12-11-2025 –, Foyer 3
De learningmanagementsystemen die we gebruiken in het hoger onderwijs zitten vol data die studenten inzicht kunnen geven in hun leerproces. De afgelopen twee jaar hebben twee docent-onderzoekers de stap gewaagd om deze data te ontsluiten, te analyseren en voor te leggen aan studenten. In deze sessie verkennen we wat de mogelijkheden zijn voor docenten, de beperkingen voor onderzoekers en de voors en tegens voor studenten.
In deze sessie delen we enerzijds de resultaten van een onderzoek onder eerstejaarsstudenten Voeding & Diëtetiek die aan de hand van Machine Learning een voorspelling kregen over hun toetsresultaat. Anderzijds laten we zien hoe we als docent-onderzoekers dit onderzoek vormgaven en waar we op gestuit zijn. Daarbij gaan we dieper in hoe wij de vertaalslag hebben proberen te maken van gevoelloze data naar de leefwereld van studenten.
We combineren onderzoeksuitkomsten met praktijkervaringen en leggen stellingen voor aan de deelnemers over de rol van voorspelmodellen in het klaslokaal. Deze open discussie is bedoeld voor iedereen die nieuwsgierig is naar hoe learning analytics concreet kunnen landen in het onderwijs. Deze sessie wordt georganiseerd door het Lectoraat Learning Technology & Analytics van De Haagse Hogeschool.
De afgelopen jaren is het gebruik van learning analytics en AI in het hoger onderwijs in opmars. Veel instellingen beschikken via hun learningmanagementsystemen (LMS) over gedetailleerde data over het studiegedrag van studenten. Deze data blijven echter vaak onbenut, of worden alleen op systeemniveau geanalyseerd. Kan en mag een docent zelf aan de slag met deze data? En hoe kun je studenten actief betrekken in dit proces?
In deze sessie nemen twee docent-onderzoekers van De Haagse Hogeschool je mee in hun praktijkgerichte onderzoeksproject binnen het lectoraat Learning Technology & Analytics (LTA). Het project richtte zich op de vraag: in welke mate beïnvloedt een AI-gebaseerde voorspelling de verwachting (belief) van studenten over het halen van een toets?
In samenwerking met de opleiding Voeding & Diëtetiek kregen eerstejaarsstudenten vlak voor hun toets een gepersonaliseerde voorspelling te zien, gebaseerd op hun gedrag in Brightspace. De voorspelling werd gegenereerd met behulp van een machine learning-model dat LMS-data combineert met eerdere toetsresultaten. Studenten kregen een voorspelling in twee vormen: een globale indicatie ("waarschijnlijk haal je de toets") of een specifieke kans ("je hebt 72% kans om de toets te halen"). Voor en na de voorspelling vulden studenten een vragenlijst in over hun eigen inschatting en motivatie, aangevuld met reflectievragen over hoe ze de voorspelling beleefden.
De onderzoekers onderzochten de impact van de voorspellingen op de overtuiging van studenten over hun eigen kunnen, en op aspecten van student agency. De resultaten geven inzicht in de psychologische effecten van AI-feedback in een onderwijscontext, maar ook in de spanningen die dit kan oproepen: voelen studenten zich geholpen of juist onder druk gezet? Hoe betrouwbaar is zo’n voorspelling in hun ogen? En wat betekent het voor hun motivatie?
Naast de onderzoeksresultaten delen we ook onze ervaringen als docenten die onderzoek doen in hun eigen praktijk. We laten zien hoe we datagebruik en ethiek hebben afgewogen, hoe we de samenwerking met privacy officers en de ethische commissie hebben vormgegeven, en hoe we het gesprek met studenten hebben gevoerd over transparantie, toestemming en impact.
De sessie bestaat uit drie delen:
1. Een korte presentatie van de onderzoeksopzet en uitkomsten.
2. Een inkijkje in de didactische en ethische afwegingen tijdens het proces.
3. Een interactieve discussie aan de hand van stellingen over het gebruik van voorspelmodellen in het onderwijs.
We nodigen deelnemers uit om hun eigen ervaringen, vragen en zorgen te delen. Wat zou jij doen als jouw LMS een voorspelling toont over het studiesucces van je studenten? Ga je het gesprek aan, of blijf je er liever verre van? Bovendien gaan we dieper in op de afstand tussen theoretisch onderzoek en de praktijk van een klaslokaal en waarom deze kloof niet altijd te overbruggen is.
Deze sessie is bedoeld voor docenten, onderwijskundigen, beleidsmakers en onderzoekers die nieuwsgierig zijn naar de rol van AI en learning analytics in het onderwijs van morgen. Je hoeft geen technische achtergrond te hebben – wel een gezonde nieuwsgierigheid naar hoe data en onderwijs elkaar kunnen versterken en bijten.
