Wat is educatieve datamining?
Educatieve datamining (EDM) is het analyseren van gegevens verkregen van scholen, studenten en beheerders. De gegevens die worden geanalyseerd, worden verkregen van computerinformatiesystemen, zoals testscores en presentielijsten. Datamining zoekt naar patronen en associaties om conclusies te trekken over prestaties en gedrag.
Moderne onderwijsomgevingen vertrouwen op technologie om de activiteiten te stroomlijnen en belangrijke studentgegevens bij te houden. Softwaretoepassingen worden ook gebruikt om lesplannen voor studenten te beheren, het leerproces te vergemakkelijken en examens af te nemen. Communicatie tussen studenten, leerkrachten en ouders wordt ook grotendeels afhankelijk van internet en computertechnologie. Educatieve datamining wil al deze gegevens combineren om nieuwe inzichten te ontdekken.
Scholen gebruiken inzichten uit datamining om nieuwe leerprogramma's te ontwikkelen, prestaties te verbeteren en potentiële problemen aan te pakken. De techniek kan worden gebruikt om te bepalen onder welke omstandigheden studenten beter leren of beter presteren op examens. Het gebruik van educatieve datamining is zo populair geworden dat wereldwijd regelmatig conferenties worden gehouden om docenten te leren over de technieken en nieuwe manieren te ontdekken om deze in scholen op te nemen.
Enkele van de onderwerpen die tijdens educatieve dataminingconferenties zijn onderzocht, zijn onder meer hoe effectief datamining kan worden gebruikt, hoe verschillende gegevensbronnen kunnen worden gewonnen, verbetermethoden voor educatieve software en hoe dataminingresultaten kunnen worden geïnterpreteerd om klassikaal onderwijs te verbeteren. Net zoals marketeers datamining gebruiken om verbanden tussen koopgedrag van consumenten en marketingactiviteiten aan het licht te brengen, probeert educatieve datamining onuitgesproken gedragspatronen te ontdekken. Opvoeders zouden het bijvoorbeeld kunnen gebruiken om de effectiviteit van experimentele vormen van leren en feedback over prestaties voor middelbare scholieren te bepalen, zoals zelfgestuurd leren en beoordelingen op basis van subjectieve schriftelijke beoordelingen in plaats van een cijfer.
Datamining is een manier om inzicht te krijgen in de hoofden van studenten en beheerders, die misschien moeilijk te ontdekken zijn met directe onderzoeksmethoden. Sommige hogescholen en universiteiten analyseren mogelijk de resultaten van de prestaties van afgestudeerde studenten op nationale gestandaardiseerde tests om de kwaliteit van de lessen in de klas te bewaken. Hoge scores in bepaalde vakgebieden boven andere kunnen erop wijzen dat de methode moet worden aangepast waarin dat materiaal wordt geleverd. Andere leermiddelen dan de traditionele lezing kunnen worden geprobeerd als resultaat van datamining.
Als bijvoorbeeld datamining aantoont dat studenten na verloop van tijd meer informatie behouden als gevolg van het werken aan projecten in plaats van meerkeuzetests, kunnen docenten meer projecten in alle klassen gaan implementeren. Datamining kan ook isoleren hoe bepaalde groepen studenten leren. Resultaten van de prestaties van studenten kunnen een weerspiegeling zijn van trends tussen leeftijdsgroepen en geslacht.