Kan AI een gepersonaliseerd curriculum maken dat de betrokkenheid van leerlingen over vakken heen maximaliseert ?

Onderwijstechnologie heeft zich steeds meer gebaseerd op AI om leerervaringen af te stemmen op individuele behoeften. Recente systemen kunnen leerpatronen analyseren, motivatieverlies voorspellen en de inhoud en het tempo dynamisch aanpassen. Deze modellen integreren psychologische en pedagogische inzichten om holistische onderwijstrajecten te creëren. Sommige platforms beweren nu traditionele one-size-fits-all-curricula te overtreffen.

AI kan al gepersonaliseerde leerpaden genereren die zich aanpassen aan de sterke punten, zwakke punten en interesses van een leerling, maar dit op een manier die de betrokkenheid maximaliseert over meerdere vakken blijft een actief onderzoeksgebied in plaats van een opgelost probleem. Huidige systemen vertrouwen vaak op grote taalmodellen of optimalisatie-algoritmen om onderwerpen en activiteiten voor te stellen, maar ze hebben nog steeds moeite om een balans te vinden tussen academische strengheid en motiverende factoren zoals vernieuwing en relevantie. Sommige tools integreren principes uit de leerwetenschap (bijv. gespreide herhaling, gamificatie) en feedbacklussen van leerlingen om curricula te verfijnen, maar robuuste, vakoverschrijdende personalisatie op schaal vereist fijnmazigere gegevens en adaptieve beoordelingsmethoden dan momenteel beschikbaar zijn. Hierdoor kan AI docenten wel helpen bij het opstellen van individuele plannen, maar volledig autonome, boeiende curricula over meerdere vakken zijn nog niet wijdverspreid in het reguliere onderwijs.

— Verrijkt 13 mei 2026 · Bron: best-effort samenvatting, geen openbare referentie