Learning Analytics in de praktijk: twee jaar inzichten, uitdagingen en vervolgstappen
In 2024 en 2025 werkte het Npuls-project Best & Worst Practices Learning Analytics samen met onderwijsinstellingen aan beter inzicht in de toepassing van Learning Analytics (LA). Het project bracht kennis, praktijkervaring en perspectieven uit mbo, hbo en wo samen. Dit document bundelt de belangrijkste inzichten, lessen en opbrengsten. Het laat zien wat er nodig is om Learning Analytics succesvol en verantwoord toe te passen, en hoe dit zich verhoudt tot de opkomst van AI in het onderwijs.
Wat?
Dit document is een reflectie op twee jaar werken aan Learning Analytics binnen het Npuls-programma. Het beschrijft hoe kennis is opgehaald, gedeeld en verdiept via onderzoek, interviews, magazines, bijeenkomsten en samenwerking met het veld. Daarnaast geeft het inzicht in belangrijke thema’s zoals student- en docentondersteuning, de rol van data, en de samenhang tussen Learning Analytics en (generatieve) AI. Het document fungeert daarmee als overzicht van wat er in Nederland speelt én als richtinggevend kader voor vervolg.
Voor wie?
Dit document is bedoeld voor professionals in het middelbaar beroepsonderwijs (mbo), hoger beroepsonderwijs (hbo) en wetenschappelijk onderwijs (wo) die werken met data, AI of onderwijsverbetering. Denk aan docenten, beleidsmakers, data- en IT-specialisten, onderzoekers en projectleiders. Ook voor instellingen die willen starten met of opschalen in Learning Analytics biedt het document waardevolle inzichten en praktijkervaringen.
Samenvatting
Het project laat zien dat Learning Analytics zich ontwikkelt van een instrument voor dashboards naar een bredere aanpak voor het verbeteren van onderwijs en het sturen van AI-toepassingen. Belangrijke opbrengsten zijn onder andere drie thematische magazines, nationale bijeenkomsten en een groeiende community. Tegelijkertijd blijkt dat succes niet primair afhangt van technologie, maar van factoren zoals samenwerking, datakwaliteit, ethiek en draagvlak. Learning Analytics speelt een steeds belangrijkere rol in het verantwoord inzetten van AI, doordat het structuur en richting geeft aan data en besluitvorming.
Knelpunten en lessen uit het project
Knelpunten
-
Geen centraal overzicht van Learning Analytics-projecten in Nederland
-
Versnippering van kennis en initiatieven
-
Privacy- en ethiekvraagstukken vormen een rem op implementatie
-
Verschil tussen beschikbare data, gewenste data en gedeelde data
-
Moeilijkheid om pilots duurzaam op te schalen naar implementatie
-
Afhankelijkheid van draagvlak bij docenten en studenten
Wat werkte goed / lessen voor vervolg
-
Communityvorming en kennisdeling via bijeenkomsten en publicaties
-
Samenwerking tussen mbo, hbo en wo levert waardevolle inzichten op
-
Praktijkervaringen (interviews, use cases) zijn essentieel naast theorie
-
Learning Analytics helpt als kader voor het verantwoord inzetten van AI
-
Betrekken van docenten en studenten vergroot acceptatie en succes
-
Kleine, concrete toepassingen (zoals workshops en pilots) werken goed als startpunt
-
Focus op data, feedbackloops en duidelijke doelen vergroot impact
Doelgroep: mensen die er echt iets mee moeten of kunnen (docenten, beleidsmakers, data/AI-professionals, projectleiders).