Instructiepsychologie en -technologie: samenvatting teksten

Instructiepsychologie en -technologie: Teksten [P0L73a]
OPO-onderdeel over teksten


Inhoudstafel:
Skinner: Teaching Machines 3 pagina’s
→ Samenvattingen van de tekst

Glaser: Education and Thinking – the role of knowledge 2 pagina’s
→ Samenvattingen van de tekst

Von Glaserfeld: Radical Constructivism and Teaching 3 pagina’s
→ Samenvattingen van de tekst

Brown: Situated Cognition and the Culture of Learning 3 pagina’s
→ Samenvatting van de tekst


Anderson: Objectives, evaluation and the improvement of education 3 pagina’s
→ Samenvatting van de tekst & schema (tabel)

Vermunt & Verloop: Congruence between learning and teaching 7 pagina’s
→ Samenvatting van de tekst & schema

Mayer: Should there be a 3-strike rule against Pure Discovery Learning? 3 pag.
→ Samenvatting van de tekst

Vansteenkiste et al.: Stimuleren van een optimaal leerproces 4 pagina’s
→ Samenvatting van de tekst & schema

Elen: Instructional disobedience 2 pagina’s
→ Samenvatting van de tekst


Nicol: Formative assessment and self-regulated learning 6 pagina’s
→ Samenvatting van de tekst & schema

Elen: Ontkoppelen van onderwijzen en het summatief evalueren in het Vlaams
Hoger Onderwijs 2 pagina’s
→ Samenvatting van de tekst

Greeno: Cognition and learning 2 pagina’s
→ Sc hema (tabel)

,Skinner: Teaching Machines
- Inleiding
o Onderwijs moet e iciënter
 Curricula moeten herzien en simpeler worden
 Klasaanpak en materiaal moet verbeteren
o Wel audiovisuele middelen
 Helpen en ondersteunen lessen
 Bedoeling = interesse van student wekken
 Stimulatie interactie leraar-student → gaat verloren door grote klasgroepen
 Passief: leerlingen krijgen info gewoonweg gepresenteerd
- Presseys teaching machines
o 1920: Presseys eerste machine
 Wel actieve deelname
 Multiple choice → juist = volgende vraag / fout = opnieuw tot juiste antwoord
 Onmiddellijke feedback → e ect op leren
 Aanpassing aan individueel tempo leerling
o 1932: geen grote doorbraak
 Bieden weinig vooruitgang in leerproces → voornamelijk vanbuiten blokken
 Hield geen rekening met recency en frequency e ect
 Enkel nuttig na het leren van bepaalde dingen
- Another kind of machine
o Leren ≠ zeggen wat student moet doen → motiveren in nieuwe situaties te engageren
 Meestal verbaal gedrag verkregen
 Moet gecontroleerd worden voor verbale en non-verbale stimuli
o Aanpak met machines
 Geen multiple choice → kennis oproepen ipv herkennen
→ plausibele foute antw. ondersteunen leerproces niet
 Stappen moeten klein genoeg zijn → moeten altijd kunnen genomen worden
 Stappen moeten in specifieke volgorde genomen worden + zinvol zijn
o Machine zelf leert niet → hoort een leerkracht te doen, zodat machine kan toetsen
o Voordelen teaching machine
 Constante interactie tussen leerprogramma en student → alert en bezig
 Kan pas doorgaan als je iets grondig begrijpt ↔ boeken, lessen…
 Presenteert enkel materiaal waar leerling klaar voor is
 Helpt student zelf op juiste antwoord te komen → verbaal gedrag
 Onmiddellijke feedback → interesse behouden
- Programming material
o Machines gaan analytisch te werk: o.b.v. relevante gedragsprocessen
o Verschillende doelen
vb: spelling aanleren, wiskundige algoritmen aanleren, gedicht opzeggen, kaarten kennen…
o Veel informatie en snelle verwerking
 Niet mogelijk met enkel leerkracht
 Verassend weinig tijd nodig om bij te leren
 Veel hulp in begin → uiteindelijke fading
o Belang van instructie
 Niet zozeer nieuwe woordenschat toebrengen
 Zorgen dat student het begrijpt
o Combinatie verschillende functies
 Trage introductie technische termen → vakjargon opbouwen
 Ongewilde antwoorden worden geëlimineerd
 Koppeling aan alledaagse woorden → begrijpen gaat breder

, o Stappenplan leerprogramma op machine samenstellen
 ‘veld’ bepalen
 Technische termen, feiten, wetten, principes … verzamelen
 Ordenen van deze elementen → lineair indien mogelijk
 Elementen verspreiden over verschillende frames
 Kiezen vraagtechnieken: op juiste manier toetsen + irrelevante info wegfilteren
 Frames verspreiden over sets + eventuele herhalingen invoegen
o Programmeren
 Student is essentieel
 Ook zinvol voor programmeur → vraagt analytische kennis (in vak)
- Can material be too easy?
o Studenten letten niet op tenzij ze voor gevolgen voor hun resultaten vrezen
 Moeten zorgen dat student weet dat hij dingen niet kent → motivatie bouwen
o Probleem met onderwijs steeds moelijker maken
 Geen bewijs dat ‘makkelijke’ leerstof sneller vergeten wordt
 Moeten tevreden blijven met selectie studenten (geen Einsteins verwachten)
 Moeten e ectievere en ‘gemakkelijkere’ methoden vinden
o Voordelen machine
 Onmiddellijke feedback
 Blijvende aandacht
 E ect op gedrag: leren observeren, inspecteren, aandachtig luisteren…
 Onmiddellijk resultaat
o Probleem machines
 Leerlingen moeten ‘ontwennen’ van hulp
 Hoe beter hulp (hier teaching machine), hoe harder dit moet gebeuren
 Student mag niet langer afhankelijk zijn hiervan
o Uiteindelijke voordelen machine
 Student gaat hier sneller voor kiezen (ipv een boek te openen)
 Leren meer in minder tijd en met minder moeite
 Student kent zijn vooruitgang, zonder te hoeven wachten op test of feedback
- Some questions
o Kunnen zelfde resultaten niet verkregen worden zonder machine? – Ja, maar…
 Leiden tot verbeteringen
 Zijn e ectiever
 Nodig om subtiele stimulatie te voorzien
 Promoten individualisatie
 Bemiddelt een essentiële verbale relatie
 Enige manier om goede, onafhankelijke frames te voorzien
 Mechanische & economische problemen → kunnen makkelijk verholpen worden
o Zullen machines leerkrachten vervangen? → nee, integendeel: hulpmiddel
 Besparen tijd en werk voor leerkracht
 Meer productiviteit
o Machine zal wel invloed hebben op bepaalde traditionele praktijken
 Individualisatie
 Cijfer toont eerder hoe ver student al zit in ontwikkeling
 Onderlinge verschillen door een stukje leerstof te missen, zullen verdwijnen
- Other uses
o Kan van thuis uit gebruikt worden
o Toch les, ook al zijn er geen leerkrachten beschikbaar
o Oneindig geduld
- Conclusion
o Niet blijven steunen op ‘strenge maatregelen’ → kan humaner en positiever
o Aversieve praktijken kunnen vervangen worden door betere, krachtigere technieken

, → Skinner introduceerde het idee van "teaching machines" als een manier om het onderwijs te
verbeteren door gebruik te maken van gedragspsychologie.
1. Doelen van Teaching Machines
 Verbeteren van leren: Het onderwijs moet e ectiever en e iciënter zijn
 Aanpassing aan de leerling: Machines kunnen zich aanpassen aan niveau van leerling
 Zelfstandig leren: Leerlingen leren op eigen tempo, zonder constante begeleiding v docent
2. Kenmerken van Teaching Machines
 Individueel leren: Elke leerling krijgt op maat gemaakte oefeningen
 Directe feedback: Leerlingen krijgen onmiddellijk feedback, wat helpt bij het versterken van
gewenst gedrag
 Stap-voor-stap benadering: Het leerproces wordt opgesplitst in kleine, beheersbare stappen, die
de leerling succesvol kan afronden
 Positieve bekrachtiging: Correcte antwoorden worden beloond, wat het leerproces versterkt
3. Werking van de Machines
 Vraag en antwoord: machine presenteert vraag en leerling geeft antwoord
 Feedbackmechanisme: Bij een correct antwoord volgt een beloning, bij een fout antwoord wordt
de leerling gecorrigeerd
 Graduele moeilijkheid: De moeilijkheidsgraad van de vragen neemt geleidelijk toe naarmate de
leerling vordert
4. Psychologische Grondslagen
 Operante conditionering: Skinner baseerde zijn machines op principes van operante
conditionering, waarbij gedrag wordt versterkt door beloningen
 Gedragsverandering: Het leren wordt gezien als een proces van gedragsverandering dat wordt
beïnvloed door externe stimuli (zoals feedback)
5. Voordelen van Teaching Machines
 E iciëntie: Leerlingen kunnen sneller leren → krijgen ze voortdurend feedback
 Consistentie: De machines bieden elke leerling dezelfde ervaring, zonder de variabiliteit die
menselijke docenten kunnen hebben
 Zelfgestuurd leren: Leerlingen kunnen zelfstandig werken zonder constante begeleiding van een
docent
6. Kritiek en Beperkingen
 Beperkte interactie: Machines kunnen geen diepe, complexe interactie of discussie bieden zoals
een menselijke leraar
 Afhankelijkheid van technologie: Het onderwijs is sterk afhankelijk van de technologie die werkt
volgens vaste protocollen
 Beperkt sociaal leren: Er is weinig ruimte voor sociale en emotionele interactie in een machine-
ondersteunde leeromgeving
7. Toekomst van Teaching Machines
 Integratie met andere technologieën: Mogelijke integratie van machines met andere
onderwijstechnologieën zoals computers en internet
 Gebruik in aanvullende educatie: Naast traditionele onderwijsvormen zouden teaching
machines kunnen helpen in specifieke domeinen of bij het leren van nieuwe vaardigheden

Conclusie: Skinner zag teaching machines als een innovatieve manier om het onderwijs e iciënter te
maken door directe feedback en positieve bekrachtiging, maar er zijn ook kritische punten met
betrekking tot de interactie en sociale aspecten van het leren.