Innovatieve didactiek: ontwikkelingen en voorbeelden

Onderzoekers van de Britse Open Universiteit signaleren tien richtingen waarin nieuwe didactiek zich aan het ontwikkelen is. ICT speelt daarbij een belangrijke faciliterende en ‘mogelijk makende’ rol.

Gisterochtend kwam ik via een ‘Scoop’ van Robert Schuwer terecht bij het rapport “Innovating Pedagogy”. Ondanks dat Pierre Gorissen al over deze publicatie heeft geschreven, wil ik er ook stil bij staan. Daar waar Pierre dit rapport in samenhang met eerdere rapporten bespreekt, wil ik uitgebreider stil staan bij de tien richtingen waarin didactiek volgens de auteurs aan het ontwikkelen is (mede als gevolg van of met behulp van nieuwe technologieën).

1. Crossover learning. Leren in informele settings (zoals musea) verbindt onderwijsinhouden met het dagelijks leven van lerenden. Informeel leren en formeel leren worden steeds vaker met elkaar in samenhang gebracht. Bijvoorbeeld doordat docenten lerenden een opdracht geven, die ze ‘buiten de school’ moeten uitvoeren. Hierdoor wordt leren meer authentiek en motiverend.
2. Learning through argumentation. Lerenden leren door te redeneren, door ideeën tegenover elkaar te stellen. De wijze waarop lerenden redeneren is dan te vergelijken met een wetenschappelijk discours. Docenten spelen hierbij een belangrijke modererende rol, bijvoorbeeld door open vragen te stellen of door verklarende modellen te ontwikkelen.
3. Incidental learning. Leren vindt ook niet intentioneel plaats. Volgens de auteurs vindt werkplek leren vaak op deze manier plaats. Mobiele technologie wordt ook vaak gebruikt bij incidenteel leren. Deze manier van leren prikkelt vaak zelfreflectie:
   

   this could be used to encourage learners to reconceive what could otherwise be isolated learning fragments as part of more coherent and longer term learning journeys.

4. Context-based learning. Hiermee doelt men op leren van ervaringen, waarbij we nieuwe informatie in hun context interpreteren en verbinden met onze voorkennis. Leren vindt ook vaak in de context plaats.
5. Computional thinking. Deel grote problemen op in kleine problemen, onderzoek hoe deze problemen gerelateerd zijn aan eerdere problemen (patroonherkenning), laat onbelangrijke details achterwege en onderneem stappen om tot een oplossing en een verfijning van die oplossing te komen. Je ontwikkelt deze bekwaamheid onder meer door te programmeren.
6. Learning by doing science with remote labs. Lerenden gebruiken authentieke wetenschappelijke middelen en praktijken (zoals laboratorium-experimenten) om aldoende te leren. Op het gebied van natuur- en scheikunde wordt hier natuurlijk al langer gebruik van gemaakt. Nu gaat het ook bijvoorbeeld robotica. Bovendien gaat het om experimenten die je op afstand uitvoert. Dat is een onderscheidend kenmerk ten opzichte van de practica die we al vele jaren in het onderwijs kennen.
7. Embodied learning. Volgens de samenstellers gaat het hierbij om leren binnen de echter of gesimuleerde wereld, waarbij zelfbewustzijn belangrijk is om het leerproces te ondersteunen. Brein en lichaam werken dan samen, zodat je tijdens het leren ook fysieke feedback krijgt. Op het gebied van sport wordt op deze manier al gebruik gemaakt van sensoren die data over je functioneren verzamelen en terugkoppelen. Op deze manier zou je bij leren ook meer rekening kunnen houden met de fysieke en psychische gesteldheid van lerenden die kan worden gemonitord (en ja: dit roept heel veel vragen op).
8. Adaptive teaching. We richten ons met het onderwijs vaak op de grootste gemene deler. Daarmee slaan we de plank bij een deel van de lerenden mis. Bij adaptief onderwijs worden data, die lerenden genereren binnen leeromgevingen of leerprogramma’s, gebruikt om op basis van bepaalde condities (als….dan…) meer gepersonaliseerde leerpaden samen te stellen. De data kunnen ook worden gebruikt als input voor begeleiding.
9. Analytics of emotions. Het bijhouden van oogbewegingen en gezichtsherkenning kan worden gebruikt om te analyseren hoe lerenden leren, hoe zij cognitief en niet-cognitief reageren , bijvoorbeeld bij het beantwoorden van vragen. De uitkomsten van deze analyses vormen daarmee in feite ook feedback op het leren.
10. Stealth assessment. Ik heb zelf ooit de term ‘stealth learning’ gebruikt om aan te geven dat leren vaak plaatsvindt zonder dat je daar bewust van bent. Bij ‘stealth assessment’ worden data uit systemen betrokken bij de beoordeling. De beoordeeling is ook ingebed in leerprogramma’s, zoals serious games of simulaties. Daarmee zou je ook moeilijk te beoordelen bekwaamheden zoals doorzettingsvermogen of creativiteit kunnen beoordelen. Volgens de auteurs vergt dit nog veel onderzoek. Welke factoren en data uit verschillende systemen voorspellen leerresultaten? Hoe gaan we hier ethisch mee om?

Een aantal van deze ’nieuwe richtingen’ is op het eerste oog niet zo nieuw. Check echter de uitwerking, en je komt wel degelijk nieuwe illustraties tegen. Bovendien hebben echter trends nu eenmaal een langere aanloop nodig. Dat ze dus al enkele jaren zichtbaar zijn, is niet zo vreemd.

This content is published under the Attribution 3.0 Unported license.