Samen bouwen aan betere wiskundelessen
Het centrale vraagstuk van dit project is helder: hoe kunnen we AI inzetten om fouten en misconcepties vroegtijdig te detecteren, zodat leerlingen gerichte feedback krijgen en docenten weten waar het leerproces stagneert? Het Lauwers College werkt voor dit project samen met de Universiteit van Amsterdam en het Eindhovense bedrijf Algebrakit, een ontwikkelaar en aanbieder van technologie voor interactieve reken- en wiskundeopgaven.
Meer weten over het project Slimme wiskundefeedback met AI?
Leraar in expert-rol
Projectleider Thomas Winsemius: “Het mooie aan dit project is dat de rol van de school vrij groot is. Dat is heel positief, want uiteindelijk zijn we bezig om tools te bouwen die meerwaarde bieden voor leerlingen en docenten.” Co-creatiemanager Karmijn Steekelenburg voegt toe: “De behoeftes van de school staan centraal. En de docent staat echt in de expert-rol binnen het project, en is daardoor heel bepalend voor hoe het prototype eruit gaat zien. Daar zijn we heel blij mee!”
Stap voor stap leren in MathTabs
De technologische basis van het project ligt in bestaande wetenschappelijke inzichten, waaronder het zogeheten SET-algoritme (Systematic Error Tracing) van de Universiteit van Amsterdam. Het prototype wordt ontwikkeld binnen de webbased applicatie MathTabs, die sinds oktober 2025 in bèta-vorm beschikbaar is. Leerlingen werken daarin stapsgewijs aan wiskundeopgaven. “Het concept is dat leerlingen stap voor stap opgaven kunnen uitwerken in die digitale tool,” aldus de projectleider. Dat is essentieel, want niet alleen het eindantwoord telt: juist in tussenstappen worden misconcepties zichtbaar. Het ontwikkeldoel is een prototype dat systematische fouten herkent, automatisch feedback geeft, leerlingen begeleidt volgens een consistente strategie én docenten inzicht biedt via analyses per leerling en per klas.
Van expertmodel naar algoritme
Alles begint in de klas: in dit project wordt er echt vanuit de praktijk geredeneerd. Wat kom je nou in je school tegen? “Je begint eigenlijk eerst met een soort expertmodel van de mogelijke misconcepties die er binnen het onderwerp voor kunnen komen,” legt co-creatiemanager Karmijn Steekelenburg uit. De betrokken leraar heeft een grote hoeveelheid oude examens en uitwerkingen van leerlingen geanalyseerd, om daarmee het systeem te voeden. Het projectteam maakt ook dankbaar gebruik van de inzichten van de leraar, die door jarenlange ervaring een heel goed beeld heeft van veelvoorkomende misconcepties. Het algoritme toetst vervolgens welke foutpatronen structureel zijn en welke niet. Zo ontstaat een iteratief proces waarin technologie en expertise elkaar versterken.
Vroeg testen in de klas
Thomas: “We zijn bezig met het definiëren van misconcepties bij procentrekenen. En we zijn nu op het punt dat we richting een eerste versie van de tool gaan.” Al in maart gaat een eerste kleinschalige pilot van start, waarschijnlijk in twee klassen. Die vroege testfase is cruciaal. “De aanname die we gaan toetsen, is dat de applicatie een deel van de leerlingen al op weg helpt zonder dat ze direct een docent of extra externe hulp nodig hebben, door veelvoorkomende misconcepties vroeg te signaleren,” zegt de projectleider. Door vroeg in het project al in de klas het prototype te testen en data te verzamelen, kan het team onderzoeken of misconcepties goed worden gedetecteerd – én of het model ook foutpatronen blootlegt die nog niet in het expertmodel waren opgenomen.
