Learning analytics voor leesonderwijs

Algorithmic onderzoekt de haalbaarheid van een learning analytics applicatie die leerkrachten ondersteunt bij het verbeteren van lees- en spellingvaardigheden van kinderen door data-analyse en algoritmen.

Subsidie
€ 20.000
2020

Projectdetails

Inleiding

Kinderen met (ernstige) lees- en/of spellingproblemen hebben het moeilijk op school. Tenminste 10% van alle kinderen heeft in groep 3 problemen met het leren lezen en spellen. Uit onderzoek blijkt dat circa 20% van alle brugklassers een achterstand heeft van meer dan twee jaar op het gebied van technisch lezen. Voor kinderen met genoemde hardnekkige problemen blijft intensief oefenen noodzakelijk.

Huidige Situatie

Binnen Passend Onderwijs op de basisscholen ontbreekt echter vaak de tijd om dagelijks intensief te oefenen en om de leerkrachten te ontzorgen. Algorithmic heeft reeds een applicatie ontwikkeld waarmee leerkrachten de leessnelheid en de nauwkeurigheid van slechte en matige lezers kunnen verbeteren. In de pilotsituatie zijn de resultaten van de lessen tot in details geregistreerd. Dit was de eerste stap om met behulp van computerondersteund onderwijs de kwaliteit van de leeshulp op een hoog peil te houden en tegelijk de kosten omlaag te brengen.

Toekomstige Ontwikkelingen

Algorithmic wil nu op basis van geregistreerde data en de analyse daarvan het oefenproces gaan sturen (analytical learning). Doordat je verschillende parameters meetbaar maakt, ontstaat er een uitgebreidere dataset aan learning analytics, die de gebruiker en haar omgeving (leerkracht, tutor, remedial teacher of ouders) ondersteunt in het kwalitatief begeleiden van de leerlingen.

Doelgroep

De te ontwikkelen applicatie kan gebruikt worden voor een grote groep kinderen met minder ernstige problemen op het gebied van lezen en spellen. Het programma kan dan ook op zorgniveau 2 (tutor) en op zorgniveau 3 worden ingezet voor professionele ondersteuners (o.a. remedial teachers). Het programma kan daardoor ook preventief ingezet worden als bij een kind gesignaleerd wordt dat extra oefening op het gebied van lezen en spellen nodig is.

Haalbaarheidsstudie

Via deze haalbaarheidsstudie willen wij nagaan of het uit technisch, economisch en juridisch oogpunt haalbaar is om een learning analytics applicatie te ontwikkelen met mogelijkheden om de oefenstof voor de leerling te sturen op basis van algoritmen die zijn ontwikkeld door analyses van beschikbare data.

Financiële details & Tijdlijn

Financiële details

Subsidiebedrag€ 20.000

Tijdlijn

StartdatumOnbekend
EinddatumOnbekend
Subsidiejaar2020

Partners & Locaties

Projectpartners

  • Algorithmic B.V.penvoerder

Land(en)

Netherlands

Vergelijkbare projecten binnen MIT Haalbaarheid

MIT Haalbaarheid

Natuurbeheer op alternatieve brandstoffen

Rotink onderzoekt de haalbaarheid van duurzame natuurbeheersystemen op alternatieve brandstoffen om te voldoen aan strengere milieuregels en de toenemende vraag naar schone machines.

€ 17.417
MIT Haalbaarheid

Currency Exchange Algorithm

Globadyme ontwikkelt een geïntegreerd platform voor betalingsverwerking om transactiekosten met 50% te verlagen en AI te gebruiken voor efficiënte valutaconversies.

€ 19.950
MIT Haalbaarheid

Unikee

MQD BV onderzoekt een tokenomics-oplossing voor NFT-transacties om de traceerbaarheid van producten te verbeteren en namaak en illegale wederverkoop te bestrijden.

€ 20.000
MIT Haalbaarheid

Active Aerodynamics

Het project onderzoekt de haalbaarheid van actieve aerodynamische systemen voor het F22-model om prestaties te verbeteren en brandstofverbruik te verlagen.

€ 20.000

Vergelijkbare projecten uit andere regelingen

MIT R&D Samenwerking

De Autonomaat

Het project ontwikkelt de Autonomaat, een datagestuurd digitaal onderwijsinstrument dat de persoonlijke ontwikkeling van leerlingen inzichtelijk maakt en leerkrachten ondersteunt in het bieden van maatwerkonderwijs.

€ 197.225
MIT R&D Samenwerking

Adaptief Leren Softwareplatform voor Aanvullend Oefenmateriaal

Het project ontwikkelt een adaptief leerframework dat leraren real-time inzicht biedt in leerlingontwikkeling en directe feedback geeft, om leerproblemen effectiever aan te pakken.

€ 82.768
MIT R&D Samenwerking

e-LEARN-IT

Het project ontwikkelt een in-ear leer-assistent voor gepersonaliseerd, bewegend onderwijs en logopedie met innovatieve spraaktechnologie.

€ 200.000