Sneller voetbaltalent vinden met een PlayerHub
Internationaal sportmanagement bureau
Data & AI voor het onderwijs
Een onderwijsinstelling weet veel over haar studenten, maar ziet het vaak pas als het te laat is.
Aanmeldingen, cijfers, aanwezigheid, roosters en de financiële administratie staan in verschillende systemen. Daardoor wordt pas aan het eind van een periode zichtbaar welke studenten achterlopen of welke opleiding minder instroom krijgt. Data en AI brengen die bronnen samen en maken zichtbaar wat er nu speelt.
Uitdagingen,
Krimpende of juist groeiende instroom, uitval in het eerste jaar, een tekort aan docenten en roosters die elke periode opnieuw passen en meten zijn. Tegelijk gaat het om gegevens van studenten en leerlingen, die zorgvuldig moeten worden behandeld. Dat vraagt om inzicht dat betrouwbaar is en om afspraken over wie wat mag zien.
Hoe wij ondersteunen,
Wij brengen studentadministratie, leeromgeving, roosters en financiën samen in één datafundament en bouwen daarop rapportages en modellen voor studievoortgang, instroom en planning. Ook helpen we medewerkers sneller de juiste informatie te vinden in regelingen en documenten. Dit zijn enkele voorbeelden van wat er mogelijk is. Welke oplossing het beste past, hangt altijd af van de uitdaging en de organisatie.
DSL in cijfers,
40
Data experts
10+
Jaar ervaring
200+
Projecten gerealiseerd
8,7
Klantwaardering
Neem contact op met onze experts,
Wil je weten wat wij voor jouw organisatie kunnen betekenen?
Younes Seghrouchni
Managing Consultant GenAI & Data StrategyE-mail info@datasciencelab.nl
Carmen Wolvius
Managing Consultant Data Science & AIE-mail info@datasciencelab.nl
Stef Stoelwinder
Business DevelopmentE-mail info@datasciencelab.nl
Waar we dat doen,
Laatste blogs,
Lees hier onze laatste inzichten.
Drie lessen uit onze AI-projecten
In twee jaar tijd begeleidden we tientallen AI-projecten, van een eerste verkenning tot een model dat elke nacht draait. Sommige liepen precies zoals…
Van pilot naar productie: waarom de meeste AI-projecten stranden
Veel organisaties hebben inmiddels een AI-pilot gedraaid. Het model werkt, de demo oogst applaus, en dan gebeurt er niets meer. Uit onze praktijk…
Responsible AI van principes tot praktijk
Artificial Intelligence ontwikkelt zich razendsnel. Vrijwel elke week verschijnen er nieuwe modellen en steeds meer organisaties experimenteren met…
De organisaties die dat doen,
Veelgestelde vragen,
AI kan gegevens over studievoortgang, aanwezigheid en eerdere cohorten combineren om eerder zichtbaar te maken welke studenten risico lopen. Daardoor kunnen mentoren en studieadviseurs op tijd het gesprek aangaan, en krijgen opleidingen beter inzicht in instroom en planning.
Bij één vraag die elk jaar terugkomt, zoals uitval in het eerste jaar of de verwachte instroom per opleiding. Met de gegevens van eerdere cohorten is snel te toetsen wat een model kan zien dat nu pas achteraf duidelijk wordt.
Aanmeldingen en inschrijvingen, cijfers en studiepunten, aanwezigheid, gegevens uit de leeromgeving, roosters en de financiële administratie. Het werk zit vooral in het koppelen van die bronnen en in heldere afspraken over privacy en toegang.
Door alleen de gegevens te gebruiken die nodig zijn voor de vraag, door toegang per rol te regelen en door vooraf met de functionaris gegevensbescherming af te stemmen wat er gebeurt. Een model geeft een signaal; de mentor of studieadviseur beslist wat ermee gebeurt.
Door het signaal te tonen in het systeem waarin mentoren en roostermakers al werken, en door af te spreken wie het model bijhoudt als opleidingen, toetsing of regels veranderen. Zo blijft het een hulpmiddel dat past bij hoe de instelling werkt.