Het klinkt onwaarschijnlijk: het studentnummer blijkt een goede voorspeller van het risico op studieuitval van eerstejaars mbo-studenten. Hoe lager het studentnummer, hoe minder snel de student afhaakt. Want: studenten die overtuigd zijn van hun studiekeuze, melden zich eerder aan en krijgen dus een lager studentnummer. Het is een van de uitkomsten van onderzoek van Irene Eegdeman naar uitval in het mbo. In dit onderzoek liet ze een programma met machine learning data analyseren om patronen te herkennen.
Onderzoek naar uitval in het mbo is hard nodig. Van de eerstejaars valt, afhankelijk van het niveau, gemiddeld zes tot vijftien procent uit. Dat is allereerst vervelend voor de studenten zelf: zij hebben een negatieve ervaring en moeten op zoek naar een studie die beter bij hen past. Maar het is ook nadelig voor de school: die heeft geïnvesteerd in de studenten, maar dat betaalt zich niet uit.
Eerder in gesprek
Mbo-scholen kunnen verschillende dingen doen om uitval te voorkomen of terug te dringen. Een van de belangrijkste is in gesprek gaan met potentiële uitvallers. En dan geldt: hoe eerder, hoe beter. Het onderzoek van Eegdeman wijst uit dat vaak al in de eerste weken van het studiejaar duidelijk is welke studenten het meeste risico lopen om uit te vallen. Factoren die daarbij een belangrijke rol spelen zijn de behaalde cijfers in die periode, maar ook de eindexamencijfers van de vorige opleiding of de middelbare school. Eegdeman en haar collega’s ontwikkelen hiervoor de ‘uitnodigingsregel’, die mentoren en SLB’ers kunnen gebruiken als ze gesprekken inplannen met studenten.
Machine learning
Het onderzoek laat zien hoe machine learning kan helpen om vraagstukken in het onderwijs op te lossen. Ook in het onderwijs gaan enorm veel data om. Dan is de rekenkracht van computers welkom voor een snelle en goede analyse. Het voorbeeld toont aan dat dit kan leiden tot verrassende uitkomsten. Daarnaast laat het ook zien dat verbanden nog geen verklaring zijn; onderzoekers zullen de uitkomsten van data-analyse nader moeten bekijken. De combinatie van docenten en machine blijkt nog altijd het meest effectief.
Congres, overzichtsartikel en AI-onderwijsvragen
Wil je meer weten over studiesucces en hoe je studentuitval kunt verklaren, met hulp van machine learning? Kom dan naar het NRO-congres op woensdag 29 oktober in Nieuwegein. Irene Eegdeman vertelt over hoe je data kunt inzetten om schooluitval te voorspellen, schoolaanwezigheid te bevorderen en studiesucces te vergroten. Geen tijd? Lees dan het overzichtsartikel ‘Studentenuitval voorkomen door verklaren en voorspellen’ over het onderzoek van Irene Eegdeman en de werking van machine learning. Zit je met een AI-gerelateerde onderwijsvraag? Stel hem dan aan de AI-vraagbaak community van het programma NPuls. Sinds juli 2025 is de Kennisrotonde van NRO hierbij aangesloten, waardoor antwoorden wetenschappelijk worden onderbouwd.