AIEd-kennisbankAIEd KB
Op deze pagina

Lees deze pagina in het Engels

Concepten

Technological Pedagogical Content Knowledge (TPACK)

Aangemaakt 2026-08-14 · Bijgewerkt 2026-11-08

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

Technological Pedagogical Content Knowledge (TPACK) — het kader (Mishra & Koehler, 2006) dat de geïntegreerde kennis beschrijft die docenten nodig hebben om technologie effectief in het lesgeven te gebruiken: het samenspel van technologische kennis (TK), pedagogische kennis (PK) en inhoudelijke kennis (CK), en hun doorsneden. In het AI-tijdperk is TPACK uitgebreid tot AI-TPACK / GenAI-TPACK, dat modelleert hoe docenten generatieve AI integreren in vakinhoudelijk onderwijs. Het is de dominante theoretische lens om te begrijpen hoe AI-competentie van docenten is gestructureerd en wordt opgebouwd via professionalisering.

Die dominantie is ook deels een artefact van het zoeken: in een PRISMA-scopingreview van 195 technologisch ondersteunde studies naar lerarenopleidingen waren digitale competentie, TPACK en DigCompEdu expliciete zoekdescriptoren, dus het aandeel van 46,5% competentiekaders beschrijft het opgehaalde corpus in plaats van het veld (Patiño Hernández et al. (2026)).

Vragen om over na te denken

  • TPACK stelt dat effectief lesgeven met technologie niet de som is van afzonderlijke vaardigheden (je vak kennen + lesgeven kennen + de tool kennen), maar het product van hun samenspel. Denk aan een les die met een technologie werkelijk slaagde. Welke combinaties van inhoudelijke, pedagogische en technologische kennis — en niet één ervan alleen — leken het werk te doen?
  • Een gangbare aanname is dat een docent die 'technisch onderlegd' is daarmee klaar is om met AI les te geven. Waar kan die aanname falen — bijvoorbeeld wanneer een technisch vaardige docent AI nog steeds pedagogisch oppervlakkig of vakinhoudelijk onjuist gebruikt? Hoe zou 'competentie' eruitzien die een eenvoudige test van technische vaardigheden mist?
  • Het AI-tijdperk herkadert de technologie in TPACK van een passieve tool naar een actieve actor die kan plannen, genereren en tutoren. Als de taak van een docent verschuift van het bedienen van een tool naar het orkestreren van een AI die zelfstandig handelt, welke nieuwe kennis vraagt dat dan — en kan een statische checklist dat ooit vangen?
  • De pagina suggereert dat professionalisering de doorsneden moet trainen, niet alleen de tools. Denk aan de laatste technologietraining die u bijwoonde of ontwierp. Ging die vooral over 'hoe de software werkt', of bouwde zij inhoud en pedagogiek samen met de technologie op? Welke aanpak zou de klaspraktijk volgens u meer veranderen, en waarom?
  • Onderzoek vond verschillende 'docentsarchetypen' — optimizers, creators, passieve waarnemers — die baat hebben bij verschillende soorten ondersteuning. Welk archetype lijkt u het meest wanneer u AI in het lesgeven gebruikt, en welke vorm van Scaffolding zou u het meest helpen? Zouden uw leerlingen u hetzelfde beschrijven als u uzelf?
  • Sommige onderzoekers betogen dat effectieve AI-integratie voortkomt uit de overtuigingen en het gevoel van bekwaamheid van een docent, niet alleen uit kennis. Wat gelooft u over de rol van AI in leren, en hoe zou die overtuiging — meer dan uw technische vaardigheid — vormgeven of en hoe u AI werkelijk integreert?

Inleiding

  • Crompton et al. operationaliseren in ontwerpgericht onderzoek normen voor technologie-integratie door faculteiten die het TPACK-kader uitbreiden naar de institutionele praktijk.

Het kader

TPACK stelt dat effectieve technologie-integratie niet de som is van afzonderlijke kennisdomeinen maar het product van hun dynamische samenspel. Het kader omvat drie basisdomeinen en vier doorsneden:

  • Inhoudelijke kennis (CK) — kennis van het vak dat moet worden onderwezen.

  • Pedagogische kennis (PK) — kennis van lesmethoden, strategieën en hoe studenten leren.

  • Technologische kennis (TK) — kennis van het gebruik van tools en technologieën, inclusief generatieve AI.

  • Pedagogisch-inhoudelijke kennis (PCK) — hoe specifieke inhoud effectief kan worden onderwezen.

  • Technologisch-inhoudelijke kennis (TCK) — hoe technologie inhoud vormgeeft en representeert.

  • Technologisch-pedagogische kennis (TPK) — hoe technologie onderwijsstrategieën ondersteunt of beperkt.

  • TPACK — de emergente, geïntegreerde kennis in het centrum, waar alle drie domeinen samenwerken om technologieversterkt, inhoudsspecifiek onderwijs mogelijk te maken.

  • Het kader domineert het veld vanzelf, en wordt opgerekt om te passen. In een PRISMA-geleide review van 78 studies naar AI-ondersteund instructieontwerp pasten slechts 19 studies een benoemd competentiekader toe — en TPACK en zijn varianten waren goed voor 17 van die 19, productief gebruikt als analytische lens maar opgerekt voorbij hun oorspronkelijke bereik, omdat TPACK niet voor AI-specifieke vermogens is ontworpen. Doelgerichte uitbreidingen zijn daarentegen zeldzaam: Intelligent-TPACK kwam in slechts vijf studies voor, meestal gecombineerd met AI-geletterdheid om ontwikkeling en progressie te behandelen (Spyropoulou & Kameas, 2026).

  • Onderzoek verloopt ongetheoretiseerd terwijl beleidskaders ongetoetst blijven. Dezelfde review vond dat 76% van de studies competenties uit de praktijk afleidde zonder enige theoretische koppeling, en dat noch DigCompEdu noch het UNESCO AI Competency Framework for Teachers in een van de 78 studies als analytisch kader werd toegepast — een tweerichtingsverkeer van loskoppeling, omdat empirisch werk geen gedeeld vocabulaire opbouwt terwijl de kaders die de praktijk moeten leiden in deze context empirisch ongetoetst blijven.

AI-TPACK en GenAI-TPACK

Het AI-tijdperk heeft het kader in de richting van een technologie-met-intelligentie gestuwd. Generatieve AI is geen passieve tool maar een actieve actor die kan plannen, inhoud genereren, tutoren en zich aanpassen — dus integratiekennis omvat in toenemende mate orkestratie: beslissen wanneer en hoe AI handelt, ondersteunt of plaatsmaakt voor menselijk oordeel.

  • Voorbij afzonderlijke kennis. AI-TPACK-onderzoek betoogt dat effectieve AI-integratie niet voortkomt uit het bezitten van afzonderlijke domeinen maar uit het dynamische samenspel van systeemdenken, pedagogische overtuigingen en zelfeffectiviteit — wat statische, checklistgebaseerde modellen van docentcompetentie ter discussie stelt. Docentsarchetypen (Systematic Optimizers, Prolific Creators, Passive Observers) komen voort uit hoe docenten instructieworkflows met meerdere agenten ontwerpen.

  • Wat integratiekaders buiten beschouwing laten. Een co-agencykritiek stelt dat TPACK en SAMR docentkennis en adoptieniveaus behandelen maar macht, data-eigendom en verantwoording ongemoeid laten, zodat integratiekennis een expliciete ethische grens nodig heeft in plaats van nog een kennisdomein (Poudyal (2026)).

  • Bewijs over niveaus heen voor de pedagogische kern. Een multilevelstudie onder 46 docenten en 2.832 middelbare scholieren vond dat technische AI-kennis alleen onvoldoende was — en zelfs enigszins dempte hoe studenten AI voor het maatschappelijk goed zagen — terwijl pedagogische AI-kennis (TPAIK) de percepties en de gedragsintentie van studenten om AI te leren aanstuurde. Het resultaat valt samen te vatten als de richtlijn „pedagogiek eerst, technologie tweede", die de bevindingen over de mediërende rol hierboven weerspiegelt.

  • Ethiek als integratieve mediator, niet als grens. In een enquête onder 454 universitaire docenten had geïsoleerde technisch-AI-kennis een negatieve directe associatie met geïntegreerde AI-TPACK (β = −0,303) terwijl het totale effect positief bleef (β = 0,639), lopend via pedagogische, inhoudelijke en ethische kennis (Chen et al. (2026)). Ethische kennis kanaliseerde het effect ook verder en voorspelde zowel pedagogische (β = 0,353) als inhoudelijke kennis (β = 0,269).

  • Een reviewlens voor het hele veld. Een systematische review vanuit TPACK-perspectief (Liu & Zhong, 2025) analyseerde 71 empirische studies naar GenAI in het leren van studenten, vond een algeheel positief effect (Hedges' g = 0,752) en identificeerde GenAI-geletterdheid voor studenten en GenAI-TPACK-professionalisering voor docenten als de twee kritieke prioriteiten voor het veld.

  • Bekwaamheid alleen voorspelt geen pedagogische integratie. Choi et al. (2026) maten de Intelligent-TPACK van docenten om deelnemers te segmenteren en observeerden dat zelfs AI-bekwame nieuwkomers tijdens het lesontwerp passief op AI-output leunden, terwijl ervaren docenten — met een lagere gemeten AI-TPACK — kritisch opnieuw ingrepen en AI-suggesties aan de pedagogische context aanpasten. Het resultaat versterkt het patroon hierboven: AI-TPACK vertaalt zich in degelijk klaslokaalgebruik via ervaren pedagogisch oordeel, en ondersteuning in Teacher Education moet zich daarom richten op de toepassing van AI-kennis, niet op het louter bezit ervan.

  • Context van lerarenopleiding. TPACK is instrumenteel voor het cultiveren van de competentie van docenten om technologie te integreren in curriculumspecifiek onderwijs, en daarom meet onderzoek naar lerarenopleiding en professionalisering het in toenemende mate als de uitkomst van belang (bijv. intensieve GenAI-professionaliseringstrajecten, AI-TPACK-gereedheid bij aanstaande docenten).

  • Pedagogische kennis medieert GenAI-integratie. Mohebi en ElSayary (2026) enquêteerden 325 werkzame docenten in 26 landen en interviewden zeven van hen, met een verklarend sequentieel mixed-methods-ontwerp om TPACK-GenAI te modelleren. Technologische kennis (TK), pedagogische kennis (PK) en pedagogisch-inhoudelijke kennis (PCK) hingen elk samen met TPACK-GenAI als geheel, maar technologisch-pedagogische kennis (TPK) medieerde deze verbanden — bewijs dat de beweging „van bekwaamheid naar pedagogiek" ertoe doet: GenAI-vaardigheid omzetten in degelijk klaslokaalgebruik loopt via pedagogisch-technologische integratiekennis, niet via toolvertrouwdheid alleen.

  • In het hoger onderwijs draagt vakinhoudelijke expertise niet over naar GenAI-integratie. Sutedjo, Chowdhury & Liu (2026) pasten het TPACK-21-instrument aan om 127 faculteitsleden aan een Amerikaanse onderzoeksuniversiteit te enquêteren over het gebruik van GenAI om 21e-eeuwse vaardigheden te onderwijzen. Faculteitsleden rapporteerden sterke CK (M = 5,15) en PCK (M = 4,70) maar zwakke technologiegeïntegreerde kennis — TPK (M = 2,62), TCK (M = 2,75) en TPACK als geheel (M = 2,55, het laagste domein) — en CK vertoonde geen significante correlatie met TK of enig technologiegeïntegreerd domein (r = 0,11–0,15, ns). De drie technologiegeïntegreerde domeinen correleerden zo sterk met elkaar (r = 0,81–0,91) dat zij als één GenAI-integratiefactor kunnen functioneren. Het resultaat versterkt het ontwerpprincipe de doorsneden trainen: faculteitsontwikkeling moet GenAI-integratiekennis bewust opbouwen via disciplinespecifieke activiteiten in plaats van aan te nemen dat vakinhoudelijke expertise zal overdragen, en de technologiegeïntegreerde domeinen behandelen als een gedeelde GenAI-geletterdheidsbasis.

  • Institutionele modus en trainingsniveau beïnvloeden elkaar. Mnguni et al. (2026) vergeleken 186 laatstejaarsstudenten natuurwetenschappen aan een Zuid-Afrikaanse campusuniversiteit (n = 85) en een universiteit voor afstandsonderwijs (n = 97). Zelfgerapporteerde TPACK was hoger op de campus (64,0% versus 47,4%), pedagogische kennis was in beide groepen het minst gerapporteerde domein (53% op de campus), en het niveau van AI-training hing alleen bij de afstandsinstelling samen met zelfgerapporteerde TPACK, waar het afronden van een kort traject van vijf studiepunten een zwakkere gerapporteerde TPACK voorspelde dan helemaal geen training (p = 0,039, tegen p = 0,607 op de campus). Gereedheid volgt dus de institutionele voorzieningencontext in plaats van trainingsuren alleen, en de auteurs waarschuwen dat zelfgerapporteerde gereedheid geen prestatiebewijs kan vervangen.

Een bijkomende meetwaarschuwing komt van het Capability–Decision Model van dezelfde auteur: wanneer TPACK zelfgerapporteerd is en waargenomen gedragscontrole als Self-Efficacy wordt gemeten, zijn de twee wellicht niet empirisch te onderscheiden, zodat een studie niet kan zeggen of bekwaamheid of algemeen vertrouwen de intentie voorspelt (Mnguni (2026)).

  • Geïntegreerde TPACK beweegt het meest wanneer AI wordt gescaffold binnen authentieke probleemgestuurde taken. Chen en Osman (2026) vergeleken een achtweekse AI-ondersteunde CTD-PBL-module met conventioneel onderwijs voor 130 derdejaars aanstaande natuurkundedocenten in een quasi-experimenteel ontwerp met intacte klassen (65 per conditie), waarbij groepen DeepSeek gebruikten via taakspecifieke promptsjablonen en elke AI-output menselijke verificatie moest doorstaan voordat zij in een instructieartefact terechtkwam. De modulegroep rapporteerde hogere TPACK na de toets (M = 4,04 vs. 3,40, p < 0,001, d = 1,02) en hoger waargenomen collaboratief probleemoplossen (M = 3,62 vs. 3,05, d = 0,88), met significante groep × tijd-interacties op beide uitkomsten. Waar de winst neersloeg is het voor TPACK relevante detail: de grootste dimensionele effecten zaten in de geïntegreerde domeinen — TPCK (d = 1,21), PCK (d = 1,06) en TPK (d = 0,95) — en de samenwerkingswinst was het duidelijkst in gedeelde kennisopbouw en sociale regulatie, dus in de doorsneden en niet in de basisdomeinen. De auteurs presenteren dit als differentiële verandering samenhangend met een geïntegreerde instructieconditie, niet als een AI-effect: AI werd nooit losgekoppeld van de PBL-taakketen, gestructureerde samenwerking, scaffolding door de docent, peerfeedback of reflectieve herziening, en beide uitkomsten waren vragenlijstgebaseerde percepties van competentie in plaats van aangetoonde klaspraktijk.

  • Een interventie kan eerst het basisdomein bewegen. Een zes maanden durend professionaliseringstraject dat direct op het Intelligent-TPACK-kader was gebouwd, verhoogde technische AI-kennis het meest (AITK: 3,92 naar 4,43, t(63) = 3,856, p < .001, d = .48), technologisch-pedagogische kennis daarna (AITPK: d = .33) en geïntegreerde AITPACK het minst (d = .26), terwijl ethisch bewustzijn relatief stil bleef (Tan, Cheng & Ling, 2025). De ordening is het spiegelbeeld van de winst op geïntegreerde domeinen bij Chen en Osman, en beide zijn zelfrapportage.

AI-TPACK als de mediator tussen geletterdheid en klasintegratie. Een structuurvergelijkingmodel onder Chinese aanstaande docenten natuurwetenschappen (Zou, Li, Wang & Du, 2026) plaatst AI-TPACK niet als een parallelle competentie maar als het transmissiemechanisme waarlangs algemene AI-geletterdheid lespraktijk wordt. AI-geletterdheid voorspelde AI-TPACK sterk, AI-TPACK voorspelde op zijn beurt lesgeven in natuurwetenschappen Self-Efficacy, en zelfeffectiviteit in het lesgeven was de sterkste afzonderlijke voorspeller van de intentie om te onderwijzen via AI-geïntegreerd onderzoekend leren.

De volledige seriële keten (AI-geletterdheid → AI-TPACK → zelfeffectiviteit → intentie) was significant, net als de afzonderlijke indirecte routes via AI-TPACK en via zelfeffectiviteit; samen liep het grootste deel van de associatie van AI-geletterdheid met intentie via deze mediatoren in plaats van rechtstreeks, en het resultaat hield stand na controle voor geslacht, studiejaar, hoofdvak en gebruiksfrequentie van AI. De praktische claim van het model is een sequentie met een ingangspunt: AI-geletterdheid is noodzakelijk maar onvoldoende, en het integratiewerk gebeurt waar technologische, pedagogische en inhoudelijke kennis worden gecombineerd — wat ook de plek is waar het vertrouwen van docenten in het onderwijzen van het vak wordt opgebouwd.

  • Validatie als vierde competentie. Orhon, Cekerol en Ugur (2026) breiden het model uit met AI-validatiekennis — probabilistische AI-output onderwerpen aan disciplinespecifieke verificatie voordat zij als bewijs van een legitieme beslissing wordt behandeld — en combineren die kennis met een procesgerichte rubric voor ontwerponderwijs.

Waarom het ertoe doet in AI-onderwijs

TPACK is het organiserende kader voor de docentkant van de bewijsbasis van de kennisbank. Het verklaart waarom AI-competentie van docenten meer is dan toolvloeiendheid: docenten moeten technologische, pedagogische en inhoudelijke kennis samen integreren om AI om te zetten in leerwinst. De pagina AI-competentie van docenten van de kennisbank behandelt de competentiedimensies; TPACK is de kennisstructuur die eronder ligt. Onderzoek naar vertrouwen van docenten, professionalisering en de veranderende rol van de docent speelt zich allemaal binnen (of tegen) dit kader af. Het kader wordt nu uitgebreid om hele programma's te evalueren: Wu & Li (2026) bouwen een AHP-Fuzzy-AHP-evaluatiesysteem voor AI-certificaatprogramma's op TPACK-dimensies en vinden dat professionele bekwaamheid van faculteiten — niet technische infrastructuur — de grootste kloof is tussen wat experts prioriteren en wat er nu wordt aangeboden, wat erop wijst dat credentialing moet investeren in de geïntegreerde pedagogische capaciteit van docenten.

De mediatie loopt grotendeels via gebruiksgemak. Zhao (2026) toetste zes indirecte paden van AI-geletterdheid en TPACK naar diep leren bij 423 aanstaande docenten: TPACK via waargenomen gebruiksgemak was het grootst (0,212) en AI-geletterdheid via nut het kleinst (0,033), dus integratiekennis werkte via gebruiksgemak in plaats van nut. De componenten wegen in het AI-geval niet even zwaar. Onder 988 aanstaande docenten voorspelden TCK (β = 0,67) en TPK (β = 0,41) geïntegreerde AI-TPACK, terwijl TK alleen dat niet deed (β = −0,10, p = 0,066), en geïntegreerde TPACK voorspelde de houding tegenover GenAI (β = 0,75) (Khalil et al., 2026).

Ontwerpimplicaties

  1. Train de doorsneden, niet alleen de tools. Professionalisering moet technologische, pedagogische en inhoudelijke kennis samen opbouwen in plaats van geïsoleerde tooltraining aan te bieden — het kernontwerpprincipe van TPACK.
  2. Behandel AI als een actor, niet als een apparaat. AI-TPACK breidt het kader uit richting de orkestratie van AI-agenten, wat systeemdenken en pedagogisch oordeel vereist over wanneer AI moet handelen.
  3. Differentieer professionalisering naar docentprofiel. Verschillende docentsarchetypen (optimizers, creators, waarnemers) hebben baat bij verschillende scaffolding — geavanceerde kaders, snelle feedback of expliciete modeling.
  4. Beoordeel geïntegreerde competentie. TPACK-georiënteerde uitkomsten (bijv. winst in AI-PCK) moeten worden gemeten als geïntegreerde bekwaamheid, niet als zelfgerapporteerde toolvertrouwdheid.

Veelvoorkomende misverstanden

  • „De dominantie van TPACK weerspiegelt zijn verklarende kracht." Die dominantie is deels een artefact van het zoeken: in een PRISMA-scopingreview van 195 technologisch ondersteunde studies naar lerarenopleidingen domineren digitale competentie, TPACK en DigComp de geïndexeerde literatuur. Prevalentie in een zoekopdracht is een eigenschap van het vocabulaire dat het veld gebruikt, geen bewijs dat het kader meer verklaart.
  • „Een bekend kader is een gevalideerd kader voor AI." TPACK is niet ontworpen voor AI-specifieke vermogens, en daarom is Intelligent-TPACK ontwikkeld — en het komt in slechts vijf studies voor in de review van 78 studies. TPACK voor GenAI-competentie gebruiken rekt het voorbij zijn constructie op.
  • „Een kader toepassen betekent dat het onderzoek getheoretiseerd is." Dezelfde review vond dat 76% van de studies competenties uit de praktijk afleidde zonder enige theoretische koppeling, dus de aanwezigheid van TPACK in het veld bestaat naast het feit dat het meeste onderzoek ongetheoretiseerd is. Een benoemd kader is niet hetzelfde als een kader dat werk doet.

Verbonden concepten

Verbonden artikelen

Gerelateerde FAQ's

Metadata

Beoogde doelgroepFaculty Developers, Instructors
Technologieën en techniekenGenerative AI
Grondslagen van AI in het onderwijsAI-geletterdheid, Curriculumontwerp, Educatieve ontwikkeling, Learning design, Lesgeven, Technological Pedagogical Content Knowledge (TPACK), AI-competentie van docenten
BronGeschiedenisBewerkenChat

Deze pagina insluiten

Kopieer de onderstaande code om deze pagina in een leeromgeving of op een andere website in te sluiten. De ingesloten versie toont alleen de inhoud van de pagina — de sitekop, navigatie en voettekst zijn verborgen.