Nieuws

Van Wilfred Rubens (redactie) | 28-01-2026 | | (0) reacties

‘AI’ verandert het ADDIE-model

Het ADDIE-model is een veel gebruikt model voor het ontwerpen en ontwikkelen van leertrajecten. Het model zou ook verouderd zijn, en star. Nu we de beschikking hebben over AI-technologie, is ‘ADDIE’ weer aan verandering onderhevig. Volgens Philippa Hardman beïnvloedt AI vooral de keuzes die ontwerpers maken in elke fase van het ADDIE-model.

Het ADDIE-model bestaat uit vijf fasen (waarover zo meteen meer). Critici stellen al jaren dat ‘ADDIE’ een representant is van de Waterval-methode, en te onvoldoende iteratief en flexibel als je in een dynamische omgeving leertrajecten wilt ontwerpen en ontwikkelen. De Watervalmethode doorloopt fases immers lineair: stap voor stap, in één richting, zoals water omlaag stroomt. In de eerste fase worden alle vereisten grondig geïnventariseerd. Pas als een fase volledig klaar is, volgt de volgende stap. Het eindproduct komt pas beschikbaar wanneer het helemaal af is. Het doel wordt aan het begin bepaald en vervolgens gericht bereikt. Eerder heb ik al betoogd dat ‘ADDIE’ prima gecombineerd kan worden met een ‘agile’ aanpak. Zie:

• Is het ADDIE-model achterhaald of niet?
• Blended learning ontwikkelen via ‘agile’ ADDIE #cviov

Philippa Hardman beschrijft in haar bijdrage eerst dat er drie manieren zijn waarop ontwerpers met AI kunnen werken. Die “modi” bepalen niet zozeer welke tool je gebruikt, maar welk soort werk je doet en hoeveel menselijke oordeelskracht nodig is.

• De eerste modus is Vibe Prompting. Dit gebruik je voor snelle ideeën en eerste schetsen. Denk aan het brainstormen van invalshoeken voor een module, het bedenken van metaforen of het schrijven van mogelijke introductieteksten. De kwaliteit is hier relatief eenvoudig te beoordelen, en fouten hebben weinig gevolgen. AI fungeert als een creatieve assistent: snel, productief, maar niet geschikt voor precieze beslissingen.
• De tweede modus is Automation. Die past bij herhaalbare taken met een duidelijk proces en laag risico. Voorbeelden zijn het formatteren van leerdoelen volgens een vast sjabloon, het samenvatten van interviews of het categoriseren van feedback. Hardman benadrukt dat dit alleen goed werkt als de AI-tool strikte instructies krijgt. Daarvoor gebruikt ze het FRAME™-model. Met zo’n gestructureerde aanpak blijft de output consistent en voorspelbaar. In deze rol is AI vooral een operationele assistent.
• De derde modus is Copilot. Deze gebruik je bij complexe beslissingen waarbij context belangrijk is en fouten lastig te herkennen zijn. Denk aan het kiezen van een passende didactische strategie, het analyseren van leerproblemen of het bepalen van een geschikte vorm van blended learning. AI ondersteunt hier het denkproces door opties, afwegingen en aannames zichtbaar te maken, maar neemt de beslissing niet over. Ook hier wordt FRAME™ ingezet, maar met de nadruk op redeneren in plaats van uitvoeren.

Hardman past deze drie modi vervolgens toe op de vijf fasen van ADDIE.

1. In de analysefase gaat het om het begrijpen van het probleem: wie zijn de lerenden, wat is het prestatieniveau, en welke beperkingen spelen een rol? AI kan helpen bij het ordenen van data en het herkennen van patronen, bijvoorbeeld in interviewtranscripten of enquêtegegevens. De interpretatie blijft mensenwerk. AI is hier een ‘lens’, geen orakel.
2. In de ontwerpfase komt de Copilot-modus het meest tot zijn recht. Ontwerpers moeten keuzes maken over instructiestrategieën, leerdoelen, toetsvormen, volgorde van inhoud en evaluatieplannen. AI kan verschillende opties naast elkaar zetten, maar de onderwijskundige logica en afstemming op de praktijk blijven cruciaal. Volgens Hardman is dit precies de fase waarin automatisering te kort schiet.
3. Tijdens de ontwikkelfase – als je concrete leermaterialen samenstelt– kan AI veel tijd besparen. Denk aan het schrijven van quizvragen, feedbackteksten, scripts voor video’s of storyboards. Automatisering kan ook helpen bij kwaliteitschecks, zoals toegankelijkheid of consistent gebruik van formats. Toch blijven docenten en ontwerpers verantwoordelijk voor de inhoudelijke juistheid en didactische kwaliteit.
4. De implementatiefase draait vooral om logistiek: het inrichten van het LMS, het organiseren van inschrijvingen, het maken van onboardingmateriaal en het ondersteunen van facilitators. Hier is automatisering effectief, omdat veel taken voorspelbaar en herhaalbaar zijn. AI kan processen stroomlijnen, maar niet de afstemming met mensen en context vervangen.
5. In de evaluatiefase kan AI snel patronen ontdekken in data, zoals trends in feedback of resultaten op verschillende niveaus van Kirkpatrick. Maar inzichten leiden niet automatisch tot actie. Het blijft aan mensen om te bepalen wat de uitkomsten betekenen en welke verbeteringen nodig zijn.

Volgens Hardman blijft ADDIE bestaan, maar in een flexibelere vorm, en AI vervangt learning designers niet, maar leidt het gebruik van AI tot herverdeling van taken. De meerwaarde van mensen zit vooral in analyse, afweging en besluitvorming, terwijl AI geschikt is voor snelheid, structuur en ondersteuning.

Mijn opmerkingen

Philippa Hardman maakt helder dat doorwrochte en veel gebruikte modellen de tand des tijds prima kunnen doorstaan. Zij maakt duidelijk dat AI het werk van learning designers kan versterken en ook efficiënter kan maken, mits deze groep professionals AI-technologie doordacht inzetten. Bepaalde taken kunnen overgenomen worden, al blijf de ‘human-in-the-loop’ van belang. Ik heb eigenlijk weinig aan te merken bij haar benadering. Behalve dat je persoonsgegevens over lerenden m.i. niet met een AI-tool moet delen, mits veiligheid en privacy 100% zijn afgedekt. Ook is de evaluatieaanpak van Kirkpatrick, anders dan het ADDIE-model, eigenlijk wel achterhaald. Het Learning-Transfer Evaluation Model (LTEM) van Will Thalheimer is actueler.

Mijn bronnen over (generatieve) artificiële intelligentie

Deze pagina bevat al mijn bijdragen over (generatieve) artificiële intelligentie, zoals ChatGPT.