Adaptief lesmateriaal voor leerlingen met een TOS

Het project, ‘Adaptief lesmateriaal voor leerlingen met TOS’ richt zich op het ontwikkelen van een innovatieve tool die educatief materiaal automatisch afstemt op het individuele taalniveau van de leerling. Zo ontstaat een inclusieve leeromgeving waarin zowel leerlingen met als zonder TOS gelijkwaardig kunnen participeren. Dit bevordert een situatie waarin elke leerling kan leren en bijdragen, afgestemd op zijn of haar taalbegrip, zodat onderwijs voor iedereen toegankelijk blijft. Auris werkt in het project samen met Gynzy en de Universiteit Twente (UT).

Doelstelling

Hoofddoel van het project ‘Adaptief lesmateriaal voor leerlingen met TOS’ is een tool ontwikkelen die educatief materiaal automatisch aanpast aan het taalbegrip van leerlingen met TOS, zonder dat de inhoudelijke kwaliteit verloren gaat. Met lesmateriaal op maat kunnen leerlingen opdrachten beter begrijpen en actiever deelnemen aan de les. De adaptieve aanpak stelt leerlingen in staat zich volledig op de leerstof te concentreren. Dit versterkt hun motivatie en zelfvertrouwen en draagt bij aan effectiever leren en meedoen in de klas.

Inclusief onderwijs voor leerlingen met een TOS is uitdagend omdat reguliere lesmethoden vaak niet aansluiten bij hun taalniveau. Dit project streeft ernaar deze kloof te overbruggen.  Met een tool die opdrachten in het vak wereldoriëntatie automatisch afstemt op het individuele taalniveau van de leerling, met behulp van kunstmatige intelligentie

NOLAI

Het project ‘Adaptief lesmateriaal’ wordt gesubsidieerd door het Nationaal Onderwijslab AI (NOLAI). NOLAI ontwikkelt slimme technologieën om het onderwijs toegankelijker en effectiever te maken. In de komende tien jaar wil NOLAI samen met onderwijsinstellingen, wetenschappers en bedrijven zo’n honderd AI-toepassingen realiseren. Co-creatie staat centraal binnen NOLAI: onderwijsprofessionals, onderzoekers en bedrijven werken nauw samen om oplossingen te ontwikkelen die aansluiten bij de praktijkbehoeften van scholen. In dit project werkt Auris samen met Gynzy en Universiteit Twente aan een tool die wetenschappelijk onderbouwd is en praktisch toepasbaar in de klas.

Opzet onderzoek

Het onderzoek richt zich op het ontwikkelen van een tool die de taal- en vakinhoudelijke componenten van lesmateriaal kan scheiden, zodat de taalcomplexiteit kan worden verlaagd zonder afbreuk te doen aan de inhoud. Het onderzoek draait om vragen zoals hoe het taalniveau van opdrachten kan worden beoordeeld en aangepast, en hoe deze aanpassingen gepersonaliseerd kunnen worden voor individuele leerlingen. Daarnaast wordt onderzocht welke methoden het meest effectief zijn om opdrachten begrijpelijk te houden voor leerlingen met TOS, terwijl de vakinhoud behouden blijft.

Het project verloopt in drie fasen:

Conceptfase: In het eerste jaar brengen we in kaart hoe professionals bij Auris momenteel lesmateriaal aanpassen voor leerlingen met TOS. Hierbij kijken we naar de interventies die zij inzetten om het onderwijs toegankelijk te maken, en hoe we deze inzichten kunnen vertalen naar een geautomatiseerde oplossing. Daarnaast doen Auris en de UT  wetenschappelijk onderzoek  naar de taaleigenschappen die van invloed zijn op het taalniveau van wereldoriëntatie-opdrachten. Ook wordt onderzocht of opdrachten opgesplitst kunnen worden in taal- en inhoudelijke componenten

Ontwikkelfase: In het tweede jaar wordt in samenwerking met Gynzy een AI-gebaseerd prototype ontwikkeld om op maat gemaakte opdrachten aan te bieden. Dit prototype wordt herhalend getest en verbeterd, waarbij feedback van leerlingen en leerkrachten een centrale rol speelt.

Validatiefase: In het derde jaar wordt de tool verder geoptimaliseerd en gevalideerd. De nadruk ligt hierbij op de gebruiksvriendelijkheid, effectiviteit en implementatie in de dagelijkse praktijk van leerkrachten.

Wetenschappelijk gezien bouwt het project voort op multidimensionele item response theory (MIRT). Dit model maakt het mogelijk om zowel het taalniveau als het inhoudelijke niveau van opdrachten afzonderlijk te meten. MIRT biedt inzicht in welke specifieke taalaspecten van een opdracht het leerproces beïnvloeden. Door deze inzichten te combineren met AI kunnen we nauwkeurig bepalen hoe het taalniveau van opdrachten aangepast kan worden zonder dat de inhoud verloren gaat.
Daarnaast worden Large Language Models (LLMs) ingezet om de taalcomponent van opdrachten automatisch te herschrijven naar het gewenste niveau. Deze aanpak leidt naar verwachting tot betere leerprestaties voor leerlingen met TOS en maakt de tool mogelijk ook inzetbaar in andere onderwijssituaties.

Geïnteresseerd of meer weten?

Wil je meer weten over dit project of heb je interesse in samenwerking? Neem dan contact op met Wendy Voorn via innovatie@auris.nl.