Auteursarchief: Marcel Schmitz

Mooi artikel over hoe Learning Analytics op te pakken in organisaties

Ha Judith,

De Educause Review verwendt ons weer met een mooi artikel over hoe je duurzaam learning analytics kunt opzetten.

https://er.educause.edu/articles/2018/3/architecting-for-learning-analytics-innovating-for-sustainable-impact

Timothy McKay hebben we gezien bij de SURF Onderwijsdagen en het greenhouse had toen al mijn aandacht. Grote vraag blijft: kunnen wij met de -in vergelijk met de V.S.- beperkte middelen die we hebben ook zoiets opzetten.

Antwoord is ja. Ik denk dat we met studentkracht ver kunnen komen. Creatief en inventief zijn we genoeg om met ons onderwijs en dus met onze studenten te innoveren.

Waarom is het er dan nog niet? Nou ik denk dat het beeld over learning analytics nog niet goed genoeg is om er de hogere prioriteit aan te geven die het nodig heeft.

Eens kijken of we daar iets in kunnen betekenen in de komende tijd.

Groet Marcel

DI-Y Donderdag – Fun met inhoud bij Lectoraat Data Intelligence

Ha Judith,

De afgelopen donderdagen ben ik met veel plezier bezig geweest met iets nieuws: DI-Y Donderdag sessies. Het idee achter deze sessies is: Do it yourself en/of Data Intelligence Yourself op donderdag. Van 16:00 tot 18:00 (met eventuele uitloop) ben ik met studenten en collega’s aan het leren. Leren door te doen. Niet dat we dat de rest van de dagen in het lectoraat of op de faculteit dat niet doen, maar op die dagen is dat doen gekoppeld aan een onderwijseenheid en gekoppeld aan een concrete vraag uit de praktijk. Dat laatste is hartstikke mooi. Je praat met klanten/opdrachtgevers kijkt wat de behoefte zijn en baseert op basis daarvan de oplossing die je kiest en de technologie die daar bij hoort.

Maar bij technologie werkt het ook vaak zo dat je technologie moet blijven ‘doen’, moet blijven ‘ervaren’ om te komen tot de juiste ideeen. En dat doen mag dan best zijn zonder in eerste instantie een direct doel. Vanuit dat doen komen er vanzelf links naar leuke of nuttige projecten. Zo kom je ook vanuit technologie waar je niet direct aan denkt bij Data Intelligence naar wellicht hele mooie oplossingen.

Maar eigenlijk doe ik het ook omdat het leuk is. Het is te leuk om te kijen hoe iets werkt, om te zien of je er zelf iets op geprogrammeerd krijgt en om te zien en leren van elkaar, of je nu student, docent of onderzoeker bent. Het is overigens voor iedereen die mee wil doen. De relatie naar Data Intelligence moet door mij in de verte te leggen zijn, maar over het algemeen lukt me dat met vrij goed. Je hoeft ook niet bepaalde technische achtergrond te hebben. Het is juist de bedoeling om dat ook samen onder de knie te krijgen als het niet in de groep aanwezig is.

De afgelopen weken zijn een aantal studenten al zeer enthousiast aanwezig geweest en we hebben al een aantal ‘Data Intelligence Next Generation Experimental Nurslings’ (DINGEN) die we opgepakt hebben:

Microsoft Hololens

Voor mij is de Hololens als augmented reality tool een vervolg op de dingen die ik gedaan heb met de Oculus Rift (virtual reality) De VRRROOM is daarbij het meest concrete voorbeeld geweest. Met behulp van augmented reality kun je in de echte wereld blijven kijken en toch extra informatie ergens in de ruimte plaatsen die je kunt gebruiken. Op DIY avonden begint zo’n Hololens verhaal met ervaren. Gehoord hebben we allemaal van de technologie maar zelf ervaren nog niet allemaal. Kortom stap in de Dinosauruswereld of in een kloppend hart, maar in het bijzonder het spel RoboRaid laat je de extra ervaring die technologie zoals Hololens kan hebben, beleven.

Tja als je dan terug kijkt naar de VRRROOM dan komen een aantal mogelijkheden echt dichtbij. Na het ervaren komt het saaie stuk: installeren van allerlei omgevingen die het mogelijk maken om iets met de Hololens te doen. Nu hebben mijn studenten standaardprogrammeeromgevingen en kun je daarop ook via Hololens “gewone websites” gebruiken en gebruik maken van Unity of de Unreal engine om 3D elementen mee te bouwen. Dat laatste weet ik wel en ook daar hebben we bij ZuydPlein al een keer afstudeerder (Daniel Dekker) die toen met Unity3D voor me onderzocht hoe we communicatie skills konden trainen. Maar het duurde toch weer even eer dat allerlei programma’s geïnstalleerd waren die ontwikkeling mogelijk maken. Het lukt ons momenteel om interactieve objecten op de Hololens zichtbaar te maken. De volgende stappen zijn:

  • Het ‘The Sims emoticon’ boven mensen “plakken” met representatie van mood-input die ze zelf hebben gegeven.
  • Kijken hoe goed de facial recognition werkt van de Hololens.
  • Dashboard maken dat te gebruiken is gedurende leeractiviteiten (momenteel ook in een minor opgepakt)

Wat nog ligt, maar zeker ook tot de verbeelding spreekt bij de Hololens. is dat de AI die Microsoft ontwikkeld: Cortana een van de bestuursmogelijkheden is. Om te onderzoeken hoe sterk dit soort voice-driven AI’s is (vergelijkbaar met SIRI, Alexa en de Google Assistant) boeit natuurlijk ook.

Power BI

Over Power BI heb ik al eerder gepost. Dit zijn typische Data analyse en visualisatie tools die nu in opkomst zijn. Power BI, Rapidminer, XLMiner, R, Tableau allemaal voorbeelden van software die je helpt om data te organiseren, analyseren en visualiseren. En zo lang de hoeveelheid data beperkt blijft zijn deze tools gratis te proberen. Het spreekt voor zich dat we expertise op willen doen met dit soort producten. En dat doe je over het algemeen door daadwerkelijk concrete vragen ermee proberen op te lossen. Een van de studenten is met een dataset bezig om te kijken waar de leuke snufjes zitten, waar de speciale elementen zijn, zodat we ook een duidelijk beeld krijgen over welke functionaliteit wanneer te gebruiken is. Maar ook daarna over welke tool in welke context de beste omgeving is. IT Development studenten hebben in de minor IOT al laten zien dat tools als Power BI makkelijk te integreren zijn in totaaloplossingen. Nu zijn Business Intelligence studenten op de DIY donderdagen aan het kijken hoe het te gebruiken is.

Alexa versus de Google Assistant

Ook op het gebied van de AI die thuis staat willen we hands-on experience. Afgelopen donderdag heeft een van de studenten zijn Google Assistant meegenomen en ik mijn Alexa (Dot). Technologie dat gemaakt is voor in huis, om je te assisteren met alle slimme dingen die je straks in je huis hebt (gekoppeld aan thermostaat, TV, alarmsysteem, licht, deur) maar ook met de wereld. Ook hier geldt voor een aantal van ons: eerst de technologie ervaren (ik heb zo’n Dot namelijk ook pas een week). Niets leuker om te ervaren door te proberen en door te kijken of we de twee AI’s met elkaar kunnen laten praten. Erg grappig, maar nog niet heel goed gelukt. Zowel op Alexa (skills) als op de Google Assistant (actions) kun je zelf ontwikkelen. Dat is onze volgende stap. Misschien zijn de functionaliteiten van de studybuddy wel bruikbaar voor een student als skill/action op een van de twee.

Cryptotrading Bot

Het bijzondere van deze sessies is het samen leren met bijzondere studenten en collega’s is. De regel is dat je iets met technologie moet gaan doen; iets, waar we uiteindelijk door slim omgaan met de data, nog iets mee kunnen. En liefst iets wat bruikbaar is. Ik vraag dan: wat zou je  leuk vinden om te doen op het moment dat iemand binnen komt lopen. En afgelopen donderdag kwam het antwoord: “Een cryptotrading bot lijkt me wel interessant, ik heb daar de lector over horen praten, kunnen we dat niet proberen te maken?” Nog voordat ik: “Goed idee” kan uitspreken roept al een andere student aan de overkant van de tafel:”Ik heb daar open source software voor gezien, wacht even ik stuur die even…” En zo start het!
O ja en een cryptotrading bot is AI dat online draait en probeert te handelen in cryptocurrency (BitCoin bijvoorbeeld).

MYO

Een aantal andere studenten zijn met de MYO bezig. Dit is een ‘armband’ die een aantal zaken meet (richting, rotatie) en als het goed is, ook iets doet met spieraanspanning. Een van de studenten is aan het onderzoeken hoe we de data kunnen uitlezen, zodat we er een tool mee kunnen maken waarmee kinderen met een lichamelijke beperking spellen kunnen spelen zoals Fifa. Ooit hebben we met de stichting LUDI en ICT studenten bedacht om een reguliere spelcontroller  uit elkaar te halen en aan te passen op de behoefte van het kind. Nu kijken we of we met behulp van de MYO aan de ene kant de kinderen op hetzelfde niveau (zonder belemmering) kunnen laten meespelen met hun leeftijdsgenoten, maar belangrijker nog hoe we de data ook kunnen verzamelen en visualiseren richting therapeuten (fysio, ergo, sport) om met behulp van de games activering of therapie te stimuleren.

En uiteindelijk liggen mijn raspberry Pi’s natuurlijk ook nog op tafel, of kan het zomaar zijn dat ik Lego NXTs of EV3s  uit de kast trek, of dat een student komt met een technologie dat ik nog helemaal niet ken. Kortom van alles is mogelijk en iedereen is welkom. Van 16:00 tot 18:00 op de B.3. op Nieuw Eyckholt, maar 18:00 is ook al 19:00 of 20:30 geworden.

Ik kom in ieder geval iedere donderdag moe met veel energie thuis. Als je begrijpt wat ik bedoel.

Groet Marcel

Data Ecosystem Infrastructure – BSc graduate assignment

Hi Judith,

Again I have the opportunity to have some graduate students helping me with my PhD. One of them is Eddy. But he will introduce himzelf in this guestblog:

Data Ecosystem Infrastructure LA4LD

(original posted on: https://eddyvandenaker.com/post/Data-Ecosystem-Infrastructure-LA4LD)

Hi, my name is Eddy van den Aker and I’m currently doing my graduate internship. My project is part of Marcel’s PhD research project (https://2bejammed.org/2017/01/03/the-basics-of-my-phd-research/) about learning analytics, learning dashboards, and learning design.

Background

One of the problems faced by faculties, course designers, and teachers is the lack of insight into the student experience. Faculties are rated based on two factors: the time it takes for students to get their degree and the student experience. The first factor is obvious and easy to measure, but student experience is harder.

Currently the faculty of ICT within Zuyd University of Applied Science has two ways of measuring student experience. The first is the Nationale Studenten Enquête (NSE), which is a national questionnaire filled in by students from all Universities (of Applied Science). The second is a questionnaire at the end of every course, these are faculty specific.

The results of the NSE are not linked to a specific course, and the course questionnaires are done after the course has ended, so the results also come after the fact. The feedback toward the students on what is done with the results is also limited, which probably (based on anecdotal evidence) contributes to lower participation numbers. All in all, not enough data is available to improve student experience, and students are not seeing enough actionable feedback to be more engaged with the courses and the faculty.

The Project

To solve this problem Marcel has suggested creating a data ecosystem in which students, teachers and course designers participate to collect and make use off more and more useful data. Several projects have bin done and are currently going on to develop systems to collect data (for example the IoT projects https://2bejammed.org/2018/01/02/5-student-teams-working-on-classroom-iot/). Another project is looking at ways to present the data gathered in a collection of dashboards (LINK NAAR SANDERS POST).

My project fits neatly between all projects mentioned before. I will be developing an open-source infrastructure that can catch, clean, structure and store all data gathered while also delivering the underlying services needed to present the data to the users through dashboards.

Because this system sits at the core of the data ecosystem and must be able to support many different kinds of systems, both current and in the future, it is vital to make the entire infrastructure modular. During my internship, a couple of modules will be developed.

The first module will be an end-point for collecting information on student attendance. This system could be an RFID reader on which students swipe their student-card. Another module connects to the digital learning environment, in this case Moodle and collects data on how students use the provided course material. A third module imports student results from a file. And finally a last module will collect and store data from questionnaires.

As said before it has to be possible to develop more modules later down the line, adding for example environmental variables from the classroom or students study room at home. Another example would be to track the view of students in the classroom, where they are looking on the slides, what draws their attention.

Any system that collects this amount of data, especially potentially sensitive private data, has to consider the privacy of it’s participants and thus the security of the system. A way has to be sought to ensure that no one but the student themselves are able to see their own personalized data. Teachers and course designers will only see anonymised group data. The general security of the system also has to be considered.

Methods

During the development of the system I will be using a couple of different methodologies.

Design based Research Process

This project will be using the design based research methodology[1] The first three phases (problem definition & motivation, objectives of solution, and design & development) will be completed during the project, the fourth phase (demonstration) will be started.

Systematic Mapping Review

At the start of the project, a systematic mapping review[2] will be done to see in which fields data ecosystems have been suggested and maybe even deployed. It’s also interesting to know if any effect studies have been published in cases where data ecosystems have been deployed.

Scrum and GitHub

For managing the project I will be using a slightly modified version of Scrum. Slightly modified because I’m the only person in the development team. For tracking all Scrum related information I will be using the issues, pull requests, projects and wiki pages on the GitHub page for the project.

I wanted to figure out how to automate the entire Scrum workflow on GitHub. I have made some decent progress on it, good enough for this project, but I still have to move “to-do” items manually to “in progress” and after that to “in review”. If you read my post on converting exam questions to flashcard (https://eddyvandenaker.com/post/Converting-Exam-Questions-to-Flashcards/), you know I’m lazy (in a good way, I hope) and I will be looking to automate as much as the workflow as possible, so maybe I can find a solution to these two manual actions.

Test Driven Development

For the development of the system I’ll be using Test Driven Development (TDD). The basic idea of TDD is to make testing an integral part of the development cycle. By developing automated functional and/or integration tests first, then developing smaller unit tests. at first these tests should fail (it would be weird if they didn’t). Only after having done all that, you write just enough code to get the tests to pass (or at least progress to the next step). When you have some passing tests you can refactor (improve) the code while using the previously passing tests to make sure the program does not regress. This process is often called Red, Green, Refactor.

Timeline

My internship lasts half a year (20 school weeks). The first 3 weeks are spend on clearly defining the project, choosing the methodologies, and planning the phases of the project. Week 4 and 5 are used for requirements analysis and the systematic review. From week 6 until week 16 the system will be designed & developed in a couple of Scrum sprints. The last 4 weeks are used to prepare for the presentation at the end of the internship and to finish up the project in general.

Sprints

The design & development phase consists of a number of sprints:

  1. Setup (software architecture & base functionality like logins, database connections, etc.) – 2 weeks
  2. Importing student results from file – 1 week
  3. Student attendance – 1 week
  4. Moodle/xAPI connection – 3 weeks
  5. MSLQ or other questionnaire connection – 1 week
  6. Admin panel – 2 weeks
  7. Wrapping up (extended testing, deployment considerations, etc.) – 2 weeks

What now?

In about 5 or 6 weeks I’ll be posting a status update on where I’m at with the project. Another 5 or 6 weeks after that I will present my results. Finally when I’m (almost) done with my internship I’ll write a post about my experiences.

 

The repository for this project can be found on https://github.com/eddyvdaker/Zuyd-LA4LD-Dataecosystem

 

[1]     Peffers, K.; Tuunanen, T. (februari 2006). The Design Science Research Process. Opgeroepen van

wrsc.org op 26 februari 2018 via:

http://wrsc.org/sites/default/files/documents/000designscresearchproc_desrist_2006.pdf

[2]     Kitchenham, B. (2007). Guidelines for Performing Systematic Literature Reviews in Software Engineering. Opgeroepen op 14 maart 2018 via:

https://www.elsevier.com/__data/promis_misc/525444systematicreviewsguide.pdf

In de wereld van innovatie waar dan ook spreekt vandaag 1 verhaal

Ha Judith,

Vandaag is er maar 1 verhaal dat in verschillende verhalen verteld gaat worden:

Sommige helden verdienen een ster.

Maar ik kan het niet laten om ook even te schakelen naar onderwijs:

 

Groet Marcel

NIOC 2018

Ha Judith,

Vandaag en gisteren was ik te gast bij het NIOC 2018 te Leeuwarden. Op twitter heb je kunnen volgen waar ik geweest ben. Dinsdag ben ik bij een presentatie over CheckPy geweest. Een mooi project, waarbij voor het programmeeronderwijs een tool is gemaakt die code van studenten evalueert. Op die manier kun je als docenten studenten zichzelf laten ondersteunen bij programmeeronderwijs. Ik zou er graag eens mee experimenteren. Daarnaast zou ik mijn studenten graag laten werken aan een Learning Analytics Dashboard waarmee inzicht voor zowel docenten als studenten ontstaat over de feedback die het systeem geeft. Het leuke van dit project is dat meebouwen of er aan doorbouwen kan. Er is namelijk een github link!

 

Hetzelfde geldt voor het project van Esther van der Stappen die een learning analytics tool heeft gemaakt voor werkplekleren of met andere woorden het leren tijdens stages. Een leuke presentatie waarbij studenten een logboek/tijdregistratie tool krijgen aangeboden die meer meet dan alleen de bestede tijd en die daarmee een user centered oplossing is voor studenten waarbij ze inzicht krijgen in hun leerproces op de werkplek.

Deze slideshow heeft JavaScript nodig.

Daarnaast heb ik een presentatie bijgewoond over Blockchain en het onderwijs. Dit was een overzichtspresentatie die voor mij niet heel veel nieuws bracht, maar die op een leuke manier werd gepresenteerd en we hebben een aantal keren gekahoot tijdens de presentatie. Het grappige was dat op mijn tweet richting de presentator of hij EduBlocks kende Karin Winters gelijk reageerde met ‘haar’ badges. Zo zie je dat de community wakker is en blijft. En dat is mooi om te zien.

Zo heb ik meer edubloggers gezien op het NIOC. Dit kwam omdat het NIOC een overlap had met het CVI. Dat was vandaag. Het was er druk. Ik mocht een workshop geven vanmorgen. Ik heb mijn Learning Analytics for Learning Design presentatie gegeven. Althans een verkorte versie waarin ik een aantal slides heb verwerkt over de projecten die ik met studenten doe bij het ontwerpen en ontwikkelen van het systeem. De tijd voor het echte workshop deel ontbrak uiteindelijk vanwege de discussies en de leuke interacties die er waren met de bezoekers. Leuk. Hierbij de presentatie:

Groet Marcel

%d bloggers liken dit: