september 2017 - 31 december 2020 Aanpak We hebben eerst verkennend onderzoek gedaan door een case study waarin onderzocht is wat de effecten zijn van verschillende keuzes in de data cleaning op de uitkomsten van de data-analyse. Vanaf september 2019 gaan we onderzoeken welke datavaardigheden studenten nodig hebben om learning analytics-systemen effectief te gebruiken.
