Lagere cognitive load, meer motivatie, betere cijfers?

De laatste tijd is er veel aandacht voor de implicaties van cognitive load theory voor onderwijs en lesgeven. Cognitive load, of cognitieve belasting, is de hoeveelheid mentale inspanning die nodig is om informatie in het werkgeheugen te verwerken. Als de cognitieve belasting te hoog is, kan dit het leren belemmeren en frustratie en afhaken veroorzaken. Om de cognitieve belasting te verminderen, kunnen leerkrachten gebruik maken van instructie om de cognitieve belasting te verminderen (load reducing instruction, LRI). Dit zijn instructiestrategieën zoals het verminderen van de moeilijkheidsgraad, het bieden van ondersteuning en scaffolding, de mogelijkheid bieden om te oefenen en het geven van feedback. Cognitive load theory wordt wel eens bekritiseerd omdat het een uitsluitend cognitief perspectief op leren en onderwijzen inneemt en geen aandacht lijkt te hebben voor bijvoorbeeld de rol van motivatie en interesse. 

Maar cognitieve belasting is uiteraard niet de enige factor die het leren beïnvloedt. Motivatie is ook cruciaal, omdat motivatie invloed heeft op hoeveel moeite en aandacht leerlingen besteden aan hetgeen ze leren. Volgens de zelfdeterminatietheorie (self determination theory, SDT) kan motivatie meer of minder autonoom zijn, afhankelijk van hoe goed de leerkracht de psychologische basisbehoeften van leerlingen aan competentie, verbondenheid en autonomie ondersteunt. Leerkrachten kunnen deze behoeften ondersteunen door een motiverende stijl aan te nemen die wordt gekenmerkt door autonomieondersteuning (bv., het perspectief van leerlingen innemen, hun interesses benutten, hun gevoelens erkennen) en structuur (bv. duidelijke doelen stellen, verwachtingen uitspreken, feedback en aanmoediging geven). 

Een recent onderzoek van Evans et al. (2024) brengt als één van de eerste studies cognitive load theory en zelfdeterminatietheorie bij elkaar. Zij bevroegen 1287 leerlingen van vier Australische middelbare scholen over hun percepties van de LRI en de stijl van motiveren van hun leraren. Daarnaast gaven ze informatie over de ervaren cognitieve belasting en hun motivatie en betrokkenheid. 

De resultaten van het onderzoek lieten zien dat:

• LRI samenhangt met lagere cognitieve belasting, hogere motivatie en betrokkenheid, en lagere disengagement.
• Motiverende stijlen van autonomie-ondersteuning en structuur ook samenhangen met lagere cognitieve belasting, hogere motivatie en betrokkenheid, en minder disengagement.
• Cognitieve belasting, motivatie en betrokkenheid samenhangen met prestaties, zoals gemeten door schoolcijfers.

Deze bevindingen laten zien dat leerkrachten het leren en het welzijn van leerlingen kunnen verbeteren door gebruik te maken van LRI en een motiverende stijl die de behoeften van leerlingen ondersteunt. Op die manier kunnen leerkrachten de cognitieve belasting van leerlingen verminderen en hun zelfregulerende motivatie, betrokkenheid en prestaties verbeteren.

Het abstract

Although cognitive load theory research has studied factors associated with motivation, these literatures have primarily been developed in isolation from each other. In this contribution, we aimed to advance both fields by examining the effects of instructional strategies on learners’ experience of cognitive load, motivation, engagement, and achievement. Students (N = 1287) in years 7–10 in four Australian high schools completed survey measures of motivation, engagement, cognitive load, and their teachers’ perceived instructional strategies and motivating style. Results suggest that teachers’ load-reducing instructional strategies were related to lower cognitive load and were positively associated with relative autonomous motivation, engagement, and achievement. Teachers’ motivating styles characterized by autonomy support and structure were also associated with reduced extraneous and intrinsic cognitive load, as well as motivation and engagement. We conclude that by using load-reducing strategies and a motivating style characterized by structure and autonomy support, teachers can reduce students’ cognitive load and improve their self-regulated motivation, engagement, and achievement. In so doing, we discuss a number of future avenues for the joint study of self-determination theory and cognitive load theory, with the aim of refining and extending both perspectives.

Een docent in beeld beïnvloedt het leren van instructievideo’s

Instructievideo’s zijn niet meer weg te denken uit het onderwijs. Denk maar aan de video’s die gebruikt worden in MOOCs of de video’s die diverse docenten maken op hun Youtubekanaal waarin zij eindexamenstof uitleggen. In dit soort video’s is geregeld de docent in beeld, maar dat is niet altijd het geval. Theorieën zoals de Cognitive Theory of Multimedia Learning voorspellen dat de zichtbaarheid van een docent in instructievideo’s bijvoorbeeld motivatie en social presence kan verhogen, maar dat deze zichtbaarheid geen effect zal hebben op de leeruitkomsten. Andere theorieën voorspellen daarentegen dat zichtbaarheid van de docent door het verhogen van motivatie en social presence wel een effect kan hebben op leeruitkomsten. Een recente meta-analyse in Educational Research Review onderzocht de effecten van de zichtbaarheid van de docent in instructievideo’s. De resultaten laten zien dat zichtbaarheid van de docent in instructievideo’s een klein positief effect heeft op leeruitkomsten (g = +0.22). Bovendien heeft zichtbaarheid positieve effecten op social presence (g = +0.35) en motivatie (g = +0.41). Deze meta-analyse toont daarnaast aan dat zichtbaarheid van de docent kijkers ook kan afleiden (g = +0.31). Dit verklaart mogelijk het relatief kleine effect van zichtbaarheid van de docent op leeruitkomsten.

Het abstract

Researchers disagree on the extent to which social cues in instructional videos influence learning and learning-relevant outcomes and processes. The instructor presence effect states that visible instructors in instructional videos lead to increased social presence and higher scores in subjective ratings like motivation, social presence, or affect, but do not improve learning outcomes. In contrast, the Cognitive-Affective-Social Theory of Learning in digital Environments outlines how social cues not only enhance social, emotional, and motivational processes, but they also potentially promote learning outcomes. We conducted a series of meta-analyses to explore the effects of instructor presence in instructional videos on retention, transfer, social presence, motivation, cognitive load, affect, and visual dwell time. The meta-analyses include 35 studies, which contained 46 pair-wise comparisons and 6339 participants. Results revealed a small, statistically significant positive effect of including a visual instructor on retention outcomes, but no significant effect on transfer performance. A visible instructor also significantly enhanced social presence, affective, and motivational ratings. Furthermore, we found that a visible instructor significantly reduced dwell time on relevant visual material but also reduced subjective perception of extraneous cognitive load. Significant moderator effects could be found regarding prior knowledge, the instructional domain as well as the size of the instructor.

De kracht van de tomaat 🍅: Onderzoek naar de effecten van het nemen van systematische pauzes

Misschien heb je wel eens gehoord van de pomodorotechniek? Als je studeert of werkt aan een taak dan doe je dat volgens deze techniek in periodes van 25 minuten. Om de pomodorotechniek te gebruiken, heb je een timer, een to-do lijst en een manier om je voortgang bij te houden nodig. Dit zijn de stappen die je moet volgen:

1. Beslis aan welke taak je wilt werken. Het moet iets zijn dat je volledige aandacht vereist en kan worden opgedeeld in kleinere stappen.
2. Stel de timer in op 25 minuten en begin aan de taak te werken. Vermijd gedurende deze tijd onderbrekingen of afleidingen. Als er iets anders opkomt, schrijf het dan op en behandel het later.
3. Wanneer de timer gaat, stop dan met werken en markeer één pomodoro als voltooid. Noteer wat je hebt bereikt tijdens deze pauze.
4. Neem 5 minuten pauze en doe iets ontspannends, zoals stretchen, ademhalen of naar muziek luisteren. Kijk niet naar je e-mail of sociale media gedurende deze tijd.
5. Herhaal stap 2 tot 4 totdat je vier pomodoro’s op hebt. Neem dan een langere pauze van 15 tot 30 minuten en doe iets leukers, zoals lezen, een spelletje spelen of een wandeling maken.
6. Bekijk je werk en evalueer je prestaties. Hoeveel pomodoro’s heb je afgewerkt? Hoeveel vooruitgang boekte je met je taak? Hoe voelde je je tijdens het proces? Wat kan je de volgende keer verbeteren?

De pomodorotechniek is een systematische manier om je pauzes in te delen tijdens het studeren. In een recente studie uitgevoerd door onderzoekers van de Universiteit Maastricht werd onderzocht wat het effect is van het nemen van systematische pauzes versus het nemen zelfgereguleerde pauzes (je bepaalt zelf wanneer en hoe lang je pauze neemt) tijdens het studeren. In het onderzoek waren er twee manieren om systematische pauzes te nemen: lange periodes zoals in de pomodorotechniek en korte periodes (iedere zes minuten pauze). De resultaten laten zien dat in de zelfgereguleerde conditie studenten langere periodes studeren maar ook langere pauzes nemen. Het gevolg daarvan lijkt te zijn dat studenten in de zelfgereguleerde conditie meer vermoeid en afgeleid zijn en minder gemotiveerd en geconcentreerd zijn.

Het abstract

Background

During self-study, students need to monitor and regulate mental effort to replete working memory resources and optimize learning results. Taking breaks during self-study could be an effective effort regulation strategy. However, little is known about how breaktaking relates to self-regulated learning.

Aims

We investigated the effects of taking systematic or self-regulated breaks on mental effort, task experiences and task completion in real-life study sessions for 1 day.

Sample

Eighty-seven bachelor's and master's students from a Dutch University.

Methods

Students participated in an online intervention during their self-study. In the self-regulated-break condition (n = 35), students self-decided when to take a break; in the systematic break conditions, students took either a 6-min break after every 24-min study block (systematic-long or ‘Pomodoro technique’, n = 25) or a 3-min break after every 12-min study block (systematic-short, n = 27).

Results

Students had longer study sessions and breaks when self-regulating. This was associated with higher levels of fatigue and distractedness, and lower levels of concentration and motivation compared to those in the systematic conditions. We found no difference between groups in invested mental effort or task completion.

Conclusions

Taking pre-determined, systematic breaks during a study session had mood benefits and appeared to have efficiency benefits (i.e., similar task completion in shorter time) over taking self-regulated breaks. Measuring how mental effort dynamically fluctuates over time and how effort spent on the learning task differs from effort spent on regulating break-taking requires further research.

Activerend onderwijs 5: Laat je studenten niet verzuipen

Kirschner, P. A., Sweller, J., Clark, R. E. (2006). Why minimal guidance during instruction does not work: An analysis of the failure of constructivist, discovery, problem-based, experiential, and inquiry-based teaching. Educational Psychologist, 41, 75-86. https://doi.org/10.1207/s15326985ep4102_1 

Introductie

Heb je wel eens gehoord van het begrip “leerkuil” (in het Engels: “Learning pit”)? Ik had er tot voor kort ook niet van gehoord, maar als de onderstaande afbeelding bekijkt, herken je er misschien wel iets in.  ¹

 

https://www.praxisbulletin.nl/wp-content/uploads/2022/01/PB39_05_beeld_leerklimaat_2.jpg 

Bij activerend leren werken studenten geregeld in groepen aan complexe opdrachten waarbij ze flink op zichzelf worden teruggeworpen. Deze opdrachten zijn complex en uitdagend omdat studenten veel zelf uit moeten zoeken, de randvoorwaarden niet altijd duidelijk zijn en er ook niet een duidelijk vastomlijnde oplossing is. De kans is dan groot dat studenten als het ware op de bodem van de leerkuil blijven zitten en de weg eruit niet meer vinden. Dit soort opdrachten zie je vaak bij bijvoorbeeld probleem-gestuurd onderwijs, ontdekkend leren, ervaringsgericht leren en onderzoekend leren. In hun klassieke artikel uit 2006 betogen Paul Kirschner, John Sweller en Richard Clark dat de reden dat studenten in een leerkuil geraken en er niet meer uitkomen te maken heeft met het gegeven dat bij dit soort complexe opdrachten het werkgeheugen van studenten overbelast raakt. Door deze overbelasting stopt het leren vervolgens in feite. Het artikel van Kirschner et al. is een oproep om doordacht te werk te gaan bij het vormgeven van dit soort onderwijs en hierbij rekening te houden met de beperkte werkgeheugencapaciteit van studenten. Ze pleiten voor meer ondersteuning van studenten bij het leerproces. Ze stellen dat bij ontdekkend of ervaringsgericht leren de kans groot is dat er niet geleerd wordt (studenten klimmer niet meer uit de leerkuil) en ze maken in hun artikel duidelijk waarom instructie én ondersteuning van je studenten  van het grootste belang zijn.

Het idee

Kirschner et al. spreken in hun artikel over minimally guided instruction. Daarvan is sprake wanneer studenten zelf de begrippen en concepten moeten ontdekken die ze geacht worden te leren. Studenten moeten dan leren met weinig instructie en ondersteuning van de docent. Door te verwijzen naar de werking van het geheugen en door gebruik te maken van de cognitive load theory van Sweller leggen Kirschner et al. uit dat er een groot nadeel kleeft aan deze vormen van onderwijs: de kans is erg groot dat het werkgeheugen van studenten in dit soort situaties overbelast raakt. Als dat het geval is, zal er van leren geen sprake kunnen zijn. In dit soort situaties zullen studenten heel veel mentale energie moeten steken in het zoeken naar strategieën om het probleem waarvoor ze geplaatst worden op te lossen. Dit doet een groot beroep op de werkgeheugencapaciteit van studenten. Deze belasting van het werkgeheugen draagt niet bij aan het leren.

De inzichten

Wat goed is voor een expert is niet goed voor een beginner (en andersom)

Minimally guided instruction wordt vaak verdedigd met het argument dat het authentiek is: Beroepsbeoefenaars of experts werken ook vaak aan de complexe, slecht gedefinieerde problemen die centraal staan bij minimally guided instruction. Het probleem is dat experts, door hun rijke kennisbasis, veel minder tegen problemen aanlopen. Zij herkennen het probleem bijvoorbeeld veel gemakkelijker en zien sneller hoe het probleem vervolgens opgelost moet worden. Kortom hun werkgeheugen wordt veel minder belast en er blijft dus mentale capaciteit voor hen over om te leren. Bij beginners (je studenten) is dat dus heel anders. Beginners hebben baat bij duidelijke instructie en voldoende ondersteuning, maar dat ontbreekt nu juist bij minimally guided instruction.

Begin met veel instructie en ondersteuning en bouw het af

Als het onderwerp waar je studenten over leren of het probleem dat ze moeten oplossen nog erg onbekend is, dan begin je het beste met veel uitleg en veel ondersteuning. Leg belangrijke concepten bijvoorbeeld goed uit. En laat bijvoorbeeld zien hoe jij als expert het probleem stap-voor-stap zou aanpakken. Laat ze daar vervolgens mee oefenen en geef ze zo geleidelijk meer en meer verantwoordelijkheid en zelfstandigheid. Dat afbouwen is belangrijk, het expertise-reversal effect (Kalyuga et al. 2003, 2007) laat namelijk zien dat juist wanneer je studenten meer expertise verkrijgen instructie en begeleiding je studenten in de weg kunnen gaan zitten.

Meer weten?

• In deze webinar legt Paul Kirschner belangrijke theorieën uit de cognitieve psychologie uit, die hij gebruikte in zijn artikel met Sweller en Clark. https://www.youtube.com/watch?v=QrGOO_7QQOg 

1 Overigens, als je meer gaat lezen over het begrip leerkuil dan gaat er wel een kleine beerput open. Veel auteurs lijken dit begrip te koppelen aan het begrip mindset. Het idee is dan kortgezegd dat je met de juiste mindset wel uit de leerkuil kunt komen. De mindsettheorie van Carol Dweck is echter niet zonder kritiek. Zie voor meer info: https://onderwijskunde.blogspot.com/2017/06/got-my-mindset-on-you.html

Activerend onderwijs 4: Zorg dat samenwerkend leren loont

Kirschner, F., Paas, F., & Kirschner, P. A. (2009). A cognitive load approach to collaborative learning: United brains for complex learning. Educational Psychology Review, 21, 31-42. https://doi.org/10.1007/s10648-008-9095-2 

Introductie 

Het is de zevende week van je cursus. De tentamens en cursusdeadlines komen in zicht. Na je werkgroep stappen twee studenten op je af: ze willen met je spreken over hun groepsopdracht en hun groepsgenoot. Ze vertellen je dat de samenwerking erg moeizaam verloopt, dat deze groepsgenoot afspraken vaak niet na komt en dat het werk dat deze student bijdraagt ondermaats is. Het gevolg hiervan is dat de andere twee studenten extra veel werk aan het verzetten zijn en dat ze behoorlijk gefrustreerd zijn geraakt. Wat is hier aan de hand? Het leek zo'n goed idee om je studenten in groepen te laten werken, het onderwijs wordt er immers interactief van (zie het artikel van Chi en Wylie). Femke Kirschner, Fred Paas en Paul Kirschner gebruiken in hun artikel inzichten uit de cognitieve psychologie om te verklaren waarom samenwerkend leren niet in alle gevallen leerzaam is. Kort samengevat: wanneer de voordelen van samenwerkend leren niet opwegen tegen de nadelen, dan doet samenwerkend leren mogelijk meer kwaad dan goed. 

Het idee 

Kirschner et al. gebruiken in hun artikel de cognitive load theory van Sweller om te begrijpen waarom samenwerkend leren niet in alle situaties leerzaam is. Cognitive load theory gaat uit van het idee dat het menselijke werkgeheugen slechts een beperkte hoeveel informatie tegelijk kan verwerken. Wanneer het werkgeheugen te veel informatie tegelijk moet verwerken, raakt het overbelast en wordt deze informatie niet meer adequaat verwerkt en uiteindelijk niet opgeslagen in het langetermijngeheugen. Kirschner et al. betogen dat je uit dit gegeven twee zaken kunt afleiden die relevant zijn voor samenwerkend leren.

Ten eerste biedt samenwerkend leren voor studenten een voordeel: Door samen te werken kunnen studenten de hoeveel informatie die ze moeten verwerken verdelen. Er zijn meer mogelijkheden voor het verwerken van al die complexe informatie doordat groepsleden deze informatie kunnen verdelen over de werkgeheugens van de afzonderlijke groepsleden. Kirschner et al. noemen dit het distributievoordeel van samenwerkend leren.

Ten tweede biedt samenwerkend leren voor studenten een nadeel: Wanneer je samenwerkt moet je je ook bezighouden met processen waar je geen aandacht aan hoeft te schenken als je individueel zou werken. Je moet overleggen, goed afstemmen, onduidelijkheden ophelderen, je moet conflicten oplossen, etc. Niet al deze processen dragen bij aan het leerproces van studenten. Kirschner et al. spreken daarom ook wel van transactiekosten. Ook transactiekosten belasten het werkgeheugen en vormen daarmee een beperkende factor in het leerproces van studenten tijdens het samenwerken. Kirschner et al. concluderen dat samenwerkend leren alleen leerzaam kan zijn als het distributievoordeel tijdens samenwerkend leren groter is dan de transactiekosten van samenwerkend leren.

De inzichten 

Vergroot het distributievoordeel door taken voldoende complex te maken Kirschner et al. hebben in enkele studies laten zien dat je door taken voldoende complex te maken, ervoor kunt zorgen dat de voordelen van samenwerkend leren opwegen tegen de nadelen. Wanneer de groepsopdracht die je aan je studenten geeft voldoende complex is, dan is er een duidelijk distributievoordeel. Studenten hebben er dan voordeel van dat ze de mentale inspanning die het verwerken van deze grote hoeveelheid informatie kost, kunnen verdelen. Uiteraard zullen ze dan nog steeds moeten overleggen en afstemmen, maar het voordeel van het kunnen verdelen is dan groot genoeg. Als je gebruik maakt van samenwerkend leren in je onderwijs loont het dus de moeite om kritisch te kijken naar de complexiteit van de opdrachten die je aan je studenten geeft. Wanneer je vermoedt of merkt dat een opdracht te eenvoudig is, dan is het verstandig om te bedenken hoe je de opdracht complexer kunt maken. 

Verlaag transactiekosten door je studenten voldoende te ondersteunen Een andere manier om te zorgen dat samenwerkend leren loont, is door te bedenken hoe je je studenten kunt ondersteunen door voor hen de transactiekosten zo laag mogelijk te houden. Het idee hierbij is dat je ervoor zorgt dat de kans zo klein mogelijk is dat meeliftgedrag, conflicten, etc. voorkomen. Het werk van de broers David en Roger Johnson geeft al veel aanknopingspunten hiervoor. Op basis van hun jarenlange onderzoek hebben ze vijf principes geformuleerd die van belang zijn om samenwerkend leren succesvol te laten verlopen. Het eerste advies dat Johnson en Johnson geven is om te zorgen dat je studenten voldoende afhankelijk van elkaar zijn. Zorg ervoor dat je studenten elkaar écht nodig hebben. Het gebruiken van een complexe opdracht zorgt al voor een flinke mate van afhankelijkheid. Studenten hebben dan echt de inzet van hun groepsleden nodig om de opdracht tot een goed einde te brengen. Maar er zijn andere manieren die je daarnaast kunt inzetten om je studenten afhankelijk van elkaar te maken. Bijvoorbeeld door studenten verschillende rollen te geven of door informatie te verdelen onder groepsleden. De Jigsaw-methode maakt gebruikt van dit laatste principe.

De Jigsawmethode.

Een tweede advies is om te zorgen dat groepsleden individueel aanspreekbaar zijn op hun bijdrage aan het groepsproces en -resultaat. Studenten moeten kunnen zien wat ieder groepslid bijdraagt, maar dat is voor jou als docent ook van belang. Als je niet weet wat de bijdrage van ieder van je studenten is, kun je hen ook niet aanspreken op hun bijdrage. Meeliften ligt dan op de loer: het is voor studenten dan gemakkelijk en verleidelijk om op te gaan in de relatieve massa van de groep. Je kunt de individuele aanspreekbaarheid van studenten verhogen door bijvoorbeeld studenten te laten aangeven wat hun bijdrage is geweest aan het paper dat ze samen schreven. Of door hen een logboek te laten bijhouden. 

Er zijn ook leerzame transactiekosten 

Door het voorgaande zou je het idee kunnen krijgen dat alle interacties die plaatsvinden in samenwerkende groepen enkel ballast zijn. Dat is uiteraard niet zo. Denk maar terug aan het artikel van Fiorella en Mayer: iets uitleggen of onderwijzen aan een ander is een prima leeractiviteit. Het is dus de kunst om te zorgen dat de échte transactiekosten zo laag mogelijk zijn en dat de leerzame interacties de overhand kunnen krijgen. Kijk dus hoe je de verstorende processen zoals meeliften kunt verlagen door studenten van elkaar afhankelijk te maken en individueel aanspreekbaar te maken. Zorg er daarbij voor dat je studenten laat zien wat je dan wél van hen verwacht: inhoudelijke discussies, overleggen, argumenten geven, etc. Het is goed voorstelbaar dat je studenten daarover instructie of extra informatie nodig hebben. 

Meer lezen?

• Op het onderwijswetenschappen blog vind je tips voor het vormgeven van (online) samenwerkend leren. https://www.uu.nl/nieuws/hoe-bereik-ik-mijn-lesdoelen-in-een-online-setting-volgens-de-jigsaw-methode
• UU collega's Anne Geesink, Rianne Poot, Daniëlle Vlaanderen en Itzél Zuiker de matrix groepssamenwerking. Deze matrix bevat voor verschillende aandachtspunten in de samenwerking vragen voor studenten die zij aan zichzelf kunnen stellen om hun samenwerking te stimuleren. Deze matrix kun je vinden de Teaching and Learning Collection van het Centre for Academic Teaching. https://teaching-and-learning-collection.sites.uu.nl/knowledge_item/studenten-die-samenwerken-als-professionals/
• Karin Smit legt hier uit hoe je succesvol les kunt geven met de Jigsaw methoden in een online setting. https://www.uu.nl/nieuws/hoe-bereik-ik-mijn-lesdoelen-in-een-online-setting-volgens-de-jigsaw-methode 

Meer voorkennis, lagere taakcomplexiteit?

Taakcomplexiteit en voorkennis zijn twee van de belangrijkste zaken om rekening mee te houden bij onderwijsontwerp. In een recent onderzoek van Endres, Lovell, Morkunas, Rieß en Renkl wordt gekeken naar de relatie tussen voorkennis en de complexiteit van een taak. Volgens cognitive load theory zorgt meer voorkennis voor minder complexiteit van een taak, omdat de leerling beter in staat is om de taak op te delen in kleinere onderdelen. Dit onderzoek laat echter zien dat er situaties zijn waarin meer voorkennis juist leidt tot meer complexiteit van een taak. Dit kan bijvoorbeeld voorkomen bij problemen die te maken hebben met complexe systemen (zoals ecologische systemen), waarbij beginners de complexiteit onderschatten en daardoor minder cognitieve belasting ervaren dan experts. De resultaten van dit onderzoek betekenen dat leerkrachten rekening moeten houden met het feit dat voorkennis niet altijd leidt tot minder complexiteit van een taak en dat zij dus op zoek moeten naar manieren om complexiteit aan te passen aan het niveau van voorkennis van hun leerlingen.

Het abstract

Background & Aims

Cognitive load theory assumes that the higher the learner's prior knowledge (i.e., the more expert the learner), the lower the intrinsic cognitive load (complexity) experienced for a given problem. While this is the case in many scenarios, there can be cases in which the converse is also true, resulting in more expert learners reporting higher intrinsic cognitive load than novices for the same problem. This can occur in relation to problems involving complex systems (e.g., ecological systems), for which novices' problem representations may underestimate problem complexity and therefore report lower intrinsic load than experts. This finding is borne out in the current paper.

Samples, Methods & Results

In Study 1 with 118 participants from the Black Forest area in Germany, participants with higher levels of forestry and ecological expertise evaluated a problem relating to the restructuring of the Black Forest to adapt to climate change as more complex than did novices. In Study 2 (within-subjects design, n = 66 primary-school students), we conceptually replicated this finding in a domain more typical of cognitive load theory studies, mathematics. We found that higher prior knowledge also reduced the underestimation of the complexity of ‘tricky’, but frequently used, mathematics word problems.

Conclusion

Our findings suggest that cognitive load theory's assumptions about intrinsic load and prior knowledge should be refined, as there seems to exist a sub-set of problem-solving tasks for which the traditional relationship between prior knowledge and reported ICL is reversed.