Inzicht in de keuzes die studenten tijdens het leren maken, krijg je door hun beslissingen zichtbaar en meetbaar te maken via digitale leeromgevingen die gedrag registreren. Traditionele toetsen meten wat een student weet, maar niet hoe die student denkt. Serious games en game-based leeroplossingen bieden precies die extra laag: ze leggen vast welke keuzes een student maakt, wanneer en met welk resultaat. In dit artikel beantwoorden we de meest gestelde vragen over keuzegedrag, leerdata en de rol van serious games daarin.
Waarom zijn de keuzes die studenten maken zo moeilijk zichtbaar?
De keuzes die studenten tijdens het leren maken, zijn moeilijk zichtbaar omdat traditionele onderwijsvormen alleen het eindresultaat registreren, niet het denkproces ernaartoe. Een student die een toets haalt, heeft misschien geluk gehad. Een student die zakt, heeft misschien op precies de verkeerde plek getwijfeld. Zonder zicht op de tussenstappen blijft het leerproces inzichtelijk maken een gok.
In een klassikale setting observeert een docent hooguit een deel van de groep tegelijk. Werkbladen en multiplechoicevragen registreren antwoorden, maar niet de redenering die eraan voorafging. Welke optie overwoog een student eerst? Hoe lang twijfelde ze? Koos ze bewust of op gevoel? Die informatie verdwijnt zodra de leerling haar pen neerlegt.
Voor docenten in het MBO is dit extra lastig. Studenten hebben uiteenlopende achtergronden, leertempo’s en motivaties. Wat de ene student moeiteloos begrijpt, is voor de andere een struikelblok dat nooit expliciet naar boven komt. Zonder inzicht in individueel keuzegedrag is differentiëren moeilijk en gerichte begeleiding bijna onmogelijk.
Wat vertellen keuzepatronen over het leerproces van een student?
Keuzepatronen onthullen hoe een student denkt, niet alleen wat die student weet. Ze laten zien of iemand systematisch te werk gaat of impulsief handelt, of een student risico’s mijdt of juist opzoekt, en of begrip toeneemt naarmate de oefening vordert. Keuzepatronen zijn daarmee een directe spiegel van het leerproces van een student.
Stel dat een student in een oefensituatie steeds dezelfde fout maakt op het moment dat er tijdsdruk is. Dat patroon wijst niet op gebrek aan kennis, maar op moeite met beslissen onder druk. Of een student kiest consequent voor de veiligste optie, ook als die suboptimaal is. Dat vertelt iets over zelfvertrouwen en risicobereidheid, niet over vakinhoud.
Zulke patronen zijn waardevol omdat ze docenten helpen onderscheid te maken tussen twee ogenschijnlijk vergelijkbare studenten. Beiden scoren een zes, maar de één deed dat via consistente, doordachte keuzes. De ander giste zich erdoorheen. Die nuance bepaalt welke begeleiding iemand nodig heeft en of een leerresultaat echt beklijft.
Hoe registreert een serious game de beslissingen van studenten?
Een serious game registreert de beslissingen van studenten door elke interactie binnen de leeromgeving op te slaan als datapunt. Welke optie koos de student, op welk moment in het spel, hoe lang duurde de beslissing en wat was het gevolg? Al die momenten samen vormen een gedetailleerd beeld van het leergedrag van studenten.
Tijdstempels en volgorde
Een game registreert niet alleen wat een student kiest, maar ook wanneer en in welke volgorde. Twee studenten die dezelfde keuze maken, kunnen dat op heel verschillende momenten in het spelverloop doen. De timing onthult of iemand vooruitdenkt of reactief handelt, en of begrip groeit naarmate de situaties complexer worden.
Consequenties en herhalingen
Serious games zijn zo ontworpen dat keuzes gevolgen hebben binnen de spelwereld. Dat maakt het mogelijk te registreren wat een student doet nadat een beslissing uitpakt. Gaat ze terug, past ze haar strategie aan of herhaalt ze dezelfde fout? Die herhalingscycli geven inzicht in leervermogen en probleemoplossend denken op een manier die geen traditionele toets kan bieden.
Wij bouwen bij Mediaheads leeromgevingen op ons eigen ontwikkelframework, zodat deze datalaag standaard aanwezig is. Daarmee wordt serious game data niet een bijproduct, maar een kernonderdeel van de leerervaring.
Welke soorten keuzedata zijn het meest waardevol voor docenten?
De meest waardevolle keuzedata voor docenten zijn beslissingen op kritieke momenten in het leerproces, herhalingspatronen bij fouten en de tijd die een student neemt voor een keuze. Deze drie categorieën samen geven een completer beeld van het leergedrag van studenten dan scores of antwoorden alleen.
- Kritieke beslismomenten: Momenten in de oefening waar de juiste keuze echt uitmaakt, bijvoorbeeld een ethische afweging in de zorg of een veiligheidsprotocol in de techniek. Hoe een student hier kiest, onthult diepere overtuigingen en vakbekwaamheid.
- Herhalingsgedrag: Maakt een student dezelfde fout opnieuw na feedback? Of past ze haar aanpak aan? Dat onderscheid is essentieel voor gerichte begeleiding.
- Reactietijd: Een snelle keuze kan wijzen op zelfvertrouwen of op ondoordacht handelen. Een trage keuze kan twijfel of diep nadenken betekenen. In combinatie met de uitkomst wordt reactietijd een betekenisvol signaal.
- Keuzes in groepsverband: Wanneer studenten samen oefenen, laat data zien wie de leiding neemt, wie volgt en wie afhaakt. Dat is waardevolle informatie voor samenwerkingsgericht onderwijs.
Voor docenten in het MBO zijn dit soort inzichten bijzonder bruikbaar, omdat ze aansluiten bij competentiegericht leren en het beoordelen van beroepshouding, niet alleen vakkennis.
Hoe zet je inzichten uit keuzegedrag om in concrete feedback?
Inzichten uit keuzegedrag zet je om in concrete feedback door patronen te vertalen naar specifieke, herkenbare situaties voor de student. Goede feedback benoemt niet alleen wat er fout ging, maar wanneer en waarom de keuze op dat moment niet optimaal was. Zo wordt het leerproces inzichtelijk maken ook voor de student zelf betekenisvol.
Een effectieve aanpak werkt in drie stappen. Eerst identificeer je het patroon: kiest een student structureel te snel, te voorzichtig of te weinig op basis van beschikbare informatie? Vervolgens koppel je dat patroon aan een concreet moment uit de oefening, zodat de student het herkent. Tot slot formuleer je een gerichte vraag of oefening die dat specifieke gedrag uitdaagt.
Feedback die voortkomt uit keuzedata is krachtiger dan algemene terugkoppeling omdat ze persoonlijk en feitelijk is. De student kan het niet wegwuiven als een mening van de docent. Het is haar eigen gedrag, zichtbaar gemaakt. Dat vergroot de kans dat de feedback daadwerkelijk leidt tot gedragsverandering, wat het uiteindelijke doel is van elke leerinterventie.
Wanneer is een serious game de juiste aanpak voor dit vraagstuk?
Een serious game is de juiste aanpak wanneer je niet alleen wilt weten of studenten de leerstof kennen, maar ook hoe ze die toepassen in complexe, realistische situaties. Game-based learning in het MBO is met name effectief als het gaat om besluitvorming, gedragsverandering of het oefenen in omgevingen die in de praktijk moeilijk te simuleren zijn.
Denk aan een student verpleegkunde die moet leren omgaan met een agressieve patiënt, of een student logistiek die een verstoorde supplychain moet oplossen. In een klaslokaal zijn die situaties nauwelijks na te bootsen. In een digitale speelomgeving wel, en daar registreert de game ondertussen elke keuze.
Een serious game is minder geschikt als het leerprobleem primair gaat over feitelijke kennis die je ook via andere middelen effectief kunt overdragen. De meerwaarde zit in de combinatie van oefenen, ervaren en registreren. Zijn die drie elementen relevant voor het leerdoel, dan is game-based learning een krachtige keuze. Ontbreekt één van die drie, dan loont het om eerst te onderzoeken of een andere aanpak passender is.
Meer weten over hoe serious games in het onderwijs ingezet worden? Wij denken graag met je mee over welke aanpak past bij jouw leerdoelen en doelgroep. Neem gerust contact op, dan verkennen we samen de mogelijkheden.
Gerelateerde artikelen
- Hoe zorg je dat nieuwe kennis aansluit bij wat mensen al weten?
- Hoe ontdek je of studenten gokken of een antwoord daadwerkelijk begrijpen?
- Kunnen serious games helpen bij het verminderen van werkstress?
- Hoe schaal je simulatietraining op voor grote organisaties?
- Wat voor soort games werken het beste in het hoger onderwijs?
