Theorieën en kaders

Automatische machinale vertaling van deze Engelse pagina, nog niet nagekeken door een moedertaalspreker.

Theorieën en kaders — de werkende inventaris van verklarende en organisatorische structuren die deze kennisbank werkelijk gebruikt. Theorieën verklaren waarom leren gebeurt (Learning Theories, Self-Determination Theory, Sociocultural Learning, activiteitstheorie); kaders ordenen ontwerp-, onderwijs- en adoptiebeslissingen (Technological Pedagogical Content Knowledge (TPACK), SAMR, modellen voor technologieadoptie, ICAP, universal design for learning); modellen maken leerclaims toetsbaar en berekenbaar (itemresponstheorie, Assessment Validity, Knowledge Tracing). Gebruik deze pagina om de lens te vinden waarop een studie rust, of om er een te kiezen voor uw eigen werk.

Vragen om over na te denken

• Een theorie voorspelt wat er gebeurt wanneer iets verandert; een kader zegt waar u op moet letten. Wanneer een studie een winst rapporteert onder de vlag van een kader maar geen voorspelling doet die had kunnen falen, wat is er dan werkelijk geleerd?
• TPACK, SAMR, UDL, de adoptiemodellen en ICAP bestonden allemaal vóór large language models. Welke delen ervan houden stand wanneer de tool zelf kan schrijven, uitleggen en zich aanpassen, en hoe zou u dat vaststellen?
• Verschillende van de hieronder gecatalogiseerde theorieën zijn in de laatste paar jaar voor AI bedacht. Wat zou er nodig zijn om een ervan te weerleggen, en heeft iemand dat geprobeerd aan te tonen?
• Adoptie wordt vaak gerapporteerd als beweging door fasen. Als een collega meldt dat de eigen cursus dit jaar „van substitutie naar herdefiniëring" is gegaan, welk onafhankelijk bewijs zou u dan vragen voordat u dat gelooft?
• Veel in dit veld past geleende theorie toe in plaats van haar te toetsen. Kies een bevinding waarop u vertrouwt: zou die kunnen worden herkaderd als een toets van een theorie, en welke meting zou dat vereisen?

Inleiding

Elke AI-tutor, elk feedbacksysteem en elk dashboard draagt aannames over hoe mensen leren, of de ontwerpers die nu benoemen of niet. Deze pagina verzamelt de theorieën, kaders en modellen waaruit die aannames komen, ruwweg geordend naar hoeveel de huidige onderzoeksliteratuur erop leunt, en zegt kort waarvoor elk ervan goed is. De onderscheidingen tussen de drie labels zijn reëel maar klein, en ze worden aan het einde samengevat in plaats van als onderwerp behandeld. Praktisch van belang is op welke lens een claim rust, en of die lens de claim kan dragen.

Leertheorieën die de literatuur toepast

Deze verklaren mechanismen: ze benoemen de onderdelen die het werk doen en voorspellen wat volgt wanneer die onderdelen veranderen. In de AI-literatuur zijn ze grotendeels geleend uit de psychologie en de leerwetenschappen, en worden ze gebruikt als interpretatieve kaders rond een nieuwe tool.

• Leertheorieën (overkoepelend) — de familie als geheel, inclusief de klassieke polen van behaviorisme en constructivisme en de kloof „constructivisme in naam, behaviorisme in de praktijk" die in AI-implementaties terugkeert. Connectivisme en cognitieve belastingstheorie komen hier ook aan bod.
• Constructivisme — leren als actieve kennisconstructie. Het onderbouwt projectmatig werk, dialooggebaseerde AI-tutoring en de kritiek dat oefen-en-feedbacksystemen hun eigen verkondigde pedagogiek schenden.
• Socioculturele theorie — leren als gemedieerd door tools en sociale interactie, waardoor AI wordt getheoretiseerd als een mediërend artefact in plaats van een louter hulpmiddel.
• Activiteitstheorie — neemt het hele activiteitssysteem, inclusief tegenstellingen, als analyse-eenheid. Gangbaar in docentgerichte AI-studies, waar de interessante bevinding meestal de spanning tussen tools, regels en gemeenschap is.
• Gesitueerd leren en belichaamd leren — leren als gebonden aan context en aan het lichaam, het tegengewicht voor het behandelen van AI als een puur linguïstisch medium.
• Gedistribueerde cognitie — denken verspreid over mensen en artefacten, wat AI-ondersteuning kadert als een herverdeling van cognitieve arbeid in plaats van een vervanging ervan.
• Community of inquiry — de sociale, cognitieve en onderwijskundige aanwezigheid die een online-ervaring laat werken; tegelijk een theorie van de ervaring en een ontwerpkader.
• Zelfdeterminatietheorie — autonomie, competentie en verbondenheid als motivationele voorwaarden. Vaak de verklaring die wordt geboden wanneer AI-gebruik de betrokkenheid verhoogt zonder het leren te verhogen.
• Cognitivisme — informatieverwerking, werkgeheugen en de divergentie tussen het gevoel van leren en werkelijk leren.
• Sociale-perceptietheorie (warmte en competentie) — overgenomen uit de sociale cognitie en het onderzoek naar servicerobots, kadert hoe gebruikers de geloofwaardigheid van een AI-agent beoordelen: waargenomen competentie voorspelde de geloofwaardigheid van ChatGPT-feedback rechtstreeks, terwijl warmte alleen via menselijke empathie werkte (SEM, 230 studenten; Pérez-López et al. (2026)).
• Een vierde categorie affordances werd voorgesteld, niet getoetst. Bij het coderen van 24 studies tegen een driedelig affordance-schema vonden de reviewers dat betrokkenheid, veiligheid en zelfeffectiviteit niet in de technologische, pedagogische of sociale categorieën pasten, en stelden zij emotionele affordances voor, gefundeerd in Bandura's wederzijdse determinisme (Lopez & Arabadzhy (2026)).

Modellen van de lerende en van het leerproces

• Zelfregulerend leren — plannen, monitoren en evalueren van het eigen leren. Het werkpaardconstruct om te vragen of AI-ondersteuning de fasen bereikt die ertoe doen of alleen de uitvoering.
• Metacognitie — denken over het eigen denken, en het construct dat het vaakst wordt genoemd wanneer AI ervan wordt beschuldigd het denken voor studenten te doen.
• Motivatie — waarom leerlingen betrokken raken, en het construct dat in AI-studies betrokkenheid van leren scheidt.
• Zelfeffectiviteit — het geloof in de eigen bekwaamheid, onderscheiden van competentie, en een frequente mediator tussen AI-gebruik en uitkomsten.
• Agency — wie het werk stuurt: het construct achter de spanning tussen controle en autonomie in het veld, en achter het mechanisme van gedelegeerde agency in de nieuwste theorie.
• Wenselijke moeilijkheden, ophalen, spreiden en interleaven en weerleggingstekst — bevindingen die wrijving pedagogisch waardevol maken, toegepast op beslissingen over hoeveel een AI zou moeten doen.
• Transfer van leren — of bekwaamheid blijft bestaan zodra ondersteuning wordt teruggetrokken, wat recente theorie behandelt als het criterium dat leren van hulp onderscheidt in plaats van als een uitkomst naast andere.

Kaders voor lesgeven, integratie en adoptie

• TPACK — de docentkennis die technologie, pedagogiek en inhoud vermengt; het standaardkader voor docentgerichte AI-studies.
• Adoptiemodellen — intentie als functie van waargenomen bruikbaarheid en gebruiksgemak. Zo breed gebruikt dat de neiging van het veld om op intentie in plaats van gedrag te leunen een staande kritiek is.
• ICAP — rangschikt betrokkenheid als passief, actief, constructief, interactief; nuttig om te vragen welke modus een AI-interactie werkelijk mogelijk maakt.
• SAMR — van substitutie tot herdefiniëring. Populair als volwassenheidsverhaal, zwak als meetinstrument.
• Universal design for learning, inclusief leren en toegankelijkheid — ontwerpkaders voor wie wordt bediend, en die het vaakst worden aangeroepen in werk rond handicap en rechtvaardigheid.
• Learning design, Curriculumontwerp en Design thinking — hoe taken, sequenties en programma's worden gestructureerd voordat een tool wordt gekozen.
• Verandermanagement — of een systeem überhaupt wordt opgenomen, wat meestal een institutionele vraag is in plaats van een pedagogische.

Meet- en computationele modellen

• Itemresponstheorie — schatting van items en vaardigheid, en het model dat de getallen van een toets interpreteerbaar maakt.
• Educatieve meting — het instrumentenlandschap, inclusief de maten die specifiek voor AI-geletterdheid zijn gebouwd.
• Validiteit — of een instrument het construct meet dat het claimt, wat beslist of een gerapporteerde uitkomst de theoretische claim erachter ondersteunt.
• Zelfrapportagemaatregelen — de dominante en meest kwetsbare bewijsbron in deze literatuur; van verschillende constructen hierboven is bekend dat zij sterk uiteenlopen tussen zelfrapportage en prestatie.
• Knowledge tracing en Studentmodellering — het schatten van de toestand van een leerling in de tijd op basis van interactiedata.
• Cognitieve diagnose — prestaties toeschrijven aan specifieke vaardigheidscomponenten, de modelmatige tegenhanger van diagnostisch lesgeven.
• Benchmarks, evaluatie van AI-onderwijs en psychometrisch bewustzijn in AI-ontwerp — hoe systemen en interventies worden gescoord, vergeleken en geaudit.
• Ontwerpgericht onderzoek — de methode die theorie genereert uit ontworpen interventies in plaats van haar vooraf te toetsen.

Theorieën bedacht voor het AI-tijdperk

Vier voorstellen in de kennisbank bouwen theorie in plaats van haar te lenen. Het zijn artikelpagina's in plaats van conceptknopen, omdat elk ervan één argument is:

• Generativisme — een nieuwe leertheorie die betoogt dat de klassieke vier significante conceptuele beperkingen vertonen naarmate generatieve AI zich verspreidt.
• Epistemische co-agency — een model van hoe leerlingen en AI-systemen samen kennis en begrip produceren.
• De afwezige cognitieve basislijn — theoretiseert waarom AI-native studenten hun eigen leren overschatten wanneer AI de prestatie opblaast.
• Agentivisme — een middenbereiktheorie die vier mechanismen benoemt (gedelegeerde agency, epistemische monitoring en verificatie, reconstructieve internalisering en transfer onder verminderde ondersteuning) en zes toetsbare proposities formuleert.

De drie labels onderscheiden

De woorden worden in de literatuur losjes gebruikt, en het verschil is één alinea waard in plaats van een hele pagina:

• Een theorie verklaart een mechanisme en voorspelt wat er gebeurt wanneer haar onderdelen veranderen. Zij kan falen, en daarom kunnen studies die er een toetsen effectgroottes rapporteren.
• Een kader ordent of schrijft voor. Het benoemt de componenten waarop u moet letten, meestal zonder grootheden te voorspellen, en het kan niet worden gefalsifieerd.
• Een model is een formele representatie, meestal van meting of van de toestand van de lerende. Het kan worden gefit, vergeleken en weerlegd op een manier die een kader niet kan.
• De labels overlappen. Community of inquiry is tegelijk een theorie en een ontwerpkader; activiteitstheorie is verklarend en analytisch. Behandel het label als een aanwijzing over wat een bron claimt, niet als een archiveringscategorie.

Gerelateerde lagen

Twee naburige pagina's gaan bewust over iets anders. Filosofie van AI in het onderwijs stelt normatieve en conceptuele vragen — waar onderwijs voor is, of een machine kan lesgeven — en voorspelt geen effectgroottes; een studie kan filosofisch naïef en theoretisch degelijk zijn, of omgekeerd. Theorieontwikkeling is de meta-activiteit van het bouwen, lenen en herzien van theorie, inclusief de staande kritiek dat veel AIED-werk bestaande theorie toepast in plaats van haar te toetsen. Deze pagina is de inventaris; theorieontwikkeling gaat over het produceren en herzien van de inventaris.

Een lens kiezen wanneer de vraag praktisch is

• Onderwijsgevenden die bij een probleem beginnen kunnen terugwerken: als leerlingen niet betrokken zijn, benoemen ICAP en SDT verschillende oorzaken en suggereren ze verschillende oplossingen; als de vraag is of een tool überhaupt moet worden aangenomen, vragen adoptiemodellen en SAMR verschillende dingen over die tool.
• Learning designers halen het meeste uit de ontwerpkaders — UDL, Learning design en Scaffolding — in combinatie met een theorie die voorspelt wat er gebeurt wanneer de scaffolding wordt weggenomen.
• Onderzoekers moeten aangeven welke knoop een studie claimt en of het ontwerp die werkelijk kan toetsen; de meetmodellen (IRT, Assessment Validity, Self-Report Measures) beslissen of een gerapporteerde uitkomst die claim ondersteunt.
• Beheerders treffen deze kaders als adoptie- en veranderingsvragen, waarbij een fasemodel vaak als volwassenheidsverhaal wordt gebruikt in plaats van als instrument.

Wat kaders niet kunnen

Kaders zijn geen bewijs. Ze zijn meestal geleend uit contexten van vóór LLM's en worden gelokaliseerd door wie ze toepast, ze kunnen als branding functioneren, en fasemodellen nodigen uit tot adoptie als vinkje die beweging door niveaus rapporteert in plaats van leren. Claims die op een kader rusten, moeten worden gelezen naast de doorsnijdende beperkingen van het veld, de validiteit van wat de uitkomst ook mat, en de bekende grenzen van zelfrapportage.

Afstemming van mechanisme op theorie kan niettemin beslissend zijn: een thematische synthese van 55 AI-ondersteunde studies naar game-based learning vond dat de effectiviteit afhing van of het AI-mechanisme de pedagogiek ten uitvoer bracht die het moest dienen, en niet van algoritmische verfijning (Kaşarcı en Yurt (2026)).

Veelvoorkomende misverstanden

„Een geleende theorie op een AI-tool toepassen is theorie gebruiken." Veel in dit veld past geleende theorie toe in plaats van haar te toetsen, en het verschil is of het kader een voorspelling deed die had kunnen falen. Wanneer een studie een winst rapporteert onder de vlag van een kader zonder zich aan een falsifieerbare voorspelling te binden, is er niets over het kader geleerd — een uitkomst die consistent is met elke theorie in de catalogus is bewijs voor geen ervan.

„De waarde van een kader is hoe goed het een systeem beschrijft dat u al hebt gebouwd." Dat is post-hoc labelen. Een taxonomie die elk ontwerp herbergt, heeft geen onderscheidend vermogen, en daarom moeten beschrijvende kaders worden beoordeeld op wat zij uitsluiten. De evaluatievraag is niet „past mijn systeem hierop?", maar „welk soort systeem zou dit kader fout noemen?"

„Leertheorieën, modellen van de lerende en adoptiekaders zijn uitwisselbare lenzen." Ze beantwoorden verschillende vragen — hoe leren gebeurt, wat de toestand van de lerende is, en waarom een praktijk zich verspreidt — en hun bewijstypes verschillen dienovereenkomstig. De verkeerde laag kiezen levert een studie op die de juiste variabele tegen de verkeerde voorspelling meet, wat leest als een nulresultaat terwijl het een categorie fout is.

„Meer kaders betekent een volwassener veld." Voor het AI-tijdperk bedachte kaders stapelen zich sneller op dan ze worden getoetst, en stapeling zonder falsificatie is een symptoom in plaats van vooruitgang. Volwassenheid blijkt uit het beslechten van concurrerende voorspellingen, niet uit woordenschatgroei.

Verbonden concepten

• Theorieontwikkeling in AI in het onderwijs — theorie bouwen en herzien in het veld
• Filosofie van AI in het onderwijs — de normatieve en conceptuele laag
• Learning Theories — de overkoepelende pagina voor leertheorie
• Learning Sciences — het naburige veld waaruit de meeste theorie wordt geleend
• Beperkingen in AIED-onderzoek — wat de bewijsbasis wel en niet kan dragen
• Technological Pedagogical Content Knowledge (TPACK) — kader voor docentkennis
• Technology Adoption Models — adoptiekaders
• Item Response Theory — een meetmodel
• Universal Design for Learning — een ontwerpkader
• Research Methods in AIED — hoe theorie wordt getoetst

Verbonden artikelen

• GenAI chatbots in language learning: A systematic review of emerging affordances — Emotionele affordances voorgesteld als vierde categorie in een affordance-taxonomie

• Effectiveness of AI-Supported Game-Based Learning: A Systematic Review of Outcomes, Challenges, and Future Directions — Afstemming van mechanisme op theorie, niet algoritmische verfijning, dreef de effectiviteit in 55 studies naar AI-game-based learning

• The evolution of research on AI and education across four decades: Insights from the AIxEd framework — vier decennia AIED door het AI×Ed-kader

• Educating minds with generative AI — theoriezware synthese van generatieve AI en leren

• An activity-theoretical approach to teacher professional development in pedagogical AI agent design — activiteitstheorie toegepast op professionalisering van docenten

• Activity theory as a lens on teachers' adoption of AI technologies: A structural equation modeling — activiteitstheorie en adoptie door docenten

• Generativism: Toward a Learning Theory for the Age of Generative Artificial Intelligence — een leertheorie voorgesteld voor het generatieve-AI-tijdperk

• Learning with machines: Toward a theory of epistemic co-agency — naar een theorie van epistemische co-agency

• The Absent Cognitive Baseline: Theorizing a Structural Gap in AI-Native College Students' Academic Self-Assessment — het theoretiseren van een structurele kloof in de zelfbeoordeling van AI-native studenten

• Agentivism: a learning theory for the age of artificial intelligence — een middenbereikleertheorie voor mens-AI-interactie

• Measuring Artificial Intelligence Literacy: A Systematic Review of Instrument Development, Conceptual Foundations, and Psychometric Quality — instrumentontwikkeling binnen een jong construct

• Control vs. Agency: Exploring the History of AI in Education — de fundamentele spanning tussen controle en agency in het veld