Van der Velde richtte zich op leesvloeiendheid, een vaardigheid die vooral in het basisonderwijs van belang is. Een leerling leest vloeiend wanneer die met voldoende snelheid, nauwkeurig en expressief kan lezen. Dat is geen doel op zichzelf, legde hij tijdens zijn lekenpraatje uit. Naarmate het technisch lezen meer geautomatiseerd raakt, hoeft een kind minder mentale inspanning te besteden aan het herkennen van woorden. De energie die overblijft, kan worden gebruikt om te begrijpen wat er daadwerkelijk in de tekst staat.
Bestaande leestoetsen geven volgens Van der Velde echter niet altijd voldoende informatie om een leerling gericht verder te helpen. “We komen er altijd wel achter op welk niveau bijvoorbeeld Jan leest, vooral in vergelijking met anderen van zijn leeftijd of uit zijn groep”, zei hij. “Maar wat we precies met deze leerling moeten doen om zijn ontwikkeling te optimaliseren, is soms nog moeilijk vast te stellen.”
Meer dan alleen snelheid en fouten
Een tweede beperking is dat bij leestoetsen vooral wordt gekeken naar snelheid en nauwkeurigheid. De manier waarop een leerling een tekst voordraagt, blijft dikwijls buiten beeld. Wanneer expressie wel wordt beoordeeld, is dat arbeidsintensief en volgens Van der Velde bovendien behoorlijk subjectief. Ook de afname zelf vraagt veel aandacht: een leraar moet tegelijkertijd luisteren, fouten bijhouden, de tijd bewaken en de resultaten interpreteren. Uit gesprekken op scholen bleek dat het voor leraren lastig is om tijdens de afname op detailniveau te onthouden welke fouten een leerling maakt. Automatisering kan daarom niet alleen tijd besparen, maar ook informatie vastleggen die anders verloren gaat.
Van der Velde onderzocht daarom of het hardop lezen kon worden opgenomen en automatisch geanalyseerd. “Wat wij wilden weten, is of we de spraak die tijdens zo’n taak wordt geproduceerd niet alleen konden opnemen, maar ook automatisch konden analyseren”, legde hij uit. De opname wordt eerst omgezet in tekst; vervolgens worden daar gegevens uit gehaald die iets zeggen over de leesontwikkeling.
Het doel is niet om leraren met technische gegevens op te zadelen, benadrukte hij. “Het zou mooi zijn als we die informatie op een slimme en handige manier aan leraren kunnen aanbieden, zodat zij meteen een goed beeld krijgen van wat er bij Jan aan de hand is en wat zij met hem kunnen doen, en wat er bij Clara speelt en welke aanpak daar past.” Juist leerlingen die op het eerste gezicht ongeveer even goed lezen, kunnen volgens hem heel verschillende problemen hebben.
Zes leesprofielen voor gerichter onderwijs
Voor het onderzoek werden op negentien scholen leestaken afgenomen bij meer dan 650 leerlingen, goed voor ruim 170 uur aan spraakopnamen. Om de uitkomsten bruikbaar te maken, ontwikkelde Van der Velde leesprofielen die in één oogopslag samenvatten wat een leerling al beheerst en waar extra ondersteuning nodig is.
Een leerling die zowel langzaam als onnauwkeurig leest, heeft vooral meer leeservaring en mogelijk individuele begeleiding nodig. Nauwkeurige maar langzame lezers kunnen worden geholpen het tempo geleidelijk op te voeren, terwijl snelle lezers die door hun tempo fouten maken juist baat hebben bij aandacht voor zorgvuldig lezen. Daarnaast onderscheidt Van der Velde contextlezers, die een verhaal redelijk lezen doordat de betekenis hen helpt, maar moeite hebben met losse woorden.
Ook bestaan er technische lezers die snel en nauwkeurig lezen, maar weinig expressie tonen. Dat kan problematisch worden wanneer foutloos en snel lezen een doel op zichzelf wordt. “De aandacht die idealiter overblijft om echt met de tekst bezig te zijn, wordt dan besteed aan het zo snel mogelijk lezen.” De meest complete lezer is de vloeiende lezer, die snel, nauwkeurig én met passende expressie leest. De profielen moeten voorkomen dat leerlingen met uiteenlopende problemen allemaal dezelfde oefeningen krijgen.
AI kan ondersteunen, maar niet beslissen
Van der Velde onderzocht ook of AI op basis van de meetgegevens automatisch feedback en didactische suggesties kan formuleren. De eerste resultaten zijn bruikbaar, maar nog niet goed genoeg om zonder controle in de klas toe te passen. De gegenereerde feedback is meestal goed leesbaar en vat de prestaties van een leerling vaak duidelijk samen. “Er zitten soms nog fouten in en niet alle didactische suggesties zijn correct”, waarschuwde hij.
Een systeem kan gegevens over tempo, fouten, pauzes en intonatie combineren, maar moet worden gecontroleerd door iemand die de leerling en de bredere onderwijscontext kent. De toepassing is daarom in de eerste plaats een hulpmiddel voor formatief gebruik: geen definitief oordeel, maar een instrument dat laat zien waar ontwikkeling mogelijk is.
Hoe ver willen we AI in het onderwijs laten gaan?
Tijdens de verdediging werd die verhouding tussen mens en techniek nadrukkelijk ter discussie gesteld. Een commissielid vroeg of een voldoende geavanceerd taalmodel op termijn niet rechtstreeks van een spraakopname tot een beoordeling en advies kan komen. Technisch achtte Van der Velde dat niet ondenkbaar, maar hij plaatste meteen een principiële kanttekening.
“De vraag die dan onmiddellijk bij mij opkomt, is: willen we dat? Willen we dit soort zeer relevante, mogelijk loopbaanbepalende beslissingen op die manier laten nemen? En willen we dat in ons onderwijssysteem toepassen?”
Een vervolgvraag ging over de langere termijn: als toekomstige AI-systemen privacyproblemen oplossen en steeds meer gegevens over een kind kunnen verwerken, wat is dan nog de rol van de leraar die niet kan worden geautomatiseerd? Van der Velde erkende dat dit niet alleen een wetenschappelijke kwestie is.
“Ik vrees dat ik daarop alleen een persoonlijk antwoord kan geven, omdat het uiteindelijk neerkomt op ethiek, cultuur en op wat een samenleving wenselijk vindt.” Een model zou met voldoende data ooit op onderdelen beter kunnen presteren dan een individuele leraar, maar of het onderwijs dat moet willen, is een andere vraag. “Om daar nu al een stevig wetenschappelijk standpunt over in te nemen, is het volgens mij te vroeg.”
Objectiever meten, niet de leraar vervangen
Een ander commissielid wees erop dat het systeem zich vooral baseert op waarneembare kenmerken van het lezen, terwijl niet automatisch duidelijk is wat er cognitief of emotioneel achter dat gedrag schuilgaat. Van der Velde antwoordde dat ook de huidige beoordeling grotendeels op waarneembare kenmerken berust.
“Historisch gezien gebeurde dit altijd door leraren die luisterden naar een leerling die zo goed mogelijk probeerde te lezen. Wat wij hebben geprobeerd, is die meting iets objectiever te maken.” Het systeem kan bijvoorbeeld vaststellen hoe luid een leerling spreekt, hoeveel de toonhoogte varieert en hoeveel pauzes er vallen. “Dat biedt naar mijn mening een redelijk objectieve blik op wat op dit moment meetbaar is.”
