Dankzij zoekmachines hoeven we geen feiten meer te onthouden. Dit is één van de beloftes die leertechnologie niet heeft waargemaakt.
Cognitief psycholoog Daniel Willingham beschrijft drie verwachtingen op het gebied van onderwijs van het gebruik van internet voor geheugen en cognitie. Hij stelt dat geen van deze verwachtingen (vooralsnog) zijn waargemaakt.
1. Er is binnen het onderwijs minder nadruk komen te liggen op het onthouden, en meer op kritisch denken. Domeinkennis is echter essentieel voor kritisch denken, blijkt uit onderzoek. Tegelijkertijd blijkt dat docenten het niet met elkaar eens zijn wat lerenden allemaal moeten weten.
Volgens Willingham heeft dit ook te maken met tegen gestelde visies op leren (cognitivisme vs constructivisme). De opkomst van internet heeft de gedachte bevorderd dat mensen informatie kunnen opzoeken, en dat zij feiten niet meer hoeven te onthouden. Memoriseren is belastend voor studenten en zou zelfs motivatie ondermijnen.
Waarom zou je lerenden vragen om dingen te onthouden als ze deze niet nodig hebben? Omdat je eigenlijk niet altijd kunt vinden wat je hoopt. Het gebruik van een zoekmachine leidt tot een overdaad aan informatie. Het verbeteren van vaardigheden om te zoeken helpt maar ten dele. Dat komt omdat zoekmachines niet weten binnen welke context je zoekt. Als je in je geheugen graaft, dan doe je dat altijd binnen een bepaalde context. Willingham stelt:
people who think you can look everything up don’t realize how much background knowledge they bring to a task like reading.
Bovendien kost het online opzoeken van informatie meer tijd dan het opzoeken van informatie uit je geheugen. De auteur concludeert:
there is no doubt that the Internet is a powerful research tool, but it’s not clear that it’s so powerful that educators should substantially change their expectations as to what students ought to have in semantic memory (i.e., facts they ought to learn).
2. The Flipped Classroom. Hierbij bestuderen lerenden instructies thuis, en gaan zij op school aan de slag met verwerking. Docenten geven nauwelijks instructies, maar vooral begeleiding en feedback.
Volgens Willingham is dit concept lastig te evalueren omdat onderzoeken vaak betrekking hebben op cases, en het succes afhankelijk is van de implementatie (kwaliteit video’s, kwaliteit van de docent, etc). Ongeveer 15% van de studies meldt meer engagement bij lerenden, 8% geeft aan dat lerenden beter voorbereid naar de klas komen. Ongeveer de helft van de onderzoeken meldt betere studieresultaten, al zou dit volgens Willingham ook kunnen liggen aan mogelijke “publication bias”.
De auteur meent dat de potentie van video’s overschat wordt. Een docent van vlees en bloed zou boeiender zijn, en de omgeving van een klaslokaal minder afleidend. Een docent kan ook sneller reageren op gedrag van lerenden. Daar komt bij dat activiteiten binnen een flipped class onvoorspelbaarder zijn dan tijdens een gewone les. Je weet als docent vooraf niet welke richting een bepaalde discussie op kan gaan. Willingham suggereert dat het concept van de flipped classroom een groot beroep doet op de expertise van een docent.
3. Gepersonaliseerd leren moet een oplossing bieden voor het feit dat lerenden met diverse ervaringen en verschillende voorkennis naar school komen. Een jaar of negentig geleden werd er daarom al voor gepleit om gebruik te maken van doceermachines. Deze machines zijn nooit breed geadopteerd binnen het onderwijs. Mensen twijfelden of zij wel les wilden krijgen van een machine.
In de jaren tachtig kwam vervolgens computer-based learning op. Ook dat leidde niet tot een revolutie op het gebied van instructie. Het was namelijk moeilijk om kwalitatief hoogstaande uitleg automatisch te geven en om vragen te maken die leiden tot betrouwbare en valide evaluaties.
Je zult ook over heel veel content moeten beschikken om echt gedifferentieerde instructie te geven op basis van verschillende prestaties en interesses. De effectiviteit van programma’s die gepersonaliseerd leren mogelijk moeten maken, verschilt ook heel sterk.
Willingham geeft aan dat de bescheiden gemiddelde effectgrootte zorgwekkend is als je rekening houdt met publication bias en als je kijkt naar de wijze waarop onderzoek wordt uitgevoerd. Ontwikkelingen rond AI kunnen een impuls geven aan gepersonaliseerd leren. Maar dan nog is het probleem van een kennisbank van beperkte omvang niet opgelost.
Daniel Willingham concludeert daarom dat deze drie ontwikkelingen de hooggespannen verwachtingen nog niet hebben waargemaakt:
student learning is a complex system, and predicting the consequences of change to one part of that system is at best uncertain.
Hij wijst ook op het feit mensen niet altijd technologie gebruiken op een manier die ontwikkelaars verwachten (mensen zoeken sneller in hun geheugen, en zij geven de voorkeur aan docenten van vlees en bloed in plaats van video’s). Hij pleit er dan ook voor om claims over de gevolgen van nieuwe technologieën voor leren, die niet gebaseerd zijn op onderzoek, met de nodige scepsis tegemoet te treden.
Willingham wijst terecht op de vaak overspannen en nauwelijks onderbouwde claims op het gebied van de impact van nieuwe technologie en leren. Ik vind wel dat hij ten onrechte suggereert dat traditioneel klassikaal onderwijs voorspelbaar is en van constante kwaliteit. De kwaliteit van het gewone onderwijs is ook afhankelijk van de ‘implementatie’ (kwaliteit docent, de vorm van de dag van de docent, interactie tussen lerenden en docent, kwaliteit leermiddelen, wijze van toetsen, etc). Er kan best e.e.a. worden verbeterd aan de kwaliteit van ons onderwijs.
Daar komt bij dat we bij het toepassen van internettechnologie en leren, niet alleen oog moeten hebben voor de gevolgen voor leerresultaten. Je past bijvoorbeeld ook online en blended learning toe om lerenden toegang te geven tot kennis, die normaliter niet deel kunnen nemen aan onderwijs. Een bescheiden effectgrootte hoeft niet erg te zijn, als sprake is van andere toegevoegde waarde.
This content is published under the Attribution 3.0 Unported license.
Geef een reactie