Wat is adaptief leren? De theorie achter leren op maat

Adaptief leren is terug in de L&D wereld. Maar wat bedoelen we er eigenlijk mee? En waarom zou je als zorgorganisatie met adaptief leren aan de slag gaan? Tijdens ons webinar over adaptief leren stond het theoretische kader centraal. Van een heldere definitie en vier smaken van adaptiviteit tot de didactische principes die erachter zitten. In deze blog lees je de theorie achter leren op maat, en hoe die terugkomt in CAPP Adaptief Leren.

Wat is adaptief leren?

Adaptief leren is wanneer een systeem het leerproces aanpast op basis van de rol, context, behoeften en voortgang van de gebruiker. Elk van die vier elementen beantwoordt een eigen vraag:

• Rol: wie ben jij? Dat kan een functie zijn, maar ook andere eigenschappen.
• Context: wat speelt er op de werkvloer? Het systeem biedt aan wat op dat moment relevant is.
• Behoeften: wist je het al, of is het niet relevant? Als een gebruiker iets al weet of niet relevant vindt, neemt het systeem dat mee.
• Voortgang: wat vul je in? Beantwoord je een vraag goed of fout? Daar speelt het systeem op in.

Welke smaken van adaptief leren zijn er?

Adaptief leren is niet één ding. Er zijn vier smaken te onderscheiden, en de vierde, adaptief op rol en context, is juist nu extra relevant.

1. Adaptief op niveau

Het systeem past zich aan op moeilijkheid en diepgang. Je begint bijvoorbeeld met een basisvraag. Heb je die goed, dan weet het systeem dat het je een moeilijkere casus kan voorleggen.

2. Adaptief op kennisleemte

Hier draait het om wat iemand nog niet beheerst. Geef je een fout antwoord, dan gaat het systeem daar juist verder op in en krijg je extra oefenvragen over dat onderwerp.

3. Adaptief op tempo

Deze smaak gaat over herhaling: wanneer en hoe vaak is die nodig? Ook vragen die je goed had, komen later terug. Zo kijkt het systeem of de kennis goed beklijft.

4. Adaptief op rol en context

Het systeem speelt in op jouw werksituatie en functie. Dat kan een bepaalde functie zijn, maar ook een situatie op de werkvloer: dit gebeurt er nu, dus deze oefenvragen krijg jij.

Het is overigens niet het een of het ander: deze smaken kunnen ook goed samen voorkomen.

Wie zelf verder zoekt, komt misschien ook adaptiviteit op engagement tegen. Die vorm komt uit de marketing: de juiste prikkel op het juiste moment, zoals een kortingsbon die verschijnt als je een website wilt wegklikken. In een leercontext wordt deze vorm bewust buiten beschouwing gelaten.

Waarom zou je met adaptief leren aan de slag gaan?

Er zijn drie belangrijke redenen.

Preciezer toetsen, minder belasting

Op de werkvloer is de toetsdruk vaak hoog, met zowel praktijk- als theorietoetsen. Eigenlijk wil je alleen toetsen als iemand dat echt nodig heeft. Met adaptief leren laat je weg wat iemand al beheerst. Dat werkt ook goed bij onboarding: van een nieuwe medewerker weet je nog niet precies wat die kan. Met adaptieve vragen breng je snel in kaart wat iemand al weet, een soort nulmeting, en kom je zo op het juiste niveau uit. Het wordt daarmee veel persoonlijker.

Beter beklijven, meer ritme

Een e-learning die je eens in de vijf jaar doet, ben je zo weer kwijt. Door vaker korte lessen te doorlopen en die te koppelen aan bestaande kennis, verankert de stof zich beter in je brein.

De theorie hierachter heet cognitieve verankering: hoe vaker je de stof herhaalt en koppelt aan wat je al weet, hoe beter die beklijft.

Relevanter leren, dichter bij de praktijk

Gebeurt er iets in de praktijk, dan kun je daar snel op inspelen. Je hoeft niet eerst een half jaar te wachten op een nieuwe e-learningmodule, met een aanvraagproces en een ontwikkeltraject. Een kleine wijziging in een protocol of een herinnering aan een gebeurtenis op de werkvloer verwerk je heel snel.

Welke didactische principes zitten erachter?

Achter adaptief leren zitten vijf didactische principes. De eerste twee gaan over de inrichting, de laatste drie over het leren zelf.

Microlearning: in welke eenheden krijgt iemand de stof?

De basis zijn korte, krachtige en aansprekende leereenheden, ook wel chunks genoemd. Denk aan een video van een paar minuten, een bondig tekstje, een aansprekende afbeelding of een valide meerkeuzevraag. Denk ook aan het theorie-examen voor je rijbewijs: veel mensen leren meer van korte oefentoetsen dan van het dikke theorieboek. Alleen bij een lastige vraag duik je nog even terug in de lesstof.

Taxonomie en tagging: hoe is de leerstof gestructureerd?

Losse korte lesjes zijn niet genoeg. Er moet een goede structuur achter de lesstof zitten: thema's, daaronder onderwerpen en concepten. Ook wil je onderscheid kunnen maken tussen theorie, achtergrondinformatie en praktijkvoorbeelden. Met een goede taxonomie kan het systeem betere vragen voorschotelen die passen bij jouw leerproces. Merkt het systeem dat je een onderwerp nog niet beheerst, dan kan het daar dieper op ingaan, terwijl je de rest van het thema misschien al prima kent.

Spaced repetition: wanneer krijgt iemand de lessen?

Spaced repetition is een belangrijke term om te onthouden. Leerstof die je al goed beheerst, komt minder vaak terug. Wat nieuw of moeilijk is, zie je vaker, totdat je het weet. En hoe beter je iets onthoudt, hoe groter het interval tussen de herhalingen wordt.

Een voorbeeld: je leert de betekenis van dertig medische termen. Termen die je drie keer achter elkaar goed had, zie je pas over twee weken terug. Een term waar je steeds mee worstelt, zie je veel vaker.

ELO-rating: wat beheerst iemand en waar is extra oefening nodig?

De motor achter het systeem is de ELO-rating. Die komt oorspronkelijk uit het schaken, waar spelers op basis van hun rating op hun eigen niveau tegen elkaar worden ingedeeld. Je kunt een ELO-rating ook gebruiken voor een gebruiker ten opzichte van een vraag. Elke vraag heeft een moeilijkheidsscore en elke lerende een vaardigheidsscore. Beantwoord je een moeilijke vraag goed, dan stijgt je score meer. Beantwoord je een makkelijke vraag fout, dan daalt je score harder. Op basis van die scores bepaalt het systeem welke leerstof je vaker of minder vaak ziet.

Beoogd effect: cognitieve verankering

Het uiteindelijke doel van al deze principes is dat de lesstof zo goed mogelijk in je brein blijft hangen.

Hoe ziet dat eruit in CAPP Adaptief Leren?

Al deze principes komen samen in onze tool CAPP Adaptief Leren. De tool heeft vijf kenmerken:

• Microlearning-lesjes: theorie én toetsen in één. Theorie en toetsing komen samen in de lessen naar voren. Er zijn verschillende lestypes, zoals meerkeuzevragen, open invulvragen, point & click-vragen met een afbeelding, flashcards en korte theorielesjes tussendoor.
• Een ingestelde moeilijkheidsgraad per les. Per les stel je een moeilijkheidsgraad in van 1 tot 10. Heb je een moeilijke vraag goed, dan stijgt je ELO-rating sneller. Heb je een cruciale vraag fout, dan daalt je score ook sneller.
• AI-powered authoring, inclusief validatie-agents. Je hoeft niet alle lesjes zelf toe te voegen. Op basis van protocollen, e-learningmodules of toetsen maakt het systeem zelf lessen. Dit is nadrukkelijk optioneel: zelf lessen maken kan altijd.
• Multi-inzetbare content. Niet iedere organisatie hoeft het wiel opnieuw uit te vinden. Het is bijvoorbeeld niet nodig dat elke klant zelf een nieuwe vragenpool voor medisch rekenen opbouwt. Klanten kunnen content van elkaar hergebruiken en Defacto heeft zelf ook een grote lessonpool met allerlei thema's en onderwerpen. Zo zet je content duurzaam in.
• Integratie met CAPP LMS. CAPP Adaptief Leren is een aparte tool, maar volledig geïntegreerd in het LMS. Bijvoorbeeld bij het inloggen en de accounts, maar ook op veel andere vlakken.

Hoe houd je de kwaliteit hoog?

Als je AI inzet bij het maken van lessen, is validatie extra belangrijk. Daarom zitten er validatie-agents in de tool, die elk vanuit hun eigen invalshoek naar een les kijken. De ene beoordeelt de didactische kwaliteit, de andere het taalniveau (is dit B1 of B2?) en geeft suggesties. Weer een andere controleert de feitelijke juistheid aan de hand van bronnen die je ook zelf kunt toevoegen. Er zit een verouderingscontrole in en gebruikers of auteurs kunnen makkelijk reviewverzoeken en feedback op vragen geven.

Daarbij blijft de mens altijd betrokken: human in the loop. In het systeem zie je welke lessen al gecontroleerd zijn en welke nog niet. Controles kun je ook in batches uitvoeren, bijvoorbeeld 100 of 200 lessen in één keer op taalniveau. Zo heb je geen uitgebreide menselijke PDCA-cycli meer nodig, maar een grotendeels geautomatiseerde validatiecyclus.

Van theorie naar praktijk

Hoe deze theorie in de praktijk werkt, lees je in drie blogs over heel verschillende toepassingen: medisch rekenen voor je Kwaliteitspaspoort, wekelijkse lessen van de werkvloer met Nurses Know How en uit eigen initiatief oefenen vanuit vertrouwen in vakmanschap.

Benieuwd hoe adaptief leren past bij jouw organisatie? Neem contact met ons op, dan denken we graag met je mee.