MRD logo van Manesh Dewnarain
← Alle projecten

Smart Student Dashboard

Voor mijn individuele UXRI-project heb ik met ondersteuning van AI het Smart Student Dashboard ontworpen. In deze opdracht stonden AI, studieoverzicht en eigen regie centraal. Van DP1, DP2 en DP3 tot het prototype in DP4 en de Design Research Journey en toekomstsimulatie in DP6 heb ik onderzocht hoe AI studenten verantwoord kan ondersteunen.

Project
Individueel UXRI-project
Mijn bijdrage
Onderzoek, UI en prototype
Tools / techniek
Figma · Taguette · ChatGPT
Doelgroep
Studenten van Windesheim

De belangrijkste iteratie

Feedback die het ontwerp veranderde.

V1 is met drie deelnemers getest via Think Aloud. Onderstaande wijzigingen zijn in V2 verwerkt; V2 is nog niet opnieuw getest.

V1 / Bevinding

Te veel tegelijk.

De indeling voelde druk en de prioriteitslabels waren onduidelijk.

V2 / Aanpassing

Aanbevolen acties hoger geplaatst, meer ruimte en duidelijkere labels.

V1 / Bevinding

Advies kwam te persoonlijk over.

De formulering kon negatief aanvoelen.

V2 / Aanpassing

Neutraler advies, een duidelijkere feedbackknop en controle door Windesheim.

Het gebruiksscenario

Van vraag naar interactie.

Studieoverzicht bekijken → deadline of leeruitkomst kiezen → AI-advies lezen → zelf beoordelen → zo nodig feedback geven

Dit scenario vat de bestaande dashboard- en feedbackflow samen. Het AI-advies in het prototype is gesimuleerd.

Context en uitdaging

Voor mijn individuele UXRI-project heb ik het Smart Student Dashboard ontworpen. Vanuit mijn eigen ervaring met de overstap naar het hbo merkte ik dat studie-informatie verspreid staat over verschillende systemen van Windesheim. Studenten moeten zelf hun rooster, resultaten, deadlines en studievoortgang combineren.

Mijn onderzoeksvraag was: hoe ervaren studenten van Windesheim het gebruik van verschillende digitale platforms voor het bijhouden van hun studievoortgang en welke informatie hebben zij nodig om hierin overzicht te behouden?

Het concept brengt belangrijke studie-informatie samen en voegt AI-studieadvies toe. Het uitgangspunt is: AI geeft inzicht, jij bepaalt de richting. Dit project is een ontwerp en een gesimuleerd Figma-prototype.

Smart Student Dashboard prototype

DP1 · Design Researchvoorstel

In DP1 heb ik mijn persoonlijke aanleiding vertaald naar een onderzoekbaar probleem. Daarbij heb ik bewust onderscheid gemaakt tussen mijn eigen ervaring en wat nog bij andere studenten onderzocht moest worden. Eerstejaarsstudenten zijn een belangrijke doelgroep, omdat zij ook moeten wennen aan een nieuwe digitale leeromgeving.

Mijn working theory was dat een persoonlijk overzicht, ondersteund door AI, studenten kan helpen om inzicht te krijgen en prioriteiten te bepalen. Cognitive Load Theory, Information Overload en Self-Regulated Learning gaven richting aan het onderzoek: beperk de hoeveelheid informatie, maak prioriteiten herkenbaar en ondersteun het plannen.

De ontwerpprincipes waren gebruiksvriendelijkheid, begrijpelijkheid, visuele rust, personalisatie en privacy en controle. Na peerfeedback heb ik het voorstel aangescherpt. De geplande aanpak liep van doelgroeponderzoek en stakeholdergesprekken naar concepten, prototyping en testen.

DP2 · Concept Ontwerp Toekomst

In de conceptposter heb ik zichtbaar gemaakt hoe informatie uit onder andere Brightspace, ANS, SharePoint, intranet en mail kan worden gebundeld tot één persoonlijk overzicht. AI analyseert informatie en geeft advies; de student maakt de keuze.

De poster vergelijkt twee mogelijke toekomstbeelden: een wenselijk scenario in 2045 met meer overzicht en eigen regie, en een problematisch scenario in 2075 waarin AI bepaalt en de student minder keuze heeft. Dit zijn scenario’s, geen voorspellingen.

Studenten, docenten en Windesheim zijn de belangrijkste stakeholders. De spanning tussen personalisatie en privacy vormt een centraal ontwerpvraagstuk. Privacy, bias en afhankelijkheid zijn risico’s die ik verder wilde onderzoeken.

DP2 · Concept Ontwerp Toekomst
DP3 · Iteratieve Research Journey

DP3 · Iteratieve Research Journey

Om mijn aannames te toetsen heb ik een enquête met tien open vragen uitgevoerd onder acht Windesheim-studenten. De antwoorden heb ik met Taguette gecodeerd. Hieruit kwamen drie hoofdthema’s: studieoverzicht en informatiebehoefte, gebruiksvriendelijkheid, en privacy en controle.

Studenten wilden opdrachten, lesmateriaal en resultaten op een centrale plek kunnen vinden. Daarnaast moest het dashboard eenvoudig blijven en duidelijk maken wat relevant is voor hun eigen voortgang. Bij persoonlijke ondersteuning wilden zij controle houden over hun gegevens.

Met een benchmarkanalyse van bestaande dashboards heb ik onderzocht hoe informatie wordt gepresenteerd en hoe AI een plek kan krijgen. Deze inzichten heb ik vertaald naar duidelijke cards, visuele hiërarchie, een vaste plek voor AI en uitleg bij het advies.

Zo verschoof mijn onderzoek van een persoonlijke aanname naar ontwerpkeuzes op basis van gebruikersinzichten. De onderzoeksgroep was klein; de uitkomsten geven richting, maar vertegenwoordigen niet alle studenten.

DP4 · Prototype met AI

In Figma heb ik een interactief prototype gemaakt met een studieoverzicht, weekrooster, deadlines, leeruitkomsten, AI-advies en een feedbackflow. Ik heb bewust een foutief AI-advies opgenomen om te onderzoeken hoe studenten hiermee omgaan en of zij begrijpen hoe ze kunnen reageren.

Prototype V1 heb ik met drie testpersonen getest via de Think Aloud-methode. De AI-interactie was over het algemeen duidelijk. De feedback ging vooral over de drukke indeling, onduidelijke prioriteitslabels en advies dat te persoonlijk of negatief kon overkomen.

In V2 heb ik aanbevolen acties hoger geplaatst, spacing verbeterd en prioriteitslabels verduidelijkt. Het AI-advies is neutraler geformuleerd en de feedbackknop duidelijker gemaakt. Ook heb ik Windesheim als controlerende partij toegevoegd: feedback van de student verandert het advies niet meer direct, maar wordt eerst gecontroleerd.

V2 is nog niet opnieuw getest. Daarom is nog niet vastgesteld of deze aanpassingen daadwerkelijk meer overzicht geven. De AI is gesimuleerd; de betrouwbaarheid van een werkend systeem is niet getest.

Smart Student Dashboard prototype V2
DP6 · Designbrief en Design Research Journey

DP6 · Designbrief en Design Research Journey

In DP6 heb ik het onderzoek, de ontwerpkeuzes en de iteraties samengebracht in een designbrief en een geschreven Design Research Journey. Daarbij heb ik de resultaten gekoppeld aan vijf succescriteria: deadlines vinden, de volgende les zien, voortgang begrijpen, overzicht ervaren en de AI-functie herkennen en begrijpen.

Het prototype maakt deadlines en het weekrooster zichtbaar. Tijdens de tests konden deelnemers hun leeruitkomsten en AI-advies vinden. Niet alle succescriteria zijn afzonderlijk gemeten en de verbeteringen van V2 moeten nog worden getoetst.

Mijn Future Simulation speelt zich af in 2048. De AI verwart 58% voortgang met voldoende beheersing en adviseert minder te oefenen. De deelnemer kan het advies volgen, zelf controleren of een docent vragen. Elke route maakt gevolgen zichtbaar voor voorbereiding, studievertraging, stress en vertrouwen. De percentages zijn fictieve scenario-indicatoren.

De simulatie laat ook zien dat menselijke controle tijd en capaciteit vraagt. Een tekstcorrectie herstelt de gevolgen voor de student niet automatisch. Daarom bevat de aftercare onder meer begeleiding, bezwaar, een nieuw beoordelingsmoment en het tijdelijk uitschakelen van foutief advies.

Open de Future Simulation 2048 ↗

ELSA en ethische afwegingen

ELSA heb ik gebruikt om de ethische, juridische en maatschappelijke gevolgen van het concept te onderzoeken. De betrouwbaarheid van de technologie loopt daar doorheen.

  • Ethisch: de student moet zelf keuzes kunnen maken. Mijn morele grens is dat AI nooit zelfstandig bepaalt of een leeruitkomst is aangetoond. Vanuit plichtethiek staan autonomie en een eerlijke beoordeling centraal; vanuit gevolgenethiek wil ik voorzienbare schade door foutief advies voorkomen.
  • Juridisch: persoonlijke studiegegevens vragen om bescherming en duidelijkheid over welke gegevens worden gebruikt. Noodzakelijke gegevensverwerking en controle over gegevens zijn voorwaarden in mijn ontwerp.
  • Maatschappelijk: niet iedere student kan AI-advies even goed controleren of even makkelijk hulp krijgen. Begrijpelijke uitleg, toegankelijkheid en bereikbare menselijke begeleiding zijn daarom belangrijk.
  • Technologisch: voortgang is geen bewijs van beheersing. Het systeem moet uitleg geven en fouten moeten gemeld, gecontroleerd en gecorrigeerd kunnen worden. Windesheim moet kunnen ingrijpen.

Mijn aanbevelingen zijn: Keep het centrale overzicht en ondersteunend advies; Change de transparantie, bezwaarprocedure en menselijke controle; Kill onbetrouwbaar advies door het tijdelijk uit te schakelen wanneer fouten of correcties onvoldoende worden opgepakt.

Gemaakt met AI

Deze opdracht stond in het teken van AI. Het Smart Student Dashboard is met ondersteuning van AI gemaakt. AI was zowel een hulpmiddel tijdens het maken als een onderwerp van mijn onderzoek: hoe kan AI studenten ondersteunen zonder hun eigen regie over te nemen?

Ik heb ChatGPT gebruikt voor spelling, zinsformuleringen, het formuleren van bronnen in APA, het vinden van voorbeelden voor de benchmarkanalyse en uitleg over Taguette. Ook bij het uitwerken van deze portfoliopagina is AI gebruikt.

In het Figma-prototype is het AI-studieadvies gesimuleerd. Met een bewust foutief advies heb ik onderzocht hoe studenten reageren en welke menselijke controle nodig is. De ethische gevolgen van AI zijn meegenomen via ELSA en de toekomstsimulatie.

Reflectie

Tijdens dit project heb ik geleerd om te ontwerpen vanuit een faalmoment. Door bewust een foutief AI-advies in mijn prototype te verwerken, kon ik onderzoeken hoe studenten daarop reageren en wat zij nodig hebben om een fout te herkennen en te melden. Hierdoor keek ik niet alleen naar hoe het dashboard werkt als alles goed gaat, maar ook naar de gevolgen wanneer het systeem een verkeerd advies geeft.

Daarnaast heb ik geleerd hoe verschillende onderzoeksmethoden helpen om een goed project neer te zetten. Met de enquête heb ik de behoeften van studenten onderzocht. De benchmarkanalyse hielp mij om bestaande oplossingen te vergelijken en ontwerpkeuzes te onderbouwen. Tijdens de Think Aloud-testen zag ik vervolgens waar gebruikers tegenaan liepen. Door deze methoden te combineren, kon ik mijn eigen aannames toetsen en gerichter verbeteringen aanbrengen.

De feedback heeft mij geholpen om de indeling, prioriteitslabels en formulering van het AI-advies te verbeteren. Ook heb ik geleerd dat een feedbackknop alleen niet voldoende is: er moet duidelijk zijn wie een melding controleert en hoe de student verder wordt geholpen. ELSA en de toekomstsimulatie hielpen mij om na te denken over privacy, eigen regie en de verantwoordelijkheid van Windesheim.

Voor een volgend project neem ik mee dat ik eerder wil testen en na een aanpassing opnieuw wil controleren of deze het probleem oplost. V2 is nog niet opnieuw getest. Daardoor kan ik mijn keuzes onderbouwen met de verzamelde feedback, maar moet ik nog onderzoeken of de verbeteringen in de praktijk werken.