De toekomst van leren hangt af van een cruciale vraag: hoe kunnen we op betrouwbare wijze aantonen wat individuen werkelijk weten en kunnen doen? Microcredentials, digitale portfolio’s en opkomende Learner Employment Records (LER’s) beloven allemaal oplossingen, maar de kernuitdaging blijft: kunnen we signalen creëren die zowel zichtbaar als waardevol zijn in klaslokalen, gemeenschappen en carrières? Deze signalen vormen de proeftuin voor een op de leerling gericht ecosysteem – en het drukpunt waarop dit kan mislukken.
De belofte: leren zichtbaar en waardevol maken
Als ze goed worden uitgevoerd, verminderen effectieve leersignalen de wrijving door onderwijs op één lijn te brengen met kansen. In plaats van uitsluitend te vertrouwen op diploma’s of zittijd, benadrukken deze signalen bewezen vaardigheden en authentieke ervaringen. Zoals dr. Isaac Agbeshie-Noye opmerkt, is het probleem niet een tekort aan talent; het is een coördinatiefout. Met een functioneel signaleringssysteem kunnen werkgevers zien wat kandidaten kunnen doen, en niet alleen hun functietitels.
In het basis- en voortgezet onderwijs zouden betere signalen leerlingen duidelijke, draagbare manieren bieden om aan te tonen dat ze klaar zijn voor loopbaangerelateerde leer- en gemeenschapsprojecten. In het hoger onderwijs zouden ze cursussen, onderzoek en stages vertalen in erkend bewijs van groei. Dit gaat niet alleen over technische innovatie; het is een fundamentele verschuiving in de manier waarop we meesterschap definiëren, meten en communiceren – een transformatie die het ontwikkelen van oordeelsvermogen, motivatie en praktijkcontext vereist, zoals benadrukt door Dr. Tony Wagner en Dr. Ulrik Christsen.
De druk: vertrouwen en samenhang opbouwen
Zelfs met een sterk ontwerp blijft adoptie het grootste obstakel. Leersignalen zijn kwetsbaar: ze zijn niet alleen afhankelijk van datastandaarden en infrastructuur, maar ook van vertrouwen tussen leerlingen, gezinnen, werkgevers, docenten en beleidsmakers.
De kwestie van leiderschap is van cruciaal belang. Wie is verantwoordelijk voor het beheer van dit systeem: scholen, werkgevers, staten of de leerlingen zelf? Staten als Indiana en North Dakota experimenteren met digitale portemonnees om geverifieerde gegevens op te slaan en te delen, maar geen enkele entiteit ‘bezit’ momenteel de samenhang binnen het groeiende ecosysteem.
Adoptie wordt belemmerd door prikkels en capaciteit. Zonder duidelijke waardeproposities, toegankelijke tools en gedeelde prikkels hebben zelfs sterke modellen moeite om op te schalen. Te vaak botst innovatie met verharde, verouderde systemen die naleving belonen boven verandering. Om de adoptie te versnellen, moeten we de wrijving verminderen en de waargenomen waarde voor alle betrokkenen verhogen.
De Wild Card: AI en de toekomst van validatie
Kunstmatige intelligentie verandert het spel, maar roept ook nieuwe vragen op. AI kan helpen ervaringen te vertalen in gevalideerde vaardigheden, maar introduceert ook zorgen over privacy, vooroordelen en authenticiteit. Wie staat in voor de nauwkeurigheid van door AI afgeleide vaardigheden? Wat gebeurt er als bewijsmateriaal machinaal wordt samengevat in plaats van door mensen geverifieerd? Menselijke validatie door docenten, mentoren en toezichthouders zullen essentiële ankers voor geloofwaardigheid blijven.
Ook sectoroverschrijdende samenwerking is van cruciaal belang. Het overbruggen van de kloof tussen onderwijs, beroepsbevolking en industrie vereist een gedeelde taal en logica. Lokale ecosystemen zijn belangrijk: de snelste weg naar legitimiteit loopt niet via nationale mandaten, maar via lokale pilots die bewijzen wat werkt en vertrouwen opbouwen.
De spanning: ervaring versus vaardigheden
Het veld blijft verdeeld over wat te legitimeren. De meeste zijn gericht op vaardigheden, die meetbaar zijn en rechtstreeks verband houden met de behoeften van het personeel. Maar vaardigheden hebben context en bewijs nodig om waardevol te zijn. Dit is waar ervaringen om de hoek komen kijken. Ervaringen integreren vaardigheden, context en menselijk oordeel, waardoor niet alleen wat iemand kan doen, maar ook hoe en waarom wordt onthuld.
Context is van belang omdat capaciteit voorwaardelijk is. Dezelfde ‘samenwerkings’-vaardigheid ziet er anders uit als deze wordt verdiend met een project waar veel op het spel staat, dan met een klassikale activiteit. Om dit aan te pakken heeft Getting Smart ervaringskwaliteitsindicatoren ontwikkeld – verantwoordelijkheid, complexiteit en nieuwigheid – om de kwaliteit van leerervaringen te meten en te valideren.
Deze aanpak sluit aan bij het werk van Education Design Lab (EDL), dat autonomie, complexiteit en invloed identificeert als sleuteldimensies van duurzame vaardigheden. Echt meesterschap combineert vaardigheid, wil en doelgerichtheid, zoals benadrukt door Wagner en Christsen.
Het eindresultaat
De toekomst van leersignalen hangt af van het beantwoorden van kritische vragen: hoe kunnen we de kloof tussen vaardigheden en ervaringen overbruggen? Hoe kan AI helpen het leren te vertalen en tegelijkertijd de privacy en geloofwaardigheid te waarborgen? Wat kunnen we leren van bestaande pilots? En hoe kunnen we vertrouwen opbouwen bij alle belanghebbenden?
De inzet is hoog: het succes van een leerlinggericht ecosysteem hangt af van het zichtbaar, waardevol en verifieerbaar maken van leren – en dat op een manier die vertrouwen en samenhang in het hele systeem schept
