Studentuitval is, zoals gepresenteerd in de Staat van het onderwijs 2023, in tien jaar niet zo hoog geweest. Instellingen worstelen al jaren om meer grip op uitval te krijgen. Daarbij wordt steeds meer gebruikgemaakt van data over de ontwikkeling van de studieloopbaan van de student.
In haar promotieonderzoek heeft Irene Eegdeman (in die tijd werkzaam als docent-onderzoeker en SLB’er bij TOP) een methode geïntroduceerd waarin studenten met de hoogste kans op uitval in het eerste jaar “gesignaleerd” kunnen worden. Met gebruik van studiedata en met behulp van machine learning modellen is de zogenaamde ‘Uitnodigingsregel’ ontwikkeld.
Het doel van deze methode is SLB’ers en mentoren een signaleringstool te bieden waarmee uitvalpreventie en interventie kan worden verbeterd.
Inmiddels hebben 6 MBO instellingen in een replicatieonderzoek, met historische data, aangetoond dat de ontwikkelde methode werkt en in staat is studenten met verhoogde kans op uitval vroegtijdig te identificeren in verschillende opleidingen. Nu is aangetoond dat de methode werkt is besloten deze methode zorgvuldig naar de onderwijspraktijk te brengen via een pilot met 5 aangemelde MBO instellingen in het schooljaar 2024/2025.
Doel van de praktijkpilot
Met de praktijkpilot willen aantonen dat de methode werkt met echte data van studenten die met hun studie starten in het schooljaar 2024/2025.
Voor deze praktijkpilot is gewerkt aan generieke producten die door alle instellingen kunnen worden gebruikt als startpunt om de pilot binnen de eigen instelling vorm te geven. Het is aan de instellingen zelf om ze te verrijken met de eigen organisatiecontext.
De volgende producten zijn door de datacoalitie ontwikkeld:
- Onderzoekopzet / plan van aanpak
- Juridische onderbouwing (DPIA)
- Ethische hulpmiddelen – leidraad ethisch gesprek
- Overzicht van (mogelijke) interventies
- Spelregels voor toepassing in de praktijk
- Kick-off presentatie voor de start met de onderwijsteams
- Data- en modelkwaliteit
1 van de doelen van de datacoalitie is om samenwerking tussen instellingen te stimuleren. Daardoor leren we van en met elkaar en proberen we dubbel werk te vermijden. Tijdens bijeenkomsten bespreken we onze aanpak, bevindingen, resultaten en geleerde lessen. Ook delen we de ontwikkelde producten vrijelijk gedeeld met de sector zolang als bron daarbij de datacoalitie wordt genoemd.
