In de toolkit van de EEF en Leerpunt is buiten (avontuurlijk) leren een lemma. Maar… er wordt geen gemiddeld effect vermeld. Hoe komt dit?

De evidentie voor buiten avontuurlijk leren in relatie tot leerprestaties is zeer zwak. De weinige bestaande onderzoeken laten weliswaar positieve effecten zien, maar vanwege de beperkte hoeveelheid bewijs vermelden we geen gemiddeld effect.

Handig dus dat er een nieuwe uitgebreide studie is die kijkt naar wat het echte effect is als kinderen enthousiast terugkomen van een projectweek, bosklas of een ander soort outdoorprogramma. Blijft daar iets van over zodra de gewone lessen op maandagmorgen weer beginnen?

Lees verder →

Een van de meest besproken onderwijsinnovaties van de voorbije vijftien jaar is ongetwijfeld de flipped classroom, onder andere door de aandacht die de Khan Academy ervoor genereerde. Studenten verwerken de theorie thuis, vaak via video’s of ander voorbereidend materiaal. Tijdens de les is er dan tijd voor vragen, toepassingen, oefeningen en samenwerking. In feite is het idee dus veel ouder, al sinds een leerkracht vroeg om een tekst op voorhand te lezen. De belofte is wel groot als het gaat om hoger onderwijs: minder passieve hoorcolleges, meer actief leren.

Lees verder →

Voor onderwijs blijft het lerarentekort één van de grootste uitdagingen, niet enkel hier maar in veel landen wereldwijd. Al snel gaat het debat dan bijvoorbeeld over salarissen of werkdruk. En hier in Vlaanderen over bijvoorbeeld al dan niet vaste benoeming of jobzekerheid. En het klopt, dat zijn zeker ook belangrijke onderwerpen. Maar een nieuwe overzichtsstudie van Kenneth Leithwood en collega’s toont dat we misschien op de verkeerde paarden wedden als we willen begrijpen waarom leraren uiteindelijk beslissen om te blijven of te vertrekken.

De auteurs maakten geen klassieke literatuurstudie, maar een systematische review van reviews. Ze brachten dus 17 eerdere overzichtsstudies samen en bekeken vervolgens welke factoren consequent samenhangen met het behoud van leraren. Daarbij ontwikkelden ze een nieuw theoretisch model dat probeert uit te leggen hoe die verschillende factoren precies op elkaar inwerken.

Geen lijstje, maar een verklaringsmodel

Onderzoek naar teacher retention heeft de voorbije twintig jaar een indrukwekkende hoeveelheid factoren opgeleverd, zoals onder andere werkdruk, salaris, leerlinggedrag, mentoring, al dan niet ervaren autonomie, de schoolcultuur, burn-out, zelfeffectiviteit, jobtevredenheid… Het probleem is volgens de auteurs dat veel onderzoek daar dan ook stopt: het levert vooral lijstjes op. Er is veel minder aandacht voor de vraag hoe deze factoren elkaar beïnvloeden. Volgens hen is het vakgebied daardoor rijk aan data, maar arm aan theorie.

De school staat centraal

De belangrijkste conclusie is misschien wel dat de meeste beïnvloedbare factoren zich binnen de schoolorganisatie bevinden.

Hun model ziet er, sterk vereenvoudigd, zo uit:

Schoolleiding
-> beïnvloedt de werkomstandigheden
-> die beïnvloeden zelfeffectiviteit, motivatie en welbevinden
-> die bepalen jobtevredenheid
-> en die voorspelt uiteindelijk of een leraar blijft of vertrekt.

Dat betekent niet dat schoolleiders alles bepalen, maar ze hebben wel invloed op veel factoren die leraren dagelijks ervaren.

Salaris helpt, maar lost weinig op

Dat betekent niet dat loon onbelangrijk is. Integendeel, hogere salarissen hangen wel degelijk samen met een iets groter behoud van leraren. Alleen blijken die effecten vrij klein. Ook financiële bonussen voor moeilijk te bemannen scholen blijken op zichzelf weinig verschil te maken, ook al pleiten ook hier soms mensen voor.

Dat sluit aan bij eerder onderzoek: zodra een redelijk inkomensniveau is bereikt, blijken aspecten zoals professionele autonomie, steun van collega’s, zinvol werk en goed leiderschap vaak belangrijker te worden voor de beslissing om te blijven.

Wat maakt dan wel het verschil?

De factoren die het vaakst terugkomen zijn opvallend herkenbaar:

• steun van de schoolleiding;
• vertrouwen binnen het team;
• samenwerking met collega’s;
• mentoring voor beginnende leraren;
• professionele ontwikkeling;
• autonomie;
• beheersbare werkdruk;
• een positief schoolklimaat.

Dat zijn stuk voor stuk zaken waar scholen, ten minste gedeeltelijk, zelf invloed op hebben.

Toch een kleine kanttekening

Het interessante aan deze studie zit minder in nieuwe empirische resultaten – alle onderzoeken waren al gekend – dan in het nieuwe theoretische kader dat de auteurs voorstellen. Maar daar zit tegelijk ook de grootste beperking.

Het model is overtuigend opgebouwd op basis van bestaand onderzoek, maar blijft voorlopig vooral een verklarend model. Het moet nog empirisch als geheel worden getoetst. Bovendien zijn veel van de onderliggende studies observationeel. Dat betekent dat sterke samenhangen nog geen bewijs zijn voor een causale relatie.

Met andere woorden: het is goed mogelijk dat sterke schoolleiders bijdragen aan beter behoud van leraren. Maar het blijft lastig om precies te bepalen hoeveel van dat effect rechtstreeks door leiderschap wordt veroorzaakt en hoeveel samenhangt met andere kenmerken van succesvolle scholen.

Laten we beginnen met een open deur: generatieve AI verovert de klas razendsnel, willen we het of niet. Uit recente bevragingen blijkt dat een pak leraren AI ondertussen gebruiken, vaak ook om lessen voor te bereiden, oefeningen te maken of toetsen op te stellen. Dat klinkt logisch en een eerdere EEF-studie toont dat het niet noodzakelijk gepaard gaat met kwaliteitsverlies. Maar daarmee weten we nog niet of leerlingen daar uiteindelijk ook beter van worden.

Een nieuwe gerandomiseerde studie van onderzoekers van de University of Pennsylvania zet daar een interessante kanttekening bij. Ze zijn daarbij niet tegen AI, maar vinden wel dat de voordelen voor leraren niet automatisch ook voordelen blijken te zijn voor leerlingen.

Een van de betere designs tot nu toe

Ik klaagde al vaker over de kwaliteit van AI-onderzoeken, maar dit onderzoek lijkt duidelijk beter. De onderzoekers voerden een gerandomiseerd veldexperiment uit in 14 Turkse scholen. Bijna 200 leraren werden willekeurig toegewezen aan een AI-groep of een controlegroep. De AI-groep kreeg toegang tot een GPT-4o-gebaseerd hulpmiddel dat speciaal was ontwikkeld om leraren te ondersteunen bij lesvoorbereiding, differentiatie, evaluatie en feedback.

Daarna bekeken de onderzoekers niet alleen hoe leraren AI gebruikten, maar vooral wat leerlingen ervan merkten.

Wat bleek als men naar de leerkrachten keek? Ongeveer twee derde van alle AI-gesprekken ging over het maken van lesmateriaal:

• lessen voorbereiden;
• oefeningen maken;
• examens opstellen;
• syllabi ontwikkelen.

Veel minder vaak gebruikten leraren AI voor differentiatie, feedback of het nadenken over pedagogische keuzes. De feedback verbaast me een beetje, de andere lijken me minder onlogisch.

Opvallend was ook hoe kort de interacties waren. De mediaan bedroeg slechts 2 prompts per gesprek. De onderzoekers leiden daaruit af dat AI vooral werd gebruikt om snel een afgewerkt product te genereren, eerder dan als sparringpartner tijdens het ontwerpen van lessen. Lees: het gebruik was behoorlijk basic.

De opvallendste uitkomsten

In lijn met het EEF-onderzoek dat ik eerder vermeldde, gingen de examenresultaten gemiddeld niet achteruit (al lagen die sowieso opvallend hoog in beide groepen), maar… de motivatie van leerlingen wel.

Leerlingen van leraren die AI gebruikten vonden hun vak:

• minder interessant;
• minder belangrijk;
• minder leuk.

Let wel, het effect is moeilijk een aardverschuiving te noemen, maar met ongeveer 0,11 standaarddeviatie is de achteruitgang wel groot genoeg om ernstig te nemen.

De verschillen tussen leraren zijn ook opvallend. Bij leraren die vóór de studie al zwakker presteerden, zag men ook een daling van de examenresultaten én van het vertrouwen van leerlingen in hun eigen kunnen. Bij sterkere leraren gebeurde dat daarentegen niet. Verder bleek dat leraren die vóór het experiment al veel AI gebruikten, na afloop juist negatiever werden over AI. Beginnende AI-gebruikers werden optimistischer. Deze studie suggereert dus dat ervaren gebruikers ook de beperkingen beter beginnen te zien. Iets wat ik zelf ook kan volgen.

Dit onderzoek toont zo dat AI niet noodzakelijk een gelijkmaker is, maar eerder het omgekeerde. AI lijkt vooral problematisch te worden wanneer het pedagogisch denken vervangt in plaats van te ondersteunen.

Waarom gebeurt dit?

De auteurs zien twee mogelijke verklaringen. Een eerste is dat AI de persoonlijke stem van de leraar zou kunnen verdringen. Goede lessen bestaan namelijk niet alleen uit een correcte uitleg of goed opgebouwde oefeningen. Ze hebben ook de stijl, humor, voorbeelden en persoonlijkheid van de leraar. Wanneer meerdere leraren dezelfde AI-tools gebruiken, kan die eigenheid deels verloren gaan. En de onderzoekers vermoeden dat leerlingen dit wellicht sneller merken dan je zou denken.

De tweede verklaring vind ik zelf nog relevanter. AI kan er misschien voor zorgen dat sommige leraren minder intensief nadenken over hun lessen omdat AI het denkwerk gedeeltelijk overneemt. Juist dat denkproces waarbij ze stilstaan bij het structureren van de lessen, voorbeelden bedenken en proberen te anticiperen op misvattingen, is een cruciaal onderdeel van professionele ontwikkeling. Wie dat proces te vaak uitbesteedt, oefent zijn didactische expertise minder.

Betekent dit dat AI slecht is?

Nee, en dat zeggen de auteurs Alp Sungu, Benjamin Lira en Angela Duckworth zelf ook nadrukkelijk. Hun onderzoek toont volgens hen niet aan dat AI geen plaats heeft in het onderwijs. We mogen echter niet zomaar aannemen dat tijdswinst voor leraren automatisch leidt tot beter onderwijs voor leerlingen. Dit zijn gewoonweg twee verschillende vragen. AI kan administratieve taken vereenvoudigen, inspiratie geven of helpen bij routinewerk. Maar wanneer AI het pedagogisch denkwerk begint te vervangen, lijken er wel degelijk risico’s te ontstaan.

Maar… er is wel een belangrijke nuance. Zoals altijd kent ook deze studie beperkingen. Het experiment duurde slechts één semester, vond plaats in Turkije en men gebruikte slechts één specifiek AI-systeem. Het is dus goed mogelijk dat andere toepassingen of een langere periode tot andere resultaten kunnen leiden.