Skip to main content

Adaptieve leertechnologie (Deel 1)

25/02/2023
Mitte Schroeven Begeleider professionele ontwikkeling
Wouter Buelens Onderzoeker

In de discussie over het lerarentekort duiken allerhande oplossingen op. Eén daarvan is inzetten op blended learning. Voor sommigen is deze combinatie van deels online en deels fysiek contactonderwijs echter eerder een lap- dan wel een wondermiddel. In ieder geval is het zo dat een weloverwogen implementatie van blended learning gepaard gaat met zowel organisatorische als beleidsbeslissingen en daarnaast pedagogisch-didactische gevolgen heeft. Samen met UGent en VUB, werkten we bij ExCEL aan een OBPWO-onderzoek over blended learning in het secundair onderwijs, waarvan de resultaten uiterlijk begin juli 2022 zijn verschenen. In de ontwerpprincipes die in het rapport aan bod komen wordt onder andere gewezen op het bieden van ondersteuning aan leerlingen en leeractiviteiten die aangepast zijn aan hun voortgang. Om de leraar te ondersteunen in dit proces, kan een rol weggelegd zijn voor zogenaamde adaptieve leertechnologie die voornamelijk in een blended context gebruikt wordt (Molenaar et al., 2019). In deze blog beschrijven we de mogelijkheden en valkuilen van deze technologie, maar ook de praktische inzetbaarheid ervan in de dagdagelijkse onderwijspraktijk.

Deze bijdrage bestaat uit twee delen. In dit eerste deel staan we stil bij het concept adaptieve technologie en wat de wetenschappelijke literatuur zegt over de effectiviteit van het gebruik ervan.

Wat wordt verstaan onder adaptieve technologie?

Adaptieve technologie maakt het mogelijk leerlingen automatisch te voorzien van leerinhoud die aangepast is aan hun voortgang. Het aanbod is op maat, doordat de technologie rekening houdt met de mate van begrip van de leerlingen. De adaptieve toepassingen verzamelen data over het leerproces van de leerlingen, analyseren deze data en passen het vervolg van het leerproces aan op basis van de analyse (learning analytics). Het resultaat kan bestaan uit moeilijkere oefeningen voor leerlingen die de leerstof begrijpen, extra bronnen voor verlengde instructie of gepersonaliseerde feedback.

Toepassingen voor adaptieve technologie zijn meestal voorzien van teacher of learning dashboards. Deze dashboards geven de voortgang van leerlingen overzichtelijk weer en de meer gesofisticeerde dashboards doen op basis van data zelfs suggesties voor het vervolg van het leerproces (Frederix, 2020; Martin et al., 2020; Park & Jo, 2019; Roberts et al., 2017).

Is adaptieve leertechnologie effectief?

Een-op-een lesgeven is wellicht de meest krachtige vorm van instructie – denk maar aan de kracht van bijles – maar in de reguliere klaspraktijk nauwelijks haalbaar. Een combinatie van verschillende instructiestrategieën benadert het effect van een-op-een lesgeven, bijvoorbeeld door in te zetten op beheersingsleren (p. 15)[1] (Kirschner et al., 2018). Adaptieve leertechnologie kan helpen deze vorm van instructie te realiseren. Onder andere door artificiële intelligentie kunnen deze toepassingen automatisch inspelen op de verschillen in voorkennis tussen leerlingen en er zo voor zorgen dat noodzakelijke voorkennis bij alle leerlingen aanwezig is alvorens ze verder gaan met nieuwe leerstof (Wang et al., 2020). Een belangrijke voorwaarde is echter dat leraren de technologie effectief weten in te zetten. Indien dit niet het geval is verdwijnen de positieve effecten als (tegenwoordig zeldzame) sneeuw voor de zon. Basiskennis over bijvoorbeeld hoe dergelijke adaptieve systemen werken blijkt noodzakelijk (Reich, 2020).

Faber en collega’s (2017) lieten tijdens een experiment meer dan 1700 leerlingen basisonderwijs gedurende vijf maanden de adaptieve digitale toepassing Snappet gebruiken voor wiskunde. Vergeleken met de controlegroep waarbij de tool niet ingezet werd, boekten leerlingen een grotere leerwinst en werd een positief effect vastgesteld op hun motivatie. Dit laatste kan volgens de onderzoekers te verklaren zijn door het feit dat er meer adaptieve oefentoetsen gemaakt werden op het niveau van de leerlingen en niet boven hun niveau. Dit laatste kan immers demotiverend werken. Belangrijk, de onderzoekers wijzen er echter op dat vooral de leerlingen die al goed presteerden, de meeste leerwinst boekten.

Zeker in het leerplichtonderwijs blijft de rol van de leraar essentieel in het proces waarbij adaptieve leertechnologie het leren mee aanstuurt. Leerlingen zijn zonder de nodige ondersteuning niet zomaar in staat om deze toepassingen adequaat in te zetten. Ze zijn bijvoorbeeld niet erg onderlegd in het inschatten van hun eigen leren.[2] Het gevolg is dat ze op basis van learning dashboards niet zelfstandig de juiste keuzes kunnen maken in het vervolg van hun leerproces of de gegeven ondersteuning door de technologie alleen volstaat niet om leerwinst te boeken (Christodoulou, 2020).
De vraag is ook of je wil dat technologie deze rol van leraren gaat overnemen: is het inschatten van de voortgang van leerlingen en het aanpassen van de instructie op basis daarvan niet net een kerntaak van leraren?

De rol van adaptieve technologie kan enigszins paradoxaal genoemd worden. Leerpaden die afgestemd zijn op de eigen noden, kunnen door leerlingen enerzijds (min of meer) zelfstandig doorlopen worden. Anderzijds maken adaptieve toepassingen net bepaalde keuzes voor leerlingen, waardoor het de technologie is die het leerproces aanstuurt en niet de leerling (Bok & Pijpers, 2022). Deze paradox zou gecounterd kunnen worden door adaptieve technologie die leerlingen scaffolds (steigers of afbouwende ondersteuning) aanbiedt op het vlak van metacognitieve en zelfregulerende vaardigheden (Matsuda et al., 2020).

In deel 2 van de blogpost gaan we na of alle leerlingen evenveel baat hebben bij het gebruik van adaptieve technologie. Zorgen deze toepassingen er net voor dat alle leerlingen de vooropgestelde leerdoelen behalen of alleen de sterke leerlingen? Hoe haalbaar is de inzet van adaptieve technologie in de klaspraktijk, is de tweede vraag die we trachten te beantwoorden. Ten slotte is het noodzakelijk stil te staan bij de privacy van leerlingen. De werking van adaptieve technologie is immers gebaseerd op de verzameling en verwerking van data van leerlingen.

Bronnen

Bok, C., & Pijpers, R. (15 juni, 2022). Technologie en autonomie in het onderwijs. SURF sounds. https://communities.surf.nl/publieke-waarden/artikel/podcast-technologi…

Christodoulou, D. (2020). Teachers vs Tech: The case for an ed tech revolution. Cambridge? Oxford? University Press.

Frederix, S. (1 December, 2020). Learning analytics: er zit een privéleraar in je computer. Klasse. https://www.klasse.be/250007/learning-analytics-er-zit-een-priveleraar-…

Kirschner, P. A., Claessens, L., & Raaijmakers, S. (2018). Op de schouders van reuzen: Inspirerende inzichten uit de cognitieve psychologie voor leerkrachten. Ten Brink Uitgevers.

Martin, F., Chen, Y., Moore, R. L., & Westine, C. D. (2020). Systematic review of adaptive learning research designs, context, strategies, and technologies from 2009 to 2018. Educational Technology Research and Development, 68(4), 1903–1929. https://doi.org/10.1007/s11423-020-09793-2

Matsuda, N., Weng, W., & Wall, N. (2020). The effect of metacognitive scaffolding for learning by teaching a teachable Agent. International Journal of Artificial Intelligence in Education, 30(1), 1–37. https://doi.org/10.1007/s40593-019-00190-2

Molenaar I., Knoop-van Campen C. (2017) Teacher Dashboards in Practice: Usage and Impact. In: Lavoué É., Drachsler H., Verbert K., Broisin J., Pérez-Sanagustín M. (eds) Data Driven Approaches in Digital Education. EC-TEL 2017. Lecture Notes in Computer Science, vol 10474. Springer, Cham. https://doi.org/10.1007/978-3-319-66610-5_10

Park, Y., & Jo, I.‑H. (2019). Factors that affect the success of learning analytics dashboards. Educational Technology Research and Development, 67(6), 1547–1571. https://doi.org/10.1007/s11423-019-09693-0

Reich, J. (2020). Failure to disrupt: Why technology alone can’t transform education. Harvard University Press.

Roberts, L. D., Howell, J. A., & Seaman, K. (2017). Give me a customizable dashboard: Personalized learning analytics dashboards in higher education. Technology, Knowledge and Learning, 22(3), 317–333. https://doi.org/10.1007/s10758-017-9316-1

Wang, S., Christensen, C., Cui, W., Tong, R., Yarnall, L., Shear, L., & Feng, M. (2020). When adaptive learning is effective learning: Comparison of an adaptive learning system to teacher-led instruction. Interactive Learning Environments, VOL?, 1–11. https://doi.org/10.1080/10494820.2020.1808794

[1] Bij beheersingsleren mogen leerlingen pas een volgend onderdeel aanvatten als er aangetoond is (bijvoorbeeld door een oefentoets) dat ze de voorafgaande leerstof vatten.

[2] Minder goed presterende leerlingen overschatten zichzelf vaak, terwijl sterke leerlingen de neiging hebben zichzelf te onderschatten.