Machinaal leren

Definitie

...

Alias:

• Machine learning

Machinaal leren

Automatisch leren of machinaal leren is een breed onderzoeksveld binnen kunstmatige intelligentie, dat zich bezighoudt met de ontwikkeling van algoritmes en technieken waarmee computers kunnen leren.

De methodes zijn te verdelen in twee ruwe categorieën: aanleidinggevend en deductief. Aanleidinggevende methodes creëren computerprogramma's door het vormen van regels of het extraheren van patronen uit data. Deductieve methoden hebben als resultaat een functie die net zo generiek is als de invoerdata.

Automatisch leren is sterk gerelateerd aan statistiek, aangezien beide velden de studie van data analyseren. Automatisch leren is meer gericht op de algoritmische complexiteit of de implementatie in programma's. Het is ook gerelateerd aan datamining, waarin op een geautomatiseerde manier patronen en relaties worden gezocht in grote hoeveelheden gegevens.

Bron: https://nl.wikipedia.org/wiki/Machinaal_leren

What is machine learning?

Machine learning is a subfield of artificial intelligence, which is broadly defined as the capability of a machine to imitate intelligent human behavior. Artificial intelligence systems are used to perform complex tasks in a way that is similar to how humans solve problems.

The goal of AI is to create computer models that exhibit “intelligent behaviors” like humans, according to Boris Katz, a principal research scientist and head of the InfoLab Group at CSAIL. This means machines that can recognize a visual scene, understand a text written in natural language, or perform an action in the physical world.

Machine learning is one way to use AI. It was defined in the 1950s by AI pioneer Arthur Samuel as “the field of study that gives computers the ability to learn without explicitly being programmed.”

Bron: Machine learning, explained - Sara Brown

Wat is Machine Learning of Machinaal Leren?

Machine Learning is een wetenschappelijk onderzoeksveld dat zich bevind in de kunstmatige intelligentie. Machine Learning is onder andere gericht op het ontwikkelen van algoritmes. Met deze algoritmes kunnen computers patronen ontdekken in grote databestanden (zogenaamde Big Data). Door het ontdekken van deze patronen kunnen computers of machines zichzelf ontwikkelen en dus leren. Computers leren nieuwe patronen ontdekken wanneer weer nieuwe gegevens worden toegevoegd aan de database. Voor mensen is het vaak onmogelijk om enorme hoeveelheden data te verwerken, computers doen dit veel sneller en maken daarbij steeds minder fouten. Daarom is Machine Learning interessant. Machine Learning is gerelateerd aan data mining, hierbij worden op een geautomatiseerde manier patronen, verbanden en relaties gezocht in grote hoeveelheden data.

Methoden voor Machine Learning

De methodes die gebruikt worden voor Machine Learning kunnen grofweg in twee grote categorieën worden ingedeeld:

• Aanleidinggevend. De aanleidinggevende mehodes vormen computerprogramma’s door het maken van regels of het extraheren van patronen uit data.
• Deductief. Bij een deductieve methode is het resultaat een functie net zo generiek is als de invoerdata.

Bron: Wat is Machine Learning of Machinaal Leren?, P. Geertsma

Wat is machinaal leren? Een definitie

Machinaal leren is een toepassing van kunstmatige intelligentie (AI) die systemen de mogelijkheid biedt om automatisch te leren en te verbeteren van de ervaring zonder expliciet geprogrammeerd te zijn. Machine learning richt zich op de ontwikkeling van computerprogramma’s die toegang hebben tot gegevens en deze zelf kunnen gebruiken om te leren.

Bron: https://datascience.eu/nl/machine-learning/wat-is-machinaal-leren-een-definitie/

Binnen het onderzoeksveld van gerichte AI heb je twee grote stromingen: semantiek (semantics) en machinaal leren (machine learning). De top-down benadering van het semantische web veronderstelt dat je voor een specifiek probleem samenzit met een domeinexpert en dat probleem samen zo goed mogelijk op voorhand probeert te beschrijven in entiteiten, relaties en bijhorende regels door middel van ontologiën. Eens die ontologiën voor die specifieke problemen opgesteld zijn, kunnen ze zelfs met elkaar gelinkt worden via hun gemeenschappelijke concepten. Een specifiek web-winkel probleem (er zal wel ergens een fysiek adres van koper of verkoper gemodelleerd zijn) kan aldus automatisch gelinkt worden aan een specifiek vrachtwagen-routeringsprobleem (er zal wel ergens een laadadres en losadres gemoddelleerd zijn). Ze gebruiken immers (ongeveer) hetzelfde concept "adres", waardoor die twee oplossingsdatasets automatisch met elkaar gelinkt kunnen worden via het concept "adres" dat ze dus delen. Eens al die ontologiën geraadpleegd kunnen worden door semantische agenten op het web, kunnen die agenten zelf nieuwe kennis genereren door middel van deductie. Ergens is het concept "gezin" gemodelleerd met relaties 'A is gehuwd met B" en "C is dochter van A", dan weet de software-agent door deductie automatisch dat "B is (plus)ouder van C". Semantische Al werkt dus onmiddellijk en zonder veel extra data, gegeven dat het probleemdomein op voorhand zo goed mogelijk is gemodelleerd. Al deze semantische AI-kennis wordt bijgehouden in kennisgrafen (knowledge graphs), waarvan het gekendste voorbeeld door iedereen gezien kan worden in elke zoekmachine. Waar je vroeger enkel een lijst met webadressen terugkreeg die van boven naar onder minder relevant werden, zie je nu aan de rechterkant een extra kadertje met relevante informatie die onmiddellijk door software-agenten kan geïnterpreteerd worden. Als daar een mobiel nummer bij staat, dan weet die software-agent dat er een sms kan naar gestuurd worden of eventueel rechtstreeks kan naar gebeld worden via een chatbot. Het is dus veel meer dan een reeks niet betekenisvolle nummertjes. De software-agent is "slim" genoeg om er in zijn niche probleem iets betekenisvol mee te doen en dus een (deel)oplossing aan te bieden.

Aan de andere kant van het spectrum hebben we het machinaal leren dat bottom-up in heel veel data patronen gaat proberen herkennen om aldus dichter bij een oplossing
van een specifiek probleem te kunnen komen. Let wel, als we bijvoorbeeld een machinaal lerend algoritme hebben dat kan zeggen of er een "kat" dan wel een "hond" op een foto staat afgebeeld, dan kan dat algoritme dan ook maar dat zeggen. Het antwoordt met het woord "kat" of "hond" zonder enig idee te hebben wat het concept "kat" of "hond" inhoudt. Indien we dit vanuit semantisch oogpunt zouden bekijken, dan zou een semantisch algoritme wel weten wat een "kat" is — namelijk een kat spint, heeft snorharen en haat een hond — en zou er dus ook gegeven de specifieke probleemstelling navenant beter deductief kunnen op inspelen. Laat ons nu eens verder kijken welke vlag bij machinaal leren welke lading dekt. Machinaal leren behelst immers reeds honderden verschillende algoritmes en het kiezen van het juiste algoritme of de combinatie van algoritmes voor het uitvoeren van een bepaalde taak is een constante uitdaging voor elke AI-onderzoeker. Op het ogenblik van schrijven (2.02.0) kunnen we een 6-tal families algoritmes machinaal leren onderscheiden die elk een bepaald soort probleem het best kunnen oplossen:

• gecontroleerd leren (supervised learning);
• ongecontroleerd leren (unsupervised learning);
• overdragend leren (transfer learning);
• versterkend leren (reinforcement learning);
• diep neuraal netwerk (deep neural network);
• generatief conflicterend netwerk (generative adversarial network).

Bron: Artificiële intelligentie en maatschappij - Jan De Bruyne & Nicolas Bouteca (Red.)

Machine learning is programming computers to optimize a performance criterion using example data or past experience. We need learning in cases where we cannot directly write a computer program to solve a given problem, but need example data or experience. One case where learning is necessary is when human expertise does not exist, or when humans are unable to explain their expertise. Consider the recognition of spoken speech, that is, converting the acoustic speech signal to an ASCII text; we can do this task seemingly without any difficulty, but we are unable to explain how we do it. Different people utter the same word differently due to differences in age, gender, or accent. In machine learning, the approach is to collect a large collection of sample utterances from different people and learn to map these to words. Another case is when the problem to be solved changes in time, or depends on the particular environment. We would like to have general-purpose systems that can adapt to their circumstances, rather than ex-plicitly writing a different program for each special circumstance. Consider routing packets over a computer network. The path maximizing the quality of service from a source to destination changes continuously as the network traffic changes. A learning muting program is able to adapt to the best path by monitoring the network traffic. Another example is an intelligent user interface that can adapt to the biometrics of its user, namely, his or her accent, handwriting, working habits, and so forth. Already, there are many successful applications of machine learning in various domains: There are commercially available systems for rec-ognizing speech and handwriting. Retail companies analyze their past sales data to learn their customers' behavior to improve customer rela-tionship management. Financial institutions analyze past transactions.

(...)

Machine learning is programming computers to optimize a performance criterion using example data or past experience. We have a model defined up to some parameters, and learning is the execution of a computer pro-gram to optimize the parameters of the model using the training data or past experience. The model may be predictive to make predictions in the future, or descriptive to gain knowledge from data, or both. Machine learning uses the theory of statistics in building mathematical models, because the core task is making inference from a sample. The role of computer science is twofold: First, in training, we need efficient algorithms to solve the optimization problem, as well as to store and pro-cess the massive amount of data we generally have. Second, once a model is learned, its representation and algorithmic solution for inference needs to be efficient as well. In certain applications, the efficiency of the learn-ing or inference algorithm, namely, its space and time complexity, may be as important as its predictive accuracy.

Bron: Introduction to Machine Learning, Ethem Alpaydin

Flitskaart

Definitie

Leermiddel, waarbij je een tweezijdig bedrukt kaartje gebruikt met op de ene zijde een vraag of aanwijzing en op de andere zijde het antwoord.

Alias:

• Flashcard

Flitskaarten

Wetenschappelijk onderzoek zegt dat studenten die flitskaarten gebruiken over het algemeen hogere resultaten behaalden (Nate Kornell 2009). Maar wat zijn het eigenlijk?

Flitskaarten, oftewel flashcards, zijn kaartjes met op de ene kant een vraag of term en aan de andere kant het antwoord of de definitie.

Bron: https://debijlesmeester.nl/flitsend-leren/

V: Dus stampen is geen goed idee?

A: Niet per se. Stampen werkt prima als laatste redmiddel, om vaart te maken als je achterloopt en niet anders kunt. Het is tenslotte een beproefde methode. Het nadeel is alleen dat je na het examen een heleboel van wat je 'geleerd' hebt weer vergeet — als je je er überhaupt nog iets van herinnert. De reden is dat de hersenen een herinnering alleen sterker kunnen maken als deze eerst een beetje vergeten is. Wat dat betreft lijkt het geheugen op een spier: een beetje 'afbraak' helpt om later meer kracht te ontwikkelen. Bij stampen gebeurt dit per se niet. Een veel betere manier van voorbereiden is met tussenpozen te leren of te oefenen (zie vorige vraag) of jezelf te overhoren (zie de vraag hierna). Dan herinner je je het lesmateriaal langer, ook nog in het volgende blok of semester. Uit onderzoek blijkt dat mensen tot tweemaal zoveel lesmateriaal onthouden als ze in verschillende sessies met overhoringen werken dan wanneer ze gaan stampen. Als je zo nodig moet stampen, doe het dan bij voorkeur voor cursussen of vakken die niet zo belangrijk zijn voor wat je echt interesseert.

V: Helpt het om jezelf te overhoren, bijvoorbeeld met flitskaarten?

A: Heel veel zelfs. Jezelf overhoren is een van de beste studeertechnieken die er zijn. Ouderwetse flitskaarten werken prima, maar ook een vriend, collega of klasgenoot die je door de stof loodst. Jezelf overhoren werkt het best als het je dwingt het juiste antwoord uit meerdere mogelijkheden te kiezen en je onmiddellijk feedback krijgt, goed of fout.

Bron: Hoe we leren: gebruik je hersenen en je geheugen effectiever, Benedict Carey

Stampen
Ook al zorgen goede technieken ervoor dat je dingen langer onthoudt, het kan voorkomen dat iets leren met behulp van geheugentechnieken je meer tijd kost. Dit geldt vooral als het moeilijk of tijdrovend is om een goede techniek te bedenken. In dat geval kun je net zo goed de dingen op de ouderwetse manier proberen te onthouden door te stampen, dat wil zeggen het materiaal steeds maar weer doornemen zonder verdere creativiteit. Dit geldt ook als je niet veel tijd hebt, en als je wat je moet onthouden de volgende dag moet gebruiken. In een dergelijk geval is het belangrijk dat je een methode vindt waarmee je iets in een heel korte tijd leert. Dat kan gewoon stampen zijn.

Herhaling en jezelf overhoren
Vergeet niet dat welke techniek je ook gebruikt, het belangrijk is dat je de stof herhaalt en jezelf overhoort om het goed te leren. Je kunt je eigen aantekeningen, je collegeaantekeningen of het boek hiervoor gebruiken. Een ander alternatief zijn flitskaarten.

Flitskaarten
Flitskaarten zijn een goede manier om herhaling en zelfoverhoring te combineren. Kijk op een kant van het kaartje en probeer je te herinneren wat er op de andere kant staat. Je kunt de kaarten door elkaar schudden en kiezen welke van de twee kanten je leest. Flitskaarten zijn heel geschikt om iets telkens even kort te herhalen. Je kunt ook een app voor je mobiel of tablet downloaden en elektronische flitskaarten maken, zodat je ze altijd bij je hebt.

Bron: Superstudent, Olav Schewe

Leitner Leersysteem

The Leitner system is a widely used method of efficiently using flashcards that was proposed by the German science journalist Sebastian Leitner in the 1970s. It is a simple implementation of the principle of spaced repetition, where cards are reviewed at increasing intervals.

Bron: https://en.wikipedia.org/wiki/Leitner_system

De leitnerbox

Een leitnerbox of leitnersysteem is een methode om flitskaarten (flashcards) te sorteren op basis van hoe lang de lerende deze heeft onthouden. De methode is bedacht door en vernoemd naar de Duitse wetenschapsjournalist Sebastian Leitner. Hij publiceerde deze in de vroege jaren ’70 in het boek So lernt man lernen. De bekende leerprincipes retrieval en gespreide herhaling komen duidelijk terug in deze methode.

Bron: https://www.vernieuwenderwijs.nl/leren-met-de-leitnerbox/

Herhalingsstrategie

Definitie

...

Alias: ...

Herhalingstrategieën

Voor herhaling zijn er meerdere strategieën. Daarin maken onderzoekers een onderscheid tussen passieve en actieve herhalingstrategieën (Weinstein & Mayer, 1986). Passieve herhaling is het steeds herhalen van de leerinhoud tot die gekend is (stampen). Dit is eigenlijk alleen handig wanneer het om een kleine hoeveelheid stof gaat. Als het om een grote en complexe lesstof gaat, dan wordt dat bijna onmogelijk.

Bij actieve herhalingstrategieën wordt herhaling ingezet om informatie vast te houden zodat het verder verwerkt en vastgezet kan worden in het geheugen. (Weinstein & Mayer, 1986). Voorbeelden van actieve herhaling is het onderstrepen van belangrijke zinnen, markeren en het gebruik van flitskaarten.

Volgens onderzoek 1 heeft een student 17 herhalingen nodig om een nieuw woord volledig te leren.

Bron: https://debijlesmeester.nl/flitsend-leren/

Online leren

Definitie

...

Alias: ...

Online leren of Ieren op afstand?

Online leren betreft de situatie waarin lesgeven en het leerproces plaatsvinden in een virtuele setting, vaak op afstand. Dat is echter niet hetzelfde als afstandsleren. Online leren is een vorm van afstandsleren, maar onder afstandsleren valt ook de situatie waarin studenten boeken of een dvd ontvangen met informatie en opdrachten, die ze doorlopen en retourneren als ze klaar zijn.
Online leren is daarnaast ook een vorm van e-leaming, maar deze onderwijsvorm zet ook ICT in zonder gebruik van internet.
Meestal gebeurt online leren via internet, en dat kan op twee manieren:

- synchroon: docent en student zijn tegelijkertijd aanwezig, zoals bij een live webinar;
- asynchroon: docent en student zijn niet tegelijkertijd aanwezig, zoals op een discussieforum.

Bron: Blended learning en onderwijspraktijk - van theorie naar praktijk, Barend Last & Stefan Jongen

Taxonomie

Definitie

...

Alias: ...

Het fenomeen 'taxonomieën van leerdoelen'

Leerdoelen, competenties, standaarden, leerresultaten, taken ... één ding hebben ze gemeenschappelijk: wanneer je er honderden van hebt, is het moeilijk om een overzicht te houden. Dit verklaart de behoefte aan taxonomieën, om orde te brengen in de 'chaos'. Etymologisch herkennen we in het begrip 'taxonomie' de Griekse woorden `taxis' (= ordening) en `nomos' (= wet). Met andere woorden, een taxonomie is een wetmatige ordening. een structurering die gebaseerd is op een theoretische (en in de mate van het mogelijke ook een empirische) basis die betrekking heeft op hoe leerdoelen in de realiteit opgebouwd en geordend zijn. Niet alle taxonomieën zijn empirisch onderbouwd, wat hun acceptatie soms in de weg staat. Let op: taxonomieën zijn structureringsmiddelen, ze bevatten op zich geen concrete leerdoelen.

Bron: Onderwijskunde als ontwerpwetenschap - van leren naar instructie, Martin Valcke

[In een taxonomisch woordenboek zijn gedefinieerde concepten (begrippen) gerangschikt] in een strikte subtype-supertype hiërarchie, die ook een taxonomie genoemd wordt. Er zijn drie hoofdredenen om concepten in een subtype-supertype hiërarchie te ordenen. De eerste reden is dat logisch redeneren vaak gebruik maakt van het feit dat subtype concepten (hyponiemen) kennis erven van al hun supertype concepten (hun hyperoniemen) en het daardoor mogelijk maken logische conclusies te trekken, met name bij het beantwoorden van vragen (queries). Dus, wat geldt voor de leden van een soort, dat geldt ook voor alle leden van subtypen van die soort. De tweede reden is dat software die hiërarchie kan gebruiken voor het verifiëren van de correctheid van uitdrukkingen waarin de concepten gebruikt worden (daarom is dit woordenboek ook als database elektronisch beschikbaar). De derde reden is dat het definiëren van concepten als subtypen van meer algemene concepten een basisregel is voor het maken van definities met hoge kwaliteit die niet circulair zijn.

[Een] taxonomische woordenboek bevat definities van soorten relaties. Soorten relaties worden gewoonlijk gebruikt in allerlei uitdrukkingen. Daarin classificeren zij relaties die volgens de uitdrukkingen gelden tussen dingen die ook in de uitdrukkingen voorkomen. Bijvoorbeeld, een concept dat wordt aangeduid met de naam `samenstellingsrelatie', ook wel deel-geheel relatie genoemd, is een soort relatie. Die soort relatie classificeert relaties die iets dat een rol heeft als deel relateert aan iets dat een rol heeft als geheel. Soorten relaties verschijnen gewoonlijk in uitdrukkingen in de vorm van frasen (zinsdelen). Bijvoorbeeld, een samenstellingsrelatie tussen individuele dingen wordt in het Nederlands gewoonlijk aangeduid door de frase <is een deel van> of door zijn inverse frase <heeft als deel>. Zowel soorten relaties als frasen en andere namen die bestaan uit meerdere woorden komen gewoonlijk niet voor in gebruikelijke woordenboeken. Toch duiden zij concepten aan die door mensen worden ervaren als semantische eenheden. Dat betekent dat in het Nederlands enkelvoudige concepten (begrippen) kunnen worden aangeduid door namen en frasen die bestaan uit meerdere woorden (meerdere termen). De soorten relaties worden in andere talen aangeduid door andere namen of frasen, waarbij het aantal woorden of symbolen kan verschillen, maar waarbij de betekenis taalonafhankelijk is. Daarom worden de soorten relaties in dit woordenboek geïdentificeerd door unieke taalonafhankelijke identificatoren (UIDs) in de vorm van unieke getallen. Dit maakt het mogelijk dat soorten relaties kunnen worden vertaald en zijn vertaald


Bron: Taxonomisch Woordenboek van Relaties, Andries van Renssen

Taxonomie Een taxonomie is een verzameling van gecontroleerde woordenboekbegrippen die georganiseerd zijn in een hiërarchische structuur (Reimer, 2001). Elke term in een taxonomie is betrokken in één of meer ouder-kind relatie(s) met andere begrippen van de taxonomie. Een taxonomie voegt additionele betekenis toe door middel van de betekenis van de hiërarchische relaties. In een traditionele taxonomie wordt vaak uitgegaan van een zogenaamde generalisatie/specialisatie relatie, waarbij een con-cept bezien wordt als een specialisatie of generalisatie van een ander concept. Tegen-

Bron: De keten uitgedaagd: Besturen en verantwoorden in een wereld vol ICT, geredigeerd door R. van Wijk, N. Bharosa, M.F.W.H.A. Janssen

Bij de studie van woorden zien we twee haast tegengestelde fenomenen: één en hetzelfde woord kan polysemie vertonen, d.w.z. een hele reeks betekenissen hebben, maar anderzijds gebruiken we vaak verschillende woorden om naar hetzelfde begrip te verwijzen; dit laatste valt onder het verschijnsel synonymie. Deze feiten worden respectievelijk in de semasiologie en de onomasiologie bestudeerd. De onomasiologie heeft als typisch instrument de thesaurus die zowel synoniemen als antoniemen opsomt. Hoewel beide benaderingen erg van elkaar verschillen, zijn ze toch ook tot op zekere hoogte vergelijkbaar: sommige betekenissen en sommige woorden zijn meer prominent dan andere; zowel betekenissen als woorden vormen netwerken, en zowel bij sommige betekenissen als bij woorden kunnen er vage grenzen zijn. In de semasiologie betekent prominentie dat één of meer betekenissen meer centraal of prototypisch zijn en dat de andere betekenissen iets minder centraal of zelfs perifeer of marginaal zijn. Alle betekenissen van een woord samen vormen een radiaal netwerk en zijn met elkaar verbonden door cognitieve processen als metonymie, metafoor, specialisatie en generalisatie. in de metonymie berust het verband tussen twee betekenissen van een woord op contiguïteit, in een metaforisch proces op de gelijkenis tussen een brondomein dat het beeld (b.v. voet) levert en het doeldomein dat het beeld ontvangt (b.v. voet van een berg). De grenzen tussen twee betekenissen in een radiaal netwerk, vooral dan bij de perifere betekenissen, kunnen zeer vaag zijn. Voor veel categorieën of betekenissen van een woord kan er geen klassieke definitie gegeven worden. Deze is altijd mogelijk bij mathematische of technische termen. Ook in de onomasiologie zien we dezelfde drie verschijnselen. Eerst en vooral treden er ook hier prototypicaliteitseffecten op. Als er verschillende mogelijkheden zijn om dezelfde referent te benoemen, b.v. voertuig. auto, Peugeot, is er één woord weer meer prominent: dit is de basisniveauterm, die het midden houdt tussen een algemene term en een meer specifieke term. Samen vormen zulke naar betekenis en abstractie-niveau verwante termen een classificatie en hierin is de basisniveauterm dan ook in het taalgebruik het diepst ingeburgerd. Woorden vormen ook netwerken, namelijk hiërarchisch taxonomieën en woordvelden. In een taxonomie is er een hiërarchie tussen de termen. Er zijn hyperonieme en hyponieme termen: de eerste vertonen altijd meer generalisatie en de tweede meer specialisatie. Een woordveld, b.v. het woordveld maaltijd, bevat alle woorden die entiteiten in het betreffende begripsveld of conceptuele domein noemen. Een heel conceptueel domein kan op een ander domein worden overgedragen, wat tot een conceptuele metafoor leidt. Daarnaast is er ook het verschijnsel van de conceptuele metonymie. Tenslotte is het een feit dat het hele lexicon, d.w.z. alle woorden tezamen niet één grote taxonomie vormen, maar dat er vele, elkaar ten dele overlappende taxonomieën zijn en dat er noodzakelijk problemen van vaagheid zijn bij het classificeren van een aantal woorden in zulke taxonomie. Een term als broekrok is een hybridisch woord en de vraag is of het een basisniveauterm is zoals broek of rok ofwel een type van rok en dus een hyponiem van rok. Het is ook onmogelijk een taxonomie van kledingstukken voor mannen en kledingstukken voor vrouwen op te zetten, omdat er heel wat items zijn die tot beide categorieën behoren zodat er altijd een kruiselingse classificatie zal bestaan. Alles samengenomen biedt alleen een studie van het lexicon die de twee benaderingswijzen, nl. de semasiologische en de onomasiologische, integreert, de mogelijkheid om tot de verklaring van een groot aantal fenomenen in de lexicologie door te stoten.

Bron: Cognitieve inleiding tot taal en taalwetenschap, geredigeerd door René Dirven, Marjolyn Verspoor

Verbinden
Het semantisch verbinden geschiedt met en door het verbinden in de RNA-structuur. RNA is een acroniem voor Referentie Netwerken Architectuur. Deze term werd bedacht door de firma Trezorix in Delft bij een van hun projecten waarin men zich bezighield met het ontwikkelen van best practices bij het werken met dynamische kennissystemen.

Modellering
In de RNA-omgeving wordt gebruikgemaakt van de RDF-principes voor het linken van data. Het zogenaamde Resource Description Framework (RDF) is een W3C-standaard, die de basis vormt van het semantische web. RDF-statements bestaan steeds uit drie delen: een onderwerp (subject), een eigenschap (predicaat) en een voorwerp (object), samen een 'triple' genoemd.. De twee entiteiten, subject en object, worden door een eigenschap, het predicaat, aan elkaar gekoppeld.

Een voorbeeld:
Subject: Theo Thijssen I predicate: isAuthorOf I object: Kees de jongen
Subject: Theo Thijssen I predicate: isItemType I object: person
Subject: Kees de jongen I predicate: isltemType I object: bonk

Hier wordt gezegd dat Thijssen de auteur is van Kees de Jongen, dat Thijssen van het type persoon is en 'Kees de Jongen' van het type boek, en dus dat de persoon Thijssen de schrijver is van het boek Kees deJ ongen. Een predicaat heeft daarnaast twee belangrijke eigenschappen, namelijk een domein en een range. In het domein wordt aangegeven welke soorten entiteiten van het predicaat gebruik mogen maken, in de range wordt bepaald naar welke soorten entiteiten het predicaat mag verwijzen. In de RNA-omgeving worden entiteitsoorten 'itemtypes' genoemd. Terugkijkend naar bovenstaand voorbeeld ziet dit er als volgt uit.

predicate: isAuthorOf domain: person range: book, article

Hier is dus vastgelegd dat het predicaat isAuthorOfgebruikt mag worden door de itemtypes 'persoon', en dat het mag verwijzen naar de itemtypes boek' of 'artikel'. Anders gezegd: het predicaat isAuthorOfkan een persoon aan een boek of artikel linken. Een subject (boek) krijgt een predicaat: hasAuthor. Verschillende predicaten kunnen hetzelfde itemtype in hun domein opgenomen hebben. Vanuit dat itemtype gezien zijn er dus meerdere predicaten waarmee er een link gelegd kan worden naar andere itemtypes. In het voorbeeld twee nieuwe predicaten: hasPublisher en hasLanguage.

Subject: Kees de Jongen I predicaat: hasPublisher I object: Van Dishoeck
Subject: Kees de Jongen I predicate: hasLanguage I object: dutch

We hebben al vastgesteld dat het predicaat isAuthorOf mag verwijzen naar de domeinen book, artide, en alleen een persoon kan zijn. De inverse van isAuthorOf is hasAuthor. En inverse wil zeggen dat het object iets zegt van het subject. Bij het volgende predicaat HasPublisher leggen we vast dat het domein een book of eenjournal mag zijn en dat de range een person of een organisation kan zijn.

predicate: isAuthorOf domain: book, article range: person
predicate: hasPublisher domain: book, journal range: person, organization

NL-term publicaties, TiNT-dag 2011 (Reeks: Terminologie in het Nederlandse Taalgebied - 3), geredigeerd door Elise Ruijsendaal

Woordenlijsten Zoals in het voorgaande reeds is gezegd, wil de Rijksdienst zijn eigen woordenlijsten en thesauri* gaan gebruiken, maar ook woordenlijsten en thesauri van anderen om kennis te verbinden. Woordenlijsten, woordsystemen, thesauri enz. zijn er in vele vormen en maten. De RCE hanteert de volgende typeringen.

Woordenlijst: een lijst termen, vaak een of twee onderwerpen, soms ook rijp en groen door elkaar.

Classificatie: systematische ordening van 'objecten' in een boomstructuur (elk object kan in principe maar op één plaats staan).

Taxonomie: een taxonomie brengt een strikte hiërarchie aan i n verzameling van begrippen, op basis van hun betekenis. Er zijn twee mogelijkheden: een begrip is generieken (Broader Term) of specifieker (Narrower Term) dan een ander begrip. Bijvoorbeeld:voertuig-tweewielerfiets. In een taxonomie komt elk begrip maar één keer voor en kan elk begrip maar één generieken begrip hebben. Thesaurus: een thesaurus is een gestructureerde termenlijst van concepten... De opbouw is hiërarchisch.

Drie soorten relaties komen in vrijwel alle thesauri voor.

Hiërarchische relaties.

Dit zijn relaties tussen begrippen waarbij het ene begrip een onderdeel vormt van het andere begrip. In thesaurusjargon: BT-NT (broader term-narrower term). Het verdeelt termen in categorieën en subcategorieën.

Equivalente of gelijkwaardige relaties.

Dit zijn relaties tussen woorden die (ongeveer) hetzelfde betekenen, zoals 'fietsen' en 'rijwielen'. In thesaurusjargon is dit de Use-Usedfor-relatie. Het verbindt termen met hun varianten.

Associatieve relaties

Hierbij kan het om alle mogelijke soorten relaties kan gaan, zoals causale, instrumentele enz. Deze relaties liggen tussen concepten die wél met elkaar te maken hebben en waartussen geen van de twee andere relaties bestaat. Bijvoorbeeld: doping en sport, diefstal en heling, abolitionisme en slavernij, vogels en vogelgriep .... Deze relatie heet de RT (related term)

*Thesaurus: gestructureerde lijst van concepten. Concepten gedefinieerd als 'eenheden van begrip' (ISO 2788)

Bron: Nederlandstalige terminologie in de praktijk, geredigeerd door Marcel Thelen, Els Ruijsendaal, Cornelia Wermuth

Taxonomie

(Grieks: ????? táxis ordening, schikking en ????? nómos gebruik, wet) is, in wetenschappelijk en technologisch verband, het indelen van individuen of objecten in groepen (taxa, enkelvoud taxon). Taxonomie is hiermee een vorm van classificatie. Taxonomie verwijst naar zowel de gehanteerde methodologie van de indeling als naar de hiërarchische ordening die hiervan het resultaat is. De taxonomie is van oorsprong de vakwetenschap binnen de biologie, die soorten organismen ordent (classificeert) op grond van hun evolutionaire verwantschap. Inmiddels wordt het begrip taxonomie, bij uitbreiding, ook voor andere, formele classificatiesystemen gebruikt.

Bron: https://nl.wikipedia.org/wiki/Taxonomie

Betekenis: Taxonomie

Taxonomie is het beschrijven, onderverdelen en ordenen van mensen, dingen of artikelen in groepen en categorieën. Taxon is een ander woord voor groep.

Een voorbeeld van het toepassen van taxonomie is het toekennen van categorieën, labels en/of tags aan de content (tekstpagina’s, nieuwsartikelen enz.) van een website. Het toevoegen van dergelijke meta-informatie kan helpen bij het structureren en vindbaar maken van informatie. Het aanbrengen van onderlinge verbanden tussen categorieën en groepen helpt om informatie binnen een database in te delen in een hiërarchische structuur.

Een praktische toepassing van taxonomie binnen een website is het automatisch opmaken van een inhoudsopgave, het aanbieden van een zoekfunctie of het weergeven van een tagcloud. De met behulp van taxonomie gedefinieerde relaties tussen artikelen en categorieën onderling kunnen ook worden gebruikt voor het vinden en tonen van gerelateerde informatie en pagina’s.

Bron: https://onlinemarketingagency.nl/marketingtermen/taxonomie/

In de publicatie Leren van toetsen - een cyclisch proces gaan Fabienne van der Kleij, Jorine Vermeulen, Theo Eggen & Bernard Veldkamp in op het verschil tussen formatieve en summatieve toetsing:

Onder een toets verstaan we “een instrument voor het meten van iemands kennis en vaardigheden (praktische vaardigheden en houdingen) die door middel van studie en/of onderwijs op een of ander vakgebied zijn verworven” (Cito toetstechnische begrippenlijst, 2010). Naast toetsen kan ook met behulp van andere instrumenten bepaald worden wat leerlingen kennen en kunnen. Zo kan gebruik gemaakt worden van bijvoorbeeld huiswerk, projecten, discussies en observaties. Wanneer een breed spectrum aan technieken wordt gebruikt voor het verzamelen van informatie over leeropbrengsten spreekt men ook wel van assessment.

Formatieve en summatieve toetsing
Traditioneel wordt in de onderwijswereld onderscheid gemaakt tussen formatieve en summatieve functies van toetsing. Kort gezegd hebben summatieve toetsen als functie de leerprestaties van een leerling te beoordelen en vervolgens een beslissing te nemen met betrekking tot selectie, classificatie, plaatsing of certificering (Sanders, 2011). Er zijn echter ook toetsen die als doel hebben inzicht te krijgen in het onderwijsleerproces en dit waar nodig bij te sturen. Deze toetsen worden formatieve toetsen genoemd. Formatieve toetsen hebben als doel informatie te geven aan de leerkracht en leerlingen over de mate waarin de leerstof al wel of niet beheerst wordt.

(...)

Summatieve toetsen
Toetsen kunnen bijvoorbeeld een selectiefunctie, kwalificerende functie of een prognostische functie hebben. Deze toetsen worden afgenomen na een bepaalde periode om te beoordelen in hoeverre een leerling de beoogde leerdoelen in voldoende mate beheerst. Op basis van de score op een dergelijke toets wordt een (deel van de) zak-/slaagbeslissing genomen. Men zegt in dit geval dat de toets een summatieve functie heeft. Zie voor praktische voorbeelden van summatieve toetsen in verschillende onderwijssectoren hoofdstuk 1 van de publicatie Toetsen op School (Sanders, 2011).

Formatieve toetsen
Formatieve toetsen daarentegen hebben als doel de leerkracht en leerlingen te informeren over de mate waarin de leerstof beheerst wordt. Op basis van de resultaten op deze toetsen kan worden besloten om het onderwijs aan de groep of de individuele leerling aan te passen. Formatieve toetsen hebben daarom een didactische functie. Wat inhoudt dat ze informatie verschaffen over het onderwijsleerproces en hier sturing aan geven (zie de ToetsSpecial Toetsconstructieproces in 8 stappen). Mede vanwege deze didactische functie wordt van formatieve toetsen beweerd dat deze een positieve invloed kunnen hebben op de leeropbrengst van leerlingen. Er is alleen sprake van formatieve toetsing wanneer de resultaten worden gebruikt voor het geven van feedback en/of het aanpassen van de instructie.

Summatieve of formatieve functie
Een toets is niet per definitie formatief of summatief. Het gaat erom hoe de toetsresultaten gebruikt worden, met andere woorden; de functie van de toetsresultaten. Wanneer het resultaat op een toets meetelt bij het maken van een (deel van de) zak-/slaagbeslissing vervult deze een summatieve functie. Dezelfde toets kan echter ook een formatieve functie vervullen. Dit is bijvoorbeeld het geval wanneer er feedback gegeven wordt aan de leerling, die de leerling kan gebruiken in het vervolgtraject van het onderwijs. Een ander voorbeeld is een leerkracht die toetsresultaten gebruikt om de effectiviteit van zijn of haar instructie te evalueren. Wanneer bijvoorbeeld uit de toetsresultaten blijkt dat het merendeel van de klas een onderdeel van de leerstof niet heeft begrepen, kan de leerkracht concluderen dat hij/zij extra aandacht aan dat deel van de leerstof moet besteden.

Formatieve toetsing
Formatieve toetsing is een breder begrip dan hierboven is beschreven. De term is geïntroduceerd om de tussentijdse evaluatie van programma's (interventies) te beschrijven (Scriven, 1967). In 1968 is de term formatief voor het eerst gebruikt in de context van instructie. In de loop der jaren zijn er verschillende definities toegekend aan formatieve toetsing.
Er kan onderscheid worden gemaakt tussen formatieve programma-evaluaties en formatieve assessments (Shepard, 2005). Formatieve programma-evaluaties zijn bedoeld om op een hoger aggregatieniveau dan de leerling (klas, school) beslissingen te nemen over de onderwijsbehoeften van groepen leerlingen. Formatief assessment is gericht op het leerling- en klasniveau; het wordt gebruikt om instructie te laten aansluiten op individuele onderwijsbehoeften van leerlingen. In deze special zullen we spreken van formatieve evaluatie als het evalueren van de kwaliteit van het onderwijs wordt bedoeld. Van formatief assessment is sprake als het toetsproces gericht is op leerprocessen binnen een klas en het verbeteren van instructie aan de klas en individuele leerlingen.

(...)

Diagnostisch toetsen
Diagnostisch toetsen is een systematische en cyclische benadering waarmee het leerproces en de leeropbrengsten van individuele leerlingen in kaart gebracht kunnen worden. Aangezien diagnostisch toetsen in verschillende vakgebieden verschillende definities kent en voor verschillende doeleinden wordt gebruikt, wordt in dit hoofdstuk toegelicht hoe diagnostisch toetsen, toegepast binnen het onderwijs, kan bijdragen aan het optimaliseren van het leerproces van lerenden.

Definities van diagnostisch toetsen
We noemen twee definities van diagnostisch toetsen (DT):
1.In algemene zin is het stellen van een diagnose met DT het kritisch analyseren en verklaren van deleeropbrengsten van leerlingen (Rupp, Templin, & Henson, 2010).
2.Keeley en Tobey (2010) stellen dat het bij DT gaat om het meten van voorkennis en verschillendemanieren van redeneren.

(...)

Binnen het onderwijs geeft het volgen van de diagnostische cyclus informatie over het leerproces van leerlingen.

Fasen in de diagnostische cyclus (De Bruyn, Ruijssenaars, Pameijer, van Aarle, 2007):
1.verhelderen: Waar zit de leerling ten opzichte van het hoofddoel of de hoofddoelen?
2.onderkennen (verkennen): Hoe presteert de leerling op subdoelen?
3.verklaren: Hoe komt het dat de leerling sterk of zwak is binnen dit (sub)domein?
4.indiceren (adviseren): Op welke doelen moet de interventie zich richten?

De fasen in de diagnostische cyclus verschillen in de mate waarin ze gedetailleerde informatie geven over het leerproces. Verondersteld wordt dat fases 3 en 4 resulteren in diagnoses met meer praktische waarde omdat deze informatie leerkrachten beter kan ondersteunen bij het nemen van beslissingen over het inrichten van de leeromgeving dan de diagnoses van fases 1 en 2.

Bron: Leren van toetsen - een cyclisch proces, Fabienne van der Kleij, Jorine Vermeulen, Theo Eggen & Bernard Veldkamp (Cito/RCEC)

Pedro de Bruyckere beschrijft in zijn boek Klaskit: tools voor topleraren de vergeetcurve van Hermann Ebbinghaus. Mark Brysbaert doet hetzelfde in zijn boek Psychologie. Hieronder twee fragmenten:

Hermann Ebbinghaus experimenteerde met zijn eigen geheugen. Hij probeerde een groep van pseudowoorden uit het hoofd te leren. Het waren klanken en woorden zonder betekenis, zodat er geen inhoudelijke link te leggen was met wat iemand al wist. Ebbinghaus ontdekte dat je als mens nieuw aangeleerde dingen eerst volledig kunt reproduceren, maar dat hoe langer je wacht om te checken wat je nog weet, hoe minder je je kunt herinnereren.

Bron: Klaskit: tools voor topleraren, Pedro De Bruyckere

In de jaren 1875-1885 voerde Hermann Ebbinghaus een reeks van experimenten uit, met zichzelf als enige proefpersoon. Deze pioniersstudies werden gepubliceerdd in 1885 onder de titel Über das Gedächtnis. Ebbinghaus probeerde twee kernvragen te beantwoorden: (1) hoeveel vergeten we en hoe snel gaat dat, en (2) als een persoon zich iets niet langer kan herinnereren, betekent dit dan dat de informatie helemaal verloren is gegaan.

Bij zijn experimenten maakte Ebbinghaus meestal gebruik van zinlose lettergrepen die bestonden uit een klinker omringd door twee medeklinkers (bijv. zok, kep). Ebbinghaus hoopte zo een zuivere geheugeneenheid te hebben, die niet beïnvloed was door voorafgaande ervaringen en betekenisrelaties, zoals het geval zou zijn geweest bij bestaande woorden.

(...)

Hoe meer tijd verstreek tussen het initiële leren en het testen, hoe minder Ebbinghaus zich kon herinneren.

(...)

De relatie tussen de mate van vergeten en het tijdsinterval sinds het leren staat beknd als de vergeetcurve. Zowel de vorm van de vergeetcurve als het feit dat vergeten materiaal zelden helemaal verloren gaat zijn twee vondsten van Ebbinghaus die nog altijd de kern van hedendaagse geheugentheorieën uitmaken.

Bron: Psychologie Mark Brysbaert

Het opstellen van een A3-jaarplan vereist het formuleren van een missie, visie, succesbepalende factoren, prestatie-indicatoren en acties. ....

Missie

De missie is de primaire functie van de organisatie die als een opdracht kan worden ervaren en niet aan verandering onderhevig is.

...

Visie

De visie is een dynamisch beeld van de toekomst. Het is de collectieve ambitie voor de komende drie jaren.

...

Succesbepalende factoren (SBF)

Een succesbepalende factor is dat wat de organisatie succesvol maakt in de ogen van de verschillende belanghebbenden. ... Een SBF is daarmee bepalend voor de continuïteit van de organisatie. Een SBF wordt altijd toekomstgericht geformuleerd, in een resultaat weergegeven en moet uiteindelijk meetbaar zijn.

...

Prestatie-indicatoren

Een prestatie-indicator verwoordt op meetbare wijze hoe een succesbepalende factor tot stand komt. Een prestatie-indicator kan vier verschillende aspecten van een prestatie meten: kwaliteit (eigenschappen), kwantiteit (hoeveelheid), tijd en offers. Belangrijk is dat een prestatie-indicator realistisch is en dat er eenduidigheid is over de definitie, zodat vergelijking mogelijk is. Een prestatie-indicator wordt zonder norm geformuleerd. ... Bij de te behalen prestatie-indicatoren worden de te behalen normen en acties beschreven die nodig zijn om het gewenste resultaat te halen.

Zie ook: A3 methodiek volgens Henk Doeleman

Bron: Gids voor toepassing van de A3-methodiek - over een nieuwe wijze van besturen en ontwikkelen, Ministerie van Justitie Dienst Justitiële Inrichtingen.

In het boek Leren werkt - bijdragen aan het lerend vermogen van de werkende mens beschrijft Joop Wieringa de Abilene-paradox:

De Abilene-paradox

Deze paradox is genoemd naar het plaatsje Abilene in Texas. Zestig mijl van Abilene ligt Coleman, waar de schoonouders van professor Harvey wonen. Hij beschrijft wat hem overkwam toen hij een keer met zijn vrouw bij hen logeerde.

Ze zitten op de veranda onder een grote ventilator en spelen gezellig een spelletje domina. Zijn schoonvader stelt voor naar Abilene te gaan en daar te lunchen. Een voor een geeft iedereen dat het een leuk idee is. Harvey vraagt wel, voordat hij ja zegt, of de airconditioning in de auto gemaakt is. Maar ondanks het feit dat die nog stuk is, wil de schoonzoon geen spelbreker zijn.

Na een rit zonder airconditioning, een matige lunch en een uitputtende terugreis ploft iedereen weer neer op de veranda van het huis. Schoonvader zegt: "Was dat nu een aardige lunch?" Waarop ma zegt dat ze net zo lief was thuisgebleven. Vervolgens blijkt dat iedereen eigenlijk liever was thuisgebleven. Schoonvader, die het idee opperde, geeft aan dat hij bang was dat de kinderen de hele middag domino saai zouden vinden. Hij vindt het belangrijk dat ze het leuk hebben, zodat ze vaker thuis zullen komen. Hij had daarom de suggestie gedaan voor iets anders. Niet dat hij dat wilde, maar als de anderen het leuk zouden vinden, zou hij zich wel opofferen. Aan het eind blijkt dat niemand naar Abilene wilde en iedereen instemde met het voorstel om de ander een plezier te doen. Zo deden ze iets wat geen van allen eigenlijk wilden. Ze waren collectief onbekwaam om overeenstemming te hanteren.

Bron: Leren werkt - bijdragen aan het lerend vermogen van de werkende mens, Annelies Hoogcarspel, Ilse Engwirda & Rob Koops

In het boek Leren werkt - bijdragen aan het lerend vermogen van de werkende mens beschrijft Joost Muller de LDD-matrix:

[Hierboven] vind je de zogenaamde LDD-matrix: de LeerDoelen-Didactiek-matrix. Met deze matrix kan getoetst worden in hoeverre bestaande opleidingen qua vorm en inhoud corresponderen met de nieuwe ontwikkelingen in en eisen aan leerprocessen. De matrix kan daarnaast ook gebruikt worden bij het ontwikkelen van nieuwe leertrajecten.

(...)

In deze matrix staan op de verticale as de leerdoelen en op de horizontale didactische vormen. Linksonder representeert het schema de klassieke leersituatie - lesgeven - die past bij een klassieke opvatting over management en organisatie. Rechtsboven wordt de vorm aangegeven die typerend wordt voor 'lerende organisaties' en de combinaties van leren en werken die daarbij passen. Hoe verder men naar rechts en naar boven opschuift, hoe meer de nadruk komt te liggen op collectief leren, het ontwikkelen van een eigen stijl van denken en doen, het reflecteren op de eigen ervaring en het leren te leren. Het gaat steeds meer om het ontwikkelen van het vermogen om in nieuwe situaties specifieke oplossingen te vinden.

De matrix kan gebruikt worden om bestaande opleidingen te toetsen, zowel op hun didactische vooronderstellingen als op de managementfilosofie die eraan ten grondslag ligt. De matrix kan echter ook gebruikt worden om op basis van een behoefte aan een bepaald soort leerproces een passende opleidings- en leervorm te ontwikkelen.

Toelichting van de matrix-vakken

(1.1) Lesgeven en toespreken

Eenzijdige instructie en utileg, overdracht van kennis en informatie via toespreken, is een leervorm die relatief eenvoudig en goedkoop is. Deze vorm is geschikt in grote groepen en bevredigend voor de docent omdat hij of zij kennis kan spuien en toehoorders tot luisteren kan brengen. De vorm is en blijft geschikt voor codeerbare kennis. In dezelfde categorie vallen videopresentaties (al dan niet als onderdeel van e-learning-trajecten), leesteksten en boeken.

Discussie tijdens of na een inleiding kan een interactieve vorm krijgen als de docent zich niet beperkt tot het beantwoorden van vragen. We belanden dan in de vakken 1.2 of 1.3. Het inbouwen van vragen aan de deelnemers door de docent kan hierbij helpen. Een probleem is echter dat veel inleiders niet echt geïnteresseerd lijken in de mening van deelnemers en liever hun vragen retorisch houden of weinig besteden aan het geven van antwoorden.

(...)

(1.2) Sociocratische dialoog

In de klassieke dialoog zoals Plato die beschrijft, probeert de vragensteller met gerichte vragen de leerling naar een bepaald conclusie te leiden. Hij meent het antwoord te weten en ziet het als zijn taak de leerling in dit licht ook te laten zien. We spreken dan van een ´gesloten dialoog´ en je zou kunnen zeggen dat er sprake is van een zekere manipulatie. Uit de praktijk van veranderingsprocessen is gebleken dat het moeten beantwoorden van vragen het denkproces activeert en de basis legt voor de bereidheid om zelfstandig te handelen.

(...)

(1.3) Kennisdelling

Hier is de ongelijkheid tussen de aanwezigen verdwenen en daarmee ook de rol van een leraar die verondersteld wordt meer kennis over het betrokken onderwerp te bezitten dan de andere aanwezigen. De docentenrol kan hier overgaan in die van procesbegeleider, iemand die zorgt dat de betrokkenen de gelegenheid krijgen hun kennis en ervaring effectief uit te wisselen en te toetsen op relevantie en waarde.

(...)

(1.4) Belerende instructie, cases en oefeningen

Hierbij gaat het niet om 'cognitieve' doelen maar om vaardigheid, om handelen en gedrag. Uitgangsunt is dat de 'instructeur' de vaardigheid bezit en de leerling nog niet. Het gaat om overdracht van een bekende, bestaande competentie. Daarom is het commentaar van de trainer in termen van goed of niet goed. Voordoen hoe het moet past bij deze aanpak. Perfecte 'imitatie' van de instructeur krijgt de hoogste waardering. De leercyclus is: voordoen, nadoen, zelf doen. Instructiecases en oefeningen kunnen worden ingebouwd om een bepaalde moeilijkheid te ervaren of duidelijk te maken.

(...)

(2.2) Cases, oefeningen en rollenspellen van de leermeester\

Bij casestudies gaat het veelal om cognitieve vaardigheden zoals probleem oplossen, bij rollenspellen om gedrags- of vaardigheidsdoelen. Beide worden ontworpen en geïntroduceerd door de leermeester. Deze heeft daarmee een ervaringsvoorsprong en de mogelijkheid het leerproces en de conclusies in een bepaalde richting te leiden. Vraagstelling, opbouw van de case en de wijze van ingaan op antwoorden bepalen of er sprake is van een zekere tweezijdigheid of dat de gekozen vorm eerder pas bij 2.1.

(...)

(2.3) Ervaringscasuïstiek van deelnemers

Case-beschrijvingen en scripts voor rollenspelen komen voort uit de ervaringswerkelijkheden en denkwerelden van de deelnemers. De begeleider heeft ten aanzien van de inhoud eerder een achterstand dan een voorsprong op de deelnemers. Zijn toegevoegde waarde zit in de organisatie van het leerproces, onder ander door ervoor te zorgen dat de uitwisselings- en feedbackprocessen in de nabespreking goed verlopen (debriefing) en te laten zien waar bepaalde concepten en methodieken van denken of handelen verhelderend en inzicht vergrotend zijn.

(...)

(3.1) Normatief overtuigen, goeroe/leraar-prediking

Het gaat hier om het indringend en overtuigen op mensen inpraten om hen van een zienswijze te overtuigen en daarmee hun standpunt en handelen te beïnvloeden. Eigen enthousiasme en overtuiging kunnen hierbij inspirerend werken. Charismatische leiders en leraren zijn door de geschiedenis heen voorbeelden van het meesterlijk hanteren hiervan. Naarmate mensen zelfbewuster en assertiever worden, zal hun weerstand tegen de variant van het 'platpraten' toenemen en de effectiviteit ervan afnemen.

(...)

(3.2) Dialogische confrontatie met leermeester

Kenmerkend voor 3.2 is dat het de leermeester/change agent is die het kader schept en het proces leert. Bij het leer- en zoekproces rond verandering waar zelden iemand alle antwoorden al kent, maar wel ervarings- en organisatiekundigheid een rol speelt, past de vorm van een 'open confrontatiedialoog'. Gegeven antwoorden op vragen kunnen hier leiden tot nieuw inzicht, wat niet eerder bestaande vragen genereert, enzovoort.

(3.3) Open (confronterende) dialoog over waarden- en normverschillen

In nog sterkere mate dan bij 1.3 en 2.3 het geval is, hebben de leerdoelen het karakter van 'zien wat er uitkomt, verassing, ontdekking'. De volkomen open dialoog als leerproces is van vitale betekenis voor het creëren van een alzijdig lerende community op het niveau van normen en waarden. De 'confrontatie' in deze dialoog heeft niet het doel om bestaande kennis en inzichten bevestigd te krijgen. Het is veelal de confrontatie die nodig is om met scherpte de inzichten en standpunten vast te stellen als 'authentieke' en verschillende representaties van werkelijkheden. De taak van de begeleider is om te zorgen dat de verschillen in inzichten helder worden en zonodig worden terugvertaald naar verschillen in beleving of aannames die eraan ten grondslag liggen.

Bron: Leren werkt - bijdragen aan het lerend vermogen van de werkende mens, Annelies Hoogcarspel, Ilse Engwirda & Rob Koops