Context / probleemstelling of aanleiding

Context/probleemstelling of aanleiding:
Binnen de bacheloropleiding geneeskunde (ErasmusArts2030) worden ruim 200 asynchrone e-modules gebruikt bij het onderwijs gericht op het verwerven van medische kennis. Signalen van studenten tonen afwijkingen tussen (door de opleiding) ingeschatte studielast (SL) en feitelijke tijdsbesteding. Deze mismatch kan cognitieve belasting (CB) verhogen en de leerervaring schaden. Onderzoek naar <i>course learning analytics</i> (CLA) analyseert of ervaren studiebelasting overeenkomt met studiegedrag binnen de e-modules en toetst ontwerpkeuzes van e-modules aan de hand van Mayer’s multimediaprincipes. Dit moet leiden tot adviezen aan de opleiding om betere ontwerpkeuzes te maken en de ingeschatte studielast overeen te laten komen met de daadwerkelijke studiebelasting.
Beschrijving van de interventie/innovatie:
Dit onderzoek hanteert een exploratory sequential mixed methods-opzet. In de eerste fase (kwalitatief) staat een focusgroep (FG) met eerstejaars studenten Geneeskunde centraal. Het gesprek verkent ervaren SL, duidelijkheid en tempo van e-modules. De gespreksleidraad bevat gerichte vragen naar ervaren CB en naar de mate van constructive alignment (CA). In de tweede fase (kwantitatief) wordt gepseudonimiseerde platformdata van studenten die deze e-modules hebben doorlopen verzameld en geanalyseerd met CLA. Modules besproken in de FG komen gericht onder de loep; hun logdata (tijdoptaak [ToT], navigatie, herbezoek, voortgang per item/mediatype) worden specifiek bekeken. Analyses toetsen of ingeschatte SL, ontwerp en instellingsverwachtingen overeenkomen of afwijken. Daarna volgt verdieping: module eigenschappen en ontwerp vergeleken met Mayer’s multimediaprincipes.
Ervaringen/analyse van de implementatie:
De voorlopige resultaten uit de voorbereidende interviews laten module‑specifieke discrepanties zien tussen ontwerpintenties en feitelijk gebruik (bijv. langere kijktijd bij klinische casusvideo’s, overslaan van interacties). Deze inzichten sturen de selectie van kernmodules voor verdiepende analyses en leveren eerste, concrete verbetervoorstellen op. Bij de vertaling naar de praktijk is het belangrijk rekening te houden met capaciteit en tijdsdruk van docenten en onderwijskundigen, zodat adviezen realistisch en uitvoerbaar blijven.
Lessons learned (implicaties voor de praktijk):
CLA registreert gebruikssporen: wat studenten doen en wanneer; intentie en begrip blijven buiten beeld. Logdata bevatten ruis, waardoor gedrag niet rechtstreeks uit deze data is af te leiden. Analyses worden daarom geduid met input uit focusgroepen en CA. Ondanks zorgvuldigheid blijft CLA gebaseerd op gebruikssporen met ruis, zodat bevindingen indicatief zijn en niet als causale verbanden moeten worden opgevat.
De voorlopige implicatie is een focus op ingrepen met weinig inspanning en groot effect, gecombineerd met gericht meten om keuzes te onderbouwen en overschatting van studielast bij te sturen. Inhoudsconsistentie is belangrijk en wordt geborgd zodat doublures en tegenspraak worden voorkomen en onnodige cognitieve belasting afneemt.
Referenties (max. 2):
Brown, A., Lawrence, J., Basson, M., & Redmond, P. (2020). A conceptual framework to enhance student online learning and engagement in higher education. <i>Higher Education Research & Development</i>, <i>41</i>(2), 284–299. https://doi.org/10.1080/07294360.2020.1860912
Mayer, R. E. (2010). Applying the science of learning to medical education. <i>Medical Education</i>, <i>44</i>(6), 543–549. <u>https://eur01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fdoi.org%2F10.1111%2Fj.1365-2923.2010.03624.x&amp;data=05%7C02%7Cd.schilperoord%40erasmusmc.nl%7C46d6a28901544f3d1db408de000deff5%7C526638ba6af34b0fa532a1a511f4ac80%7C0%7C0%7C638948257019186839%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&amp;sdata=0dEvM8CD288nYQrDCqpzxO%2FzOl8Gx8wsAn4R8yGm6uM%3D&amp;reserved=0</u>