Drie voorbeelden hoe opleidingen data gebruiken bij start studiejaar

Bij onze klanten zien wij ook dit jaar dat zij in de voorbereiding van het nieuwe studiejaar steeds meer keuzes maken op basis van beschikbare data. Hierdoor zijn de opleidingen in staat het onderwijs nog effectiever in te richten. In deze blog laten wij met behulp van 3 praktijkvoorbeelden zien hoe opleidingen de gegevens van nieuwe studenten, vorige studiejaren en van de eerste lesweken gebruiken.

1. Groepsgrootte bepalen aan de hand van opkomst in vorige jaren

Trends in opkomst
Gebruik trends van vorige jaren om in te schatten wat de opkomst wordt.

Eén van de gebruikers van Academy Attendance kwam erachter dat er eigenlijk altijd één of twee studenten afwezig zijn bij de les door ziekte, uitval of andere omstandigheden. Hierdoor staan docenten altijd voor niet volle klassen. Hiertoe hebben zij besloten de grootte van de studentengroepen met 2 studenten te verhogen. Dit scheelt hen bij het plannen, roosteren en het aantal klassen bij aanvang.

2. Differentiatie in aangeboden onderwijs op basis van vooropleiding

Bij veel opleidingen in het hoger onderwijs stromen studenten vanuit verschillende vooropleidingen in. Het propedeusejaar (jaar 1) wordt dan in veel gevallen gebruikt om alle studenten, in de breedte, naar hetzelfde niveau te brengen. Door slim gebruik te maken van de vooropleiding en differentiatie toe te passen in het onderwijs kan dit nog effectiever gebeuren.

Een opleiding waar zowel studenten met een economieprofiel als een natuurprofiel instromen maakt hiervan gebruik. Zo krijgen studenten die instromen met een natuurprofiel 3 lessen economie en 2 lessen wiskunde. Studenten met een economieprofiel krijgen daarentegen 3 lessen wiskunde en 2 lessen economie per week. Tevens sluiten hiermee de lessen vaak beter aan op het kennisniveau en creërt dit ruimte voor docenten om tijd te steken in verdieping of begeleiding.

Door slim gebruik te maken van de vooropleiding en differentiatie toe te passen in het onderwijs kan dit nog effectiever gebeuren.

3. Snel herkennen of de student bij de juiste opleiding zit

Wij zien dat al in de eerste weken de tekenen van uitval zichtbaar worden. Door mentoren actief te informeren als een student weinig naar de colleges komt of bij tegenvallende resultaten bij tussentoetsen, kunnen zij hier al voor de eerste toetsperiode op inspelen. Dit dient bij steeds meer opleidingen als bron voor gesprekken tussen studiebegleiders en studenten.

Notifidcatie weinig aanwezig
Automatische analyse en berichtgeving, zodat de mentor al direct ziet of student weinig aanwezig is.

Hierbij kan er bijvoorbeeld het gesprek met de studenten aangegaan worden of de gekozen opleiding wel de juiste is. In sommige gevallen kan er dan aangestuurd worden om ofwel samen actief te werken aan een succesvol vervolg ofwel de student te begeleiden naar een andere opleiding. Dit heeft als voordeel dat de studentengroep vaak al na 5 weken uitdunt en de gemotiveerde studenten overblijven. Hierdoor kunnen docenten en studiebegeleiders vroeg in het jaar al hun aandacht steken in de studenten die op de juiste plaats zitten en gemotiveerd zijn om de opleiding te voltooien. Tevens kunnen studenten die niet op de juiste plaats zitten mogelijk nog instromen bij een andere opleiding, aangezien ze al vroeg deze keuze maken. Een win-win situatie dus.

Meer weten hoe Academy Attendance de drie casussen concreet ondersteunt, neem contact met ons op
Share