Actueel

Gepersonaliseerd leren: ‘Been there, done that’.

wo 16 mei 2018 - Ger Driesen

Het thema gepersonaliseerd leren of adaptief leren staat momenteel flink in de belangstelling. Het thema staat voor het tweede jaar op nummer 1 in Don Taylor’s L&D Global sentiment survey.

Bij gepersonaliseerd leren of adaptief leren, maak je gebruik van individuele kenmerken van cursisten om hen daarmee een optimaal leertraject te bieden. Die kenmerken zijn data die kunnen bestaan uit persoonlijke kenmerken zoals vooropleiding, ervaring, actuele kennis en vaardigheden en bijvoorbeeld leeftijd. Maar ook de route die een cursist aflegt binnen een online leeromgeving: de ‘digitale footprint’ is zeer bruikbaar. Deze bevat informatie over de keuzes die een cursist maakt, de tijd die een cursist nodig heeft voor elk onderdeel, de antwoorden op vragen en de resultaten van opdrachten. Die data helpen om de cursist steeds de meest relevante, effectieve en efficiënte leerroute aan te bieden.

Op zich is personaliseren niets nieuws. Een professionele trainer of docent zal zich waar het kan inzetten om iedere cursist persoonlijke aandacht te geven die optimaal past voor het beste resultaat. Maar hoe doen we dat bij online leren?

Daarvoor zijn 5 benaderingen mogelijk die je bovendien in combinatie kunt toepassen.

  1. Selectie ‘aan de poort’: je gebruikt kenmerken van de cursisten om de optimale match te maken welke cursist welk leertraject gaat volgen. Heeft iemand de basis, gevorderde of expert training nodig?
     
  2. Digital footprint binnen het platform: cursisten leren door gebruik te maken van een digitaal leerplatform. Het platform ‘leert’ tegelijkertijd van iedere cursist door steeds meer te weten over die cursist op basis van diens digital footprint. Door die informatie te benutten kunnen de leerroute, inhoud en activiteiten voor iedere individuele cursist ‘al doende’ worden aangepast voor het beste resultaat. Vandaar de term adaptief leren.
     
  3. Instaptoets: je verzamelt aan het begin van het leertraject specifieke data over voorkennis van de cursist door een instaptoets. Zo kun je direct filteren wat voor die betreffende cursist wel en niet relevant is en welke route het meest effectief is. Zo maakt de cursist een gepersonaliseerde ‘vliegende start’ en kun je vanaf dat moment de verdere footprint benutten voor aanvullende personalisering.
     
  4. Content curation: uit een bibliotheek of via het internet ga je de meest relevante bronnen aanbieden. In de voorgaande voorbeelden ga je uit van een leertraject met ‘vaste’ inhoud waarbij de cursist op basis van personalisering waarschijnlijk maar een deel van de inhoud nodig heeft – die delen die relevant zijn. Je kunt de inhoud ook heel ‘open’ houden en op basis van kenmerken van de cursist en het thema wat hij/zij wil leren filters instellen die steeds relevante content zoeken en aanbieden. Dat kan content zijn uit een content bibliotheek maar ook content van het internet of een combinatie. Personalisatie gebeurt dan door content curation via filters
     
  5. Locatie adaptiviteit: de locatie bepaald welke content het meest relevant is en wordt aangeboden. De relevantie van benodigde kennis of vaardigheden kan erg wisselend zijn per context. Het GPSsysteem van je auto biedt je die ‘kennis’ en instructies aan die op die specifieke plek het meest relevant zijn gerelateerd aan het doel dat je wil bereiken en actuele verkeersinformatie.

Hoe pas je dit in de praktijk toe? Tijdens het NextLearning  congres 2018, deelden Marin Schrijen van NIBE-SVV en Erica Tiemes van 112BHV hoe zij dat precies hebben gedaan, wat daar voor nodig is en wat het heeft opgeleverd. Een uitgebreide beschrijving inclusief ‘checklist voor gepersonaliseerd leren’ vind je hier.


Geef hieronder uw reactie op dit nieuwsitem

Leave this one empty:
Naam:
Don't fill in data here:
Reactie:
Don't put anythin in here:
CAPTCHA Image

Nog geen reacties geplaatst