Op 16 april 2019 heb ik tijdens een sessie van de KNVI regio Limburg (de vereniging van informatieprofessionals) een presentatie verzorgd over ontwikkelingen op het gebied van technology enhanced learning. Ik heb de Open Universiteit daarbij als casus gebruikt.

1. Onderwijsinnovatie gefaciliteerd
door leertechnologie

2. Kirchroa, 1964
Nijmegen (sinds 1983)
1990 ☹
1995 🙂
O.a. Gilde Opleidingen, Open Universiteit
2015: zelfstandig adviseur (o.a. OU, Zuyd)
Voorstellen….

3. Inhoud
• OU als casus
• Twee andere technologische trends
• Twee andere onderwijsinhoudelijke trends

4. OU als casus

5. Ontwikkelingen laatste jaren
• Vroeger: ‘paper-driven’
• Jaren negentig: online afstandsonderwijs (zeer flexibel)
• Hoge tevredenheid, laag rendement
• BaMa: nieuw onderwijsmodel
• Meer structuur, niet altijd volledig flexibel
• Open online onderwijs (MOOC, masterclasses, micro-modules)
• Activerend online onderwijs (trends toegepast)

7. Virtuele klas

8. Actief leren bevorderen dankzij leertechnologie
(voorkennis activeren, retrievel practice,
gespreid oefenen)

9. Quizzes
Mindmaps
Brainwriting (o.a. Padlet)
Student response systemen
Zelftoetsen
Feedback (deels geautomatiseerd)

10. Serious gaming

11. Ook niet BaMa-onderwijs
• Professionele ontwikkeling, na BaMa
• Gecertificeerde korte programma’s
• Certified professional programs (Datascience, yOUrMBA)
• Korte open online programma’s
• Maatwerkprogramma’s (co-creatie; DHL Datascience)

12. Sluit aan bij trends
• Meer toegepast
• Meer compact
• Niet alleen aanbodgericht

13. Andere trends
technology enhanced
learning

14. Virtual reality/Augmented Reality

15. Virtual reality/Augmented Reality
Gevaarlijke en niet toegankelijke situaties
Authentiek
Immersive
Oefenen
Beter onthouden
Modelleren en hulp
Vaak geen feedback
Voorbeeld Verdacht gedrag observeren
(Entree opleiding)

16. Kunstmatige intelligentie
Dingen vertonen een
bepaalde vorm van
intelligentie,
computer kan iemand
voor de gek houden
(vb. Zelfsturende auto’s,
gezichtsherkenning)

17. Gebruik van patronen in educatieve data, ook om het
leren te verbeteren.

18. Toepassingen
•Descriptieve analytics
•Diagnostische analytics
•Voorspellende analytics (profiling)
•Voorschrijvende analytics

19. Chatbots (begeleiding, reflectie)
Contentcreatie (tekst -> spraak; sterkere
vertaaltools, samenvattingen)
Cognitieve inspanningen (open vragen)
Gepersonaliseerd leren (adaptief, interventies)
Content cureren (LXP)
Onderzoeken hoe we leren
Bron
AI + Big Data

20. Onderwijsinhoudelijke trends

21. Performance support
(leren terwijl je werkt)

22. Microlearning
Korte tijd te bestuderen content
Zorg voor oefenen, feedback en reflectie
Iets kleins, snel leren (op basis van voorkennis)
Leren van korte duur inbedden in hectiek van werk
en privé
Onderzoek ondersteunt weinig claims
Bron

23. https://www.powerapp.nl/
Aparte applicaties voor nodig

25. Dank!
wilfred@wilfredrubens.com
@wrubens