9zelfregulatie en externe regulatie en laten op sommige momenten zelfs een gebrek

aan regulatie zien.

Als aan deze clusters het gebruik van de leermiddelen wordt toegevoegd, blijkt dat de verschillende clusters de digitale leermiddelen met dezelfde hoeveelheid en frequentie gebruiken, ondanks dat zij verschillen in regulatie laten zien. Er zijn echter wel verschillen in hoe dit gebruik uiteindelijk de cursusprestaties beïnvloedt. Bij studenten die een externe bron gebruiken om hun leerproces te reguleren, wordt 23% van de verklaarde variantie veroorzaakt door het gebruik van de verschillende leermaterialen, terwijl dit 50% is bij studenten die in staat zijn het leerproces in grote mate zelf te reguleren.

Hoofdstuk 6 beschrijft de ontwikkeling van een algemeen voorspelmodel zodat er een beter inzicht ontstaat in de belangrijkste verweven relatie tussen de verschillende variabelen: het gebruik van de leermaterialen en de manier waarop het leerproces wordt gereguleerd en, uiteindelijk, de prestaties in de cursus. Door de ontwikkeling van twee zogenaamde path models wordt getracht de opschaling naar andere contexten en domeinen te vereenvoudigen. De modellen laten zien dat de relatie tussen het gebruik van de leermiddelen en de cursusprestaties niet zo direct zijn als tot nu toe wordt aangenomen in de meerderheid van de huidige learning analytics onderzoeken. Bovendien laten deze modellen ook zien dat regulatiestrategie indirect een invloed heeft op het gebruik van de leermiddelen. De uiteindelijke pad analyse op basis van Contractenrecht laat zien dat slechts een beperkt aantal variabelen een directe invloed heeft op het eindcijfer van de cursus. De pad analyse op basis van Biologische Psychologie kent meer variabelen die een directe relatie hebben op het eindcijfer van de cursus. De sterkste relatie is er tussen de score op de formatieve toetsen en het eindcijfer voor de cursus. Deze relatie is tevens waarneembaar bij de pad analyse bij Contractenrecht.

C

Het doel van dit proefschrift was om te bepalen welke factoren effectief gebruik van onderwijstechnologieën vergemakkelijken of belemmeren in een blended learning omgeving. Deze factoren kunnen gerelateerd zijn aan onderwijsontwerp (externe factoren) of zij kunnen gerelateerd zijn aan studentkenmerken (interne factoren).

Bij de analyse van de externe omstandigheden op een softwareniveau door middel van een systematische review van de literatuur specifiek gericht op webcolleges, konden geen algemene condities worden vastgesteld. Dit werd veroorzaakt door de beperkte mogelijkheden om de studies te vergeleken, vanwege verschillen in het samenstellen van de onderzoekspopulatie, verschillen in het verzamelen van de gegevens en verschillen in het analyseren van de data. Daarbij

ontbrak bij het merendeel van de studies een omschrijving van de contextuele verschillen en invloeden, inclusief eventuele aanwezige covarianties. Hierdoor konden geen algemene disciplinaire, contextuele of cursus-specifieke factoren worden vastgesteld voor de inzet van de webcolleges. De belangrijkste risico- en succes-variabelen met betrekking tot de inzet van webcolleges, namelijk de negatieve relatie tussen hoorcollegebezoek en webcollege gebruik en de grote individuele verschillen in het gebruik van de webcolleges, werden echter wel geïdentificeerd.

Het huidige onderzoek bevestigt de eerder gerapporteerde verschillen in het gebruik van leermiddelen, met daaropvolgende verschillen in cursusprestaties. Zelfs wanneer studenten de leermiddelen met dezelfde frequentie en duur raadplegen, verschillen studenten in hun benadering van leren, welke uiteindelijk van invloed is op de verklaarde variantie van het gebruik van de leermaterialen op het eindcijfer. Het vermogen om het leerproces zelf te reguleren wordt weerspiegeld in het gebruik van de leermiddelen, maar het is niet een determinant van dat specifieke gebruik. Zelfregulerende studenten tonen echter een grotere impact van het gebruik van het leermiddel op cursusprestaties in vergelijking met leerlingen die minder goed in staat zijn om het leerproces te reguleren. In tegenstelling tot de verwachting, konden er geen significante verschillen worden gevonden in het uiteindelijke cijfer voor de cursus.

Het gebrek aan significante verschillen wordt veroorzaakt door de huidige inzet van onderwijstechnologie binnen de blended learning omgeving. Deze toepassingen hebben met name een focus op het versterken van de rol van de docent, en niet zozeer op het leren, waarbij studenten voornamelijk aanvullende studiematerialen wordt aangeboden om zich voor te bereiden op het college of om deze colleges aan te vullen. Studenten die in staat zijn hun leerproces zelf te reguleren zullen binnen een dergelijk cursusontwerp onderpresteren, hoewel over het algemeen zelfregulatie wordt geassocieerd met studiesucces. De huidige toepassingen van blended learning belemmeren een effectief gebruik van blended learning voor deze studenten. Om effectievere blended learning omgevingen te ontwerpen, moet er meer aandacht komen voor hoe blended learning studenten ondersteunt bij zelfregulatie van het leren, waarbij de data die de onlinesystemen genereren kan worden gebruikt deze regulatie te monitoren. Dit in tegenstelling tot de huidige benadering waarbij groepsgemiddelde over frequentie en duur van het gebruik van de digitale leermiddelen aan studenten worden teruggekoppeld.

9

L

Henderson, M., Finger, G., & Selwyn, N. (2016). What’s used and what’s useful? Exploring digital technology use (s) among taught postgraduate students. Active

Learning in Higher Education.

Kovanović, V., Gašević, D., Joksimović, S., Hatala, M., & Adesope, O. (2015). Analytics of communities of inquiry: Effects of learning technology use on cognitive presence in asynchronous online discussions. The Internet and Higher

Education, 27, 74-89.

Lust, G., Elen, J., & Clarebout, G. (2013a). Regulation of tool-use within a blended course: Student differences and performance effects. Computers & Education,

60(1), 385-395.

Lust, G., Elen, J., & Clarebout, G. (2013b). Students’ tool-use within a web enhanced course: Explanatory mechanisms of students’ tool-use pattern.

Computers in Human Behavior, 29(5).

Pintrich, P., Smith, D., Garcia, T. and Mckeachie, W. (1993). Reliability and Predictive Validity of the Motivated Strategies for Learning Questionnaire (MSLQ). Educational and Psychological Measurement, 53(3), 801-813.

Vermunt, J. D. H. M. (1992) Leerstijlen en sturen van leerprocessen in het hoger

onderwijs: naar procesgerichte instructie in zelfstanding denken [Learning styles and regulation of learning in higher education: towards process-oriented instruction in autonomous thinking] (Amsterdam, Lisse: Swets & Zeitlinger).

Appendix A