Studenten volgen in een flexibel onderwijsmodel - OWD19

Roland Ettema van de OU vertelt in deze sessie hoe je met proces-mining inzicht kunt krijgen in het werkelijke verloop van de onderwijslogistiek, inclusief het tijdsverloop, de rol van betrokken partijen, de variaties die plaatsvinden in de uitvoering, knelpunten et cetera. Proces-mining blijkt ideaal te zijn om de bewegingen van studentenpopulaties in een flexibel onderwijsstelsel te volgen. De inzichten die dit oplevert zijn vervolgens volgens Roland te gebruiken om het onderwijs te verbeteren.

De OU heeft een behoorlijk flexibel onderwijsmodel. Hoe volg je wat al de deelnemers doen? Bij de OU wilde men een nieuwe keuze maken hoe studenten gevolgd kunnen worden met behulp van data. Hun keuze blijkt geen doorsneekeuze te zijn.

Het onderwijsmodel van OU:

1. Student studeert aan één instelling binnen één programma, maar kan de opleiding in eigen tempo doorlopen
2. Student kan een (substantieel) deel van zijn programma aan een andere opleiding, faculteit of instelling volgen zonder  daarbij praktische drempels te ervaren 
3. MijnDiploma laat het idee van een vooraf vastgesteld opleidingsprogramma los
4. Student schrijft zich in voor modules en niet voor een volledig programma

De vraag is hoe je dit gaat begeleiden. Kun je al die varianten in 1 datamodel volgen? Om dat te kunnen doen is een metrokaart ontwikkeld. Ieder station op die kaart stelt een gebeurtenis voor (nu zo'n 30 stuks). De kleuren van de metrolijnen op de kaart staan voor de types (opleidingsdeelname, studieoverzicht, cursusdeelname, toetsdeelname en vrijstelling). Het mooie van dit plaatje is dat je er mensen mee kunt vertellen hoe het onderwijs in elkaar zit. 

In het model wordt alles wordt bekeken vanuit bedrijfsprocesperspectief, bv inschrijfproces bij deelname. Om in de metafoor van de metro te blijven: een probleem is dat heel veel mensen op weg zijn met de metro en allemaal andere routes kiezen. Alle stappen die daar gemaakt worden, worden daarom uitgeschreven, ze leveren bij het volgen ervan een digitaal spoor op. Deze gegenereerde data is time-stamped. Het unieke is dus dat het spoor van allerlei studenten niet gelijk is, ze nemen allemaal andere routes. Zo kunnen twee studenten zich tegelijkertijd inschrijven, maar een heel ander spoor volgen en leggen (de één gaat meteen door, de ander laat de inschrijving na 12 maanden verlopen bijvoorbeeld). 

Master data management

Kun je überhaupt met een model de data wel volgen?  Er zijn in net verleden vier verschillende modellen geweest die elke keer niet aansloten bij de praktijk. Gelukkig is er iets anders op de markt: proces-mining. Proces-mining volgt de time stamped digitale sporen. Als je alle logbestanden van de gevolgde sporen van studenten op elkaar legt zie je dat processen anders lopen als gedacht. Je krijgt dan allerlei varianten van sporen te zien om bij het eind van de metrolijn uit te komen. De mining maakt dit zichtbaar, waardoor je de processen kunt verbeteren en betere adviezen kunt geven.

Basis proces-mining: Je hebt in feite maar te maken met drie kolommen: datum, case (student) en activiteit. Voor een korte uitleg: bekijk de video die ik tijdens de presentatie gemaakt heb.

Er is nu een dertigtal leveranciers die procesmining levert. Adoptie van procesmining blijft echter achter. Leveranciers leveren gratis tools om de acceptatie aan te jagen. Voor de aanvullende analyses moet je dan betalen. De tools zijn heel laagdrempelig te verkrijgen.

Demo proces-mining (video)

Proces-mining wordt gebruikt voor adhoc analyses. Bijvoorbeeld: 

• Op deze manier kun je aan de requirements komen voor bouwen van managementinfo. Je kunt zichtbaar maken dat er bv diploma's afgegeven worden zonder dat er tentamens worden afgenomen en hoe vaak dat gebeurt.

• Er wordt een technische vertaling van het curriculum gemaakt, je kunt dan heel snel laten zien hoeveel studenten ook daadwerkelijk die route volgen. Je hebt heel makkelijk de afwijkingen in beeld (als er veel afwijkingen zijn: wat is dan de zin van een curriculum)?

Er is ook input voor onderzoek mogelijk: stel dat een student 80% van het programma volgt, is er dan correlatie met het slagingspercentage?