Hattie’s Visible Learning: effectgrootte in het onderwijs

Auteur: Basten Berg
Gepubliceerd: [datum invullen bij publicatie]
Redacteur: Basten Berg
Wil je dit artikel redigeren? Dat kan! Heb je een foutje gevonden of mis je informatie? Stuur dan een mail naar bastenberg@eenmeesterinleren.nl en help zo mee om het onderwijs te verbeteren.

Inhoudsopgave

  1. Wat is Hattie’s Visible Learning?
  2. Effectgrootte en het omslagpunt van d = 0,40
  3. Welke factoren hebben een hoge impact op leren?
  4. Factoren met een lage of averechtse impact
  5. Kritiek op Hattie’s onderzoek
  6. Samenvatting

Welkom op het platform eenmeesterinleren.nl, waar we onderwijstheorie vertalen naar bruikbare kennis voor in de klas. Dit artikel is geschreven door Basten Berg, oprichter van eenmeesterinleren.nl en van de community voor leraren en pabostudenten die elkaar helpen om beter les te geven.

Bijna iedere leraar heeft de naam Hattie weleens voorbij horen komen: het grote onderzoek waarin zo ongeveer alles wat je in de klas doet een cijfer krijgt, een zogeheten effectgrootte. Maar wat betekent zo’n getal precies, en waarom geldt 0,40 als omslagpunt tussen ‘werkt matig’ en ‘werkt goed’? Na het lezen van dit artikel weet je wat Visible Learning inhoudt, hoe je een effectgrootte leest, welke factoren volgens Hattie veel en weinig verschil maken voor het leren van je leerlingen, en waarom andere onderzoekers kritisch zijn op zijn methode.

Wil je verder praten over wat dit voor jouw lespraktijk betekent? Sluit dan aan bij onze community met collega’s en andere onderwijsexperts.

Neem een kijkje in de community!

[VIDEO VOLGT LATER] – De kennisclip bij dit artikel staat nog niet online. Zodra de video gepubliceerd is, komt de embed hier (direct onder deze welkomstalinea).

Schaalverdeling die het effectgrootte-omslagpunt d=0,40 van Hattie visualiseert, met voorbeeldfactoren zoals feedback en collectieve teamovertuiging
Het omslagpunt van d = 0,40 uit Hattie’s Visible Learning, met enkele bekende voorbeeldfactoren.

Dit schema is gewoon vrij te gebruiken! Link wel even naar deze pagina.

Wat is Hattie’s Visible Learning?

Visible Learning is de naam van het onderzoeksprogramma van de Nieuw-Zeelandse onderwijswetenschapper John Hattie. Vanaf het gelijknamige boek uit 2008 brengt hij de resultaten van honderden meta-analyses samen tot één grote ranglijst van factoren die van invloed zijn op de leerprestaties van leerlingen.

Een meta-analyse voegt de uitkomsten van veel losse onderzoeken naar hetzelfde onderwerp samen tot één gemiddeld effect. Hattie doet daar in feite nog een stap bovenop: hij verzamelt zelf geen nieuwe data, maar brengt bestaande meta-analyses samen tot één ranglijst, ook wel een meta-meta-analyse genoemd. In het originele boek uit 2008 verwerkte hij zo de resultaten van 815 meta-analyses. Latere edities en de doorlopend bijgewerkte website visible-learning.org breidden die verzameling verder uit, tot ruim 900 meta-analyses en naar schatting zo’n 80 miljoen leerlingen gezamenlijk.

De titel Visible Learning verwijst naar Hattie’s kernidee: leren wordt effectiever zodra het zichtbaar wordt, voor de leraar én voor de leerling zelf. Een leraar die ziet hoe een leerling denkt en waar het misgaat, kan gerichter bijsturen. Een leerling die zijn eigen leerproces leert volgen, wordt in feite zijn eigen leraar. Die gedachte komt verderop terug bij de factoren feedback en zelf ingeschatte cijfers.

Effectgrootte en het omslagpunt van d = 0,40

Een effectgrootte (Cohen’s d) drukt uit hoeveel verschil een aanpak gemiddeld maakt, uitgedrukt in standaarddeviaties. Hattie stelde d = 0,40 vast als omslagpunt: het gemiddelde effect van alle factoren die hij verzamelde, wat ongeveer overeenkomt met de normale groei van een leerling in één schooljaar regulier onderwijs.

Concreet betekent dit: een factor met een effectgrootte boven de 0,40 versnelt het leren sneller dan je van een gemiddeld schooljaar zou verwachten. Een factor onder de 0,40 heeft nog steeds een positief effect, alleen minder dan gemiddeld. Dat betekent niet automatisch dat iets ‘niet werkt’, maar wel dat het waarschijnlijk niet de tijd en aandacht waard is die je er wel in zou steken bij een hoger scorende aanpak. Het schema hierboven laat een aantal bekende voorbeelden zien, uitgesplitst boven en onder dat omslagpunt.

Hattie waarschuwt zelf dat een effectgrootte een aanleiding moet zijn om vragen te stellen, niet een instructie om een aanpak klakkeloos in te voeren. Verderop in dit artikel, bij het kopje kritiek, lees je waarom dat een belangrijk voorbehoud is.

Welke factoren hebben een hoge impact op leren?

Bovenaan Hattie’s ranglijst staan vooral factoren die met overtuiging, feedback en zelfkennis te maken hebben, niet met een specifieke methode, technologie of leermiddel.

Collectieve overtuiging van het team (d = 1,57)

De sterkste factor in recentere versies van de ranglijst is collective teacher efficacy: de gedeelde overtuiging van een schoolteam dat het samen, ongeacht de achtergrond van de leerlingen, echt verschil kan maken. Scholen waar leraren dat vertrouwen in elkaar en zichzelf delen, presteren gemiddeld sterk beter dan scholen waar dat vertrouwen ontbreekt.

Zelf ingeschatte cijfers (d = 1,33)

Self-reported grades meet hoe nauwkeurig leerlingen hun eigen prestaties kunnen inschatten voordat ze een toets of taak maken. Dit wordt vaak verkeerd gelezen als ‘laat leerlingen zichzelf maar een cijfer geven, dat werkt toch’. Dat is niet wat het onderzoek laat zien: de hoge effectgrootte zegt vooral iets over hoe sterk zelfinzicht samenhangt met prestatie, niet dat het zelf toekennen van een cijfer op zichzelf leerwinst oplevert. Vertaald naar de praktijk gaat het om leerlingen trainen in realistisch inschatten van hun eigen niveau, bijvoorbeeld door voorspellingen te laten doen vóór een toets en die achteraf te bespreken, als onderdeel van effectieve cognitieve leerstrategieën zoals zelftoetsing.

Geloofwaardigheid van de leraar (d = 0,90)

Teacher credibility gaat over het vertrouwen dat leerlingen hebben dat hun leraar het vak beheerst, oprecht om hen geeft en hen daadwerkelijk verder helpt. Die geloofwaardigheid bouw je niet met een goede eerste indruk alleen, maar met consistent gedrag: aankondigen wat je gaat doen en het ook doen, eerlijk zijn over fouten, en merkbaar reageren op wat leerlingen nodig hebben.

Feedback (d = 0,70)

Feedback staat al sinds de eerste editie van Visible Learning hoog genoteerd, al varieert de exacte effectgrootte per bron en per vorm van feedback. Hattie werkte dit later, samen met Helen Timperley, uit in het feedup-feedback-feedforward-model: waar werk je naartoe, hoe gaat het nu, en wat is de volgende stap? Wil je hier dieper in duiken, lees dan ook ons artikel over feedback geven in de klas.

Factoren met een lage of averechtse impact

Onderaan de ranglijst staan factoren die volgens Hattie’s cijfers weinig of zelfs een averechts effect hebben op leerprestaties. Een paar bekende voorbeelden:

  • Zittenblijven (d = −0,32): leerlingen die een jaar overdoen, presteren gemiddeld niet beter dan vergelijkbare leerlingen die wel doorstroomden, en lopen vaker sociaal-emotionele schade op.
  • Kleinere klassen (d = 0,21): het verkleinen van de klassengrootte alleen verandert zelden hóe een leraar lesgeeft, en daardoor blijft het effect klein, tenzij het gepaard gaat met een andere aanpak.
  • Huiswerk (d = 0,29 gemiddeld): dat gemiddelde verhult een groot verschil tussen basisonderwijs (nauwelijks effect) en voortgezet onderwijs (duidelijker effect), en tussen kort, gericht oefenwerk en lange, ongerichte opdrachten.
  • Tv-kijken (d = −0,18): vooral veel en ongestructureerd kijken hangt samen met iets lagere leerprestaties, al is oorzaak en gevolg hier lastig uit elkaar te trekken.

Een deel van die lage scores is te verklaren vanuit cognitive load theory: een aanpak die het werkgeheugen van leerlingen onnodig belast, bijvoorbeeld door te veel tegelijk aan te bieden zonder heldere structuur, levert weinig leerwinst op, ook al voelt het voor leerlingen soms actief en betrokken aan. Meer hierover lees je in ons artikel over cognitive load theory (CLT).

Advies uit de praktijk: een effectgrootte lezen zonder erin te verdwalen

Een collega die met de ranglijst van Hattie werkt bij het kiezen van een nieuwe aanpak, geeft dit mee:

  • Gebruik een effectgrootte als startpunt voor een gesprek in het team, niet als eindoordeel over een methode.
  • Kijk altijd mee naar de leeftijdsgroep en het vak waarin het effect gemeten is: wat werkt in het voortgezet onderwijs, werkt niet automatisch in groep 4.
  • Leg de cijfers naast wat je zelf ziet gebeuren bij je eigen leerlingen, bijvoorbeeld via toetsresultaten of observaties, in plaats van de ranglijst blind te volgen.
  • Wees extra kritisch bij hoog scorende factoren die lastig te vertalen zijn naar een concrete aanpak, zoals ‘zelf ingeschatte cijfers’.
  • Check een opvallende uitkomst bij voorkeur nog bij een tweede bron, zoals de EEF Teaching and Learning Toolkit, voordat je hem schoolbreed invoert.

Lukt het niet om een hoog scorende aanpak in jouw klas aan de praat te krijgen? Twijfel dan niet meteen aan jezelf: een effectgrootte is een gemiddelde over duizenden situaties, en jouw klas is er maar één van.

Kritiek op Hattie’s onderzoek

Ondanks de populariteit van Visible Learning is er stevige kritiek op de manier waarop Hattie tot zijn cijfers komt. De Amerikaanse onderwijsonderzoeker Robert Slavin zette de belangrijkste bezwaren op een rij.

Ten eerste neemt Hattie vrijwel elke meta-analyse op, zonder die te screenen op onderzoekskwaliteit. Slavin laat zien dat effectgroottes systematisch worden opgeblazen door kleine steekproeven, korte onderzoeksduur en door onderzoekers zelf ontwikkelde toetsen: precies het soort studies dat Hattie niet uitsluit. Bij het feedback-onderzoek van Lysakowski en Walberg (1982) zat volgens Slavin bijvoorbeeld een tweeleerlingenstudie met een effectgrootte van 11,81, omgerekend een IQ-stijging van 100 naar 277: statistisch vrijwel onmogelijk hoog, en pas later naar beneden bijgesteld.

Ten tweede plaatst Slavin vraagtekens bij de interpretatie van het omslagpunt zelf. Hattie vergelijkt effectgroottes met de gemiddelde groei van een leerling gedurende een schooljaar, terwijl een effectgrootte eigenlijk het verschil meet tussen een interventiegroep en een vergelijkbare controlegroep. Dat zijn twee verschillende dingen, en door ze aan elkaar gelijk te stellen oogt elke interventie met een effectgrootte boven de 0,40 al snel indrukwekkender dan hij is.

Ten derde worden in Hattie’s ranglijst onderzoeken uit heel verschillende contexten (korte labstudies, jarenlange klassikale interventies, verschillende leeftijdsgroepen en vakken) tot één gemiddelde teruggebracht, te vergelijken met het samenvoegen van medicijnonderzoek naar hartklachten en naar griep tot één cijfer. Onderzoekers Schulmeister en Loviscach concludeerden in 2014 bovendien dat een deel van de onderliggende statistiek, waaronder de zogeheten common language effect size, verkeerd was berekend, en wezen op een aantal twijfelachtig gecategoriseerde studies.

Dat betekent niet dat Visible Learning waardeloos is: het blijft een van de weinige plekken waar zoveel onderzoek overzichtelijk samenkomt, en het dwingt je om na te denken over wat wel en niet werkt. Gebruik de ranglijst daarom als vertrekpunt voor onderzoekend handelen in je eigen klas of team, leg opvallende uitkomsten naast een tweede bron zoals de EEF Toolkit, en combineer effectgroottes met activerende didactiek die je zelf in de praktijk kunt toetsen, in plaats van er blind op te varen.

Samenvatting

  • Visible Learning van John Hattie brengt honderden meta-analyses samen tot één ranglijst van factoren die leerprestaties beïnvloeden.
  • Een effectgrootte (Cohen’s d) drukt uit hoeveel verschil een factor gemiddeld maakt; d = 0,40 geldt als omslagpunt, ongeveer gelijk aan de groei in een normaal schooljaar.
  • Factoren als collectieve teamovertuiging (d = 1,57), zelf ingeschatte cijfers (d = 1,33), geloofwaardigheid van de leraar (d = 0,90) en feedback (d = 0,70) scoren hoog.
  • Zittenblijven (d = −0,32), kleinere klassen (d = 0,21) en huiswerk in het basisonderwijs scoren juist laag.
  • Onderzoekers als Robert Slavin, en Schulmeister en Loviscach, bekritiseren de onderliggende methodiek: geen kwaliteitsfilter op de opgenomen studies, een te ruime interpretatie van het omslagpunt, en het samenvoegen van onvergelijkbare studies.
  • Gebruik de ranglijst daarom als aanleiding voor onderzoekend handelen in je eigen klas of team, niet als blauwdruk.

Op zoek naar praktische kennis over onderwijs en
een betrokken groep collega’s om samen mee te leren?

NEEM EEN KIJKJE IN DE COMMUNITY

“Al je vragen over onderwijs, leren en lesgeven snel beantwoord door
collega’s en andere experts”

Lees ook

Bronnen

Dit artikel is geschreven op basis van openbaar beschikbaar onderzoek naar Hattie’s Visible Learning. Advies en technische realisatie: Basten Berg, meesterinleren.nl.