Peter de Haas

Maat: px

Weergave met pagina beginnen:

Download "Peter de Haas peter.dehaas@breinwave.nl +31655776574"

Lodewijk de Haan
7 jaren geleden
Aantal bezoeken:

1 Peter de Haas

2 business context Innovatie Platform Klantinteractie Klantinzicht Mobiel Social Analytics Productiviteit Processen Integratie Apps Architectuur

3 Wat is Big Data?

4 Social Mobiel Cloud

8 Hoe complex is het? Nieuwe vormen van data visualisatie en analyse Hoe veel is het? Cloud oplossingen Hoe snel wil je resultaat? Nieuwe algoritmen en machine learning

9 BIG DATATRAJECTEN 6% 25% 22% Ik kijk er naar Ik doe wat proefjes Ik ben bezig met een project Ik gebruik het in productie 47%

10 Hoe ga je aan de slag met Big Data?

11 Uitdagingen bij huidige data analyse projecten Gebrek aan kennis en vaardigheden 59% Integratie met bestaande applicaties 41% Data wordt steeds complexer en te veel Nieuwe bronnen Veiligheid en beheersbaarheid 37%

12 De juiste data vinden en gebruiken Wat kunnen we met deze data doen? Analiseren, voorspellen Wat gaan we met deze informatie doen randvoorwaarden, voordelen en consequenties

13 Onderwijs en ICT

14 Model Organisatie Informatievoorziening Informatie-technologie Strategisch Organisatie Informatiebeleid Architectuur Tactisch Processen Software Hardware Operationeel Medewerkers Functioneel / Applicatie beheer Technisch beheer

15 Vraag Misie / Visie / Strategie Onderwijs Informatiebehoefte Applicatielandschap Enterprise Architectuur Aanbod Onderwijs Ontwikkelingen Markt Ontwikkelingen Maarschappleijk e Ontwikkelingen

17 Visie op onderwijs en ICT We hebben een goed en helder ict beleidsplan (en gebruikt) Onze school anticipeert op relevante trends en ontwikkelingen in ICT De informatievoorziening intern en extern is helder ingericht Deskundigheid Focus op computergebruik/ internet / digitalisering in het onderwijs Docenten zijn goed op de hoogte van de mogelijkheden van ict in het onderwijs (digitale didactiek) Er wordt gerichte scholing gevolgd voor ict didactiek in het onderwijsproces toepassen ict voor samenwerking en kennisdeling met collega s Inhoud en Toepassing Infrastructuur en Applicaties Het gebruik van digitaal leermateriaal Het gebruik van educatieve software, elektronische leeromgeving Gebruik van ict systemen als volgsysteem, administratie, roostering Goede / toereikende ict-voorzieningen op uw school voor het onderwijs zoals u dat graag zou willen geven Goede / toereikende ict-voorzieningen voor Lesvoorbereiding en administratieve taken

18 ICT beleidskaders en privacy

19 Omschrijving Motivatie Link naar ICT Directeuren zijn verantwoordelijk voor hun eenheid; Bestuur faciliteert, adviseert en bewaakt Scholen dienen zich optimaal te richten op hun kerntaak; het verzorgen van onderwijs de school onderwijsgroep heeft wettelijke, contractuele en morele verplichtingen naar externe partijen die dienen te worden behartigd Bestuur stelt beleid op en toetst of keuzes van scholen binnen dit beleid blijven. Het bureau ondersteunt scholen bij de uitvoering van dit beleid Directeuren hebben de vrijheid binnen de kaders van het beleid het onderwijs op hun school naar eigen inzicht in te richten t.b.v. een optimaal resultaat Het onderwijs in brede zin is leidend bij de inrichting van de organisatie, processen en systemen(*) Onderwijs is de primaire taak van de school en het is belangrijk dat veranderingen bijdragen aan deze taakstelling Veranderingen en ontwikkelingen worden allen doorgevoerd indien zij direct of indirect bijdragen aan het verbeteren van het onderwijs of aan een efficiëntere bedrijfsvoering

20 Omschrijving Motivatie Link naar ICT de school bureau (ICT beleid) is een servicegerichte organisatie met een Een servicegerichte organisatie zorgt dat de diensten optimaal aansluiten bij de behoeften van interne en externe afnemers overeengekomen set producten en diensten Een goed gedefinieerde set van producten en diensten maakt helder wat de afnemer krijgt tegen welke kosten en voorkomt verkeerde verwachtingen Afstemming tussen aanbieder en afnemer is noodzakelijk om te komen tot de juiste set van producten en diensten de school ICT definieert haar producten en diensten, afgestemd op behoeften van andere afdelingen, scholen en externe partijen Producten en diensten van het de school ICT worden opgedeeld in een deel overeengekomen standaarddiensten en een deel (optionele) additionele diensten De producten en diensten worden periodiek aangepast op de gewijzigde behoeften Afnemers kunnen (binnen zekere kaders) zelf ook specifieke afspraken maken

21 Omschrijving Motivatie Link naar ICT De infrastructuur van de school is gestandaardiseerd, maar maatwerk is mogelijk Infrastructuur (generieke software en hardware) is een basisvoorziening en kan daarom voor alle scholen grotendeels gelijk zijn Standaardisatie heeft grote kosten- en beheervoordelen Specifieke eisen en wensen van gebruikersgroepen zijn met maatwerk mogelijke, rekening houdend met extra kosten en inspanningen Er is een eenduidige definitie van de gestandaardiseerde infrastructuur en een heldere afspraak over de verdeling van de kosten Er wordt op verzoek een impactanalyse uitgevoerd naar de mogelijkheden, kosten en haalbaarheid van specifieke eisen en wensen De kosten van maatwerk (inclusief eventuele additionele beheerkosten) komen te laste van de afnemer(s) Bij de selectie van standaardinfrastructuur wordt rekening gehouden met alle relevante kwaliteitsaspecten; waaronder gebruiksvriendelijkheid.

24 Nieuwe oplossingen in het onderwijs

25 Het voorspellen van uitval in je klas a.k.a. Wat is Machine Learning? Computer systemen die slimmer worden door ervaring Ervaring = historische data + menselijke input

26 Het Microsoft data platform Power BI for Azure Machine Learning Azure HDInsight

27 Wat zou u met Verloop analyse Social network analyses Aanbevelingen automatiseren Location-based tracking en services machine learning in uw organisatie kunnen bereiken? Visie analyses Weersvoorspelling of bedrijfsplanning Juridische adviezen en document archivering Monitoring van apparatuur Advertisie analyses Prijs analyses Fraude detectie gepersonaliseerd leren

28 Tijd bested (Min) Energie (punten) Toetsen kennis en vaardigheden Voorspellen toekomstig resultaat Voortgang volgen probleem? talent? verveeld? Azure ML Data leerling leerling classificatie Voorspelling Leerling details 35k 25k 15k 05k -05k Oefening Video Energie\ toets 1 toets 2 toets 3 toets 1 leerling All Customers Identificeren beste leerkrachten en leerlingen met uitdagingen Student Status Leerling Les 1 Les 2 Les3 Les4 Les 5 Les 6 Cindy Ravi David Pieter Marie Dylan Toetsen van kennis van de leerling en zijn/haar vermogen dit goed over te brengen Meet de kennis van leerlingen opgedaan tijdens de les, vi huiswerk en in en ook hoe de leerling zich uit in de lessen in de klas. Verwerken en analyseren van data rond de leerling Input van resultaten in een Machine Learning model om te bepalen welke leerlingen het best vorderen in kennisopbouw en hun vermogen dit over te brengen. Dit sort modellen kunnen dus ook leerlingen identificeren die meer hulp nodig hebben. Gedetailleerd Status Rappo van elke student in elke les in een bepaalde periode Rapport met kennisniveau, afronding van activiteiten over een periode. Docenten krijgen ook inzicht / feedback over de effectiviteit van hun lessen.

29 Bijhouden huidige prestaties Voorspellen uitval Aggregeren en handelen Student Uren in klas Online participatie Logons Pieter Marie 6 Kees Cindy Linda Databases Online Klas Social media Gebruikers interface Leerling Pieter Samenvattingh Performance 1 1,5 2 2,5 3 3,5 4 Risico Score (5) Risico Niveau Interventie gewenst? 4.2 Hoog Risico Ja 10% 9% 8% 7% 6% 5% 4% 3% 2% 1% 0% Risico leerlingen Klas School Regio Laag Gem Hoog Average Klas- en online Interactie data voor individuele leerlingen Verzameld en registreerd hoe vaak een leerling een klassikale les volgt, wat de prestaties zijn een hoe vaak en intensief een leerling in online discussies participeert. Voor elke leerling kunnen meer details worden opgevraagd. Voorspellen mogelijke uitval Voorspelt welke leerlingen een verhoogd risico op uitval hebben gebaseerd op (plotselinge) veranderingen in hun prestaties of patroon. Er wordt een machine learning algoritme ingezet om leerlingen te categoriseren in lag, midden of hoog risico niveau. Aggregatie van risico binnen een groter geheel Geeft inzichten en analyses op een hoger aggregatie niveau op klas, school en regional niveau. Een dergelijke aanpak geeft bijv meer inzicht in beleidsmatige veranderingen en hun impact of regionele apsecten die van invloed zijn op een hoger uitvalspercentage.

30 Voorbereiding op de studiedag

31 Hebben we de juiste data (digital)? Kunnen we het maximale er uit halen? Voldoen we aan het ICT beleid en wet-en regelgeving?

Vergelijkbare documenten

Unicoz Onderwijsgroep ICT Beleidskader

Unicoz Onderwijsgroep ICT Beleidskader In opdracht van: Unicoz Stuurgroep ICT Opsteller: Peter de Haas Datum: 14-10- 2015 Versie : 1.2 Inhoudsopgave 1 Inleiding... 3 2 Voorgestelde beleidskaders ICT...