Constructive alignment met AI: hoe gereedschap het verschil maakt

Wat is constructive alignment?

Constructive alignment is het didactische model van John Biggs (1996): leerdoel, leeractiviteit en toetsing staan op één lijn. Als je leerdoel is “student kan een anamnese afnemen”, dan oefent de student in de les met anamnese (activiteit) en toetst de toets dat ook (vraag: “neem een anamnese af bij deze casus”, niet: “benoem drie delen van een anamnese”).

Eenvoudig in theorie, keihard in de praktijk. Onderzoek laat consistent zien dat slechts 2 tot 4 van de 10 lessen volledig aligned zijn. De rest heeft ergens een breuk — een leerdoel dat niet terugkomt in de activiteit, een toets die iets anders vraagt dan is geoefend, een samenvatting die een ander frame gebruikt dan de opbouw.

Waarom gangbare tools alignment breken

Een typische lespresentatie in PowerPoint heeft deze structuur: slide 1 titel, slide 2 leerdoelen, slide 3-10 uitleg, slide 11-13 oefening, slide 14 quiz. De drie elementen van alignment staan los van elkaar. Letterlijk: verschillende slides, verschillende momenten, verschillend frame.

Wat er in die afstand gebeurt, is voorspelbaar:

• Slide 2 claimt dat het leerdoel “anamnese afnemen” is, maar slide 5 legt alleen anamnese-theorie uit
• Slide 11 oefent met een rollenspel, maar slide 14 toetst met meerkeuzevragen over theorie
• De samenvatting op slide 13 vat de theorie samen, niet de beroepssituatie waar het leerdoel aan refereert

Geen slechte les. Geen onoplettende docent. Gewoon een gereedschap dat alignment niet afdwingt. PowerPoint vraagt “wat komt er op deze slide?” — nooit “wat was je leerdoel ook alweer, en toetst dit dat?”.

Wat AI wel en niet kan oplossen

De verleiding is groot om te denken: AI lost dit vanzelf op. Je typt een onderwerp in, AI schrijft een les, klaar. Dat is zowel waar als gevaarlijk.

Waar AI wel helpt:

• Consistente structuur over lessen heen — elke les volgt dezelfde logica
• Genereren van toetsvragen die aansluiten op de zojuist-geïntroduceerde concepten (alignment-by-proximity)
• Casussen bouwen waarin het leerdoel wordt geoefend, niet beschreven

Waar AI niet helpt — en zelfs schaadt:

• Als de AI geen didactische structuur opdringt, krijg je een sneller-gegenereerde maar even gebroken les
• Een “AI-slidegenerator” zonder flow-logica maakt alleen het oppervlak sneller, niet de inhoud beter
• AI kan hallucineren — wat in onderwijscontext betekent dat een leerdoel-activiteit-toetsing-triade inhoudelijk klopt maar feitelijk onwaar is

Het verschil zit in of de AI een didactisch framework volgt, of alleen een prompt-to-slides-mapping doet. Zonder framework: sneller slecht. Met framework: structureel aligned.

Alignment-by-design met didactische flows

Lectame werkt met drie flows. Elk framework is een ander type alignment. Je kiest de flow die bij je leerdoel past, en de alignment volgt.

Het punt is niet dat deze drie flows magisch aligned zijn. Het punt is dat ze de alignment-logica in het formaat stoppen. Je kunt nog steeds een Theory Flow-les maken die slecht aligned is (bijvoorbeeld door de checks niet serieus bij het concept te houden), maar de default is aligned. Bij een lege PowerPoint-slide is de default niets.

Concreet voorbeeld: anamnese MBO-4 verpleegkunde

Leerdoel: student kan een gestructureerde anamnese afnemen bij een patiënt met buikpijn volgens het SCEGS-model.

In PowerPoint (risico: niet aligned):Slide 2 noemt het leerdoel. Slide 3-8 legt SCEGS theoretisch uit. Slide 9 geeft een voorbeeldvraag per letter. Slide 10 zegt “oefen samen”. Slide 11 is een meerkeuzevraag over welke letter voor “sociaal” staat. De toets vraagt: de student moet op klinische stage een anamnese afnemen — iets wat in de les niet is geoefend.

In Case Flow (aligned): De les opent met een casus — “Maria, 34 jaar, komt met buikpijn op de HAP”. Student analyseert: wat vraag je als eerste? De laag eronder (verdieping) opent het SCEGS-model wanneer de student vastloopt. Volgende laag: tweede casus, andere presentatie. Toetsing is geïntegreerd: de analyse-vragen tijdens de casus zijn de toets. Leerdoel (anamnese afnemen), activiteit (anamnese afnemen bij casus) en toetsing (beoordeling van die anamnese) vallen samen.

Zelfde onderwerp. Zelfde theorie. Andere alignment. En — niet onbelangrijk — een totaal andere studentervaring.

Implementatie-tips

Drie dingen die helpen om alignment consistent vast te houden, met of zonder Lectame:

1. 1Formuleer leerdoelen als werkwoord-handeling, niet als zelfstandig-naamwoord-kennis. “Student kent het SCEGS-model” is niet toetsbaar zonder vertaling. “Student past SCEGS toe in een anamnese” is direct toetsbaar.
2. 2Kies je flow bij je leerdoel, niet je onderwerp. “Anatomie van het hart” klinkt als kennisoverdracht (Theory Flow), maar als het leerdoel is “student herkent afwijkingen”, is Case Flow beter.
3. 3Check na generatie: komt mijn leerdoel terug in de activiteit én in de toets? Dit is een 10-seconden-check. Als het antwoord “niet direct” is, de toets of activiteit aanpassen — of de flow wisselen.

Wanneer je niet op AI-alignment moet vertrouwen

Alignment-by-design via AI-flows werkt goed voor reguliere lessen — wekelijkse kennisoverdracht, casussen, toetsen. Het werkt minder goed voor:

• Grote zomerse opleidings-redesigns waar alignment curriculumbreed wordt getoetst — daar is menselijke expertise leidend
• Summatieve examens met hoge stakes — laat AI nooit zelfstandig eindtoetsen genereren
• Onderzoeksgestuurd leren waar leerdoelen evolueren tijdens de les — alignment is daar een bewegend doel

Voor die gevallen is AI-ondersteuning hooguit een eerste draft. Voor 80% van de wekelijkse lessen is alignment-by-flow een structurele verbetering.

Verder lezen