Hoe kun je informatie uit digitale leeromgevingen optimaal benutten voor het samenstellen van persoonlijke leerfeedback? Niet alleen formatieve toetsen spelen daarbij een belangrijke rol, ook data zoals het gebruik van hints of uitgewerkte voorbeelden in de digitale leeromgeving zijn belangrijk. Hoe vaak en waar wordt dit in de leercyclus gebruikt? Deze factoren tezamen geven een goed beeld hoe studenten hun leerproces inrichten en waar dat eventueel bijsturing behoeft. Aan de hand van onze Maastrichtse toepassing met SOWISO (wiskunde) en MyStatLab (statistiek), wordt in deze sessie geillustreerd hoe learning analytics op cursusniveau kan helpen om vooral de zwakkere studenten te ondersteunen in het leerproces.
27. School of Business and Economics
demographics
• Largest differences in prior math education,
smaller gender effect
• National culture: masculinity and long-term
orientation
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
Cluster 1
Cluster 2
Cluster 3
Cluster 4
Cluster 5
Cluster 6
40,0
45,0
50,0
55,0
60,0
65,0
70,0
75,0
80,0
28. School of Business and Economics
Next question: what role do national culture dimensions
have in the design of prediction models
Hofstede national culture dimensions :
• Power Distance Index (PDI)
• Individualism versus Collectivism (IDV)
• Masculinity versus Femininity (MAS)
• Uncertainty Avoidance Index (UAI)
• Long Term Orientation versus Short Term Normative Orientation
(LTO)
• Indulgence versus Restraint (IND)