Gebruik deze "pedagogische computer" om lezen te verbeteren bij kids

Een computer als persoonlijke leesleraar

RADBOUD RECHARGE DONDERDAG 1 OKTOBER 2020

Op de basisschool leer je lezen en daarbij zijn aanwijzingen van de leraar belangrijk. Helaas komen leraren tijd tekort om iedere leerling continu feedback te geven. Taalwetenschappers, onderwijskundigen en spraaktechnologen van de Radboud Universiteit ontwikkelen daarom een computerprogramma dat de leraar aanvult door te luisteren en vervolgens commentaar te geven.

Er verschijnen de laatste jaren alarmerende rapporten over het Nederlandse leesonderwijs. Scholieren beleven weinig leesplezier en het niveau van begrijpend lezen daalt. Maar om goed begrijpend te kunnen lezen moet je eerst technisch kunnen lezen. ‘Als je een groot deel van je cognitieve capaciteiten moet inzetten om de woorden en zinnen te herkennen, heb je minder capaciteit over om de tekst te begrijpen’, stelt Catia Cucchiarini. ‘Als je het technische deel van lezen snel onder de knie hebt, krijg je meer ruimte om met begrijpend lezen te oefenen.’

Cucchiarini werkt in DART-project met taalwetenschappers Marjoke Bakker, Ferdy Hubers, Helmer Strik en Yu Bai van de Radboud Universiteit aan software om basisscholieren daarbij te helpen. In samenwerking met uitgeverij Zwijsen, spraaktechnologiebedrijf Novo Learning en de Hogeschool Rotterdam, ontwikkelden ze een computerprogramma dat spraak van hardop lezende leerlingen herkent, beoordeelt hoe goed een woord is uitgesproken en dat vervolgens feedback geeft. Het programma sluit aan bij de bekende lesmethode ‘Veilig leren lezen’ voor groep 3. Bakker: ‘In maart zijn leerlingen van verschillende basisscholen begonnen met het programma. Het bleek ook een goede aanvulling voor het thuisonderwijs in de coronatijd. Daarna hebben leerlingen er op school mee gewerkt. We onderzoeken of ze door het programma vooruit gaan in het lezen.’

Ondertussen is de input van leerlingen cruciaal voor verbetering van het programma. ‘Hoe meer kinderen hardop voorlezen, hoe meer data we vergaren en hoe accurater de spraakherkenningstechnologie wordt. Onze promovenda Yu Bai verwerkt de data in het systeem zodat het programma uitgesproken woorden beter herkent en beoordeelt’, zegt Hubers.

Direct of indirect feedback

Leerlingen lezen in het programma hardop woorden en verhaaltjes voor. De spraakherkenner beoordeelt hoe goed ze het lezen, en ook hoe snel ze lezen, want ook de leessnelheid is belangrijk bij het automatiseren van het leesproces.

Vervolgens geeft het programma commentaar. ‘Tot nu toe hebben we een expliciete vorm van feedback, waarbij de computer aangeeft of je het woord goed of fout uitspreekt. Na twee foute pogingen krijg je te horen hoe het goede woord klinkt. ‘We zijn ook bezig met een impliciet model’, geeft Bakker aan. ‘Daarin registreert het systeem de foute woorden, maar geeft het fouten niet nadrukkelijk aan.’ In plaats daarvan instrueert het programma om de fout gelezen woorden later nog eens te herhalen, zonder daarbij aan te geven dat die woorden eerst fout waren uitgesproken.

Tot nu toe is alleen de variant met expliciete feedback getest. De eerste data zijn inmiddels binnen en je ziet dat leerlingen bij de tweede  poging meer woorden goed hebben en dat ze de woorden dan sneller lezen. ‘Tegelijkertijd weten we nog niet of leerlingen daadwerkelijk hun leesvaardigheid verbeteren’, stelt Hubers. Om dat te achterhalen hebben leerlingen na het oefenen met het programma een leestoets gemaakt. Deze resultaten moeten nog worden geanalyseerd.

Leeshulp op maat

De technologie is veelbelovend, al zitten er nog foutjes in. ‘Leerlingen zijn erg geholpen met de één-op-één hulp, maar het systeem herkent woorden nog niet altijd, bijvoorbeeld doordat iemand zacht praat. Daardoor worden goede antwoorden fout gerekend en dat is niet de bedoeling’, stelt Bakker. ‘Tegelijkertijd zeggen ouders dat hun kinderen beter gaan articuleren door gebruik van het programma’, vult Cucchiarini aan.

Op den duur hopen de wetenschappers leerlingen een gepersonaliseerd programma te kunnen bieden, met feedback op maat. Daarnaast liggen er kansen in de data-analyses. ‘Stel dat het programma aangeeft dat veel leerlingen moeite hebben met de letter ‘P’, dan kan de leraar daar klassikaal aandacht aan besteden. Deze technologie biedt nog volop mogelijkheden.’