Totem

Voor docenten

Een echte evaluatie van elke student. Niet de vier die het formulier invullen.

Totem spreekt met elke student die de cohort heeft afgerond, in hun eigen woorden. Welke sessies aansloegen, welke sleepten, en welke de volgende keer moeten worden geschrapt, gerangschikt over de hele klas.

Stille bètaVolledig gratis in beta

Herfstreeks beoordeling, Data Science

Evaluatie einde cohort. Totem voerde dit gesprek uit met 22 studenten en vatte wat terugkwam samen in de onderstaande conclusie.

22deelnemers

Belangrijkste bevindingenAI-gesynthetiseerd uit 22 studenten

De toegepaste statistiek-eenheid was de sessie 16 van 22 die als het nuttigst werd genoemd, de meeste studenten gebruikten het binnen een maand in een echt project. De weken introductieprogrammeren liepen te langzaam voor 12 van 22 die met voorkennis kwamen. Vier noemden de gastcollege-opzet vlak (passief, geen q&a). Acht vroegen om meer casestudy's vóór de tussentijdse toetsen, en negen willen de capstone in eerdere checkpoints opdelen.

  • Applied stats meest gebruikt
  • Intro-weken liepen traag
  • Gastcolleges vlak
  • Wil meer casestudy's
  • Wil eerdere mijlpaal-checkpoints
Sentimentsamenstelling
  • 20%Positief
  • 40%Frictie
  • 40%Focus
Reacties
0
Volledig afgerond
0/0
Gem. voltooiing
0%
Gem. lengte
0 m

Van silent-beta-calls

Elke cohort vulden dezelfde vier studenten het formulier in. Totem sprak met alle veertig. De sessie waarvan ik zeker wist dat die werkte, was degene die de meeste studenten traag vonden. Ik was ermee doorgegaan.

een cursusleider bij een masteropleiding

Waar docenten als eerste naar vraagt

Maar studenten zullen een AI vage antwoorden geven.

Het tegenovergestelde, in de stille bèta. Studenten die op een formulier "geweldige les" zouden schrijven, geven Totem de specifieke sessie die sleepte, het moment waarop ze afhaakten, en wat ze volgend jaar zouden schrappen. Anonimiteit maakt los wat het formulier met je naam afsluit. Het is niet het medium dat eerlijkheid afremt; het is de consequentie.

Waarom docenten Totem kiezen

  1. 01

    De hele klas, niet de vier die formulieren invullen. Eval-formulieren selecteren voor de betrokkenen en de boze. Totem bereikt het stille midden, de groep die stemt met aanwezigheid, niet met enquêtes.

  2. 02

    Sessies gerangschikt op wat aansloeg. Welke sessie studenten onthielden, waarnaar ze later verwezen, welke ze langer hadden gewild. Curriculumbeslissingen gebaseerd op bewijs, niet op de mening van de luidste TA.

  3. 03

    Alumni vijf jaar later, on the record. Niet wat studenten zeggen bij afstuderen. Wat ze zeggen zodra de beleefdheidsperiode voorbij is en ze hun loopbaan hebben zien gebeuren.

Wat verandert

Wat verandert er voor docenten.

  1. 01

    Dekking in plaats van selectiebias

    Iedereen die de cohort heeft afgerond, wordt opgevolgd. Niet de 10% die eindtermijnformulieren invult. Curriculumsignaal gebaseerd op de hele klas, inclusief de stille studenten.

  2. 02

    Granulariteit per sessie

    Welke sessie aansloeg, welke sleurde, welke iedereen-behalve-jij als overbodig voelde. Specifiek genoeg om op te handelen, niet 'al met al was de cursus goed'.

  3. 03

    Alumnusfeedback die eerlijk blijft

    Vijf jaar na afstuderen is de beleefdheidsperiode voorbij. Echt signaal over wat hen heeft voorbereid, wat niet, en welke kloof ze achteraf zouden dichten.

Veelgestelde vragen

Wat docenten vraagt voordat ze Totem proberen.

Hoe kunnen docenten cursus-evaluaties uitvoeren die elke student bereiken?
Door de evaluatie te verplaatsen van een formulier aan het einde van de termijn naar een asynchroon AI-gemodereerd gesprek. Totem spreekt met elke student die de groep heeft afgerond — de betrokkenen, de boze, en de stille middenmoot — en rangschikt sessies op basis van wat aansloeg in de hele klas, niet op basis van wat de vier respondenten schreven.
Wat is de beste tool voor studentenfeedback?
De meeste tools voor studentfeedback zijn enquêtes (cursus-evaluatieformulieren, Likert-schalen aan het einde van het semester). Totem voert in plaats daarvan diepte-interviews uit: dezelfde vragen aan alle studenten, echte doorvragen bij voorzichtige antwoorden, uitspraken blijven behouden. De feedback is geen cijfer; het is een bewijsbasis.
Hoe kunnen docenten selectiebias bij cursus-evaluaties vermijden?
Zelfselectie in evaluatieformulieren is de grootste niet-gemeten bias in cursusfeedback. De vier studenten die het formulier invullen stemmen; de zesendertig die dat niet doen zijn het stille curriculum. Totem bereikt elke student op zijn eigen moment, met gestructureerde vragen, zodat het signaal niet wordt gedomineerd door extremen.
Waarin verschilt Totem van evaluatieformulieren voor einde van de cursus?
Formulieren aan het einde van het semester verzamelen gesloten antwoorden en één open tekstvak. Totem voert volledige gesprekken: de vraag past zich aan het antwoord van de student aan, de vervolgvragen peilen naar voorzichtige zinnen ("de derde sessie was prima"), en de synthese rangschikt patronen over de cohort heen — welke sessie aansloeg, welke sleepte, welke de volgende keer moet worden geschrapt.
Kan Totem helpen bij alumnionderzoek?
Ja. Het sterkste alumni-signaal komt 5+ jaar na afstuderen, wanneer de beleefdheidsperiode voorbij is. Totem kan hetzelfde gestructureerde gesprek met alumnicohorten op intervallen voeren — 1 jaar later, 3 jaar later, 5 jaar later — en een longitudinaal signaal opleveren over wat afgestudeerden heeft voorbereid, wat niet, en welk curriculumgat ze achteraf zouden dichten.
Hoe vergelijkt AI-gestuurde studentenfeedback met focusgroepen?
Focusgroepen selecteren op studenten die bereid zijn naar een focusgroep te komen. AI-gemodereerde interviews bereiken iedereen — asynchroon, op het schema van de student, in hun eigen woorden. Focusgroepen kunnen in realtime vervolgvragen volgen; AI-gemodereerde interviews ruilen een deel van die flexibiliteit in voor volledige dekking van de cohort. Ander hulpmiddel voor andere onderzoeksvragen.

Jouw beurt

Beschrijf de cohort. Hoor van elke student.

Eén prompt dekt de cohort. Totem spreekt met elke student asynchroon. Je wordt wakker met het signaal per sessie, gerangschikt, met de letterlijke citaten die elk gesprek bewijzen.

Laat je prompt vallen

Gratis tijdens de betaGeen kaartJouw prompt, jouw data