Voor de low en high-cost ontwerpen wordt dezelfde aanpak gebruikt om de informatie te presenteren. In het herontwerp is gekozen voor een volledige grafische weergave van de informatie vanwege de duidelijkheid die dit biedt en de aansluiting bij de literatuur over learning analytics (Chatti et al., 2012; Ferguson, 2012; Lockyer & Dawson, 2011; Siemens, 2010). Dit sluit niet volledig aan bij de wensen van de deelnemers aan het interview, zelf geven zij aan positief te staan tegenover een grafische weergave. Andere, vooral oudere, collega’s zouden echter nog behoefte kunnen hebben aan een andere
26 weergave. Uit de interviews met de experts, in combinatie met literatuur over dataweergave (Tufte, 2001) is gekozen voor een grafische weergave van de data omdat dit de meest duidelijke weergave geeft. Mocht uit onderzoek blijken dat er toch behoefte is aan een tekstuele weergave is dit eenvoudig te realiseren omdat de data al beschikbaar is, deze mogelijkheid wordt hier niet verder uitgewerkt. Tabel 4 laat zien op welke wijze deze data per ontwerp weergegeven worden.
TABEL 4
Voor het weergeven van de data wordt gewerkt volgens het schema uit Figuur 21. In deze weergaven is het gebruik van de foto’s van de leerlingen behouden omdat het direct duidelijk maakt wie een leerling is. Vanuit het profiel van de leerling kan de leerkracht naar het werkboek van de leerling navigeren om het werk in te zien en na te kijken.
Eerder is al besproken hoe groepen leerlingen weergegeven kunnen worden op de tijdslijnweergave. Tijdens de evaluatie kwam naar voren dat hier gebruik gemaakt kan worden van de mogelijkheid van tablets om op een gebied in het scherm in te zoomen. In het uitgezoomde overzicht wordt een weergave gebruikt van de foto van een leerling met +(aantal) erop om te laten zien dat meerdere leerlingen op hetzelfde punt in de stof zijn. De leerkracht kan hier via de navigatiemogelijkheden van de iPad op inzoomen. De stapels spreiden zich dan automatisch uit om de verschillende leerlingen in een waaiervorm weer te geven zoals te zien in Figuur 19.
Deze ontwerpen geven een mogelijke integratie van learning analytics in Schooltas. Er is gewerkt vanuit de behoeften van leerkrachten en hun wensen betreffende de inrichting van de omgeving. De data die verzameld kunnen worden met behulp van deze aanpassingen kunnen leerkrachten in staat stellen om geïnformeerde en verantwoordbare beslissingen te nemen over hun onderwijsproces.
Opgenomen Data per Ontwerp
Type Data Low-Cost ontwerp High-Cost ontwerp
Tijd besteed aan bepaalde content
Hoeveel tijd een leerling een boek open heeft
Hoeveel tijd een leerling een bepaald deel van een boek open heeft
Percentage van het aantal doorlopen pagina’s
Bijhouden op welke pagina’s een leerling een opmerking of tekening geplaatst heeft
Bijhouden op welke pagina’s een leerling een vraag heeft
beantwoord Percentage van het aantal
gecompleteerde vragen
Bijhouden op welke vragen een leerling antwoord heeft gegeven Percentage correct
gemaakte vragen
Bij automatisch na te kijken vragen direct bijhouden welke vragen door de leerling correct zijn beantwoord
Plaats in boek waar leerlingen laatste
opmerking heeft geplaatst
Weergave op welke pagina een leerling opmerkingen of tekeningen heeft geplaatst
Weergave in welk werkboek een leerling vragen heeft beantwoord Welk type vragen heeft de
leerling correct gemaakt.
Op basis van nagekeken
antwoorden bijhouden met welk type vragen een leerling moeite heeft
27
Conclusie en Discussie
In dit onderzoek is gewerkt vanuit de onderzoeksvraag “Hoe kan learning analytics worden verwezenlijkt binnen Schooltas om leerkrachten te ondersteunen bij het beslissingsproces over het onderwijs van de leerlingen?”. Om deze vraag te beantwoorden is gekeken naar de behoeften van de leerkrachten en de manier waarop deze in Schooltas gerealiseerd kunnen worden. Twee instrumenten zijn ontwikkeld om de behoeften in kaart te brengen. Als eerste een vragenlijst om de huidige tevredenheid over Schooltas en learning analytics binnen Schooltas te meten. Hieruit bleek dat de leerkrachten positief staan tegenover het gebruik van Schooltas en geïnteresseerd zijn in de inzichten die learning analytics kan bieden maar dat deze mogelijkheden nog niet naar behoefte aanwezig zijn binnen Schooltas.
Leerkrachten zijn meer geneigd data te gebruiken als deze aansluiten bij hun wensen en behoeften (Lai & Schildkamp, 2013; Schildkamp & Kuiper, 2010). Deze behoeften zijn verder in kaart gebracht door een voor dit onderzoek ontwikkelde checklist die de realisatie van learning analytics, en de behoeftes voor realisatie van learning analytics binnen Schooltas meet. Leerkrachten geven aan behoefte te hebben aan twee typen data, een overzicht van de voortgang van een leerling zonder in het werkboek te hoeven kijken en een overzicht van de voortgang van de klas als geheel. Tevens is er behoefte aan het automatisch nakijken van gemaakt werk. Dit sluit aan bij de mogelijkheden van learning analytics uit de literatuur. Learning analytics kan door het verzamelen, analyseren en weergeven van data inzicht bieden in werk van leerlingen (Chatti et al., 2012; Lockyer & Dawson, 2011) en biedt mogelijkheden tot directe feedback op gemaakt werk (Dyckhoff et al., 2012; Siemens, 2010). Tevens is de leerkrachten gevraagd op welke manier verzamelde data weergegeven moeten worden. Hier spreken zij zich uit voor een overzichtelijke weergave, aansluitend bij de verzamelde informatie. Deze behoeften zijn gerealiseerd in twee ontwerpen die de manier laten zien waarop learning analytics binnen Schooltas kan worden geïmplementeerd, een low en een high cost ontwerp. De ontwerpen differentiëren in de hoeveelheid en nauwkeurigheid van aangeboden data. Het low-cost ontwerp is eenvoudiger te implementeren maar biedt minder en minder nauwkeurige data. Het high-cost ontwerp biedt veel en accurate data maar is kostbaarder om te implementeren. In het low-cost model wordt de huidige manier van antwoord geven in Schooltas behouden. Het high-cost model vereist een verandering van het invullen van antwoorden bovenop het werkboek naar het invullen van antwoorden als waardes binnen het werkboek. Beide ontwerpen presenteren de leerkrachten als basis data over de prestaties van de hele klas. Vervolgens kan de leerkracht in één of meerdere stappen inzoomen op het profiel van een individuele leerling om meer data te kunnen krijgen. Hier kan weergegeven worden hoeveel tijd een leerling aan bepaalde content besteedt, hoeveel van het werk al door de leerling is gemaakt en welk deel van de vragen correct is gemaakt. De verzamelde data wordt vervolgens visueel weergegeven in overeenstemming met literatuur over learning analytics (Dyckhoff et al., 2012; Siemens, 2010) en literatuur over de weergave van data (Danziger, 2008; Tufte, 2001). Aan de hand van deze data kan de leerkracht geïnformeerde beslissingen maken om de leerling op gepast niveau te ondersteunen.
Wegens de tijd die nodig is om de volledige implementatie- en evaluatiecycli van een educational design research te doorlopen (Plomp, 2007) was een praktische evaluatieronde niet mogelijk. Als alternatief is gekozen om deze ontwerpen te evalueren met twee domeinexperts. De experts stonden positief ten opzichte van de mogelijkheden van de ontwerpen om leerkrachten te voorzien van relevatie informatie. Ook de mogelijkheid om te kiezen tussen twee ontwerpen wordt als voordeel geschetst bij een eventuele implementatie. Wel vonden de experts dat binnen de ontwerpen er een duidelijkere structuur moest zijn in de dataweergave, deze structuur is bij het herontwerp verder gespecificeerd. Op basis van de initiële ontwerpen en de opmerkingen van de experts is tot een
28 definitief advies gekomen voor de implementatie van learning analytics in Schooltas. Voor verder onderzoek zou het gewenst zijn deze ontwerpen in de praktijk te implementeren en evalueren. Als er wordt gekeken naar de beoordelingen van Schooltas op zowel de vragenlijst en de checklist valt op dat deze voornamelijk positief zijn. De leerkrachten zijn kritisch maar waarderen Schooltas over het algemeen positief. Hier moeten twee opmerkingen worden gemaakt. Bij de selectie van de deelnemers is gebruik gemaakt van scholen die vrijwillig deelnemen aan de pilot van Schooltas. Te verwachten is dat er een selectie-effect optreedt waar de deelnemers al bij voorbaat een positieve houding hebben ten opzichte van nieuwe technologie en digitaal lesmateriaal (Dooley, 2001). Tevens is de pilot exclusief, er wordt vanuit de samenleving veel aandacht aan Schooltas besteed en is er door ThiemeMeulenhoff veel met de gebruikers van Schooltas samengewerkt. Deze aandacht kan leiden tot een verandering in de beoordeling die leerkrachten geven (Sonnenfeld, 1985). De exclusiviteit van de pilot heeft ook geleid tot een klein aantal (11) deelnemers aan de vragenlijst. Dit kan een algemeen beeld te scheppen over de beoordeling van Schooltas maar door het kleine aantal deelnemers hebben de uitgevoerde toetsen geen power (Dooley, 2001; Field, 2009). In toekomstig onderzoek is het gewenst om een zelfde onderzoek uit te voeren onder een groter aantal deelnemers.
Dit onderzoek heeft gekeken naar de combinatie van twee onderzoeksvelden: learning analytics en de vervanging van traditioneel lesmateriaal door digitale versies van dit materiaal. Digitaal lesmateriaal biedt de mogelijkheid om veel data aan te leveren voor analyse. Leerkrachten spraken een behoefte uit naar deze data. Deze behoeften sluiten aan bij de literatuur over learning analytics. Schooltas, als platform voor een combinatie van digitaal lesmateriaal en learning analytics, heeft veel potentie om leerkrachten te ondersteunen in hun werkproces. Dit kan leerkrachten helpen omgaan met de druk die vanuit de maatschappij op de verantwoording van hun beslissingsprocessen wordt gelegd (Campbell et al., 2007; Janssens & Wolf, 2008). Om deze ondersteuning vorm te geven zijn op basis van wetenschappelijk onderzoek twee ontwerpen gemaakt die positief zijn beoordeeld door twee domeinexperts. De adviezen uit deze ontwerpen kunnen worden gebruikt in verder onderzoek naar de praktische implementatie van learning analytics en om de Schooltas omgeving te verbeteren.
29
Referenties
Ali, L., Hatala, M., Gašević, D., & Jovanović, J. (2012). A qualitative evaluation of evolution of a learning analytics tool. Computers & Education, 58(1), 470-489. doi:
http://dx.doi.org/10.1016/j.compedu.2011.08.030
Ally, M. (2009). Mobile Learning: Transforming the Delivery of Education and Training. Edmonton, AB: AU Press, Athabasca University.
Bangert-Drowns, R. L., Kulik, C.-L. C., Kulik, J. A., & Morgan, M. (1991). The Instructional Effect of Feedback in Test-Like Events. Review of Educational Research, 61(2), 213-238. doi: 10.3102/00346543061002213
Banister, S. (2010). Integrating the iPod Touch in K–12 Education: Visions and Vices. Computers in the Schools, 27(2), 121-131. doi: 10.1080/07380561003801590
Baylor, A. L., & Ritchie, D. (2002). What factors facilitate teacher skill, teacher morale, and perceived student learning in technology-using classrooms? Computers & Education, 39(4), 395-414. doi: 10.1016/s0360-1315(02)00075-1
Boonen, I. (2012). Succesvol integreren van tablet PCs in het voortgezet onderwijs. Master of Science, University of Twente, Enschede.
Breiter, A., & Light, D. (2006). Data for school improvement: Factors for designing effective information systems to support decision-making in schools. Journal of Educational Technology and Society, 9(3), 206.
Buckingham Shum, S., & Ferguson, R. (2012). Social learning analytics. Journal of Educational Technology and Society, 15(3), 3-26.
Buxton, W., Hill, R., & Rowley, P. (1985). Issues and techniques in touch-sensitive tablet input. SIGGRAPH Comput. Graph., 19(3), 215-224. doi: 10.1145/325165.325239
Campbell, J. P., DeBlois, P. B., & Oblinger, D. G. (2007). Academic analytics: A new tool for a new era. Educause Review, 42(4), 40.
Carlson, D., Borman, G. D., & Robinson, M. (2011). A Multistate District-Level Cluster Randomized Trial of the Impact of Data-Driven Reform on Reading and Mathematics Achievement. Educational Evaluation and Policy Analysis, 33(3), 378-398. doi:
10.3102/0162373711412765
Chatti, M. A., Dyckhoff, A. L., Schroeder, U., & Thüs, H. (2012). A reference model for learning analytics. International Journal of Technology Enhanced Learning, 4(5), 318-331. doi: 10.1504/ijtel.2012.051815
Chiu, M. M. (2004). Adapting Teacher Interventions to Student Needs During Cooperative Learning: How to Improve Student Problem Solving and Time On-Task. American Educational Research Journal, 41(2), 365-399. doi: 10.3102/00028312041002365
Culén, A. L., & Gasparini, A. (2011). iPad: A New Classroom Technology? A Report From Two Pilot Studies Paper presented at the 3rd International Conference on the Future of Information Sciences, INFuture2011: “Information Sciences and e-Society”, Zagreb, Croatia.
30 Dawson, S. (2010). ‘Seeing’ the learning community: An exploration of the development of a resource
for monitoring online student networking. British Journal of Educational Technology, 41(5), 736-752. doi: 10.1111/j.1467-8535.2009.00970.x
Deane, P. (2013). On the relation between automated essay scoring and modern views of the writing
construct. Assessing Writing, 18(1), 7-24. doi: http://dx.doi.org/10.1016/j.asw.2012.10.002
Dihoff, R. E., Brosvic, G. M., & Epstein, M. L. (2003). The Role of Feedback During Academic Testing: The Delay Retention Effect Revisited,. The Psychological Record, 53(4), 533-548. Dooley, D. (2001). Social Research Methods (4 th ed. ed.). Upper Saddle River, NJ: Prentice Hall. Dringus, L. P., & Ellis, T. (2005). Using data mining as a strategy for assessing asynchronous
discussion forums. Computers & Education, 45(1), 141-160. doi:
http://dx.doi.org/10.1016/j.compedu.2004.05.003
Dyckhoff, A. L., Zielke, D., Bültmann, M., Chatti, M. A., & Schroeder, U. (2012). Design and Implementation of a Learning Analytics Toolkit for Teachers. Journal of Educational Technology and Society, 15(3), 58-76.
Epstein, M. L., Brosvic, G. M., Costner, K. L., Dihoff, R. E., & Lazarus, A. D. (2012). Effectiveness of feedback during the testing of preschool children, elementary school children, and
adolescents with developmental delays. The Psychological Record, 53(2), 177-195.
Ferguson, R. (2012). Learning analytics: drivers, developments and challenges. International Journal of Technology Enhanced Learning, 4(5/6), 304-317.
Ferguson, R., & Shum, S. B. (2012). Social learning analytics: five approaches. Paper presented at the Proceedings of the 2nd International Conference on Learning Analytics and Knowledge, Vancouver, British Columbia, Canada.
Field, A. (2009). Discovering statistics using SPSS: Sage publications.
Georgieva, E. S., Smrikarov, A. S., & Georgiev, T. S. (2011). Evaluation of mobile learning system. Procedia Computer Science, 3(0), 632-637. doi: 10.1016/j.procs.2010.12.106
Good, T. L., & Beckerman, T. M. (1978). Time on Task: A Naturalistic Study in Sixth-Grade Classrooms. The Elementary School Journal, 78(3), 193-201. doi: 10.2307/1001418
Govaerts, S., Verbert, K., Duval, E., & Pardo, A. (2012). The student activity meter for awareness and self-reflection. Paper presented at the CHI '12 Extended Abstracts on Human Factors in Computing Systems, Austin, Texas, USA.
Graham, C. R. (2004). Blended Learning Systems: Definition, Current Trends and Future Directions. In C. J. Bonk & C. R. Graham (Eds.), Handbook of blended learning: Global Perspectives, local designs. San Francisco, CA: Pfeiffer Publishing.
Greller, W., & Drachsler, H. (2012). Translating Learning into Numbers: A Generic Framework for Learning Analytics. Educational Technology & Society, 15(3), 42-57.
Grothaus, M., & Sadun, E. (2011). Interacting with Your iPad Taking Your iPad to the Max, iOS 5 Edition (pp. 77-118): Apress.
Hallinan, M. T. (1994). Tracking: From Theory to Practice. Sociology of Education, 67(2), 79-84. doi: 10.2307/2112697
31 Hazelkorn, E. (2010). Assessing Europe's University-Based Research.
Janssens , F. J. G., & Wolf, I. F. d. (2008). Draagt onderwijstoezicht bij aan schoolverbetering. Groningen: ORD.
Kennisnet. (2013). Zin en onzin over tablets op school Retrieved 4-11, 2013, from
http://www.kennisnet.nl/themas/laptops-tablets/zin-en-onzin-over-tablets-op-school/
Lai, M. K., & Schildkamp, K. (2013). Data-based Decision Making: An Overview. In K. Schildkamp, M. K. Lai & L. Earl (Eds.), Data-based Decision Making in Education: Challenges and Opportunities. Dordrecht: Springer.
Lockyer, L., & Dawson, S. (2011). Learning designs and learning analytics. Paper presented at the Proceedings of the 1st International Conference on Learning Analytics and Knowledge, Banff, Alberta, Canada.
Lockyer, L., Heathcote, E., & Dawson, S. (2013). Informing Pedagogical Action: Aligning Learning Analytics With Learning Design. American Behavioral Scientist. doi:
10.1177/0002764213479367
Martin, S., Diaz, G., Sancristobal, E., Gil, R., Castro, M., & Peire, J. (2011). New technology trends in education: Seven years of forecasts and convergence. Computers & Education, 57(3), 1893-1906. doi: 10.1016/j.compedu.2011.04.003
Mazza, R., & Milani, C. (2004). Gismo: a graphical interactive student monitoring tool for course management systems. Paper presented at the TEL’04 Technology Enhanced Learning’04 International Conference.
McKenney, S. E. (2001). Computer-based support for science education materials developers in Africa : exploring potentials. Enschede. Retrieved from http://doc.utwente.nl/75705/ Meijer, J., & Karssen, M. (2013). Effecten van het oefenen met Rekentuin Kohnstamm Instituut BV,
Universiteit van Amsterdam.
Melhuish, K., & Falloon, G. (2010). Looking to the future: M-learning with the iPad. Computers in New Zealand Schools, 22(3), 1-16.
Metcalfe, J., Kornell, N., & Finn, B. (2009). Delayed versus immediate feedback in children’s and adults’ vocabulary learning. Memory & Cognition, 37(8), 1077-1087. doi:
10.3758/mc.37.8.1077
Mijn Kind Online. (2013). Iene Miene Media 2013, Een onderzoek naar mediagebruik door kleine kinderen: Mijn Kind Online.
Motiwalla, L. F. (2007). Mobile learning: A framework and evaluation. Computers & Education, 49(3), 581-596. doi: 10.1016/j.compedu.2005.10.011
Plomp, T. (2007). Educational Design Research: An Introduction. In T. Plomp & N. Nieveen (Eds.), An Introduction to Educational Design Research (pp. 9-36). Enschede, The Netherlands: SLO.
Romero, C., & Ventura, S. (2007). Educational data mining: A survey from 1995 to 2005. Expert Systems with Applications, 33(1), 135-146. doi: http://dx.doi.org/10.1016/j.eswa.2006.04.005
32 Romero, C., Ventura, S., & García, E. (2008). Data mining in course management systems: Moodle
case study and tutorial. Computers & Education, 51(1), 368-384. doi:
http://dx.doi.org/10.1016/j.compedu.2007.05.016
Ross, J. A., & Bruce, C. D. (2007). Teacher self-assessment: A mechanism for facilitating professional growth. Teaching and Teacher Education, 23(2), 146-159. doi:
http://dx.doi.org/10.1016/j.tate.2006.04.035
Schildkamp, K. (2007). The utilisation of a self-evaluation instrument for primary education. Post-Doc, University of Twente, Enschede.
Schildkamp, K., & Ehren, M. (2013). From "Intuition"- to "Data"-based Decision Making in Dutch Secondary Schools. In K. Schildkamp, M. K. Lai & L. Earl (Eds.), Data-based Decision Making in Education: Challenges and Opportunities. Springer: Dordrecht.
Schildkamp, K., & Kuiper, W. (2010). Data-informed curriculum reform: Which data, what purposes, and promoting and hindering factors. Teaching and Teacher Education, 26(3), 482-496. doi:
http://dx.doi.org/10.1016/j.tate.2009.06.007
Schildkamp, K., & Lai, M. K. (2013). Conclusions and a Data Use Framework. In K. Schildkamp, M. K. Lai & L. Earl (Eds.), Data-based Decision Making in Education: Challenges and
Opportunities. Dordrecht: Springer.
Siemens, G. (2010). What are Learning Analytics? Retrieved 8-4, 2013, from
http://www.elearnspace.org/blog/2010/08/25/what-are-learning-analytics/
Sonnenfeld, J. A. (1985). Shedding light on the Hawthorne studies. Journal of Organizational Behavior, 6(2), 111-130.
Stallings, J. (1980). Allocated Academic Learning Time Revisited, or beyond Time on Task. Educational Researcher, 9(11), 11-16. doi: 10.2307/1175185
Traxler, J. (2007). Defining, Discussing and Evaluating Mobile Learning: The moving finger writes and having writ . . . . International Review of Research in Open and Distance Learning, 8(2), 1-12.
Tufte, E. R. (1990). Envisioning Information. Cheshire, Connecticut: Graphics Press LLC.
Tufte, E. R. (1997). Visual Explanations: Images and Quantities, Evidence and Narrative. Cheshire, Connecticut: Graphics Press LLC.
Tufte, E. R. (2001). The visual display of quantitative information (Vol. 2): Graphics press Cheshire, CT.
Tufte, E. R. (2006). Beautiful Evidence. Cheshire, Connecticut: Graphics Press LLC.
van Rijn, H., & Nijboer, M. (2013). Optimaal feiten leren met ict Retrieved 4-11, 2013, from
http://4w.kennisnet.nl/artikelen/2013/02/13/optimaal-feiten-leren-met-ict-werkelijk/
Verbert, K., Duval, E., Klerkx, J., Govaerts, S., & Santos, J. L. (2013). Learning Analytics Dashboard Applications. American Behavioral Scientist. doi: 10.1177/0002764213479363
Verbert, K., Manouselis, N., Drachsler, H., & Duval, E. (2012). Dataset-driven research to support learning and knowledge analytics. Educational Technology and Society, 15(3), 133-148.
33 Viki M. Young. (2006). Teachers’ Use of Data: Loose Coupling, Agenda Setting, and Team Norms.
American Journal of Education, 112(4), 521-548. doi: 10.1086/505058
Voogt, J., & Pareja Roblin, N. (2010, 10-1-2013). 21st Century Skills. Discussienota, from onderzoek.kennisnet.nl
Wang, Y.-S. (2003). Assessment of learner satisfaction with asynchronous electronic learning systems. Information & Management, 41(1), 75-86. doi: 10.1016/s0378-7206(03)00028-4
Bijlage 1: Statistische scores vragenlijst Schooltas
De originele vragen van Wang (2003) staan hier weergegeven in regulier lettertype, de toegevoegde vragen van Motiwalla (2007) en Georgieva et al. (2011) staan gearceerd in schuin lettertype. De vragen om de aanwezigheid van learning analytics in Schooltas te meten zijn vetgedrukt. Vragen die toegevoegd zijn om de algemene tevredenheid over Schooltas te meten zijn onderstreept.
Geef aan in hoeverre u het eens met de volgende stellingen N Minimum Maximum Mean Std. Deviation
Schooltas is gemakkelijk in gebruik voor mij. 11 3 5 3,73 ,647
Schooltas is gemakkelijk in gebruik voor de leerlingen. 11 2 5 3,82 ,874 De leerstof in Schooltas is gemakkelijk te begrijpen door de leerlingen. 11 3 5 4,00 ,447
Schooltas werkt zonder foutmeldingen. 11 3 5 4,09 ,539
Het is gemakkelijk om de leerstof te vinden die ik nodig heb in Schooltas. 11 3 5 3,64 ,674
De iPad heeft toegevoegde waarde in het klaslokaal. 11 1 5 3,91 1,446
Ik zou de iPad met Schooltas aanraden aan andere leraren. 11 2 5 3,91 1,136 Schooltas maakt het gemakkelijk om de leerstof te bespreken met de leerling. 11 2 5 3,82 ,982 Schooltas maakt het gemakkelijk om antwoorden en aantekeningen van
leerlingen te bekijken.
11 1 4 2,91 1,136
Schooltas maakt het gemakkelijk om de lesstof te bespreken met andere leraren.
11 1 5 3,18 1,250
Schooltas maakt het gemakkelijk voor leerlingen om informatie met elkaar te delen.
11 2 5 3,45 ,934
Schooltas is een effectieve leerondersteuning voor leerlingen. 11 2 5 3,73 ,905
Schooltas heeft up-to-date lesmateriaal. 11 3 5 3,82 ,603
Schooltas heeft de lesstof die nodig is. 11 3 5 4,00 ,775
Er is voldoende lesmateriaal aanwezig in Schooltas. 11 2 5 3,64 1,027
Schooltas geeft toegang tot alle lesstof ongeacht de locatie. 11 3 5 4,27 ,786 Schooltas zou ook buiten de klas gebruikt moeten worden. 11 3 5 4,36 ,809 Schooltas is een goede tool voor het aanbieden van op de individuele leerling
aangepast lesmateriaal.
11 1 5 3,55 1,036
Het is leuk om met Schooltas te werken 11 3 5 4,00 ,632
Schooltas biedt mogelijkheden om leren makkelijker te maken. 11 3 5 4,00 ,632
Het taalgebruik in Schooltas is geschikt voor de leerlingen. 11 3 5 4,09 ,701
Het toetsen van leerlingen gaat gemakkelijk met behulp van Schooltas. 11 1 5 2,91 1,221 Schooltas stelt mij in staat om lesstof naar eigen keuze aan te bieden. 11 2 4 3,27 ,786