Module 1 – instructie: teksten skinner, glaser, von glasersfeld & brown
Skinner (1958) – behaviorisme
Kennisclip:
Belangrijke kenmerken
o Stap voor stap leren v materiaal dmv opdachten
o Lln krijgt automatisch leerstof aangeboden door instrument
o Lln verwerkt leerstof op eigen tempo
o Zonder hulp leerkracht
Werking
o lln kan op het einde alles zelf
o Doel v skinner: antwoorden zelf samenstellen ipv herkennen bij
meerkeuzevragen
o Cruciaal dat antwoorden vd leerling bekrachitgd worden!! -> nodig om juiste
stimulus-respons relaties aan te moedigen (contingencies of reinforcement)
o Lln krijgt onmiddellijk feedback -> krijgt de kans om leerproces aan te passen
-> lln speelt actieve rol + leerproces w efficënter
Kritiek
o Programmering -> 2 versch type programma’s:
Open vragen
Complexer en duurder
Gesloten vragen
Verlies in inbreng
Bij meerkeuzevragen -> herkennen ipv zelf formuleren
o 1 programma in contact met versch leerlingen
Kan leiden tot vorm v massaproductie
Aantal argumenten die aantonen dat dit niet het geval is:
Constante interactie tss lerende en programma
Programma gaat pas verder indien juist antw
Biedt enkel materiaal waar lln klaar voor is
Beloning bij elk juist antw
Belang onmiddelijke feedback aangetoond
Actieve rol v lln
Leerstof stapsgewijs opbouwt
Ander gebruik – rekening houden met:
o Leren v verschillende zaken -> afh v wat men moet leren ander leermethode
en dus ook ander type programma
Problemen bij teaching machines
o Cognitief -> persoonlijke kunnen v kinderen en voorkennis
Oplossing volgens skinner: geven v minder of meer info tijdens
doorlopen v programma
Hiervoor kijken naar reeds aanwezig info/kennis vd lerende ->
hoe minder voorkennis, hoe meer info
Hoe gedaan -> door extra of minder stappen in programma
(denk aan vertakte geprogrammeerde instructie)
o Motivationeel -> motivatie v lerende tijdens doorlopen v programma
Als voor lln te makelijk of te moeilijk -> behouden v motivatie =
probleem
Oplossing: stappen aangepast aan lln = onderwijs op maat (groot
voordeel)
Conclusie:
1
, o Teaching machine goed en handig instrument -> kinderen leren sneller en
beter
o In huidig onderwijs -> moderne invulling via apps bv bingel
o Klassiek onderwijs staat nog steeds centraal!
Door financiële, culturele en tijdsaspect
Samenvatting tekst:
Probleemstelling/inleiding
Wereldwijde vraag naar onderwijs stijgt => meer scholen en leraren opleiden is
geen duurzame oplossing
=> nood aan efficiënter onderwijs
o Criteria herbekijken
o Betere leermiddelen en technieken
=> komst v audiovisueel materiaal
o Leerstof w interessanter aangeboden => zorgt ervoor dat de lln leert
o Voordeel: meer studenten tegelijk lesgeven
o Nadeel: maakt llnen passieve ontvangers v info (als interactie tss leraar en lln
volledig w overgenomen door apparatuur)
1. Pressey’s teaching machine
Interactieve machine met meerkeuzevragen
o Juist antw volgende vraag
o Fout antw opnieuw proberen
Voordelen:
o Geef niet enkel score, maar leert actief
o Onmiddelijke feedback (zelfscoringssysteem)
o Geschikt voor klassen met versch niveaus
Llnen werken op eigen tempo + aangepast niveau
Beperkingen
o Technologie nog niet klaar weinig kennis over effectieve leerprocessen
o Pressey ontdekte als eerste belang v onmiddelijke feedback
2. another kind of machine
Meer inzicht in leren dankzij gedragsonderzoek (contigencies of reinforcement -
> gedrag vormen en onder controle houden door het aanreiken v specifieke
stimulus)
Focus op ACTIEF antwoorden samenstellen niet herkennen zoals
meerkeuzevragen
Instructie opgebouwd uit kleine stapjes shaping
Lln kan pas verder na correcte respons
Vergelijking met leraar
o Continue interactie tss programma en lln
o Alle leerstof moet begrepen zijn voor je door kan <-> handboeken
o De machine/ leerkracht brengt enkel de info waar de student klaar voor is
o Leerkracht/machine helpt leerling te komen tot een goed antw
Het minimaliseert kans op falen
o Positieve bekrachtiging bij elk goed antw
o De programmeur kan in contact komen met oneindig veel llnen
De machine zelf onderwijst niet maar de ontwerper ervan onderwijst
2
, Bepaalde gedragsvormen uitlokken via specifieke stimuli
De machine gebruikt vanishing of fading = steeds minder ondersteuning bieden
o Als de machine het steeds te makkelijk houdt, gaat de lln het lesmateriaal
niet kunnen toepassen in de echte wereld
3. Programming material
Succes v machine = afh v kwaliteit vh lesprogramma dat er in gebruikt w
o Bv spelling
Lln moet ontbrekende letters of woord invullen - >zo leren ze de
woorden kennen -> woorden met elkaar koppelen/ linken zodat de lln
hier zelf de betekenis inzien
o Bv bij rekenen heel andere manier v werken/materiaal
Versch vakken vragen aangepaste aanpak
Vanishing/fading = ondersteuning neemt af naarmate lln vaardiger w
Zie tekst voor heel veel versch manieren waarop teaching machines kunnen w
ingezet
Voordeel -> Feedback aan ontwerpers:
o Foutpatronen tonen aan welke onderdelen moeilijk zijn voor de llnen
o Kan al aanzienelijke verbetering opwekken in onderwijs
o <-> deze feedback niet beschikbaar voor makers v handboek bv
4. can material be too easy?
Traditionele leraren minimaliseren fouten -> maar fouten niet per se demotiverend
o Oplossing: motivatie bevorderen door student te laten denken dat hij het niet
weet
Geen bewijs dat makkelijker leidt tot sneller vergeten
Te gemakkelijke programma’s maken de lln afh vd machine -> doel is
zelfstandigheid
o We willen dat aan einde v programma de lerende volledig onafh is en
zelfstandig de kennis kan gebruiken
Dit doen door: machine te gebruiken om materiaal dat op andere
manier is aangeleerd te bespreken, te verdiepen en te oefenen
nog geen evaluatie gedaan over gebruik v teaching machines in onderwijs -> nog
bezig met praktische problemen bij ontwerp, gebruik en testen van
voorbeeldprogramma’s
verwachte voordelen v teaching machines wel bevestigd tot nu toe
ervaring v lerende
o veel meer leren in kortere tijd
o kost minder moeite
o langer leren -> erna wel moe
o lln wist waar hij aan toe was zonder test of examen
5. some questions
Kunnen de onderzoeksresultaten zonder machines gebruikt w?
Ja, inzichten kunnen handboeken en films verbeteren
Maar machines blijven uniek + onvervangbaar!
o Precieze bekrachtiging -> leren optimaliseren
Vooral bij non-verbale vaardigheden zoals lezen
Bij verbale vaardigheden persoonlijk contact beter
o Automatische registratie
3
Skinner (1958) – behaviorisme
Kennisclip:
Belangrijke kenmerken
o Stap voor stap leren v materiaal dmv opdachten
o Lln krijgt automatisch leerstof aangeboden door instrument
o Lln verwerkt leerstof op eigen tempo
o Zonder hulp leerkracht
Werking
o lln kan op het einde alles zelf
o Doel v skinner: antwoorden zelf samenstellen ipv herkennen bij
meerkeuzevragen
o Cruciaal dat antwoorden vd leerling bekrachitgd worden!! -> nodig om juiste
stimulus-respons relaties aan te moedigen (contingencies of reinforcement)
o Lln krijgt onmiddellijk feedback -> krijgt de kans om leerproces aan te passen
-> lln speelt actieve rol + leerproces w efficënter
Kritiek
o Programmering -> 2 versch type programma’s:
Open vragen
Complexer en duurder
Gesloten vragen
Verlies in inbreng
Bij meerkeuzevragen -> herkennen ipv zelf formuleren
o 1 programma in contact met versch leerlingen
Kan leiden tot vorm v massaproductie
Aantal argumenten die aantonen dat dit niet het geval is:
Constante interactie tss lerende en programma
Programma gaat pas verder indien juist antw
Biedt enkel materiaal waar lln klaar voor is
Beloning bij elk juist antw
Belang onmiddelijke feedback aangetoond
Actieve rol v lln
Leerstof stapsgewijs opbouwt
Ander gebruik – rekening houden met:
o Leren v verschillende zaken -> afh v wat men moet leren ander leermethode
en dus ook ander type programma
Problemen bij teaching machines
o Cognitief -> persoonlijke kunnen v kinderen en voorkennis
Oplossing volgens skinner: geven v minder of meer info tijdens
doorlopen v programma
Hiervoor kijken naar reeds aanwezig info/kennis vd lerende ->
hoe minder voorkennis, hoe meer info
Hoe gedaan -> door extra of minder stappen in programma
(denk aan vertakte geprogrammeerde instructie)
o Motivationeel -> motivatie v lerende tijdens doorlopen v programma
Als voor lln te makelijk of te moeilijk -> behouden v motivatie =
probleem
Oplossing: stappen aangepast aan lln = onderwijs op maat (groot
voordeel)
Conclusie:
1
, o Teaching machine goed en handig instrument -> kinderen leren sneller en
beter
o In huidig onderwijs -> moderne invulling via apps bv bingel
o Klassiek onderwijs staat nog steeds centraal!
Door financiële, culturele en tijdsaspect
Samenvatting tekst:
Probleemstelling/inleiding
Wereldwijde vraag naar onderwijs stijgt => meer scholen en leraren opleiden is
geen duurzame oplossing
=> nood aan efficiënter onderwijs
o Criteria herbekijken
o Betere leermiddelen en technieken
=> komst v audiovisueel materiaal
o Leerstof w interessanter aangeboden => zorgt ervoor dat de lln leert
o Voordeel: meer studenten tegelijk lesgeven
o Nadeel: maakt llnen passieve ontvangers v info (als interactie tss leraar en lln
volledig w overgenomen door apparatuur)
1. Pressey’s teaching machine
Interactieve machine met meerkeuzevragen
o Juist antw volgende vraag
o Fout antw opnieuw proberen
Voordelen:
o Geef niet enkel score, maar leert actief
o Onmiddelijke feedback (zelfscoringssysteem)
o Geschikt voor klassen met versch niveaus
Llnen werken op eigen tempo + aangepast niveau
Beperkingen
o Technologie nog niet klaar weinig kennis over effectieve leerprocessen
o Pressey ontdekte als eerste belang v onmiddelijke feedback
2. another kind of machine
Meer inzicht in leren dankzij gedragsonderzoek (contigencies of reinforcement -
> gedrag vormen en onder controle houden door het aanreiken v specifieke
stimulus)
Focus op ACTIEF antwoorden samenstellen niet herkennen zoals
meerkeuzevragen
Instructie opgebouwd uit kleine stapjes shaping
Lln kan pas verder na correcte respons
Vergelijking met leraar
o Continue interactie tss programma en lln
o Alle leerstof moet begrepen zijn voor je door kan <-> handboeken
o De machine/ leerkracht brengt enkel de info waar de student klaar voor is
o Leerkracht/machine helpt leerling te komen tot een goed antw
Het minimaliseert kans op falen
o Positieve bekrachtiging bij elk goed antw
o De programmeur kan in contact komen met oneindig veel llnen
De machine zelf onderwijst niet maar de ontwerper ervan onderwijst
2
, Bepaalde gedragsvormen uitlokken via specifieke stimuli
De machine gebruikt vanishing of fading = steeds minder ondersteuning bieden
o Als de machine het steeds te makkelijk houdt, gaat de lln het lesmateriaal
niet kunnen toepassen in de echte wereld
3. Programming material
Succes v machine = afh v kwaliteit vh lesprogramma dat er in gebruikt w
o Bv spelling
Lln moet ontbrekende letters of woord invullen - >zo leren ze de
woorden kennen -> woorden met elkaar koppelen/ linken zodat de lln
hier zelf de betekenis inzien
o Bv bij rekenen heel andere manier v werken/materiaal
Versch vakken vragen aangepaste aanpak
Vanishing/fading = ondersteuning neemt af naarmate lln vaardiger w
Zie tekst voor heel veel versch manieren waarop teaching machines kunnen w
ingezet
Voordeel -> Feedback aan ontwerpers:
o Foutpatronen tonen aan welke onderdelen moeilijk zijn voor de llnen
o Kan al aanzienelijke verbetering opwekken in onderwijs
o <-> deze feedback niet beschikbaar voor makers v handboek bv
4. can material be too easy?
Traditionele leraren minimaliseren fouten -> maar fouten niet per se demotiverend
o Oplossing: motivatie bevorderen door student te laten denken dat hij het niet
weet
Geen bewijs dat makkelijker leidt tot sneller vergeten
Te gemakkelijke programma’s maken de lln afh vd machine -> doel is
zelfstandigheid
o We willen dat aan einde v programma de lerende volledig onafh is en
zelfstandig de kennis kan gebruiken
Dit doen door: machine te gebruiken om materiaal dat op andere
manier is aangeleerd te bespreken, te verdiepen en te oefenen
nog geen evaluatie gedaan over gebruik v teaching machines in onderwijs -> nog
bezig met praktische problemen bij ontwerp, gebruik en testen van
voorbeeldprogramma’s
verwachte voordelen v teaching machines wel bevestigd tot nu toe
ervaring v lerende
o veel meer leren in kortere tijd
o kost minder moeite
o langer leren -> erna wel moe
o lln wist waar hij aan toe was zonder test of examen
5. some questions
Kunnen de onderzoeksresultaten zonder machines gebruikt w?
Ja, inzichten kunnen handboeken en films verbeteren
Maar machines blijven uniek + onvervangbaar!
o Precieze bekrachtiging -> leren optimaliseren
Vooral bij non-verbale vaardigheden zoals lezen
Bij verbale vaardigheden persoonlijk contact beter
o Automatische registratie
3
