Op het eerste gezicht klinkt het te mooi om waar te zijn: een leerervaring die precies is afgestemd op de behoeften, sterke punten en worstelingen van een kind, en die versnelt of vertraagt naarmate het moment daarom vraagt, met oneindig geduld.
Dat is al tien jaar of langer de belofte die de onderwijstechnologie-industrie voedt: onderwijs op maat dat snelle vooruitgang stimuleert. Maar voor het grootste deel was het te mooi om waar te zijn. Niet omdat de ambitie verkeerd was, maar omdat de heersende visie achteruit is gegaan.
EEN MISLUKT GEPERSONALISEERDE LEERAANPAK?
De visie van AI in het onderwijs dat de meeste aandacht heeft getrokken en de investeringen richten zich op gepersonaliseerd leren. Denk aan de AI-tutor van Khan Academy, of modellen als Alpha School, waar docenten grotendeels worden vervangen door AI-gestuurde platforms. Alpha School is een klein maar snelgroeiend netwerk van privéscholen waar studenten les krijgen via AI-instructie, waarbij volwassenen in de klas meer als coaches en verzorgers fungeren dan als leraren.
Het idee is intuïtief: elke student krijgt een adaptieve, AI-gestuurde ervaring die is afgestemd op hun specifieke behoeften en sterke punten. Het algoritme ontmoet het kind. De leraar doet een stap achteruit. Het klinkt overtuigend, totdat je nadenkt over wat het feitelijk oplevert: apparaatgemedieerde instructie. Studenten zitten voor schermen en bladeren in hun eigen tempo door de inhoud, onder toezicht van volwassenen wier taak meer coördinatie en kinderopvang is dan lesgeven.
We hebben dit experiment al op grote schaal uitgevoerd, zonder dat we dat wilden. Het werd de COVID-pandemie genoemd. Jaren later zijn we nog steeds aan het herstellen van wat het heeft gedaan voor de prestaties van leerlingen, de sociale ontwikkeling en de relatie tussen kinderen en school. Die ervaring, plus een bredere culturele kijk op schermen en de ontwikkeling van kinderen, heeft ons echt bewijs opgeleverd over wanneer apparaten kinderen dienen en wanneer niet. Het antwoord is genuanceerder dan de techno-optimisten of de sceptici zouden suggereren. Maar één ding is duidelijk: een scherm is geen vervanging voor een leraar.
Het probleem met gepersonaliseerd leren is dat de leraar hierdoor een knelpunt wordt, in plaats van een hefboompunt. Die architectuur is achteruit.
Gepersonaliseerd leren zet het algoritme aan het stuur. Maar gepersonaliseerd onderwijs plaatst de leraar daar, met dramatisch betere gegevens, betere hulpmiddelen en meer tijd om te doen wat alleen een leraar kan doen.
DE VERKEERDE SOORT HULP
De reden waarom kinderen naar school komen is fundamenteel sociaal. John Hattie’s tientallen jaren onderwijsonderzoek laat op consistente en ondubbelzinnige wijze zien dat relaties tussen leraar en leerling, discussies in de klas, het gezamenlijk oplossen van problemen en leren door leeftijdsgenoten tot de sterkste prestatie-effecten leiden. Dit zijn geen bijkomstigheden van school. Zij Zijn school.
Welke leraren niet Er is behoefte aan meer systemen, meer wachtwoorden en meer tijd voor dashboards. Wat zij Doen behoefte is wat de meesten nooit hebben gehad: gesynthetiseerde beoordelingsgegevens die verband houden met waar de klas zich nu bevindt, en gekoppeld aan wat er daarna in het leerplan komt. Het samenstellen van dat beeld is enorm tijdrovend. Voor de meeste leraren is het simpelweg niet haalbaar. Niet op het niveau van precisie dat studenten verdienen.
Dit is waar AI de vergelijking kan veranderen. Niet door de leraar vooraan in de klas te vervangen, maar als capabele collega het voorbereidende werk te doen dat goed onderwijs mogelijk maakt.
Bedenk wat leraren die toegang hebben tot een ervaren onderwijsassistent kunnen doen. Ze delegeren het tijdrovende instructiewerk in de backoffice, zodat ze hun energie kunnen steken in de dingen die er het meest toe doen: het menselijke werk van lesgeven.
De meeste leraren hebben die luxe niet dagelijks. AI kan daar verandering in brengen, als het rond het juiste probleem is opgebouwd.
HET DATAPROBLEEM DAT NIEMAND HEEFT OPGELOST
Dit is wat gepersonaliseerd lesgeven lastig maakt, en wat de meeste tools daarvoor ontoereikend maakt: je hebt data nodig. Geen eindejaarsbeoordelingsgegevens. Geen momentopname van september. Je moet weten waar elke leerling zich op dit moment bevindt, in de dagen en weken vóór een specifieke les, gekoppeld aan de specifieke vaardigheden waarvan die les afhankelijk is. Dat werkt alleen als de tools begrijpen hoe kennis zich opbouwt in een leerplanreeks, en niet alleen binnen één enkele les.
Dat is een veel moeilijker dataprobleem dan het klinkt. Formatieve beoordeling – het voortdurende bewijsmateriaal dat een leraar tijdens de instructie verzamelt – is de hartslag van goed lesgeven. Maar op de meeste scholen leeft dat bewijsmateriaal in losgekoppelde systemen, als het al wordt vastgelegd. Tools die een lesplan kunnen genereren, kunnen een leerkracht niet vertellen of haar klas er klaar voor is, omdat ze geen toegang hebben tot dat voortdurende beeld van het begrip van de leerling. Het kennen van uw kinderen gaat niet alleen over het hebben van de gegevens. Het gaat erom dat je er wijs uit kunt worden – voor elke leerling, voor elke vaardigheid en voor elke maand geschiedenis. En dat allemaal met de snelheid die goed onderwijs eigenlijk vereist.
Dit is het probleem dat de nieuwste technologie van HMH eindelijk begint op te lossen. In plaats van tussen leerlingen en hun docenten in te zitten, werken onze dynamische leermodellen achter de schermen door gegevens uit toetsen en de leergeschiedenis van elke leerling te verbinden met een kaart van hoe kennis zich in de loop van de tijd opbouwt. Voorafgaand aan een les over het optellen van breuken kan een leraar die ons platform gebruikt, zien of zijn klas blijk heeft gegeven van beheersing van gelijkwaardige breuken – en kritisch gezien ziet hij de redenering, en niet alleen maar een aanbeveling. Een transparante redenering die hij kan ondervragen, vertrouwen en ernaar kan handelen. Geen zwarte doos.
Dat is iets wat het veld tot nu toe niet heeft kunnen doen.
DE VERSIE DIE ECHT WERKT
Naarmate de technologie vordert, zullen leraren met toegang tot dit soort intelligentie op een andere manier hun klaslokaal binnenlopen. AI zal precies verschijnen waar hun leerlingen zijn, het uitleggen en de leraar een concrete aanbeveling geven – voordat de bel gaat. De docent zal nog steeds bellen. Maar ze zal het redden met het niveau van situationeel bewustzijn dat vroeger jaren nodig had om zich te ontwikkelen. En toch was het nog steeds nooit voltooid.
Leraren met dit soort intelligentie zijn niet alleen beter geïnformeerd. Ze krijgen de vrijheid om betere leraren te worden.
De visie van AI als een onvermoeibare, gepersonaliseerde docent voor elke student is een verleidelijk doel, maar het verwart efficiëntie met onderwijs. Het optimaliseert de overdracht van inhoud, terwijl de dingen die het leren daadwerkelijk beklijven buiten beschouwing worden gelaten, zoals een leraar die merkt wanneer er iets niet klopt, die halverwege de les aanpassingen doet, die ervoor zorgt dat een leerling zich echt gezien voelt. Die dingen gebeuren niet op een scherm. Ze gebeuren in een klaslokaal, tussen mensen. Omdat het klaslokaal niet de inefficiëntie is die we proberen te optimaliseren. Het is het punt.
Jack Lynch is de CEO van HMH.
