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, 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 heeft gevoed: gepersonaliseerd leren dat snelle vooruitgang stimuleert. Toch was het meestal te mooi om waar te zijn. Niet omdat de ambitie verkeerd was, maar omdat de heersende visie achteruit is gegaan.
EEN MISLUKT PERSOONLIJK LEERHULPMIDDEL?
De visie van AI in het onderwijs dat de meeste aandacht heeft getrokken, en de investeringen zijn gericht op gepersonaliseerd leren. Denk aan de AI-tutor van Khan Academy of aan modellen als Alpha School, waar docenten grotendeels worden vervangen door AI-aangedreven platforms. Alpha School is een klein maar snel groeiend 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 leerling krijgt een adaptieve, door AI aangedreven ervaring die is afgestemd op zijn specifieke behoeften en sterke punten. Het algoritme ontmoet het kind. De leraar neemt ontslag. Dat klinkt overtuigend totdat je bedenkt wat het feitelijk oplevert: apparaatgemedieerde instructie. Studenten zitten voor schermen en bladeren in hun eigen tempo door de inhoud, onder toezicht van volwassenen wier taken meer uit coördineren en oppassen bestaan dan uit lesgeven.
We hebben dit experiment al op grote schaal uitgevoerd zonder ervoor te kiezen. 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. Deze ervaring, plus een bredere culturele inventarisatie van 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 eerder een knelpunt dan een hefboom wordt. Die architectuur is achteruit.
Gepersonaliseerd leren zet het algoritme aan het stuur. Maar persoonlijke instructie brengt 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. Johannes Hatties tientallen jaren onderwijsonderzoek laten op consistente en ondubbelzinnige wijze zien dat relaties tussen leraar en leerling, discussies in de klas, gezamenlijke probleemoplossing en leren door leeftijdsgenoten tot de sterkste prestatie-effecten leiden. Dit zijn geen willekeurige kenmerken van de school. De is school.
Welke leraren niet de behoefte is meer systemen, meer wachtwoorden, meer tijd voor dashboards. Wat zij Doen behoeften is wat de meesten nooit hebben gehad: gesynthetiseerde beoordelingsgegevens die verband houden met waar de klas zich nu bevindt en gekoppeld zijn aan wat er daarna in het leerplan komt. Het samenstellen van dat beeld is enorm tijdrovend. Voor de meeste docenten is dat simpelweg niet mogelijk. 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 de vakkundige collega die het voorbereidende werk doet dat goed onderwijs mogelijk maakt.
Bedenk waartoe leraren die toegang hebben tot een bekwame onderwijsassistent, in staat zijn. Ze delegeren het tijdrovende backoffice-instructiewerk, zodat ze hun energie kunnen steken in waar het er het meest toe doet: 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.
NIEMAND HEEFT HET DATAPROBLEEM OPGELOST
Dit is wat gepersonaliseerd leren moeilijk maakt, en wat de meeste tools daarvoor ontoereikend maakt: je hebt data nodig. Geen beoordelingsgegevens aan het eind van het jaar. Geen momentopname van september. Je moet weten waar elke leerling zich op dit moment bevindt, in de dagen en weken voorafgaand aan een specifieke les, gerelateerd aan de specifieke vaardigheden waarvan de les afhankelijk is. Het werkt alleen als de tools begrijpen hoe kennis wordt opgebouwd binnen een leerplanreeks, en niet alleen binnen één enkele les.
Het is een veel moeilijker dataprobleem dan het klinkt. Formatieve beoordeling – het voortdurende bewijsmateriaal dat een leraar tijdens het lesgeven 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 klaar is, omdat ze geen toegang hebben tot het voortdurende beeld van het begrip van de leerlingen. Het kennen van uw kinderen gaat niet alleen over het hebben van de gegevens. Het gaat erom dat je het kunt begrijpen – voor elke leerling, voor elke vaardigheid en voor alle maanden van de geschiedenis. En dat allemaal met de snelheid die goed onderwijs eigenlijk vereist.
Dat is het probleem dat de nieuwste technologie van HMH eindelijk begint op te lossen. In plaats van tussen leerlingen en hun docenten te zitten, werken onze dynamische leermodellen achter de schermen, waarbij gegevens uit toetsen en de leergeschiedenis van elke leerling worden gecombineerd tot een kaart van hoe kennis in de loop van de tijd wordt opgebouwd. 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 de redenering kritisch bekijken, en niet alleen maar een aanbeveling. Een transparante redenering die hij kan bevragen, vertrouwen en ernaar kan handelen. Geen zwarte doos.
Dit is iets wat het veld tot nu toe niet heeft kunnen doen.
DE VERSIE DIE ECHT WERKT
Naarmate de technologie vordert, zullen leraren die toegang hebben tot dit soort intelligentie hun klaslokalen anders benaderen. AI zal precies laten zien waar hun leerlingen zijn, het uitleggen en de leraar een concreet advies geven – voordat de bel gaat. De docent zal nog steeds bellen. Maar ze zal het voor elkaar krijgen met het niveau van situationeel bewustzijn dat vroeger jaren nodig had om zich te ontwikkelen. En toch was het nooit klaar.
Leraren met dit soort intelligentie zijn niet alleen beter geïnformeerd. Ze krijgen de vrijheid om betere leraren te worden.
De visie van kunstmatige intelligentie als een onvermoeibare, persoonlijke mentor voor elke student is een verleidelijk doel, maar het verwart efficiëntie met onderwijs. Het optimaliseert de overdracht van inhoud, maar laat de dingen buiten beschouwing die ervoor zorgen dat het leerproces beklijft, zoals een leraar die merkt wanneer 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 weg te optimaliseren. Dat is het punt.
Jack Lynch is de CEO van HMH.
