GrassBladeLRS en xAPI Video Profile

GrassBladeLRS is niet open source en ook niet gratis. Maar ze hebben een interessante demo online staan van hoe ze het xAPI Video Profile implementeren in hun LRS. En dat bleek ook voldoende om een beeld te krijgen.  Op de demo-pagina verwijzen ze naar een referentie-implementatie van de videoplayer. De videoplayer kun je ook zelf gebruiken in je eigen content. De xAPI statements die doorgestuurd worden, kun je dan ook naar een ander LRS laten gaan dan GrassBladeLRS.

Met de demo kun je al meteen aan de slag zonder iets te installeren. Ik koos voor “Harry” als naam in de demo (als jij zelf inlogt met gebruikersnaam [email protected] en wachtwoord demo op de demo LRS die ze beschikbaar stellen, dan kun je mijn test daar zelf bekijken!).  Wat in GrassBladeLRS anders is dan bv Learning Locker is dat GrassBladeLRS meteen een inzichtelijke rapportage maakt van hoe ik de video gebruikt heb. Zonder dat ik daar iets voor hoefde te doen.

Boven aan dit bericht kun je zien hoe dat er uiteindelijk uitzag, hiernaast zie je een weergave van toen ik nog niet de hele video bekeken had. De groene vlakken zijn de delen van de video die ik al bekeken had, de witte nog niet. Ik begrijp dat het LRS dat ook over meerdere sessies doet, dus als ik vandaag de video voor de helft bekijk en morgen de andere helft, dan worden die sessies in één overzicht gecombineerd.

Je kunt ook een totaaloverzicht voor de video opvragen, rechtstreeks in GrassBladeLRS, eveneens zonder de noodzaak van het aanmaken van eigen rapportages.

Jammer is dat de filteroptie voor periode/tijd niet op dat overzicht werkt. Ik kan op andere plekken bv aangeven dat ik alleen info van de laatste week wil zien, dit overzicht lijkt altijd alle info mee te nemen.

Ik kan me voorstellen dat een analyse van het kijkgedrag over de tijd heen (richting toets/tentamen) interessant is. Je kunt die analyses natuurlijk zelf ook nog uitvoeren, de statements (de benodigde ruwe data) zitten gewoon in het LRS.

Blijft wel natuurlijk de vraag: wat kan een docent hiermee? Levert het daadwerkelijk het beoogde inzicht op in welke onderdelen van een video mogelijk onduidelijk of moeilijk zijn? Mijn eigen ervaringen bij het analyseren van de opnames van colleges gaven een dusdanige variatie in kijkgedrag en bekeken stukjes van opnames (van een uur, niet van 47 seconden zoals in dit voorbeeld) dat je dat daar niet zomaar uit kon halen.

Dit soort overzichten geven echter wel duidelijk aan of je studenten massaal vroegtijdig afhaken. Ik heb zo mijn vragen bij de conclusies van een aantal van de “wat is de optimale lengte van een video?” onderzoeken die beschikbaar zijn omdat de soort video, de kwaliteit van de uitleg en de context waarin hij gebruikt wordt (hoe belangrijk is het voor jou om de inhoud mee te krijgen, hoe goed sluit het aan bij de vraag die je op dit moment hebt) daarbij van invloed zullen zijn op de maximale of zelfs optimale lengte.  En als je (optionele) interactiviteit toevoegt aan een video (zoals hier besproken) dan wordt het naar verwachting ook weer een ander verhaal.

Een LRS die er voor zorgt dat je deze inzichten eenvoudig kunt krijgen, daar ook met docenten over in gesprek kunt en zo experimenten op dit vlak ondersteunt is wat mij betreft interessant. Ook als het geen open source is.