Aannames, beloftes en valkuilen van adaptief leren

Massa’s educatieve data en steeds geavanceerdere technologieën maken adaptief leren mogelijk. De verwachtingen zijn hooggespannen. We moeten echter niet te vroeg juichen en ook oog hebben voor de beperkingen.

Petr Johanes en Larry Lagerstrom van de Stanford University hebben voor de American Society for Engeneering Education een paper geschreven waarin zij

• uitleggen wat adaptieve systemen zijn en wat voor soort data deze systemen nodig hebben;
• de belangrijkste toepassingen en mogelijkheden van adaptieve systemen categoriseren;
• de huidige beperkingen en problemen met betrekking tot adaptieve systemen schetsen.

Zij stellen dat alomtegenwoordige computerkracht, grote groepen gebruikers en schaalbare analytische algoritmes het onderwijs op grote schaal in staat stellen leerervaringen van een individuele lerende te veranderen op basis van de input van de lerende zelf. Zij beschrijven summier de geschiedenis van adaptief leren in het onderwijs en de wetenschap erachter.

Johanes en Lagerstrom geven daarbij aan dat bij grote groepen lerenden er vaak sprake is van beperkte interactie tussen lerenden en docenten. Dankzij adaptieve systemen kunnen lerenden meer individuele feedback krijgen, maar dan van de software. Daardoor zou “high-quality tutoring” ook bij grote groepen lerenden gerealiseerd kunnen worden, hetgeen zou leiden tot meer effectief onderwijs.

In hun paper illustreren de auteurs ook hoe het landschap van adaptief leren er uit ziet. Apart opgerichte bedrijven, uitgevers en aanbieders van back-end systemen -zoals leermanagementsystemen- investeren in adaptieve leertechnologie om hun klanten, die in toenemende mate hierom vragen, tevreden te stellen. Daarbij werkt men ook vaak nauw samen met universiteiten. MOOC-aanbieders passen deze technologie ook intensief toe. Veel algoritmes, resultaten en data zijn vaak niet toegankelijk tot dat men er over publiceert. Volgens de auteurs kan deze beslotenheid uiteindelijk schadelijk werken voor de ontwikkeling van adaptief leren.

Johanes en Lagerstrom vatten ook uitkomsten van onderzoeken naar de toepassing van adaptief leren samen:

• Adaptief leren kan ertoe leiden dat lerenden in kortere tijd leren.
• Adaptief leren kan leiden tot betere leerprestaties en meer engagement.
• Adaptief leren kan leiden tot hogere slagingspercentages.

De auteurs vatten de voordelen voor vier typen belanghebbenden als volgt samen:

Tot zover het goede nieuws. Want in het laatste deel van het paper staan Johanes en Lagerstrom stil bij valkuilen, beperkingen en problemen met betrekking tot adaptief leren. Onderzoek naar de resultaten van het Adaptive Learning Market Acceleration Program (ALMAP, gefinancierd door de Bill and Melinda Gates Foundation) laat namelijk wisselende uitkomsten zien:

• Er was vaak geen sprake van betere leerresultaten. Wel als een traditioneel hoorcollege werd vervangen door een adaptief programma.
• Lerenden ronden een cursus niet vaker met succes af. Lerenden uit gezinnen met lage inkomens presteerden overigens net zo goed als andere lerenden.
• De tevredenheid van docenten varieerde. Docenten van remediërende programma’s waren het meest tevreden. Alle docenten roemden de mogelijkheid om via dashboards de voortgang te monitoren, maar zij vonden het vaak lastig om lerenden te motiveren om de programma’s te gebruiken. Lerenden beschouwden adaptieve programma’s vaak als ‘leuke’ online tekstboeken.
• De tevredenheid van lerenden verschilde per type lerende en per cursus. Lerenden die deelnamen aan korte programma’s waardeerden de adaptieve programma’s meer dan lerenden die deelnamen aan meer langdurige programma’s. Lerenden die deelnamen aan remediërende programma’s waardeerden adaptieve programma’s het meest.
• De implementatiekosten -zoals de tijdsinvestering door docenten- waren vooral bij de start hoog.
• De aard van het programma en de wijze waarop de programma’s geïmplementeerd werden waren cruciaal voor het succes. Je moet richting lerenden duidelijk maken waartoe je adaptieve programma’s gebruikt en hoe je verwacht dat de programma’s worden gebruikt.

Tenslotte formuleren de auteurs drie valkuilen van adaptieve programma’s.

1. Adaptieve programma’s kunnen leiden tot stigmatisering en discriminatie. Algoritmes worden gemaakt door mensen, en zijn niet ‘neutraal’. Als lerenden op basis van algoritmes, data en gedrag op een bepaalde manier worden geclassificeerd dan komen zij daar moeilijk van af. Zij krijgen dan ook steeds feedback op basis van dat stigma.
2. Adaptieve programma’s hebben een beperkte visie op kennis, weten en leren. Ze hebben betrekking op declaratieve en procedurele expliciete kennis. Je zult binnen het onderwijs echter ook naar andere vormen van kennis moeten kijken, en aandacht besteden aan andere manieren van leren. Deze valkuil sluit aan bij de kritiek dat je met adaptieve programma’s alleen aandacht schenkt aan de kwalificerende functie van het onderwijs, en niet aan socialisering en persoonsvorming.
3. Eigenaarschap van data, transparantie in het gebruik van data (voor welke doeleinden?), beschikbaarheid (wie heeft toegang tot data?) en beveiliging van data is een belangrijk aandachtspunt. Data kan gebruikt worden voor andere doelen dan waarvoor ze verzameld worden. Ze kunnen in handen komen van belanghebbenden die er geen recht op hebben.

Een valkuil, die je ook vaak leest, is dat sterk geïndividualiseerd onderwijs vooral zwakke lerenden op achterstand zet omdat het hen onvoldoende uitdaagt. Goede adaptieve programma’s zijn echter in staat om individuele lerenden juist meer uit te dagen en individuele feedback te geven. Voor docenten, die onderwijs moeten verzorgen voor een grote groep lerenden, is dat zonder technologie een schier onmogelijke opdracht.

Een belangrijke conclusie van Johanes en Lagerstrom over adaptieve programma’s is dan ook:

They are neither a panacea, nor a plague, but they can be powerful. We currently have a window of opportunity to make them powerful for pedagogical purposes first.

Daar kan ik me wel in vinden. Kijk naar de context waarbinnen adaptieve programma’s toegevoegde waarde kunnen hebben (remedial teaching), denk niet dat je uitsluitend adaptieve programma’s kunt gebruiken, let op de kwaliteit van ontwerp en inhoud, zorg voor een gedegen implementatie, wees transparant in het gebruik ervan en gebruik data alleen voor de doelen die je naar gebruikers hebt gecommuniceerd.

This content is published under the Attribution 3.0 Unported license.