Mbo-studenten die uitvallen. Dat wordt niet voorspeld door hun eigen verwachtingen of een formatieve informatietoets. Uiteindelijke uitvallers halen wel al na tien weken lagere cijfers dan hun klasgenoten. Dat blijkt uit promotieonderzoek bij de VU. Machine learning-algoritmen kunnen docenten helpen om uitval te voorspellen en op tijd in te grijpen. Dat meldt ScienceGuide.
De helft van de Nederlandse studenten volgt een mbo-opleiding. Meer dan een kwart van die studenten valt uit. Van de groep die geen startkwalificatie heeft (diploma op mbo niveau 2) blijft 12,5 procent werkloos. Maar mbo-instellingen hebben nu weinig aan de overvloed aan onderzoek naar uitval onder studenten. Dat gaat namelijk voornamelijk over het hoger en voortgezet onderwijs.
Verwachtingen
Promovenda Irene Eegdeman (VU Amsterdam) deed onderzoek naar de uitval van mbo-studenten. Ze zocht daarbij onder andere naar de relatie tussen verwachtingen aan het begin van een opleiding en de uitval onder studenten. Er is een gebrek aan specifieke verwachtingen bij startende studenten, want ze hebben immers geen ervaring in hun nieuwe opleiding. “Opleidingen blijken voor toekomstige mbo-studenten een verrassing, waarbij de verrassing voor de succesvolle student waarschijnlijk aangenaam is en voor de niet-succesvolle student onaangenaam”, aldus Eegdeman. Als beginnende studenten beter geïnformeerd zijn ten tijde van hun studiekeuze, dan is de kans kleiner dat een onbekende opleiding een onplezierige verrassing geeft.
Lagere cijfers
Mbo-studenten die uitvallen hebben wel gemiddeld een lager eindcijfer op het vmbo. Daarnaast halen mbo-studenten die uitvallen al na tien weken lagere cijfers dan studenten die niet uitvallen. De eerste weken van de opleiding zijn bepalend voor de latere uitval.
Algoritme
Eegdeman onderzocht ook of de uitval van mbo-studenten voorspeld kan worden door middel van machine learning-algoritmen. Dat zou instellingen de kans geven om op tijd in te grijpen. Ze liet een algoritme een voorspelling doen bij aanvang van een studie en vervolgens na elk kwartaal. De voorspellingen bleken met de tijd beter te worden. Bij de start van de opleiding is de voorspelling van docenten beter dan de voorspelling van een algoritme. Dat bleek uit een vergelijking tussen die twee. Docenten bleken sommige studenten met een hoge kans op uitval wel te identificeren, het algoritme deed dat niet. Na het eerste kwartaal van het eerste studiejaar werden de voorspellingen van het algoritme beter.
Door: Nationale Onderwijsgids / Femke van Arendonk
