Adaptieve leertechnologie (Deel 2)

In het eerste deel van deze blog hebben we getracht een omschrijving te geven van het concept adaptieve technologie. Daarnaast bleek uit de literatuur dat adaptieve toepassingen – mits voldaan wordt aan bepaalde voorwaarden – een positief effect konden hebben op zowel motivatie als leerwinst bij leerlingen.

Maar boeken alle leerlingen evenveel winst door de inzet van adaptieve technologie en hoe haalbaar zijn de verschillende vormen ervan in de klaspraktijk? En ten slotte, wegen de eventuele voordelen op tegen de privacy van leerlingen die prijsgegeven wordt door de noodzakelijke dataverzameling?

Wie heeft baat bij adaptieve technologie?

Het is van belang dat adaptieve technologie niet slechts bepaalde leerlingen ten goede komt. Het kan bijvoorbeeld niet de bedoeling zijn dat alleen leerlingen uit gezinnen met voldoende financiële mogelijkheden zich adaptieve technologie kunnen aanschaffen waardoor de kansenongelijkheid tussen leerlingen alleen maar toeneemt. Idealiter voorziet de school in de technologie, zodat alle leerlingen van de voordelen kunnen genieten. Daarnaast is de leerwinst die leerlingen boeken afhankelijk van hun voorkennis: wie al meer voorkennis heeft, gaat dankzij de adaptieve technologie net grotere stappen vooruitzetten. Daardoor lijkt ook de wijze waarop de adaptieve technologie inspeelt op de voortgang van de leerlingen een rol te spelen. Indien de technologie voornamelijk taak-georiënteerd werkt (aangepaste moeilijkheid van oefeningen op basis van antwoorden van leerlingen) is de kans groter dat het net de goede presteerders zijn die hier baat bij hebben. Echter, als de technologie meer stap-georiënteerd werkt, door gerichte feedback te geven op het proces (hoe, wat en wat nu?) kan dit de ongelijkheid tussen prestaties van kinderen ten goede komen (Pijpers, 2021).

Hoe haalbaar is deze technologie in de klaspraktijk?

Adaptieve leertechnologie kan erg variëren op het vlak van complexiteit en investering. Je kan als leraar zelf leeractiviteiten ontwerpen die enigszins adaptief van aard zijn. Zowel met bijvoorbeeld Google Forms als Microsoft Forms, kan je oefentoetsen maken waarbij de feedback, ondersteunende bronnen en het vervolg van de leeractiviteit aangepast zijn op basis van de antwoorden van leerlingen. Deze tools zijn voorzien van eenvoudige maar overzichtelijke dashboards die je als leraar inzicht kunnen geven in de voortgang van leerlingen. Daarnaast bestaan er toegankelijke op zichzelf staande toepassingen waarbij de tool automatisch voorziet in de adaptiviteit. Dit is het geval bij Quizlet (in de modus ‘Leren’) waarbij bijvoorbeeld minder goed gekende concepten vaker aangeboden worden, of de webtoepassing Leitnerbox online waarbij het principe van het Leitner-systeem geautomatiseerd wordt.[1]

Daarnaast bestaan er meer gespecialiseerde tools die specifiek ontworpen werden om het leerproces van leerlingen geautomatiseerd en adaptief te ondersteunen. De meeste van deze tools zijn gericht op het ontwikkelen van reken- en wiskundevaardigheden (o.a. Rekentuin, Snappet), taalontwikkeling, lezen en spelling (o.a. Taalzee, Snappet, Zwijsen Taal). Het aanbod is het grootst in het kleuter- en basisonderwijs, op dit ogenblik in mindere mate in het secundair onderwijs (o.a. Eduten Playground) (i-Learn, z.d.; Frederix, 2020).

De veelheid aan tools en de versnippering van data die daarvan het gevolg is, maakt het soms moeilijk een totaaloverzicht van de voortgang van de leerlingen te bewaren. De toenemende mogelijkheden om verschillende tools te integreren in elektronische leerplatformen zoals bijvoorbeeld Google Classroom of de ontwikkeling van het i-Learn MyWay platform is in die context een pluspunt. I-learn biedt daarnaast ook de mogelijkheid om met leersporen het traject van de leerlingen af te stemmen op o.a. hun (meta-)cognitieve vaardigheden.

Ten slotte zijn er learning management systems als Moodle (Cloud) en Canvas. In Canvas kan je onder andere adaptieve meesterschapspaden ontwikkelen, waarbij leerlingen op basis van de behaalde score op een zelftest een specifiek leerpad volgen. Hetzelfde kan gerealiseerd worden in Moodle, door het aanmaken van zogenaamde lesson activities.
Deze platformen beschikken over uitgebreide mogelijkheden op het vlak van learning analytics en de integratie met andere tools is verregaander (o.a. importeren van resultaten uit andere toepassingen). Aan deze platformen hangt echter vaak een groter prijskaartje[2] en de integratie ervan in de school is op meerdere vlakken complexer.

Adaptieve leertechnologie en privacy

Adaptieve leertechnologie verleent zijn effectiviteit dus aan het verzamelen en analyseren van de sporen die leerlingen achterlaten. De vraag “wat met de privacy van de leerlingen?” wordt dan onherroepelijk en terecht gesteld. Scholen gaan (noodgedwongen) vaak aan de slag met zogezegde gratis toepassingen, waarvan niet steeds duidelijk is waar de data van de leerlingen opgeslagen worden – en dus evenmin de geldende wetgeving voor de bescherming van de privacy. Uit een recent grootschalig onderzoek van Human Rights Watch (2022) bleek dat 89% van de 164 onderzochte toepassingen minstens op een onduidelijke wijze omgingen met de gegevens van leerlingen. Vaak betreft het het doorsluizen van data aan ‘derde partijen’. Deze partijen spelen soms een bonafide rol in de verwerking van data in functie van het leerproces, maar in een aantal gevallen komen de gegevens in handen van advertising technology companies.

Samengevat

Adaptieve leertechnologie biedt mogelijkheden om het leerproces van leerlingen af te stemmen op hun voortgang en het leren zo efficiënt en effectief mogelijk te laten verlopen. Daarnaast kan het inzetten van deze technologie een positieve invloed hebben op de motivatie van leerlingen. Doordat het leerproces enerzijds voldoende uitdagend is voor alle leerlingen maar anderzijds ook de nodige ondersteuning geboden wordt, ervaren de leerlingen succes. Dit komt het geloof in eigen kunnen ten goede.

Adaptieve leertechnologie vormt echter geen volwaardige vervanger van de leraar. Het is een waardevolle tool die bijvoorbeeld het geven van inzicht over de voortgang van leerlingen aanzienlijk kan vergemakkelijken. Maar de interpretatie van deze data is het meest waardevol in combinatie met informatie die leraren op andere manieren over de voortgang van leerlingen verwerven. Een te enge interpretatie van de afzonderlijke data kan leiden tot een onvolledig beeld van het eigenlijke leren van de leerlingen en vervolginstructie die niet effectief afgestemd is op de voortgang van (alle) leerlingen (o.a. Guzmán-Valenzuela et al., 2021; Molenaar & Knoop-van Campen, 2017).