Op de OEB13 is veel aandacht voor de ontwikkeling en het gebruik van Moocs, maar belangrijker nog voor de richting waarin leren en onderwijs zich ontwikkeld. WT zijn en worden de uitdagingen voor de komende jaren.
Vertegenwoordigers uit 91 landen zijn aanwezig in Berlijn, waar in meer dan100 sessies gesproken wordtoverervaringen, onderzoeken ontwikkelingen. Niet alleen via presentaties, maar veelal ook via hands-on bijeenkomsten en interactieve sessies.
Een bijeenkomst van eLearners, die wereldwijd zich bezighouden met het onderwijs van de toekomst.
De eerste bijdrage komt via eenvideoboodschap van Barosso.
Onderwijs gaatverder en betekent ook investeren in de beroepsbevolking en Europees burgerschap. Open education en de vaardigheden die hiervoor nodig zijn bij de deelnemers helpen Europa om innoverend te blijven. De OEB 13 levert daar een belangrijke bijdrage aan.
De tweede keynote over Big Data komt van Schoenberger (Oxford)
Big data, the next big thingfor education? Ofwel het gebruik van learning analytics.
Gezondheidszorg en onderwijs zullen het meest hierdoor beinvloed worden. Via moocs bereiken instellingen meer studenten dan alleen diegenen die ingeschreven staan. Onderwijs wordt nu ook beschikbaar voor studenten die anders geentoegang zouden hebben tot hoger onderwijs vanwege afstand en infrastructuur.
De echte verandering gaat niet over moocs maar over feedback..... Niet langer meten we aan het einde van een activiteit hoe en in welke mate onderwijs succesvol is, iets wat in geen enkele andere bedrijfstak acceptabel zou zijn. We hebben steeds meer de beschikking over een enorme hoeveelheid data, die we veel eerder kunnen inzetten.
Big data gaat niet alleen over de hoeveelheid data, het gaat ook over de ontwikkeling van die data van analoog naar digitaal. Dit maakt opslag en analyse van die data veel gemakkelijker, van gegevens kan er eenvoudiger echte informatie van gemaakt worden. The translation van quantity into quality.
More-messy and correlations
More: gegevensverzamelingen bevatten nu veel meer data. Niet alleen steekproeven en enquetes onder een beperkt aantal deelnemers, maar gegevens van enorme groepen. Het zien van patronen, het opsporen van veel meer details betekent ook de optie om verschillende foci te kiezen.
Messy: er worden andere kwaliteitseisen gesteld aan de afzonderlijke data. Van micro naar macroniveau.
Correlations: linking effect to a cause is de manier waarop we kijken naar informatie. Het leggen van verbanden is daarmee wel een valkuil geworden. Zijn oorzaak en gevolg wel zo nadrukkelijk met elkaar verbonden? Maken we geen fouten daarin die leiden tot verkeerde conclusies...
Big data helpen ons bij het bepalen van het 'wat'....
Voorbeeld wat gegeven wordt is het laten vertalen via software van russische rapporten in het engels in de jaren 50 door de Amerikaanse overheid. Een softwarematige oplossing werd gekozen vanwege het gebrek aan vertalers. Een project wat volledig faalde. In de jaren 80 werd dit opnieuw gedaan met meer succes door IBM. Ook zij viielen uiteindelijk in de valkuil van teveel interpretatie te willen toevoegen (toevoegen van algoritmes) Google probeerde uiteindelijk de vertaling te verbeteren en gebruikte hiervoor grote dataverzamelingen. De kealiteit van de vertalingen nam enorm toe.
Het herkennen van patronen in data maakt dat we uiteindelijk kunnen beschikken over informatie van een hogere kwaliteit.
Concrete voorbeelden zijn ontwikkelingen rond scanning en Google Glass.
Wat zouden we kunnen doen met deze kennis in onderwijs. Hoe kunnen we de kwaliteit van onderwijscontent op deze manier verbeteren. Hoe kunnen we hergebruik van content stimuleren? Wat betekent dit voor ons inzicht in hoe leerprocessen lopen....
Voorbeeld is ook de Khanacademy: ook hier wordt big data gebruikt als input voor een verbeterproces. Door learning analytics systematisch toe te passenop de 45 miljoen gebruikers van de video's op de website. De hieruit voortkomende feedback wordt gebruikt voor aanpassingen en vernieuwing van de video's.
Aandachtpunt rond big data is o.a. de inmpact die dit kan hebben op de privacy. Iets anders is de rol die algoritmes kunnen spelen in het voorspellen van gedrag. Voorbeeld hiervan is Google. Door het zoekgedrag van gebruikers te analyseren, doen ze voorspellingen en suggesties gericht op de toekomst. Een bedreiging vormen de data barons en de data dictators.
Big data kan de kwaliteit van onze informatie sterk verbeteren. Het leren van de data betekent echter ook dat we ermee moeten leren omgaan.