Who teaches us to be normal when we are one of a kind?

Waarom talentgericht onderwijs alleen werkt als het systeem zelf leert afwijken

In het hoger onderwijs spreken we graag over maatwerk, talentontwikkeling en het erkennen van verschillen. Instellingen zoals Fontys, met initiatieven als Talentgericht Onderwijs (TGO), zetten stappen om studenten meer ruimte te geven voor eigen keuzes en leerpaden. Toch blijft de dagelijkse praktijk opvallend uniform (bijv. Rose, 2016). Curricula volgen een gefaseerde opbouw, “basiskennis” geldt nog steeds als fundament, en afwijkingen van de voorgeschreven route worden vaker gezien als risico dan als mogelijkheid (Sawyer, 2014).
De centrale vraag wordt dan onvermijdelijk: waarom blijven onze onderwijssystemen studenten normaliseren, terwijl juist het onderwijs zou moeten leren te differentiëren (Biesta, 2015; Rose, 2016)?

De fictie van de ‘gemiddelde student’

Onderzoek laat al decennia zien dat het idee van de ‘gemiddelde student’ pedagogisch problematisch is (Rose, 2016). Studenten verschillen op vlak van motivatie, tempo, voorkennis en interessegebieden; leren zelf is relationeel, situationeel en non-lineair (Sawyer, 2014). Binnen de learning sciences en complexe-systeembenaderingen wordt leren steeds vaker beschreven als een emergent proces dat ontstaat via interactie en onverwachte verbanden, in plaats van als een lineaire opeenvolging van stappen (Davis & Sumara, 2006; Sawyer, 2014). Variatie is daarin geen storende factor, maar juist de bron van leren (Rink, 2014).

Toch is veel onderwijs nog steeds ontworpen alsof ieder individu via dezelfde route tot begrip moet komen (Rose, 2016). Recente niet-lineaire pedagogische benaderingen laten juist zien dat wanneer leeromgevingen bewust gebruikmaken van variabiliteit in taken, context en tempo, lerenden rijkere en beter generaliseerbare oplossingen ontwikkelen (Chow et al., 2016; Renshaw & Chow, 2019).

Kennis krijgt pas waarde als ze wordt geactiveerd

Veel curricula veronderstellen dat kennis eerst opgebouwd moet worden voordat toepassing mogelijk is. De cognitieve psychologie waarschuwt echter voor inert knowledge: kennis die aanwezig is, maar niet wordt geactiveerd in relevante situaties (Renkl, 2002). Recente studies tonen dat wanneer lerenden variabiliteit verwachten in de situaties waarin zij hun kennis moeten toepassen, zij breder generaliseren en flexibeler leren (Byrom & Murphy, 2024).

Hier raken we aan het belang van metacognitieve vaardigheden: het vermogen om het eigen denken te monitoren en te sturen (Flavell, 1979). Studenten zonder metacognitieve reflex herkennen vaak niet welke kennis wanneer relevant is, of waar hun begrip tekortschiet (Tanner, 2012). Onderzoek in het hoger onderwijs laat zien dat gerichte interventies, zoals expliciete metacognitieve training en learning communities, zowel leerstrategieën als prestaties kunnen verbeteren (Tanner, 2012; Thompson et al., 2023). Authentieke contexten — praktijkprojecten, hybride leeromgevingen, opdrachten bij organisaties — vormen precies de plekken waar kennis betekenis krijgt en metacognitie wordt uitgelokt (Zitter & Hoeve, 2012).

Onderwijs gaat niet alleen over kwalificatie

Biesta (2015) beschrijft onderwijs als een praktijk met drie functies: kwalificatie, socialisatie en subjectivering. Vooral die laatste dimensie, subjectivering, krijgt in veel programma’s te weinig ruimte. Subjectivering verwijst naar het worden van een autonoom subject dat leert zich te positioneren in de wereld, in plaats van louter object te zijn van onderwijsinterventies (Biesta, 2015, 2020).

Recent werk waarin Biesta’s ideeën verder zijn uitgewerkt, laat zien hoe subjectivering concreet vorm kan krijgen in bijvoorbeeld kunst- of muziekeducatie, waar ruimte voor initiatief, verantwoordelijkheid en experiment centraal staat (Regelski, 2016; Sandvik, 2021). Onderwijs dat te strak gestuurd wordt door gestandaardiseerde leeruitkomsten reduceert studenten tot uitvoerders in plaats van auteurs van hun eigen leerproces (Biesta, 2020). Differentiatie wordt dan geen organisatorische luxe, maar een ethische keuze: de weigering om ieder individu aan dezelfde norm te onderwerpen (Biesta, 2015; Leijen et al., 2021).

Jan Bransen en systeemvolgzaamheid

Bransen (2019) stelt dat het huidige onderwijs jongeren vooral leert functioneren binnen de logica van het systeem, zonder inzicht in waarom dat systeem werkt zoals het werkt. Daarmee kweken we systeemgehoorzaamheid in plaats van autonomie. TGO wil juist het tegenovergestelde: studenten die eigenaarschap nemen, reflecteren en handelen.

Toch laten recente analyses van onderwijspraktijken zien dat het systeem nog steeds voorspelbaarheid en efficiëntie beloont, terwijl kritische reflectie en afwijking moeizamer een plek krijgen (Biesta, 2020; Leijen et al., 2021). Zolang normering, voorspelbare toetsing en beheerslogica leidend blijven, blijft eigenaarschap voor studenten vooral een beleidswoord en veel minder een beleefde realiteit (Sins, 2022).

De docent als expert én obstakel

Docenten opereren vaak vanuit een klassiek expertmodel: hun vakidentiteit rust op inhoudelijke autoriteit, gevormd door jarenlange specialisatie (Korthagen, 2017). Dat is waardevol, maar kan ook belemmerend werken. Confirmation bias zorgt ervoor dat docenten studenten die denken zoals zij sneller als competent beschouwen (Kahneman, 2011). Andersdenkende of experimentele studenten worden dan gezien als afwijkend.

Nieuw onderzoek naar docentprofessionalisering benadrukt dat ook docenten metacognitief moeten leren kijken naar hun eigen denken over lesgeven: reflectie op aannames, verwachtingen en beoordelingspraktijken blijkt belangrijk om alternatieve denkwijzen van studenten te kunnen herkennen en waarderen (Thompson et al., 2023). Precies die afwijking is echter de signalering dat het systeem kan leren. Anders leren is geen fout die gecorrigeerd moet worden, maar feedback die uitnodigt tot herontwerp (Chow et al., 2016; Renshaw & Chow, 2019).

Talentgericht onderwijs vraagt om systeemverandering

TGO is geen pedagogische accessoire; het vraagt om een fundamentele herinrichting van structuren en overtuigingen (Zitter & Hoeve, 2012). Dat betekent onder andere:

• Flexibele curricula, waarin studenten daadwerkelijk eigen routes kunnen ontwikkelen, gebaseerd op variabele en authentieke leeromgevingen (Zitter & Hoeve, 2012).

• Toetsing die interpretatie, betekenisgeving en toepassing waardeert boven reproductie, ook in praktijknabije settings (Leijen et al., 2021).

• Professionele ruimte voor docenten om te experimenteren, te falen en samen te leren, inclusief ruimte om eigen overtuigingen en biases ter discussie te stellen (Korthagen, 2017; Sins, 2022).

• Een organisatiecultuur die diversiteit en variatie niet alleen tolereert, maar actief inzet als motor voor leren (Chow et al., 2016; Rink, 2014).

Zolang we blijven ontwerpen voor de fictieve gemiddelde student, blijft talentgericht onderwijs vooral beleidstaal en geen beleefde leerervaring van studenten, docenten en organisaties (Rose, 2016; Davis & Sumara, 2006).

De echte vraag

De kernvraag is dus niet: hoe zorgen we ervoor dat studenten meer eigenaarschap tonen? De vraag is: wanneer durven wij als docenten, teams en onderwijsorganisaties structuren te creëren waarin eigenaarschap überhaupt mogelijk wordt (Biesta, 2015; Bransen, 2019)?

Zodra onderwijs leert af te wijken van de norm, ontstaat ruimte voor subjectiviteit, verschil en authenticiteit (Biesta, 2020; Sandvik, 2021). Wie we normaliseren, bepaalt uiteindelijk wie de ruimte krijgt om uitzonderlijk te worden (Rose, 2016).

Literatuurlijst

Biesta, G. (2015). Het prachtige risico van onderwijs. Phronese.
Biesta, G. (2020). Risking ourselves in education: Qualification, socialization, and subjectification revisited. Educational Theory, 70(1), 89–104.
Bransen, J. (2019). Gevormd of vervormd? Onderwijs en de anatomie van burgerschap. Valkhof Pers.
Byrom, N. C., & Murphy, R. A. (2024). Anticipated variability increases generalization of predictive learning. Humanities and Social Sciences Communications, 11, Article 482.​
Chow, J. Y., Davids, K., Button, C., & Renshaw, I. (2016). Nonlinear pedagogy in skill acquisition: An introduction. Routledge.​
Davis, B., & Sumara, D. (2006). Complexity and education: Inquiries into learning, teaching, and research. Routledge.​
Flavell, J. H. (1979). Metacognition and cognitive monitoring: A new area of cognitive–developmental inquiry. American Psychologist, 34(10), 906–911.​
Kahneman, D. (2011). Thinking, fast and slow. Farrar, Straus and Giroux.
Korthagen, F. A. J. (2017). Inconvenient truths about teacher learning: Towards professional development 3.0. Teachers and Teaching, 23(4), 387–405.
Leijen, Ä., Pedaste, M., & Lepp, L. (2021). Pedagogical beliefs, instructional practices and opportunities for professional learning in teacher education. Teaching and Teacher Education, 105, 103398.
Regelski, T. A. (2016). Music, education, and the art of possibility. Indiana University Press.​
Renkl, A. (2002). Worked-out examples: Instructional explanations support learning by self-explanations. Learning and Instruction, 12(5), 529–556.​
Renshaw, I., & Chow, J. Y. (2019). A constraint-led approach to sport and physical education pedagogy. Physical Education and Sport Pedagogy, 24(2), 103–116.​
Rink, J. (2014). The role of variability in motor learning. Quest, 66(4), 333–349.​
Rose, T. (2016). The end of average: How we succeed in a world that values sameness. HarperOne.
Sandvik, N. (2021). Subjectification and the arts: Reconsidering Biesta’s third function of education in arts education. International Journal of Education & the Arts, 22(25), 1–22.​\
Sawyer, R. K. (Ed.). (2014). The Cambridge handbook of the learning sciences (2nd ed.). Cambridge University Press.​
Sins, P. (2022). Zelfregulerend leren gaat niet vanzelf: Openbare les lectoraat Kwaliteitsvraagstukken van onderwijs (Hogeschool Rotterdam).​
Tanner, K. D. (2012). Promoting student metacognition. CBE—Life Sciences Education, 11(2), 113–120.​
Thompson, K. V., Marbach-Ad, G., & Weiss, R. E. (2023). Learning communities promote pedagogical metacognition and instructional change in higher education faculty. To Improve the Academy, 42(1), 1–24.​
Zitter, I., & Hoeve, A. (2012). Hybrid learning environments: Merging learning and work processes to facilitate knowledge integration and transitions. OECD Education Working Papers, 81. OECD Publishing.​

Geschreven, daarna met feedback loops geïtereerd gebruikmakende van ChatGPT en Perplexity.