Aanleiding voor het onderzoek is de opkomst van digitale oefenplatformen die onderwijs beter kunnen afstemmen op individuele leerlingen. Zulke platforms verzamelen veel informatie over hoe leerlingen werken, maar docenten hebben daar alleen iets aan als zij snel kunnen zien wie hulp nodig heeft of juist extra uitdaging aankan. Tegelijk ontstaat een probleem als een systeem alleen een oordeel geeft, zonder dat duidelijk is waarop dat oordeel is gebaseerd. Dan weten docenten niet goed of zij het systeem kunnen vertrouwen.
De onderzoekers bouwden daarom een dashboard bovenop een bestaand digitaal oefenplatform voor wiskunde. Zij deden dat niet alleen achter de tekentafel. Eerst spraken zij tien docenten over hun wensen. Daarna volgden ontwerpsessies en denkhardoponderzoeken met docenten en experts op het gebied van digitale gebruikersinterfaces. Op basis daarvan werd het dashboard stap voor stap aangepast.
Zo werd zichtbaar hoe snel een leerling werkte
In de uiteindelijke versie konden docenten per leerling een tijdlijn zien. Daarop stonden goede antwoorden in groen en foute antwoorden in rood. Zo werd zichtbaar hoe snel een leerling werkte, hoeveel pogingen nodig waren en waar het misging. Het systeem keek daarbij naar twee zaken: de snelheid waarmee een leerling werkte in vergelijking met de rest van de klas, en het aantal pogingen dat nodig was om opgaven goed te maken. Leerlingen die op beide punten duidelijk boven het klasgemiddelde zaten, werden als sterk weergegeven. Leerlingen die op beide punten duidelijk onder het gemiddelde zaten, werden als zwak weergegeven.
Bij zulke leerlingen liet het dashboard ook mogelijke acties zien. Een docent kon bijvoorbeeld extra hulp aanbieden, een leerling koppelen aan een klasgenoot of een sterkere leerling moeilijkere opgaven geven. Het dashboard was dus niet alleen bedoeld om informatie te tonen, maar ook om docenten te helpen sneller te beslissen wat zij in de les konden doen.
Om te onderzoeken hoeveel die uitleg uitmaakt, lieten de onderzoekers elf wiskundedocenten het dashboard gebruiken in hun eigen klas. Geen van deze docenten had meegewerkt aan het ontwerp. Alle docenten werkten met twee versies. De ene versie liet alleen namen van leerlingen zien. De andere versie liet ook de tijdlijnen en grafieken zien, zodat docenten konden nagaan waarom een leerling door het systeem werd aangewezen. De helft van de docenten begon met de uitgebreide versie, de andere helft met de eenvoudige versie. Daarna werden de docenten geïnterviewd.
Keken zij vooral naar goede en foute pogingen
Uit het gebruik van het dashboard bleek dat docenten vooral klikten op leerlingen die door het systeem werden aangewezen. Wanneer zij de tijdlijnen en grafieken konden bekijken, keken zij vooral naar goede en foute pogingen en naar leerlingen die erg snel of juist erg langzaam werkten. De onderzoekers zagen geen duidelijke verschillen die alleen te maken hadden met de volgorde waarin docenten de twee versies gebruikten.
Wel maakte de zichtbare uitleg verschil. Wanneer docenten konden zien waarop het systeem zijn melding baseerde, gingen zij vaker mee in het oordeel van het systeem. Bij de uitgebreide versie stemden docenten in 52 procent van de gevallen in met een melding. Bij de eenvoudige versie, waarin alleen namen stonden, was dat 16 procent. De onderzoekers waarschuwen wel dat deze cijfers voorzichtig moeten worden gelezen, omdat het om een kleine groep docenten ging.
Het vertrouwen in het systeem bleek niet voor iedere docent op dezelfde manier te ontstaan. Sommige docenten vertrouwden het systeem aanvankelijk al omdat zij het zagen als objectief en gebaseerd op gegevens. Andere docenten waren terughoudender en wilden eerst zien of het systeem klopte met wat zij zelf in de klas zagen.
Docenten vertrouwden het dashboard vooral wanneer de meldingen overeenkwamen met hun eigen beeld
Juist dat bleek belangrijk. Docenten vertrouwden het dashboard vooral wanneer de meldingen overeenkwamen met hun eigen beeld van leerlingen. Als het systeem een leerling aanwees die de docent ook als sterk of zwak kende, nam het vertrouwen toe. Als het systeem iets liet zien dat botste met de eigen waarneming van de docent, nam dat vertrouwen juist af.
De tijdlijnen konden daarbij helpen om twijfel weg te nemen. Een docent zag bijvoorbeeld dat een leerling die hij als zwak kende toch hoog scoorde. Dat leek eerst vreemd, maar uit de tijdlijn bleek dat de leerling de opgaven zorgvuldig maakte en snel tot goede antwoorden kwam. Een andere docent zag dat een wiskundig sterke leerling laag uitkwam, omdat die leerling veel tijd nodig had voordat hij antwoord gaf. Dat wist de docent al uit de klas, maar het systeem telde die traagheid mee. Omdat de docent kon zien hoe het systeem tot zijn oordeel kwam, bleef het vertrouwen in het dashboard bestaan.
Pas wanneer een patroon langer zichtbaar is
Niet alle meldingen waren even overtuigend. Als een leerling korte tijd later weer anders werd beoordeeld, kon dat verwarring oproepen. Een leerling die eerst als sterk en daarna als zwak werd gezien, maakte het systeem voor docenten minder betrouwbaar. De onderzoekers stellen daarom voor om leerlingen niet meteen aan te wijzen op basis van één korte verandering, maar pas wanneer een patroon langer zichtbaar is.
De tekstuele uitleg over de werking van het systeem hielp minder goed dan de grafische uitleg in het dashboard zelf. Sommige docenten hadden de uitleg nauwelijks gelezen of konden achteraf niet goed vertellen hoe het systeem werkte. Anderen leidden de werking vooral af uit wat zij op het scherm zagen. De onderzoekers concluderen daaruit dat visuele uitleg tijdens het gebruik belangrijker kan zijn dan een losse tekst vooraf.
Docenten zagen duidelijke mogelijkheden om het dashboard in de les te gebruiken. Zij dachten vooral aan extra hulp voor leerlingen die vastlopen en aan moeilijkere opgaven voor leerlingen die snel klaar zijn. Ook kan het dashboard helpen om sneller te zien bij welke opgaven veel leerlingen problemen hebben.
Een dashboard kan dus helpen om signalen zichtbaar te maken
Tegelijkertijd wezen docenten op een praktisch probleem. Wie naar een scherm kijkt, loopt niet tegelijk door de klas. Verschillende docenten vonden het lastig om het dashboard in de gaten te houden en tegelijk leerlingen persoonlijk te begeleiden. Een dashboard kan dus helpen om signalen zichtbaar te maken, maar het vraagt ook om een goede plek in de lespraktijk.
Meerdere docenten benadrukten dat persoonlijk contact met leerlingen niet vervangen kan worden. Een leraar ziet meer dan een digitaal systeem: gezichtsuitdrukkingen, twijfel, concentratie, werkwijze en de omstandigheden waarin een leerling werkt. Soms duurt een antwoord langer omdat een leerling kladpapier pakt of zorgvuldig nadenkt. Zulke informatie is niet altijd zichtbaar in de cijfers van een platform.
Het dashboard werkt vooral goed wanneer het de waarneming van de docent aanvult
Volgens de onderzoekers ligt de waarde van het dashboard daarom niet in het vervangen van het oordeel van de docent. Het systeem kan helpen om sneller te zien waar iets opvalt, maar de docent blijft nodig om te beoordelen wat dat betekent. Het dashboard werkt vooral goed wanneer het de waarneming van de docent aanvult en controleerbaar maakt.
De onderzoekers doen daarom enkele aanbevelingen voor de verdere ontwikkeling van zulke systemen. Docenten zouden meer invloed moeten krijgen op de instellingen van het dashboard. Zij moeten bijvoorbeeld kunnen bepalen hoe zwaar snelheid meetelt, omdat traag werken niet altijd betekent dat een leerling zwak is. Ook zouden docenten zelf moeten kunnen kiezen welke onderdelen zij op het scherm willen zien.
Tablets of andere mobiele apparaten
Daarnaast adviseren de onderzoekers om het dashboard geschikt te maken voor tablets of andere mobiele apparaten. Dan kunnen docenten de informatie gebruiken terwijl zij door de klas lopen. Ook raden zij aan om leerlingen pas te signaleren als het systeem gedurende langere tijd hetzelfde patroon ziet. Dat kan voorkomen dat docenten worden afgeleid door toevallige schommelingen.
De studie kent beperkingen. Er deden elf docenten mee en zij gebruikten het dashboard maar korte tijd. Daardoor zijn de uitkomsten niet zomaar te veralgemeniseren. Ook was het systeem relatief eenvoudig: het keek vooral naar snelheid en pogingen. Vervolgonderzoek moet laten zien hoe zulke dashboards werken over een langere periode, met grotere groepen docenten en met meer informatie over het leerproces van leerlingen.
Wat betekent dit in de praktijk?
Voor docenten laat dit onderzoek zien dat een AI-dashboard pas bruikbaar wordt als zichtbaar is waarom een leerling opvalt. Een lijst met namen is daarvoor te mager. Tijdlijnen met goede en foute pogingen helpen docenten om meldingen van het systeem te controleren aan de hand van hun eigen kennis van de klas.
Voor scholen is van belang dat vertrouwen in zulke technologie niet vanzelf ontstaat. Docenten hebben tijd nodig om het dashboard te leren kennen, om meldingen te vergelijken met wat zij zelf zien en om te bepalen wanneer een signaal om actie vraagt.
Voor ontwikkelaars van onderwijstechnologie maken de resultaten duidelijk dat uitleg tijdens het gebruik belangrijk is. Docenten moeten kunnen zien waarop een melding is gebaseerd, instellingen kunnen aanpassen en het dashboard kunnen gebruiken terwijl zij door de klas lopen.
Bron: Ooge, J., Faik, A. & Verbert, K. (2026). Detect, Explain, Act: How Teachers Trust and Use an Explainable Real-Time Monitoring Dashboard to Detect Student Outliers in Class, LAK 2026: 16th International Learning Analytics and Knowledge Conference. DOI: https://doi.org/10.1145/3785022.3785087
