Uit de data blijkt: schaal is ook in hoger beroepsonderwijs van invloed op studierendement
Wat zeggen de data over onderwijskwaliteit en studierendement in het hoger beroepsonderwijs? En welke handvatten bieden de data voor het verbeteren hiervan? Wij hebben open data over hoger beroepsonderwijs verzameld, geanalyseerd en gevisualiseerd in een dashboard. Dit dashboard is te vinden op onze website.
Uit de analyse valt op te maken dat het studierendement na 5 jaar onderwijs in het HBO sinds 2002 met ongeveer 10% procentpunt is gedaald. Waar van de studenten die in 2002 (het zogenaamde cohort 2002) begonnen aan hun opleiding bijna 60% in 5 jaar het diploma haalde, is dat voor de studenten die 10 jaar later begonnen nog maar zo’n 50%.
Voor universiteiten geldt dat de kleinere het beter doen dan de grotere. Dit geldt ook voor hogescholen. Uit het dashboard blijkt dat grote instellingen (met meer dan 20.000 studenten) beneden het landelijk gemiddelde (de zwarte lijn in de figuur) scoren op studierendement. Het gat met het landelijk gemiddelde is sinds het cohort 2000 wel substantieel kleiner geworden.
Klik op knop “full screen” rechtsonder de figuur voor volledige weergave
Om beter zicht te krijgen op de relatie tussen studierendement en omvang van de instelling hebben wij een correlatieanalyse uitgevoerd. Hierin is goed te zien dat de kleine instellingen het beter doen dan de grote instellingen: de kleine instellingen bevinden zich in de linker bovenkant van de figuur en de grote in de rechter onderkant.
Klik op knop “full screen” rechtsonder de figuur voor volledige weergave
Een verklaring voor de betere prestaties van kleine instellingen kan zijn dat deze hele specifieke opleidingen aanbieden (met name in de kunstsector, agri-business en gebaseerd op een specifieke grondslag/signatuur). Studenten die voor deze instellingen kiezen, maken daarmee een bewustere keuze voor een specifieke opleiding. In het wetenschappelijk onderwijs is dat terug te zien bij de Universiteit Wageningen. Deze universiteit komt sinds 2004 ieder jaar het beste uit de bus in de Studiekeuzegids. Studenten die kiezen voor deze universiteit in “provinciedorp” Wageningen moeten wel “erg gemotiveerd” zijn aldus de gids.
Learning analytics is de basis voor interventies om rendement en kwaliteit te verhogen
Ook in het hoger beroepsonderwijs heeft schaal dus een negatief effect op studierendement. Wat kan een hogeschool met deze inzichten? Radicaal een studentenstop instellen is met het oog op toegankelijkheid van het onderwijs en financiën niet wenselijk. Er zijn echter diverse interventies te bedenken die wel mogelijk zijn. Grote instellingen kunnen studenten veel gerichter gaan voorlichten. Met name studenten die willen kiezen voor de grote opleidingen. Een andere mogelijke interventie is het invoeren van toelatingstesten, waar ook in wordt gegaan op motivatie. Met behulp van Learning Analytics technieken kunnen grote instellingen hun studenten veel beter gaan volgen en hen eerder ondersteunen als dat nodig blijkt. Tevens kunnen grote instellingen anders omgaan met werving. Ook hier is de vergelijking met het wetenschappelijk onderwijs relevant: universiteiten die te veel hebben meegelift op succesvolle citymarketing (met name de Universiteit van Amsterdam en de Erasmus universiteit) plukken daar nu de wrange vruchten van in de vorm van lager studierendement.
Met behulp van learning analytics zijn nog tal van interventies te ontwikkelen die onderwijskwaliteit en studierendement kunnen verhogen. Voorbeelden hiervan zijn het aanbieden van de mogelijkheid tot proefstuderen, actieve studieloopbaanbegeleiding, beter aanleren van studievaardigheden, creëren van leergemeenschap middels leergroepen, de inzet van medestudenten als ‘peer-mentor’ en de inzet van formatieve toetsing om studenten te stimuleren actief en continu te leren. Voor een betere individuele begeleiding kunnen heel specifiek doelgroepen worden geselecteerd die het in het bijzonder slecht of goed doen. De studenten in deze groepen kunnen dan veel meer op maat bediend worden door een instelling. Een andere mogelijkheid is om uitval te voorspellen en daarop in te spelen. Hiervoor is data nodig op het niveau van de individuele student. Data die niet (gelukkig maar) beschikbaar zijn als open data, maar waar instellingen zelf wel over beschikken.
In het volgende Learning Analytics blog verkennen we verder welke inzichten het dashboard oplevert en welke mogelijkheden dit biedt voor hogescholen.