De cognitieve belastingstheorie (Cognitive Load Theory, CLT) is intussen een vaste waarde in onderwijsonderzoek en -praktijk. Sinds de jaren tachtig (Sweller, 1988) hebben talrijke studies bevestigd dat het werkgeheugen beperkt is en dat instructie effectiever wordt als je die belasting slim beheert. Daarom adviseren we: vermijd overvolle slides, splits complexe taken op, bouw stapsgewijs op.

Maar er komt een nieuw verhaal op, dat een ander beeld schetst van hoe leren werkt: predictive processing dat momenteel online furore maakt door deze post van Adam Wray, verderbouwend op het werk van onder andere Friston. Het basisidee: ons brein is in de eerste plaats een voorspellingsmachine. We bouwen voortdurend verwachtingen op over wat er gaat komen, en leren wanneer die verwachtingen niet overeenstemmen met de werkelijkheid.

Het brein als voorspeller

Volgens dit raamwerk ontstaan leermomenten niet omdat informatie netjes en zonder overload wordt aangeboden, maar omdat onze interne modellen worden bijgesteld na een prediction error.

Een eenvoudig voorbeeld: een leerling die voor het eerst de regel van drie leert, voorspelt een uitkomst op basis van zijn bestaande rekenstrategieën. Wanneer de uitkomst fout blijkt, ontstaat precies daar de kans om het mentale model te herschrijven.

Van fouten leren, maar niet klakkeloos

Dat klinkt aantrekkelijk en sluit mooi aan bij wat we intuïtief vaak zeggen: “je leert van je fouten”, al weten we dat dit niet altijd het geval is. Maar predictive processing legt daar een extra laag op: leren is in essentie het verwerken van die mismatches. Dat zie je in de natuurwetenschappen, wanneer leerlingen voorspellen dat een zwaarder object sneller valt – en in een experiment ontdekken dat dit niet klopt. De kloof tussen verwachting en werkelijkheid is de motor van conceptual change.

Wat kan dit betekenen in de klas?

Een paar toepassingen die nu al bruikbaar lijken:

• Taal: laat leerlingen voorspellen welk woord een zin vervolledigt, voor je het antwoord geeft. De voorspelling activeert hun model van de taal, de correctie verfijnt het.

• Wiskunde: vraag eerst of een uitkomst groter of kleiner zal zijn, voor ze de berekening maken. Hun verwachting maakt de uitkomst betekenisvoller.

• Geschiedenis: toon een bron en laat leerlingen gissen naar de rest van de tekst of de afloop. Wanneer hun voorspelling niet klopt, ontstaat een leermoment.

Een paradigmawissel?

Toch wil ik nog voorzichtig  blijven. CLT heeft tientallen jaren empirische onderbouwing opgebouwd en is breed getest in klaspraktijken. Predictive processing komt ook uit de cognitieve neurowetenschappen en lijkt een bijzonder elegant en veelbelovend raamwerk. Maar of het zich ook gaat vertalen naar concrete, evidence-informed didactische richtlijnen, kan ik niet voorspellen.

Misschien blijft CLT hét werkpaard voor instructie, en fungeert predictive processing meer als een inspirerend meta-raamwerk. Misschien groeit het uit tot een echt alternatief. Voorlopig lijkt de veiligste conclusie dat het onderwijs baat kan hebben bij beide brillen: enerzijds de focus op cognitieve beperkingen, anderzijds de kracht van voorspellingen en mismatches als motor van leren.